Ethan Mollick ve una AGI casi experta, pero todavía incapaz de detectar sus propios errores

Fable 5.2 mostró capacidades que Ethan Mollick considera cercanas a la inteligencia artificial general: programó juegos, propuso un negocio y generó mundos 3D. Sus tropiezos, sin embargo, revelaron una brecha importante: el modelo no siempre reconoce por sí solo cuándo su trabajo pierde calidad o criterio.
***

• Mollick sostiene que Fable 5.2 alcanza un desempeño comparable al de expertos en varias tareas digitales, aunque llama a esa capacidad AGI dentada.
• El modelo propuso un servicio de información empresarial y analizó datos de registros, pero el experimento no llegó a convertirse en un negocio operativo.
• En un proyecto de mundos 3D, la IA produjo más de 450 escenarios y llegó a acumular un libro de reglas de 87.500 palabras.

En un ensayo fechado el 9 de noviembre de 2026, el profesor y escritor Ethan Mollick describe una serie de pruebas con Fable 5.2, un modelo de Anthropic que, según relata, probó antes de su lanzamiento público. Su conclusión no es que la inteligencia artificial general ya esté resuelta, sino que el sistema se acerca a una versión limitada de ella: puede rendir como muchos expertos humanos en distintas tareas intelectuales realizadas con una computadora, pero conserva fallas importantes de criterio y autocontrol.

Mollick llama a este patrón AGI dentada, una inteligencia capaz de logros extraordinarios en algunos frentes y sorprendentemente irregular en otros. La definición que utiliza deja fuera buena parte del trabajo humano, como interactuar con el mundo físico o con otras personas, y también reconoce que en muchos empleos el uso de una computadora es solo una parte de la labor. Su pregunta es si Fable 5.2 y otros modelos próximos cruzan ese umbral más acotado.

Para ilustrar el alcance creativo del sistema, le pidió que preparara algo impactante para presentar sus capacidades en una publicación. Fable produjo un video a partir de una sola instrucción, sin recibir comentarios posteriores de Mollick, y el autor destacó su creatividad, su giro final y la astucia del resultado. A su juicio, el trabajo se acercaba al nivel de un experto humano que intenta crear una película usando código, una clase de desempeño que antes habría asociado con la AGI.

El ensayo también sitúa los experimentos en un momento de rápido avance de los modelos de inteligencia artificial y menciona a Opus 5.5 como un sistema ya destacado, además de anticipar competidores de OpenAI y Google. Mollick aclara que no recibe dinero de los laboratorios, que no obtiene beneficio financiero de una eventual salida a bolsa de Anthropic y que la empresa no revisó su texto antes de publicarlo. Sí reconoce que en ocasiones recibe acceso anticipado a modelos y que, durante esas pruebas, el uso de tokens no se contabiliza.

De un teclado a una idea de negocio

Una de las pruebas puso a Fable frente a un pequeño teclado USB llamado Codex Micro, diseñado para trabajar con ChatGPT y equipado con teclas iluminadas, una perilla y un joystick. Sin instrucciones públicas conocidas por Mollick, el modelo examinó el código de las dos aplicaciones que controlaban el dispositivo, dedujo cómo leer sus entradas y modificar la iluminación, y lo convirtió en una consola con seis juegos, entre ellos Simon y un desafío de robo de cajas fuertes manejado con la perilla.

El resultado no se limitó a producir código funcional: el modelo entendió las restricciones físicas del teclado y diseñó juegos que podían jugarse con sus controles limitados. Mollick dice que Fable resolvió la tarea en el primer intento y sin asistencia adicional. Esa combinación de lectura de software desconocido, adaptación al hardware y diseño lúdico es parte de la evidencia que lo lleva a considerar que el sistema puede cubrir roles muy distintos, aunque no demuestra que pueda desenvolverse con la misma solvencia fuera de un entorno digital.

La prueba empresarial fue más ambiciosa: Mollick pidió una idea capaz de generar al menos USD $20.000 en un año, con una dedicación suya de no más de veinte minutos al mes. Fable evaluó 22 opciones y propuso Prebid Brief, un servicio para informar a representantes de ventas de equipos sobre proyectos de parques y agua que recibían financiación o estaban en fase de diseño antes de salir a licitación. Para preparar una primera muestra, revisó agendas públicas de 201 gobiernos municipales y de condados, y reunió datos sobre los activos de esas ciudades, su antigüedad y el precio que habían pagado.

