IA general 2030: qué dijo Hassabis y por qué importa

En pocas palabras: Demis Hassabis, CEO de Google DeepMind, predijo que la inteligencia artificial general (AGI) llegará entre 2029 y 2030, basándose en los avances actuales de agentes autónomos con capacidad de usar herramientas que ya vimos en Google I/O 2026.

Demis Hassabis, CEO de Google DeepMind, puso fecha: la inteligencia artificial general (AGI) llega entre 2029 y 2030. Lo dijo en mayo de 2026 en una charla en Stanford y lo reforzó en Google I/O. No fue un comentario al pasar — fue una predicción calculada, basada en los avances en agentes autónomos y uso de herramientas que ya estamos viendo en 2026. La cuenta regresiva, según él, ya empezó.

La IA general 2030 es el punto en el que un sistema de inteligencia artificial iguala o supera a un humano en cualquier tarea intelectual: desde escribir un poema hasta diseñar un experimento científico o aprender un oficio nuevo sin entrenamiento previo. A diferencia de los modelos actuales como Gemini o ChatGPT —que son buenísimos en tareas específicas pero se desmoronan fuera de su carril—, una AGI razonaría de forma transversal, con creatividad y autonomía real.

Google es una empresa tecnológica fundada por Larry Page y Sergey Brin, que desarrolla el motor de búsqueda más utilizado en internet, además de servicios como Gmail, Maps y YouTube. Su algoritmo organiza y recupera información de la web.

¿Por qué Demis Hassabis predice la llegada de la AGI entre 2029 y 2030?

Hassabis no es un futurólogo de Twitter. Es el tipo que dirige Google DeepMind, ganó un Nobel de Química en 2024 por AlphaFold, y lleva dos décadas persiguiendo la AGI como objetivo fundacional de su empresa. Cuando habla, los inversores y los gobiernos escuchan.

En su charla en Stanford, según la cobertura de GATE, Hassabis explicó que el salto cualitativo de 2026 son los agentes de IA con uso de herramientas. No es un cambio cosmético: es la diferencia entre un modelo que solo genera texto y uno que puede abrir un navegador, consultar una API, leer documentación y ejecutar una tarea de punta a punta. Eso, dijo, es el precursor directo de la AGI.

En Google I/O 2026, según Infobae, fue más concreto todavía: “Creo que alcanzaremos el nivel de razonamiento humano hacia 2029 o 2030”. El tipo lo dijo con la tranquilidad de quien está viendo los papers internos que nadie más vio.

La lógica es simple: si los agentes de 2026 ya coordinan tareas, usan memoria persistente y manejan herramientas, el camino hacia la generalización está trazado. Lo que falta es escala, integración y un par de avances en arquitectura. Hassabis cree que eso se resuelve en menos de cinco años.

¿Qué es exactamente la inteligencia artificial general (AGI)?

Una AGI es un sistema de IA capaz de aprender y ejecutar cualquier tarea intelectual que un ser humano pueda hacer. No hablo de tareas predefinidas ni de benchmarks de razonamiento matemático: hablo de adaptarse a problemas completamente nuevos sin que nadie le haya dado ejemplos previos.

Ponele que contratás a un pasante y en dos días ya está manejando tu CRM, entendiendo la lógica del negocio y proponiendo mejoras. Una AGI haría lo mismo, pero en minutos y sin café. La diferencia con la IA actual —la “estrecha” o narrow AI— es que Gemini o ChatGPT son crack en lo que fueron entrenados y bastante inútiles apenas los sacás de ese territorio. Una AGI cruza dominios: hoy te escribe un contrato legal, mañana te diseña un circuito electrónico, y el miércoles te compone una sinfonía (o algo que se le parece). Tema relacionado: nuestra guía completa sobre Google.

Según 20minutos, Hassabis insiste en que la AGI no es magia: es la culminación de sistemas que razonan, planifican, usan herramientas y aprenden de la experiencia. Más parecido a un científico junior que a un oráculo.

¿En qué se diferencia la AGI de la IA actual como Gemini o ChatGPT?

La diferencia no es de grado, es de categoría. Un modelo actual puede simular razonamiento (y a veces te engaña bien), pero no entiende lo que está haciendo. Cuando ChatGPT resuelve un problema de física, está haciendo una mezcla estadística de patrones que vio en su entrenamiento. Cuando una AGI lo resuelva, va a estar razonando de verdad —con causalidad, con hipótesis, con capacidad de decir “esto no lo sé, dejame investigarlo”.

