El benchmark que cambió cómo medimos inteligencia real
En marzo de 2026, mientras los titulares seguían hablando de «IA cada vez más poderosa», algo importante sucedía en segundo plano: los scores en ARC-AGI y ARC-AGI-2 nos recordaban una verdad incómoda que muchos en la industria preferirían ignorar.
ARC significa «Abstraction and Reasoning Corpus». Suena técnico, pero en realidad es simple: es un conjunto de pruebas diseñadas para medir si una IA puede realmente pensar de manera flexible, o si solo está reproduciendo patrones que vio en datos de entrenamiento.
La diferencia es crucial. Y es lo que separa el hype de la realidad.
Qué es ARC-AGI realmente
ARC-AGI fue creado por François Chollet, investigador de Keras y Google, específicamente porque se dio cuenta de algo: los benchmarks existentes no medían lo que decían medir. Un modelo podía ganar en MNIST, ImageNet o incluso en pruebas de lenguaje natural, pero eso no significaba que pudiera pensar.
ARC-AGI es diferente. Está compuesto por tareas visuales que requieren abstracción. En cada tarea te muestran un patrón: ves varios ejemplos de transformaciones, y tienes que predecir qué sucede con un caso nuevo.
Parece simple. Pero es brutalmente difícil para las IA.
¿Por qué? Porque estas tareas requieren lo que Chollet llama «generalización amplia»: la capacidad de aprender un concepto a partir de muy pocos ejemplos y aplicarlo a situaciones completamente nuevas. Exactamente lo que los humanos hacemos sin esfuerzo. Un niño puede ver dos ejemplos de una regla visual y aplicarla instantáneamente a casos nuevos que nunca vio.
La mayoría de las IA no pueden. Por eso ARC-AGI es tan valioso como benchmark.
Los scores de marzo 2026: La brecha que sigue abierta
En marzo de 2026, los scores en ARC-AGI seguían siendo modestos comparados con lo que oímos en las noticias sobre «superinteligencia».
Los mejores modelos llegaban a alrededor de 85-87% en ARC-AGI. Suena bien hasta que lo comparas con el baseline: los humanos sin entrenamiento previo alcanzan 88%. Con un poco de práctica, 94%.
ARC-AGI-2, la versión mejorada, era aún más exigente. Más tareas, más variedad, menos posibilidad de que un modelo «haya visto algo parecido» durante el entrenamiento. Los mejores scores ahí rondaban 60-65%.
La brecha no es pequeña. Y lo más importante: no se cierra tan rápido como la industria quiere que creas.
Por qué esto importa: El hype vs. la realidad
Hay un patrón que se repite en la industria de IA desde hace años. Alguien logra un resultado en un benchmark, los titulares gritan «¡BREAKTHROUGH!», y después descubrimos que el modelo solo estaba muy bien optimizado para ese test específico.
ARC-AGI fue diseñado precisamente para evitar eso.
Ves, es fácil hacer que un modelo sea bueno en tareas donde tiene ejemplos similares en sus datos de entrenamiento. Le enseñas 10 millones de imágenes de gatos y te sorprenderá cuán bien identifica gatos. Pero dale una tarea completamente nueva, nunca vista, y el sistema colapsa.
ARC-AGI no permite eso. Las tareas son nuevas. La lógica es pura abstracción.
Yeso es por qué un modelo que es «el mejor del mundo» en la mayoría de benchmarks sigue teniendo problemas con ARC-AGI. Porque ARC-AGI mide algo diferente: mide si la IA puede pensar, no solo si puede procesar.
Qué nos dice sobre AGI que aún no hemos llegado
AGI significa «Artificial General Intelligence»: una IA que puede hacer cualquier tarea intelectual que un humano puede hacer. Es teórico. Nadie la ha creado. Pero muchos en Silicon Valley hablan de ella como si fuera mañana.
ARC-AGI es un medidor honesto de qué tan lejos estamos realmente.
Y la respuesta en marzo de 2026 era clara: no estamos cerca.
Un sistema que no puede hacer tareas de abstracción visual simples con la consistencia de un humano no es AGI. Punto. No importa cuán bien suene en las presentaciones de ventas.
Lo que vemos en los datos es esto: hay sistemas muy especializados. Claude de Anthropic es excelente en diálogos y escritura. GPT-4 es poderoso en lenguaje. Pero cuando los pones a resolver problemas de abstracción pura, muestran sus límites.
