¿Qué es la Inteligencia Artificial General (IAG)?

Gracias al auge de sistemas como ChatGPT o Perplexity, cada vez más personas en todo el mundo están descubriendo las aparentemente infinitas posibilidades de estas tecnologías. Estos programas pueden hacer desde redactar un trabajo para un estudiante hasta planificar un itinerario turístico. Pero aunque resulte sorprendente, estos sistemas se consideran “IA estrecha” o “IA débil”.

Este tipo de inteligencia artificial puede replicar –e incluso superar– la inteligencia humana, pero sólo para tareas muy concretas. La IA estrecha abarca todas las formas actuales de sistemas de inteligencia artificial: desde ChatGPT, los traductores automáticos y los sistemas de navegación como Google Maps, hasta los asistentes virtuales como Siri o Alexa, las recomendaciones de Netflix o los vehículos autónomos.

IA Estrecha, Inteligencia Artificial General (IAG) e inteligencia artificial superinteligente (IAS): ¿qué diferencias hay?

Entonces, si estos sistemas son tan avanzados, ¿por qué se los califica como “estrechos” o “débiles”? La razón es que están programados para realizar tareas específicas y no pueden actuar fuera de ese ámbito. No comprenden ni aprenden más allá de lo que han sido diseñados para hacer, y no pueden adaptarse a otros contextos. Por el contrario, la Inteligencia Artificial General (IAG) es una fase aún hipotética del aprendizaje automático en la que los sistemas igualarían o incluso superarían la capacidad cognitiva humana para cualquier tarea. 

El término “Inteligencia Artificial General” fue popularizado en 2007 por el investigador Ben Goertzel, quien la definió como “la capacidad de resolver problemas generales en contextos no restringidos, del mismo modo que puede hacerlo una persona”. Según IBM, un sistema de IAG auténtico sería capaz de aprender de nuevas experiencias en tiempo real, algo cotidiano para un niño o un animal, pero que supondría un hito histórico si se logra en una máquina.

Por su parte, la inteligencia artificial superinteligente (IAS) –también conocida como superinteligencia artificial– es un concepto aún más avanzado. Este tipo de sistema superaría la inteligencia humana y sería capaz de resolver problemas que hoy están fuera del alcance de cualquier ser humano.

 VER INFOGRAFÍA: Principales características de la Inteligencia Artificial General [PDF] 

De la IA actual a la Inteligencia Artificial General: ¿qué es necesario?

Aún son necesarios importantes avances para pasar de la inteligencia artificial actual a una verdadera Inteligencia Artificial General. La IA estrecha ya ha demostrado ser útil en tareas como el reconocimiento de imágenes, el procesamiento de lenguaje o la conducción autónoma, pero lo hace gracias a grandes volúmenes de datos y reconocimiento de patrones. Lo que aún le falta es comprensión real y razonamiento. Para lograr la IAG, los modelos deberán ser capaces de realizar cualquier tarea intelectual que puede llevar a cabo un ser humano, comprendiendo relaciones entre distintos ámbitos, interpretando contextos con matices complejos y tomando decisiones basadas en múltiples factores interrelacionados.

Según un análisis de SingularityNET, organización que promueve una IAG democrática y beneficiosa, el aprendizaje profundo deberá lograr una verdadera capacidad de generalización. 

Para avanzar hacia la IAG, se necesitarán progresos en flexibilidad cognitiva, transferencia de conocimiento entre dominios, razonamiento adaptable y aprendizaje autónomo. También hará falta integrar múltiples formas de información –texto, voz, imágenes e interacciones reales– y desarrollar competencias como la creatividad, la inteligencia social y la resolución de problemas.

 VER INFOGRAFÍA: Inteligencia artificial general: un posible calendario [PDF] 

¿Cuáles son los retos tecnológicos y éticos que debemos superar para alcanzar la Inteligencia Artificial General?

Desarrollar la Inteligencia Artificial General implica superar importantes desafíos técnicos, científicos y éticos. 

• Complejidad. Replicar la inteligencia humana requiere conocimientos avanzados en neurociencia, ciencia cognitiva e informática. A pesar de los avances recientes, aún estamos lejos de comprender –y mucho menos reproducir– la conciencia humana.
• Poder computacional. La IAG necesita recursos enormes, desde hardware avanzado hasta algoritmos capaces de procesar grandes volúmenes de datos de forma eficiente. Crear estos sistemas exige una enorme capacidad técnica y energética.
• Dilemas éticos. Garantizar que la IAG actúe de forma segura y alineada con los valores humanos será crucial para evitar usos indebidos o consecuencias no deseadas. La imprevisibilidad de estos sistemas, si no se introducen mecanismos de control adecuados, podría provocar comportamientos inesperados.
• Sustitución de empleo. A medida que la IAG automatice tareas complejas en distintos sectores, muchos trabajos tradicionales podrían desaparecer, obligando a los gobiernos a replantear los modelos laborales y económicos.
• Privacidad. La capacidad de la IAG para analizar datos personales a gran escala plantea serias dudas sobre la seguridad de la información y los derechos individuales.
• Riesgo de mal uso. Sistemas de vigilancia o armamento podrían intensificar conflictos o socavar libertades civiles. Si los sistemas de IAG toman decisiones de forma autónoma, especialmente en sectores como la sanidad, la justicia o la defensa, surgen dilemas éticos aún mayores.