El dato que lo deja claro: en el benchmark ARC-AGI-3, diseñado específicamente para medir razonamiento general abstracto, los modelos de vanguardia en 2026 sacaron menos del 1%. Los humanos, en cambio, lograron puntuación perfecta sin entrenamiento previo. Arc-AGI-3 son acertijos visuales que cualquier nene de 8 años resuelve sin problemas. Para una IA actual, es como pedirle a un loro que escriba un ensayo.

Característica	IA actual (Gemini, ChatGPT, Claude)	AGI (proyectada 2029-2030)
Tipo de tareas	Específicas y predefinidas	Cualquier tarea intelectual humana
Adaptabilidad	Requiere fine-tuning o prompting avanzado	Aprende en tiempo real sin ejemplos previos
Razonamiento	Estadístico, basado en patrones de entrenamiento	Causal, con formulación de hipótesis
ARC-AGI-3 (2026)	Menos del 1% de acierto	Se espera puntuación humana (~100%)
Autonomía	Depende de prompts y supervisión humana	Define objetivos propios dentro de parámetros
Uso de herramientas	Limitado y guiado (agentes 2026)	Autónomo: navega, consulta APIs, escribe y ejecuta código
Creatividad	Recombinación de patrones conocidos	Descubrimiento original (tipo “prueba de Einstein”)

¿Qué es la “prueba de Einstein” y por qué es clave para la AGI?

Acá viene lo bueno. Hassabis propuso un test concreto para saber si realmente llegamos a la AGI, y no tiene nada que ver con los benchmarks de knowledge retrieval que ya dominan los modelos actuales.

La idea es esta: le das a un sistema de IA todo el conocimiento científico disponible hasta 1901 —física newtoniana, electromagnetismo, termodinámica, lo que había en esa época— y le preguntás: ¿podés descubrir la teoría de la relatividad especial? Si el sistema produce algo equivalente a lo que Einstein publicó en 1905 sin haber visto esa información, pasó la prueba. Eso es creatividad científica genuina, no recuperación de patrones ni regurgitación de papers que ya leyó durante el entrenamiento.

Hassabis la llama “la prueba definitiva” porque requiere tres cosas que ningún modelo actual tiene: razonamiento causal profundo, creatividad original y capacidad de formular hipótesis novedosas. Cuando le preguntás a ChatGPT algo de relatividad, te responde porque ya “vio” todos los papers de Einstein; no porque haya reinventado nada. La prueba de Einstein cambia eso por completo.

¿Alguien corrió este experimento? Todavía no. Pero es el tipo de criterio que Hassabis usa internamente para medir progreso real hacia la AGI, no para vender humo en un comunicado de prensa. Esto se conecta con lo que analizamos en la guía de Google para AI Overviews.

¿Qué impacto tendrá la AGI en la sociedad según Hassabis?

Hassabis no se anda con vueltas: dijo que el impacto será entre 10 y 100 veces mayor que la Revolución Industrial. La Revolución Industrial transformó la producción, el trabajo, las ciudades y la estructura social en menos de un siglo. Multiplicá eso por un factor de 10 y entendés por qué el tipo está preocupado incluso mientras acelera el desarrollo.

El punto que martilló en Stanford fue este: la velocidad con la que nos movemos es peligrosa si no sabemos hacia dónde vamos. Citó una frase que resume su postura: “si vas a 100 mph en la dirección equivocada, es peor que parar a pensar“. Silicon Valley tiene una tendencia a pisar el acelerador y preguntar después, y Hassabis —que es parte de ese ecosistema— lo sabe mejor que nadie.

Se define como “optimista cauto”: cree que los beneficios potenciales son enormes —medicina personalizada, descubrimiento científico acelerado, soluciones a problemas climáticos— pero solo si la sociedad se prepara activamente. El problema, dijo, es que la mayoría de los gobiernos y las instituciones están reaccionando en vez de anticipar (y se nota).

¿Qué predicciones sobre AGI suenan ridículas hoy pero podrían cumplirse en 2030?

La pregunta que dio origen a esta nota merece una respuesta directa. En 2026, decir que en cuatro años una máquina va a razonar mejor que un humano en todas las áreas cognitivas suena a ciencia ficción. Pero si mirás la curva de progreso de los últimos tres años —de GPT-3.5 a agentes autónomos que manejan tu navegador—, la trayectoria es escandalosamente empinada.