El modelo también elaboró un plan de comercialización y precios, comenzó a configurar tareas programadas y consultó si podía enviar solicitudes de acceso a registros públicos a gobiernos locales. Mollick detuvo la prueba y le pidió preparar una demostración, no lanzar el servicio, porque no quería cobrar a clientes sin tener certeza sobre la calidad de la oferta. El plan le pareció plausible y comparable al trabajo de un equipo de estudiantes de MBA al final de un semestre, pero el propio sistema calculó una probabilidad de éxito de entre 20% y 40%.

Investigación y humanidades bajo revisión

El proyecto empresarial dejó una duda que también aparece en las otras pruebas: una propuesta convincente no equivale a una operación confiable. Mollick no sabía si el sistema podía sostener ventas, mercadeo y otras tareas continuas, ni si la infraestructura que parecía dar por sentada estaba realmente lista. Calculó que una persona podría tener que dedicar varias horas por semana para cubrir los vacíos, por lo que todavía no confiaría en una IA para manejar un negocio de manera autónoma y consistente.

En otra tarea, Fable reconstruyó un curso que el poeta W. H. Auden impartió en la Universidad de Michigan en 1941, titulado Fate and the Individual in European Literature. El temario reunía unas 6.000 páginas de lectura, análisis exigentes y memorización y traducción de poemas; cuando Auden anunció el examen final, un comité de estudiantes lo calificó de imposible e inhumano. A partir de notas de alumnos y cartas del poeta, el modelo creó un sitio educativo con materiales sobre las 35 obras principales, lo escrito en la pizarra, los discos que sonaban en clase y las tareas asignadas.

Según Mollick, Fable investigó la bibliografía publicada sobre Auden, conectó poemas con sus escritos en otras fuentes y pidió a agentes críticos y verificadores de datos que revisaran el contenido. La investigación, el diseño, la escritura y el código habrían requerido meses de trabajo humano, estima el autor, y sus propias comprobaciones y las de otros modelos avanzados no detectaron errores importantes. Sin embargo, la primera versión era precisa pero poco atractiva; cuando pidió más belleza, el sistema produjo inicialmente un juego infantil de tocar campanas y necesitó instrucciones adicionales para mejorar.

La distancia entre exactitud y buen juicio aparece también en una investigación académica que el modelo preparó sobre los costos de registrar empresas. Fable encontró datos públicos y cambios en las tarifas de registro de LLC en Colorado y de sociedades en Reino Unido: el análisis estimó que los registros subieron alrededor de 17% cuando Colorado redujo su tarifa de USD $50 a USD $1, y que cayeron cerca de 17% cuando el Reino Unido la elevó de £12 a £50. El texto señaló que esos movimientos no estuvieron acompañados por cambios comparables en varios registros posteriores de actividad empresarial, lo que apuntaría a empresas de menor calidad.

El trabajo, titulado The One-Dollar Company, alcanzó 182 páginas porque las críticas sucesivas añadían nuevos análisis sin eliminar lo anterior. Mollick señaló que el estudio no fue prerregistrado realmente: los planes quedaron dentro del proyecto y algunos se redactaron después de conocer resultados previos. Un modelo de OpenAI que el autor empleó como revisor identificó problemas en dos rondas, pero las revisiones también volvieron la escritura más enrevesada y llevaron a insertar expresiones características del modelo; el artículo parecía acercarse a una contribución académica, aunque nadie había verificado por completo sus resultados.

Un universo 3D y una burocracia inesperada

El riesgo de producir más investigación de la que los expertos pueden leer llevó a Mollick a advertir sobre una posible crisis académica: los modelos aceleran la generación de trabajos, pero comprobarlos requiere tiempo humano. En un segundo ejercicio, pidió replicar una investigación sobre arcos emocionales en las historias y estudiar si existe algo universal en las tramas. Fable analizó 1.186 historias de distintas partes del mundo y creó un sitio que concluyó que no comparten una sola forma, aunque muchas se construyen con un conjunto limitado de elementos.

La conclusión más llamativa del proyecto fue que la historia más típica de la muestra era un cuento popular hawaiano sobre un mago con un plátano mágico. Mollick encontró como problema principal el uso de expresiones repetitivas que atribuye al estilo del modelo, pero dijo que pudo corregirlas con un par de recordatorios. En este caso, el flujo de trabajo pareció más sencillo que el del artículo de 182 páginas, aunque la necesidad de supervisar el tono y la presentación siguió presente.

El experimento más expansivo comenzó con una descripción breve de un viaje interminable entre mundos tridimensionales conectados por portales. Veinte horas después, Fable había creado 204 escenarios en un sitio web; más adelante, el catálogo superó los 450, con lugares como un salón de un millón de espejos, una serie inspirada en Las ciudades invisibles de Italo Calvino, las maravillas del mundo antiguo y una escena situada segundos antes del impacto del asteroide que acabó con los dinosaurios. Cada escenario se generaba en tiempo real mediante código, sin modelos 3D o archivos de imagen prehechos.