Todo esto se relaciona con el problema de la alineación: garantizar que los objetivos de la IAG reflejen realmente los valores humanos. De lo contrario, incluso un sistema con buenas intenciones podría actuar de forma perjudicial.

¿Cuál es el estado actual en los avances de IAG?

Según StartUs Insights, en 2025 había más de 520 empresas y 370 startups en todo el mundo trabajando en IAG. El mercado creció un 29 % respecto al año anterior, y se prevé que lo haga un 36 % anual durante la próxima década, alcanzando los 116.000 millones de dólares (unos 100.800 millones de euros).

El año 2025 también fue clave en términos de avances tecnológicos. Según BytePlus, filial de ByteDance, la empresa matriz de la red social TikTok, se lograron progresos en arquitecturas de redes neuronales que mejoran la eficiencia del procesamiento de datos. Proyectos como el “Universal Learning Machine” mostraron avances significativos en la imitación de capacidades cognitivas humanas. Además, los avances en computación cuántica están acelerando el procesamiento de datos complejos como nunca antes.

Aun así, la verdadera Inteligencia Artificial General –máquinas que razonen, aprendan y actúen como seres humanos en cualquier ámbito– sigue siendo un objetivo difícil de alcanzar. El camino está lleno de retos técnicos y éticos. Su desarrollo debe ser guiado por la cautela, con un enfoque claro en la seguridad y la responsabilidad ética.

Legisladores, investigadores y empresas deberán trabajar de forma coordinada para mantener unos estándares éticos sólidos, maximizando los beneficios y minimizando los riesgos. Pero el potencial es inmenso: la IAG no solo podría transformar sectores enteros, sino también generar billones de euros en valor económico global en los próximos años.

¿Cómo puede la IA General ayudar al sector energético?

Si llegara a hacerse realidad, IAG podría transformar profundamente una amplia variedad de sectores, incluida la energía. El Foro Económico Mundial ya prevé que las medidas de eficiencia energética impulsadas por la inteligencia artificial y las tecnologías de redes inteligentes podrían generar hasta 1,3 billones de dólares en valor económico de aquí a 2030, con el potencial de reducir las emisiones globales de gases de efecto invernadero (GEI) entre un 5 % y un 10 %, lo que equivale a las emisiones anuales de toda la Unión Europea.

Gracias a su capacidad teórica para razonar, aprender y adaptarse, la IAG podría emplearse para analizar de forma continua enormes volúmenes de datos procedentes de múltiples fuentes —como los patrones meteorológicos, la demanda eléctrica en tiempo real o la disponibilidad de recursos—, lo que permitiría prever las necesidades de producción energética y ajustarlas de forma dinámica. El resultado serían redes verdaderamente inteligentes, capaces de ofrecer un sistema altamente eficiente y, al mismo tiempo, facilitar la transición de los combustibles fósiles a las energías renovables mediante soluciones adaptadas a cada región. Un sistema con capacidad de análisis en tiempo real podría redirigir automáticamente la energía ante cortes de suministro, equilibrar la carga para evitar apagones e integrar sin problemas fuentes de energía descentralizadas, como los paneles solares residenciales.

Si se piensa en ideas concretas que ejemplifiquen lo que se ha apuntado en el párrafo anterior, podríamos empezar por configurar un vigilante virtual que actúe como ayudante del operador de red eléctrica que no solo monitoriza el consumo y la producción en tiempo real, sino que también anticipa lo que va a ocurrir. Por ejemplo, si detecta que se aproxima una ola de calor, ajusta automáticamente la producción para evitar sobrecargas, redirige la energía desde zonas con menor demanda y activa sistemas de almacenamiento para equilibrar la red. Todo esto sin intervención humana, aprendiendo de cada situación para hacerlo mejor la próxima vez. Este tipo de razonamiento autónomo y adaptativo es justo lo que se espera de una IAG.

Además, se podrá proporcionar un mantenimiento predictivo con sentido. Hoy en día, muchas empresas ya utilizan sensores para detectar fallos antes de que ocurran. Pero una IAG iría mucho más allá. No solo detectaría una anomalía en un transformador u otro punto de la infraestructura, sino que entendería el contexto: sabría si ha llovido mucho en la zona, si hay vibraciones inusuales o si el equipo lleva más tiempo del recomendado sin revisión. Con esa información, no solo avisaría de un posible fallo a los operadores, sino que propondría la causa más probable y sugeriría la mejor solución, priorizando recursos y minimizando el impacto en el servicio.

Si la IAG logra habilitar el mantenimiento predictivo, optimizar los flujos de energía y favorecer la integración de renovables, podría hacer que los sistemas energéticos sean más eficientes, fiables y sostenibles, contribuyendo así a los objetivos económicos y climáticos del sector.

La IAG también podría impulsar la innovación tecnológica en el sector energético, acelerar la investigación sobre los materiales empleados y mejorar la eficiencia en la extracción y el procesamiento de combustibles fósiles, contribuyendo así a reducir su impacto ambiental. Un sistema capaz de generar conocimientos basados en datos permitiría acelerar el desarrollo de nuevas soluciones energéticas, desde baterías más eficientes hasta catalizadores mejorados para la producción de hidrógeno verde. Incluso podría descubrir métodos hasta ahora desconocidos de aprovechamiento energético, como biocombustibles avanzados o nuevos diseños de fusión nuclear. Esto no solo reduciría los tiempos de desarrollo, sino que abriría la puerta a soluciones energéticas más eficientes y sostenibles