Estas son las predicciones que hoy te hacen fruncir el ceño pero que, según la hoja de ruta de DeepMind, podrían ser realidad antes de 2030:

• La AGI superará a los humanos en todas las tareas cognitivas, no solo en juegos de mesa o benchmarks de matemática. Incluye escritura creativa, estrategia de negocios, diagnóstico médico y diseño de experimentos científicos.
• Los agentes autónomos coordinarán cadenas laborales completas sin intervención humana. Un agente investiga, otro redacta, otro verifica datos, otro publica —todo en minutos.
• Los modelos líderes obtendrán puntuaciones perfectas en ARC-AGI-3 y otros benchmarks que hoy los tienen por debajo del 1%. Es un salto de dos órdenes de magnitud en menos de un lustro.
• Una IA igualará el razonamiento creativo humano al punto de formular teorías científicas originales. La prueba de Einstein deja de ser una metáfora y se convierte en un hito verificable.

Ojo: “suena ridículo” no significa que esté garantizado. Significa que si se lo contás a un científico de datos en un asado, probablemente se te ría. Pero la misma risa se la dieron a Hassabis en 2012 cuando dijo que DeepMind iba a vencer a campeones humanos en Go. Y ya sabemos cómo terminó eso. En cómo funciona Google Antigravity profundizamos sobre esto.

¿Qué riesgos menciona Hassabis sobre el desarrollo de la AGI?

Hassabis no es alarmista, pero tampoco es un ingenuo. Su postura de “optimista cauto” viene con advertencias bastante concretas que vale la pena desglosar.

Primero, el problema del desempleo masivo. Si una AGI puede hacer cualquier tarea intelectual mejor que un humano, la pregunta no es si va a reemplazar trabajadores, sino qué trabajos van a quedar. Hassabis habló de la necesidad de repensar el contrato social, los sistemas educativos y la distribución de la riqueza —no como un ejercicio académico, sino como una urgencia con fecha de vencimiento.

Segundo, el riesgo de mal uso. Una AGI en manos de un actor malicioso es un problema de seguridad nacional que ningún país está tratando con la seriedad que merece (spoiler: los presupuestos en AI safety son una fracción mínima de los presupuestos en desarrollo).

Tercero, y esto es lo más sutil que dijo Hassabis: la falta de preparación social. No alcanza con que los ingenieros sepan lo que están construyendo. Necesitamos abogados, economistas, filósofos y sociólogos metidos en la conversación ahora, no cuando la AGI ya esté acá y tengamos que improvisar. “La energía frenética de Silicon Valley es buena para construir rápido”, dijo, “pero necesitamos parar y pensar en qué dirección estamos yendo”.

¿Qué está confirmado y qué no?

• Confirmado: Demis Hassabis, CEO de Google DeepMind, predijo públicamente en Stanford y Google I/O 2026 que la AGI llegará entre 2029 y 2030. No es un rumor ni una filtración: está documentado en múltiples fuentes.
• Confirmado: Los modelos actuales obtienen menos del 1% en ARC-AGI-3, el benchmark de razonamiento general más exigente del momento. Este dato es verificable y fue citado por el propio Hassabis.
• Confirmado: Google DeepMind está desarrollando agentes de IA con uso de herramientas durante 2026, y estos agentes representan, según Hassabis, el camino directo hacia la AGI.
• Pendiente: Que la AGI realmente llegue en 2029-2030. Por más fundada que esté la predicción, sigue siendo una proyección basada en tendencias actuales. Nadie tiene una bola de cristal.
• Pendiente: Verificación independiente de la “prueba de Einstein”. No hay evidencia pública de que se haya ejecutado ni resultados que la respalden. Es un criterio conceptual.
• Pendiente: El impacto real en el empleo y la economía global. Las estimaciones varían enormemente entre estudios, y no hay consenso académico sobre la magnitud del desplazamiento laboral.

Errores comunes al hablar de AGI

Después de ver cómo se cubre este tema en medios y redes sociales (y las barbaridades que se leen en los comentarios), acá van tres errores que comete hasta gente que labura en tecnología.

Error 1: confundir AGI con “un ChatGPT más inteligente”. Una AGI no es un modelo de lenguaje con más parámetros. Es un sistema con arquitectura fundamentalmente distinta, que razona causalmente y aprende en tiempo real sin reentrenamiento. Decir que Gemini 3 va a ser AGI porque responde mejor las preguntas es como decir que un auto más rápido eventualmente se convierte en avión. Te puede servir nuestra cobertura de la comparativa entre Google y OpenAI.