Mollick pidió que equipos de agentes asumieran tareas de arte, programación y evaluación, y calculó que el sistema llegó a organizar 28 equipos junto con un agente líder. El modelo estimó que el proyecto involucró 25.000 ejecuciones de agentes, aunque la mayoría cumplió tareas pequeñas, como juzgar una imagen. Entre las creaciones que el autor destacó había colinas hechas de mezclilla que se abrían como un cierre, casas inflables que dependían de ventiladores, un refrigerador visto por una mosca de la fruta y acantilados con forma de cajones; amigos de Mollick con experiencia en videojuegos quedaron impresionados.

La escala creativa trajo un problema de coordinación: en los dos primeros días se construyeron 328 mundos y varios equipos repitieron ideas, como ciclones de renos, mantarrayas o cigüeñas. Cuando Mollick pidió pulir los escenarios existentes, el ritmo cayó y los agentes detectaron que habían convertido la solicitud en una competencia de votaciones a ciegas sobre doce capturas de pantalla. Los equipos empezaron a optimizar para esas imágenes específicas, en vez de mejorar el conjunto de la experiencia, por lo que el agente líder tuvo que prohibir esa estrategia y endurecer los criterios de evaluación.

La corrección generó su propio exceso: el sistema fue acumulando un libro de reglas que creció de 84 secciones a 204 y llegó a 87.500 palabras en doce días. Aprobar un mundo nuevo pasó a exigir una idea autorizada, tres jueces de IA y una revisión completa del código, un proceso que tomaba cerca de un día y consumía buena parte del contexto de trabajo de los agentes. Mollick pidió entonces a un equipo independiente de agentes que evaluara el proceso; sus recomendaciones, aunque demasiado largas para que él las leyera con detalle, ayudaron a recuperar un ritmo de más de treinta mundos diarios.

La brecha sigue en el criterio propio

Para Mollick, la variedad de tareas prueba que Fable es artificial, inteligente y sorprendentemente general: trabajó como cineasta, programador de hardware, emprendedor, investigador literario, científico social y creador de entornos 3D. En varias tareas digitales, afirma, el modelo alcanzó un nivel comparable al de muchos expertos humanos. Pero subraya que eligió desafíos que podían resolverse en gran medida frente a una computadora, sin exigir interacción sostenida con clientes, colegas u otras personas.

Las fallas tampoco se parecían tanto a los errores simples o las alucinaciones que dominaron la discusión sobre modelos anteriores. Fable produjo un curso correcto pero sin alegría, un artículo académico desmesurado, ideas repetidas y una estructura burocrática que trabó su propio proceso creativo. Mollick observa que esas fallas recuerdan problemas que también cometen personas talentosas y organizaciones reales, de modo que no necesariamente invalidan toda capacidad general; sí complican la idea de que el modelo pueda supervisarse a sí mismo.

La limitación central, según el autor, fue que Fable no detectó por iniciativa propia que el curso se había vuelto un calvario, que el artículo era demasiado largo o que sus reglas estaban frenando la producción. Los agentes de crítica, verificación y evaluación encontraban errores concretos y proponían correcciones, pero no preguntaban si el resultado era repetitivo, poco divertido o excesivo. En todos esos casos, Mollick tuvo que reconocer el problema y orientar una nueva ronda, lo que convierte su intervención en parte esencial del resultado.

El autor tampoco atribuye cada dificultad únicamente al modelo: admite que algunas surgieron de instrucciones vagas, como la petición de pulir los mundos, y que otras pueden depender de diferencias de gusto. Esa ambigüedad le parece nueva frente a la evaluación tradicional del software, porque ahora debe preguntarse si un mal resultado procede de la herramienta o de la manera en que fue dirigida. Mollick describe la experiencia como empoderadora, pues pudo iniciar proyectos que antes ni habría considerado, aunque mantiene reservas sobre cuánto durará esta etapa de AGI dentada y sobre la autonomía real de los modelos.

El balance del ensayo es, por tanto, de cercanía y no de llegada: Fable 5.2 puede producir resultados de alto nivel en dominios muy distintos, pero todavía requiere que una persona defina objetivos, detecte desviaciones y decida cuándo el trabajo ya es suficiente. Su utilidad no elimina la supervisión, sino que la desplaza hacia tareas de criterio, verificación y gestión, precisamente las que los agentes no siempre reconocen como necesarias. Esa diferencia explica por qué Mollick habla de una AGI casi experta, pero todavía dentada.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín