¿Alguna vez sentiste que una app “aprende” de tus errores más rápido que vos mismo? Actualizas, se arregla un fallo, aparece una función nueva y todo sigue. Lo que cambia ahora es el mecanismo detrás de esas mejoras: algunas IAs ya participan activamente en su propia construcción, como los recientes modelos de GPT-5.3 Codex y Claude Opus 4.6.
Según la documentación técnica de OpenAI, el nuevo GPT-5.3 Codex fue “instrumental en su propia creación”. No solo escribe código. También ayudó a depurar su entrenamiento, a gestionar el despliegue (ponerlo a funcionar en sistemas reales) y a diagnosticar evaluaciones (mediciones de desempeño) para ajustar el rumbo.
Y en Anthropic la historia va en la misma dirección con Claude Opus 4.6. Dario Amodei, CEO de la empresa, afirma que la IA escribe gran parte del código allí. Además, subraya que el bucle de retroalimentación entre una generación de modelos y la siguiente gana impulso “mes a mes”.
“Gran parte del código” ya lo escribe la IA, dijo Dario Amodei (Anthropic).
La clave es sencilla de imaginar: es como una casa con un tablero eléctrico que se revisa y se mejora solo. Antes, cada vez que saltaba una térmica, alguien tenía que venir, abrir la caja, encontrar el cable flojo y cambiar piezas. Ahora, el tablero detecta el problema, prueba soluciones y deja registrado qué funcionó.
Ese “tablero” digital no es magia. Son modelos de lenguaje (IA que predice y produce texto y código) usados como herramientas internas para tareas que antes eran 100% humanas: depuración (encontrar fallos), ajuste de entrenamiento (mejorar cómo aprende), análisis de evaluaciones y control del despliegue (que el sistema sea estable).
Por eso las compañías empujaron primero la programación. Entrenar y mejorar IA requiere montañas de código. Si una IA se vuelve muy buena escribiéndolo, se convierte en una pieza clave del engranaje que fabrica IAs más capaces.
Matt Shumer, CEO de OthersideAI, lo resume con una frase con olor a taller: hacer que la IA sea excelente en programación fue “la estrategia que desbloquea todo lo demás”. En su experiencia, él solo indica qué quiere construir y el modelo produce decenas de miles de líneas de código.
Luego pasa algo todavía más revelador: el sistema abre la aplicación creada, interactúa con la interfaz (hace clic, prueba botones, verifica funciones) y evalúa el comportamiento. Si detecta fallos, vuelve atrás y modifica el código sin que una persona le marque cada paso. Solo devuelve el trabajo cuando considera que cumple sus propios estándares.
Investigadores y desarrolladores hablan de “explosión de inteligencia”, un proceso donde cada generación ayuda a construir la siguiente y ese salto, a su vez, empuja otro. En esa imagen, la IA no es solo el auto: también es parte del equipo de mecánicos que lo afina para la próxima carrera.
Además, hay números que explican por qué esto no suena a ciencia ficción lejana. Datos de METR, citados por Shumer, sugieren que el tiempo que una IA puede trabajar sin intervención humana se viene duplicando cada siete meses. Incluso hay indicios de que esa duplicación podría estar bajando a cuatro meses.
Si la tendencia se sostiene, para 2027 podrían existir sistemas capaces de trabajar de forma autónoma durante semanas en proyectos completos. Y Amodei ya puso una fecha tentativa para un salto mayor: habló de 2026 o 2027 como ventana posible para modelos “sustancialmente más inteligentes que casi todos los humanos en casi todas las tareas”.
Sin embargo, hay un detalle central para el usuario común: los modelos gratuitos que usa la mayoría están muy por detrás de los punteros internos. Una breve prueba con GPT-5.3 Codex lleva al autor a una conclusión incómoda pero clara: la IA “de cocina” no muestra el verdadero nivel de la IA “de laboratorio” que ya opera dentro de las grandes tecnológicas.
La oportunidad es evidente: ciclos de desarrollo más cortos, software que se prueba y corrige con menos fricción, y herramientas que pueden sostener proyectos largos sin supervisión constante. El riesgo también existe: si el cableado se vuelve más complejo y más autónomo, entender quién controla el interruptor correcto será cada vez más importante.
Porque, en esta nueva etapa, la gran revolución no es solo que la IA responda mejor. Es que empieza a aprender a mantenerse, ajustarse y reforzarse como un sistema que, literalmente, se pone a punto a sí mismo.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