AGI sería algo completamente distinto: un sistema que generaliza tan bien que puede entrar en casi cualquier dominio nuevo y aprender rápidamente. Los scores en ARC-AGI nos dicen que estamos aún en el territorio de sistemas útiles pero limitados.
La diferencia que cambia todo: Generalización vs. Optimización
Hay una distinción que la mayoría de la gente no capta, y es lo que separa realmente la ciencia ficción del presente.
Optimización: Hacer algo muy bien en un contexto específico. Un LLM está optimizado para predecir la siguiente palabra basándose en patrones en textos. Excelente en eso.
Generalización: Aprender un principio y aplicarlo a contextos completamente nuevos. Un humano ve dos ejemplos de una regla visual y la aplica a 50 casos nuevos. Así es cómo aprendemos realmente.
ARC-AGI mide generalización. Y es donde los sistemas fallan.
Estamos construyendo máquinas de optimización muy sofisticadas. Pero la AGI requeriría generalización. Son mundos distintos.
Implicaciones para tu soberanía personal en la transición post-AGI
Ahora, ¿por qué te importa esto si no eres investigador de IA?
Porque hay una narrativa que se vende constantemente: «la AGI viene, los humanos seremos obsoletos, prepárate a depender de sistemas inteligentes». Esa narrativa impulsa decisiones: políticas, inversión, cómo educamos a nuestros hijos, en qué confiamos.
ARC-AGI nos dice que esa narrativa es prematura. Aún no estamos en AGI. Y cuando miramos honestamente los datos, vemos que la brecha es más grande de lo que los titulares sugieren.
Eso cambia las cosas para tu soberanía.
Primero: No necesitas vivir en pánico por obsolescencia. Los sistemas actuales, incluso los mejores, tienen límites claros. Un humano que sigue aprendiendo, que cultiva pensamiento abstracto, que desarrolla juicio crítico, tiene valor que estos sistemas no pueden replicar hoy. Probablemente no lo harán mañana tampoco.
Segundo: Las decisiones que tomas hoy sobre dependencia tecnológica tienen más peso de lo que imaginas. Si te vuelves completamente dependiente de sistemas IA para pensar, trabajar, resolver problemas, estás apostando a que esa dependencia será soportada por sistemas perfectos. Los datos en ARC-AGI sugieren que eso no sucederá pronto.
Tercero: La soberanía en transición post-AGI comienza ahora, no después. No esperes a que la AGI llegue para desarrollar capacidades que la IA no puede tocar: pensamiento original, juicio moral, creatividad auténtica, relaciones humanas profundas, comprensión del significado. Esas cosas se cultivan hoy. Son tu verdadero seguro en cualquier futuro.
Qué hacer ahora
No se trata de ser ludita ni de rechazar la tecnología. Se trata de ser realista.
Usa IA como herramienta cuando es útil. Claude puede ayudarte a escribir, pensar, aprender. Los LLMs locales pueden ser parte de tu ecosistema sin que dependas de servidores en la nube. Aprende a trabajar con estas cosas.
Pero simultáneamente, desarrolla capacidades que estos sistemas no tienen. Aprende a razonar por tu cuenta. Estudia lógica, filosofía, matemáticas. Practica pensamiento abstracto. Lee ficción que te obligue a imaginar mundos nuevos.
Trabaja con tus manos. Cultiva comida. Construye cosas. El pensamiento abstracto sin ancla en la realidad física es frágil.
Cultiva relaciones reales. Las IA pueden simular conversación, pero no pueden entender lo que significa pertenecer a una comunidad, ser responsable por otros, crear significado compartido.
Esos son los pilares de soberanía real. Y son exactamente lo que ARC-AGI mide implícitamente: la capacidad de abstracción, adaptación y creación de nuevos significados.
La conclusión honesta
En marzo de 2026, los mejores sistemas de IA del mundo seguían sin poder hacer lo que un niño hace sin pensar: abstracción y generalización sin límites.
Eso no significa que no hayamos avanzado. Hemos. Los sistemas son más útiles, más seguros, más accesibles cada año.
Pero significa algo muy importante: la narrativa de «la AGI está aquí, estamos en la transición, el futuro es impredecible» es exagerada. El futuro sigue siendo abierto. Tú sigues teniendo agencia. Tus decisiones de hoy importan más que mañana.
ARC-AGI no es solo un benchmark técnico. Es un recordatorio honesto de dónde estamos realmente. Y eso, paradójicamente, es tu mayor ventaja para construir soberanía verdadera.