Error 2: creer que la AGI ya llegó porque los modelos actuales “razonan”. No razonan. Simulan razonamiento recombinando patrones estadísticos. Es una simulación muy convincente (demasiado, diría yo), pero cuando los ponés frente a un problema que requiere verdadera abstracción —como los acertijos de ARC-AGI-3—, colapsan por debajo del 1%. Si fuera razonamiento real, ese número sería otro.

Error 3: asumir que AGI implica conciencia o intencionalidad. Una AGI puede resolver cualquier tarea intelectual sin ser consciente, sin tener emociones y sin querer dominar el mundo. La conciencia es un problema filosófico y neurocientífico distinto; la AGI es un problema de ingeniería. Hassabis no está diciendo que en 2030 las máquinas van a “sentir” algo —está diciendo que van a poder hacer cualquier trabajo cognitivo que hace un humano.

Preguntas Frecuentes

¿Qué es la inteligencia artificial general (AGI)?

La AGI es un sistema de inteligencia artificial que puede aprender y ejecutar cualquier tarea intelectual humana sin entrenamiento específico previo. A diferencia de la IA estrecha actual —que solo funciona en dominios acotados como texto, imágenes o código—, una AGI razona de forma transversal, se adapta a problemas nuevos y formula hipótesis originales.

¿Cuándo dijo Demis Hassabis que llegará la AGI?

Hassabis afirmó en mayo de 2026, durante una charla en la Universidad de Stanford y en Google I/O, que la AGI llegará aproximadamente en 2029 o 2030. Basó su predicción en los avances actuales con agentes de IA capaces de usar herramientas, navegar la web y ejecutar tareas de forma autónoma.

¿Qué es la prueba de Einstein para la AGI?

Es un criterio propuesto por Hassabis para determinar si una IA alcanzó la AGI. Consiste en darle al sistema todo el conocimiento científico disponible hasta 1901 y preguntarle si puede formular la teoría de la relatividad especial. Si lo logra, demostró creatividad científica original, no simple regurgitación de datos de entrenamiento.

¿Qué puntuación tienen los modelos actuales en el benchmark ARC-AGI-3?

Los modelos de vanguardia en 2026, incluyendo Gemini y GPT, obtienen menos del 1% de acierto en ARC-AGI-3. Este benchmark mide razonamiento abstracto con acertijos visuales que un humano resuelve sin esfuerzo. La brecha entre el rendimiento actual y una AGI funcional es de aproximadamente dos órdenes de magnitud.

¿La AGI va a dejar obsoletos a los trabajadores humanos?

Según Hassabis, el impacto en el empleo será masivo —entre 10 y 100 veces mayor que la Revolución Industrial— y requiere una preparación social que hoy no existe. No significa que todos los trabajos desaparezcan de inmediato, pero sí que muchas tareas cognitivas serán automatizables. El consenso entre expertos apunta a una transformación profunda del mercado laboral, no a un apocalipsis instantáneo.

Conclusión

Lo que cambió en 2026 es que la AGI dejó de ser un tema de papers académicos y pasó a tener fecha de entrega estimada por la persona que más cerca está de construirla. Hassabis no es un vendedor de humo ni un gurú de LinkedIn: dirige el laboratorio de IA más avanzado del mundo, tiene un Nobel en el bolsillo, y sus predicciones anteriores sobre AlphaFold y AlphaGo se cumplieron antes de lo esperado.

¿Significa esto que en 2030 vamos a tener AGI sí o sí? No necesariamente. Las proyecciones en tecnología fallan todo el tiempo, y cuatro años en IA es una eternidad donde pueden aparecer cuellos de botella que hoy no vemos. Pero si Hassabis está en lo correcto —y los agentes de 2026 son el indicio que él cree que son—, los próximos tres años van a ser los más transformadores en la historia de la computación.

La pregunta que queda picando no es si la AGI va a llegar. Es si cuando llegue, nosotros —como sociedad, como empresas, como profesionales— vamos a tener una respuesta mejor que “uy, no me lo esperaba”.

Fuentes

• 20minutos – El CEO de Google DeepMind da fecha para la llegada de la IA general: cobertura de las declaraciones de Hassabis sobre el plazo 2029-2030 y su llamado a la preparación social.
• GATE – Google DeepMind CEO predicts AGI arrival by 2030 in Stanford talk: detalles de la charla en Stanford donde Hassabis explicó los avances en agentes de IA durante 2026.
• Infobae – Demis Hassabis pronosticó que la IA llegará al nivel de razonamiento humano en 2029: reporte en español con citas textuales de la predicción en Google I/O 2026.