El avance de la IA supera por años las predicciones de los principales expertos, según un estudio del FRI
Un informe preliminar del Forecasting Research Institute revela que destacados investigadores, economistas y superpredictores subestimaron sustancialmente la velocidad de los avances de la IA en matemáticas, virología y crecimiento de ingresos.

Un panel de pronósticos registra enormes brechas entre las predicciones y la realidad
Destacados especialistas en inteligencia artificial, economistas y pronosticadores profesionales han subestimado de forma significativa el ritmo de los avances técnicos y financieros en el sector de la IA, según un informe preliminar publicado por el Forecasting Research Institute (FRI). A partir de encuestas recopiladas desde mediados de 2022, las conclusiones comparan proyecciones a futuro frente a hitos del mundo real alcanzados durante los últimos años.
La evaluación se centra en el Longitudinal Expert AI Panel (LEAP) del FRI, que encuestó a 339 especialistas, entre ellos 76 científicos de la computación, 76 profesionales de la industria, 68 economistas y 119 analistas de políticas de IA. El grupo de ciencias de la computación incluyó a 30 profesores de las 20 mejores universidades y a 10 de los 200 investigadores en IA más citados del mundo. Sus proyecciones se evaluaron junto con las de superpredictores (superforecasters): pronosticadores generalistas con una trayectoria documentada de precisión predictiva. En ambos grupos, las proyecciones medianas situaron de manera constante los principales saltos de capacidad años después de cuando realmente se produjeron.
Las matemáticas, la ciencia y los ingresos superan drásticamente los pronósticos
La discrepancia más marcada surgió en las matemáticas avanzadas. En julio de 2025, sistemas de inteligencia artificial alcanzaron un rendimiento de medalla de oro en la Olimpiada Internacional de Matemática. Ese hito llegó cinco años antes de lo previsto por la mediana de los expertos y una década entera antes de lo que esperaban los superpredictores. Al ser consultados en 2022, los expertos le otorgaron al rendimiento de medalla de oro solo un 8,6 por ciento de probabilidad de ocurrir cuando lo hizo, mientras que los superpredictores le asignaron una probabilidad del 2,3 por ciento. En el conjunto de todos los hitos evaluados que se han materializado, los expertos asignaron una probabilidad promedio del 24,6 por ciento, en comparación con el 9,7 por ciento de los superpredictores.
Otras pruebas de referencia técnicas de alto nivel mostraron discrepancias similares:
- Problema del Premio del Milenio: Tras indicios de que la IA podría haber resuelto un Problema del Premio del Milenio (con criterios oficiales de verificación aún en evaluación), el FRI señaló que las encuestas de agosto y septiembre de 2025 situaban las probabilidades medianas de que una IA resolviera tal problema para finales de 2027 en apenas un 10 por ciento entre los expertos y un 5,4 por ciento entre los superpredictores.
- Virología y ciberseguridad: Al preguntarles cuándo los sistemas de IA igualarían a equipos de élite en la prueba de referencia de resolución de problemas Virology Capabilities Test, el plazo mediano de los expertos apuntaba a 2030, y los superpredictores proyectaban 2034. El FRI determinó que este umbral probablemente se alcanzó alrededor de abril de 2025. Se produjeron subestimaciones paralelas en las pruebas de referencia de ciberseguridad.
- Crecimiento financiero: Los pronosticadores no estaban preparados para la expansión comercial. Los expertos predijeron que los mayores ingresos recurrentes anuales (ARR) para una sola empresa de IA a finales de 2026 alcanzarían una mediana de 20.000 millones de dólares, frente a los 16.000 millones estimados por los economistas y los 25.000 millones por los superpredictores. Las cifras reportadas superaron esas expectativas, alcanzando los 65.000 millones de dólares en julio de 2026, mientras que Anthropic alcanzó un ARR estimado de aproximadamente 100.000 millones de dólares para septiembre de 2026.
Las predicciones no se quedaron cortas en todas las categorías. Los pronosticadores sobrestimaron el impacto inmediato de la IA en tareas de laboratorio biológico experimental (wet-lab): los virólogos habían pronosticado una tasa de finalización de tareas del 40 por ciento con asistencia de IA, pero un pequeño ensayo controlado demostró que los participantes humanos completaron solo el 5,2 por ciento de las tareas con un LLM y acceso a la web, ligeramente por debajo del 6,6 por ciento de éxito alcanzado por sujetos que utilizaron únicamente búsquedas en internet. Los pronosticadores también anticiparon una penetración más rápida de los vehículos autónomos, prediciendo que los vehículos sin conductor captarían el 7,3 por ciento de los viajes de transporte por aplicación en EE. UU. para 2027, frente a las proyecciones asistidas por LLM que sitúan la cifra en un 2,5 por ciento.
Expectativas en aumento y métodos de seguimiento más rápidos
A medida que el progreso técnico ha comprimido los plazos, los especialistas encuestados han ajustado sus perspectivas al alza. En un período de nueve meses, la probabilidad promedio asignada por los expertos a que la IA se convierta en una "tecnología del siglo" —a la par del impacto histórico de la electricidad— aumentó del 31 al 36 por ciento. Los superpredictores elevaron su estimación del 28 al 35 por ciento durante el mismo lapso.
Para mantener el ritmo de este acelerado ciclo de desarrollo, el FRI planea destacar a un grupo específico de panelistas que anticipan avances agresivos hacia 2040 e implementar pronósticos generados por modelos y actualizados de manera continua. El instituto señaló que los sistemas automatizados evaluados en ForecastBench ya rivalizan con los superpredictores en categorías de preguntas específicas.
El FRI también destacó una limitación estructural inherente a sus conclusiones preliminares: mientras que las subestimaciones se vuelven evidentes en el momento en que un modelo alcanza un hito antes de lo previsto, las sobrestimaciones permanecen sin confirmar hasta que vencen los plazos, lo que inclina de forma natural las primeras evaluaciones hacia ejemplos de subestimación.

