JOURNAL / 2026.11.07
METR y Anthropic: cómo evaluar si la IA acelera su propio desarrollo
La velocidad de mejora y sus causas requieren pruebas distintas. La evaluación externa merece atención, pero una alerta útil también debe permitir discutir la evidencia y decidir qué hacer después.
El informe que METR publicó el 5 de noviembre estima que el ritmo de mejora de Anthropic en AECI, su versión interna del índice de capacidades de Epoch, pasó a 1,9 veces el ritmo anterior desde octubre de 2025. El intervalo de confianza del 95 % es 1,5–2,8. METR juzga, con gran incertidumbre, que la IA explica la mayoría de la aceleración actual. Anthropic retiró de la publicación gran parte de la evidencia decisiva. METR no consultó los modelos privados. La conclusión merece atención; su comprobación pública queda limitada.
La pregunta importa más allá de una empresa. Si mejorar un modelo ayuda a producir el siguiente más deprisa, el calendario de adaptación puede acortarse para quienes construyen aplicaciones, investigan o supervisan riesgos. Yo revisaría con más frecuencia los supuestos de un proyecto que depende de capacidades de frontera. Eso no exige dar por probada una aceleración indefinida: exige saber qué observación nos haría cambiar de plan.
Para interpretar el índice conviene acudir a la documentación de Epoch. ECI combina resultados de distintos benchmarks en una escala común mediante comparaciones entre modelos que comparten pruebas. Su propósito es seguir capacidades incluso cuando un examen individual deja de distinguirlas. Esa escala permite estudiar tendencias; no expresa horas de investigación ahorradas. Una pendiente mayor tampoco significa que cada modelo sea «el doble de inteligente» ni que una aplicación concreta vaya a rendir el doble. Esas traducciones necesitarían medidas del trabajo que nos interesa.
El diseño de evaluación que METR presentó en octubre separa progreso observado, contribución de la IA y posibles cuellos de botella. Propone contrastar resultados con recursos, indicadores intermedios y entrevistas. Me parece la separación adecuada: para atribuir una mejora habría que considerar también cambios de datos, personal y cómputo experimental. En un equipo pequeño, empezaría por registrar cuánto tarda una hipótesis en llegar a un resultado revisado y qué intervención humana necesita. Sería una medida local, sin pretender convertirla en un termómetro de toda la industria.
Hay una consecuencia de gobernanza más inmediata. En su revisión separada del informe de riesgo de agosto, también publicada el día 5, METR coincide con la valoración de bajo riesgo catastrófico de los modelos disponibles internamente el 15 de julio. Sin embargo, considera plausible que ya se hubiera cruzado el umbral de alerta temprana de aceleración, aunque la mayoría de los investigadores relevantes de ambas organizaciones se inclina por que no. La revisión cuestiona la confianza de la conclusión pública. Una alerta temprana y una catástrofe materializada son cosas distintas; no hay contradicción en vigilar la primera sin afirmar la segunda.
Ya habíamos examinado la medición interna de automatización de Anthropic. La tarea pendiente es conectar cambios en la división del trabajo con resultados, costes y decisiones. Yo pediría que cada futura actualización especificase de antemano qué hallazgo activaría una revisión de seguridad y qué evidencia permitiría levantarla. Un indicador sin una respuesta acordada puede terminar siendo sólo una cifra que cada parte interpreta a su conveniencia.
La política de acceso anunciada por Anthropic el 15 de octubre ofrece un contraste útil: la empresa afirma que no puede vetar la publicación de las evaluaciones, pero sí exigir omisiones de categorías predefinidas de información confidencial, cuya aplicación decide. Ese acuerdo corresponde a otro proyecto, distinto del estudio publicado ahora. Mi criterio para valorar estos acuerdos sería que un lector pueda identificar qué desacuerdos sobreviven a la revisión. Abrir información a evaluadores externos tiene valor. El siguiente paso que exigiría es suficiente detalle público para discutir sus conclusiones sin depender enteramente de su autoridad.
Fuentes primarias consultadas el 7 de noviembre de 2026. No hemos accedido a datos internos ni reproducido la evaluación. Las propuestas de medición y actuación son análisis propio.