La IA estadounidense mejoró 1,91 veces, pero el gasto se multiplicó por 6,19: el rendimiento por dólar cayó un 69%
El informe de METR compara lo que la IA estadounidense logró después de octubre de 2025 y lo que costó. Las capacidades de los modelos crecieron 1,91 veces, mientras que el gasto en I+D aumentó 6,19 veces, como una fábrica que casi duplicó su producción con seis veces más presupuesto. La ganancia por dólar cayó cerca de un 69%, y la ganancia por empleado técnico al año, un 38%. Por ahora, planificar un producto sobre mejoras baratas y rápidas de los modelos es arriesgado.
Procesado por IA desde TG: @bezsmuzi (Русский ИТ бизнес); editado por Hamidun News
Se suele pensar que la IA está a punto de mejorarse a sí misma: escribe código para el siguiente modelo, diseña experimentos y el progreso avanza como una avalancha. Un informe reciente de la organización de investigación METR muestra un panorama más terrenal. Desde octubre de 2025, la IA estadounidense sí ha mejorado, pero cada avance cuesta notablemente más.
Qué calculó METR y cómo leer estas cifras
La idea es sencilla: comparar lo que los laboratorios obtuvieron con lo que gastaron para lograrlo. I+D son las siglas de investigación y desarrollo, es decir, todo lo que las empresas invierten en crear nuevos modelos: cómputo, datos y salarios.
Desde octubre de 2025:
- las capacidades medidas de la IA crecieron 1,91 veces;
- el gasto en I+D creció 6,19 veces;
- el personal técnico creció 3,10 veces.
Si se divide el resultado entre los costes, se obtiene que la ganancia de capacidad por cada dólar invertido bajó alrededor de un 69 %, y la ganancia por técnico al año, un 38 %. Es fácil comprobarlo: 1,91 / 6,19 ≈ 0,31, es decir, el rendimiento es cerca de un tercio del anterior. Y 1,91 / 3,10 ≈ 0,62, es decir, una caída de alrededor del 38 %.
Un ejemplo sencillo. Imagine una fábrica que casi duplicó su producción, pero para lograrlo tuvo que multiplicar su presupuesto por seis y contratar a tres veces más personas. Hay más producto, pero cada euro invertido rinde menos que antes. Esa es, más o menos, la imagen que el informe dibuja para los laboratorios estadounidenses.
Por qué esto importa para las conversaciones sobre una IA que se acelera sola
En teoría, debería ocurrir lo contrario. Si los modelos ayudan a los investigadores, el progreso por unidad de gasto debería crecer: la IA acelera la investigación, la investigación mejora la IA, y la nueva IA acelera aún más la investigación. Los pronósticos de «crecimiento explosivo» se construyen precisamente sobre esta lógica.
Los economistas Luis Garicano y Alex Imas no ven, con los datos disponibles, pruebas convincentes de que la IA genere por sí misma los recursos para la investigación. Y esa es justamente la condición para un crecimiento explosivo. Por ahora, el progreso se paga con dinero, cómputo y personas, y cada vez más caro.
Una salvedad importante: las cifras de METR no dicen que el progreso se haya detenido. Las capacidades casi se duplicaron. Lo que indican es que cada mejora requiere recursos desproporcionadamente mayores.
Qué deben hacer desarrolladores, responsables de producto y fundadores
Primero. No den por hecho en su plan que los modelos seguirán mejorando a bajo coste y de forma escalonada. Si el coste de una mejora crece más rápido que la mejora en sí, los laboratorios recuperarán sus gastos mediante precios, límites y un énfasis en los segmentos más rentables. Incluyan en el presupuesto un posible encarecimiento de la API.
Segundo. Diseñen una arquitectura que no dependa de un único modelo. Si la próxima versión resulta no ser tan superior como se promete, ganará quien sepa exprimir al máximo los modelos actuales: buenos prompts, evaluación de calidad con sus propios datos, un manejo cuidadoso del contexto y las herramientas adecuadas.
Tercero. Lean con cautela los pronósticos grandilocuentes. La frase «la IA se acelerará a sí misma» sigue siendo una hipótesis, no un hecho medido.
Limitaciones
La publicación original es un resumen breve del informe. No incluye detalles sobre cómo METR mide las «capacidades», qué modelos y laboratorios entraron en el cálculo ni cómo se contabilizó el gasto en I+D. De estas decisiones depende el porcentaje final, y un solo informe de un solo periodo no demuestra una tendencia a largo plazo. La conclusión se refiere a la relación entre resultado e inversión, no a la velocidad absoluta con la que aparecen nuevos modelos.
Por eso conviene tomar el informe como una señal de alerta y esperar confirmación en los próximos periodos. Si llega, la conversación sobre la IA deberá pasar del terreno de las fantasías sobre un crecimiento en avalancha al de la economía: quién y cuánto está dispuesto a pagar por cada nuevo paso.
- 24 jul 2026JudgeGPT ayudó a los jueces de Pakistán a reducir el atraso de casos: +6,3 % y un ROI de 38,5 dólares por dólar
- 12 oct 2026QualCom aumentó su facturación un 5,4% hasta 891 millones de rublos, pero perdió un 16% de beneficio
- 28 oct 2026Microsoft recibió de OpenAI 10.000 millones de dólares en ingresos en un trimestre: casi el 11% de todos sus ingresos
- 21 nov 2026Parcha publica AgentRun: la revisión de código baja de $1 a 18 centavos por verificación
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué calculó METR y cómo leer estas cifras?
La idea es sencilla: comparar lo que los laboratorios obtuvieron con lo que gastaron para lograrlo. I+D son las siglas de investigación y desarrollo, es decir, todo lo que las empresas invierten en crear nuevos modelos: cómputo, datos y salarios. Desde octubre de 2025: las capacidades medidas de la IA crecieron 1,91 veces; el gasto en I+D creció 6,19 veces; el personal técnico creció 3,10 veces.
¿Qué se sabe sobre Por qué esto importa para las conversaciones sobre una IA que se acelera sola?
En teoría, debería ocurrir lo contrario. Si los modelos ayudan a los investigadores, el progreso por unidad de gasto debería crecer: la IA acelera la investigación, la investigación mejora la IA, y la nueva IA acelera aún más la investigación. Los pronósticos de «crecimiento explosivo» se construyen precisamente sobre esta lógica. Los economistas Luis Garicano y Alex Imas no ven, con los datos disponibles, pruebas convincentes de que la IA genere por sí misma los recursos para la investigación.
¿Qué se sabe sobre Qué deben hacer desarrolladores, responsables de producto y fundadores?
Primero. No den por hecho en su plan que los modelos seguirán mejorando a bajo coste y de forma escalonada. Si el coste de una mejora crece más rápido que la mejora en sí, los laboratorios recuperarán sus gastos mediante precios, límites y un énfasis en los segmentos más rentables. Incluyan en el presupuesto un posible encarecimiento de la API. Segundo. Diseñen una arquitectura que no dependa de un único modelo.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.