El Forecasting Research Institute reveló que especialistas y superpronosticadores subestimaron significativamente la velocidad de avances clave en inteligencia artificial durante 2025 y 2026, desde capacidades matemáticas hasta ingresos empresariales, aunque el impacto práctico sigue siendo difícil de proyectar.
¿Cuánto se equivocaron los expertos en IA?
Los pronósticos de especialistas, economistas y analistas de políticas públicas quedaron rezagados frente a los resultados observados en varios hitos técnicos clave. El Forecasting Research Institute (FRI) comparó estimaciones recopiladas desde mediados de 2022 con desempeños reales alcanzados durante 2025 y 2026, identificando brechas importantes entre expectativas y realidad.
El panel de investigación incluyó 339 participantes: informáticos de universidades de élite, expertos de la industria, economistas, especialistas en políticas de IA y superpronosticadores con historial comprobado de precisión. Esta composición permitió comparar no solo expectativas del público general, sino estimaciones de profesionales con experiencia académica, económica e industrial documentada.
Matemáticas y virología: los mayores desfases
La diferencia más notable ocurrió en rendimiento matemático. En julio de 2025, sistemas de IA alcanzaron un desempeño equivalente al nivel de medalla de oro en la Olimpiada Internacional de Matemáticas, cinco años antes de la previsión mediana de los expertos y diez años antes de la estimación de superpronosticadores, ambas recopiladas en 2022 antes del lanzamiento de ChatGPT.
Aunque los modelos no obtuvieron puntuación perfecta (cinco participantes humanos sí lo lograron), la capacidad demostrada sorprendió a los analistas. Los expertos habían asignado solo 24,6% de probabilidad a que benchmarks similares ocurrieran en el período observado, frente a 9,7% entre superpronosticadores; para el nivel de medalla de oro específicamente, las probabilidades eran aún menores: 8,6% y 2,3% respectivamente.
En virología ocurrió un patrón comparable. Los expertos estimaban que modelos de IA no igualarían a equipos de los mejores virólogos en el Virology Capabilities Test hasta 2030, mientras que superpronosticadores proyectaban 2034. El FRI sostiene que ese hito probablemente se alcanzó en abril de 2025. El test evalúa capacidad para resolver problemas complejos y corregir protocolos de laboratorio de virología.
Ingresos empresariales: proyecciones muy por debajo
Las estimaciones sobre ingresos de empresas de IA quedaron significativamente rezagadas. Los expertos proyectaban un máximo ingreso anual recurrente (ARR) de US$ 20.000 millones para finales de 2026, economistas estimaron US$ 16.000 millones y superpronosticadores US$ 25.000 millones. El FRI señala que Anthropic probablemente ya alcanzaba US$ 100.000 millones en ingresos anualizados durante septiembre de 2026.
Para poner en contexto, en julio de 2026 se reportaron US$ 65.000 millones en ingresos anualizados combinados de Anthropic y OpenAI. Incluso la estimación más optimista de los paneles encuestados quedaba muy por debajo de esa cifra, evidenciando una subestimación generalizada en la adopción y monetización de sistemas de IA.
¿El impacto práctico es más difícil de predecir?
Sin embargo, no todas las predicciones fueron demasiado cautelosas. Los resultados divergieron al evaluar tareas prácticas de laboratorio biológico con asistencia de modelos de lenguaje. Expertos en bioseguridad anticipaban 22,5% de tasa de éxito, virólogos esperaban 40% y superpronosticadores 16,2%. En ensayos controlados, solo 5,2% de participantes logró completar tareas con modelo de lenguaje e internet.
Sorprendentemente, el grupo que usó únicamente internet obtuvo 6,6% de éxito, por encima del resultado con IA. El FRI advierte que el ensayo fue pequeño y no permite generalizar sobre todas las tareas o modelos, pero ilustra que capacidad técnica no se traduce automáticamente en impacto práctico medible.
Respecto a vehículos autónomos, los expertos proyectaban que 7,3% de viajes en transporte autónomo en Estados Unidos ocurriría durante 2027, mientras que proyecciones de modelos de lenguaje indicaban 2,5%. Este caso muestra que los errores de predicción no siempre apuntan a imaginar adopción más lenta, sino que pueden sobreestimar expansión de tecnologías.
Limitaciones del análisis y próximos pasos
El FRI reconoce que una subestimación se detecta cuando la realidad supera la fecha prevista, pero una sobreestimación solo puede confirmarse cuando vence el plazo. Análisis provisionales tienden a identificar más fácilmente casos de cautela excesiva que aquellos donde se anticiparon avances exagerados.
Además, algunas evaluaciones retrospectivas utilizan datos que los participantes originales no tenían al formular estimaciones, creando asimetría informativa que debe considerarse antes de presentar comparaciones como prueba definitiva de precisión predictiva.
El instituto planea actualizar metodologías mediante subgrupos de participantes que esperan progreso muy rápido hasta 2040, publicar pronósticos de modelos de lenguaje actualizados continuamente e identificar panelistas con mejores resultados. También explorará si algunos modelos de IA ya igualan a superpronosticadores en ciertos tipos de preguntas, aunque no en todos los temas.
Qué significa para empresas y administradores argentinos
Para dueños y administradores de empresas argentinas, estos datos plantean implicaciones estratégicas relevantes. Si los expertos subestimaron tanto la velocidad de avance técnico como la capacidad de monetización de soluciones de IA, es probable que oportunidades de adopción y transformación digital lleguen más rápido de lo proyectado por análisis convencionales.
La brecha entre capacidad técnica e impacto práctico también es crítica: no basta que una herramienta sea potente en benchmarks; requiere integración operativa real. Empresas que esperen demasiado tiempo basándose en proyecciones conservadoras podrían perder ventajas competitivas, mientras que quienes adopten IA sin evaluar aplicabilidad específica a sus procesos enfrentarán inversiones improductivas.
Además, la volatilidad de pronósticos sobre IA sugiere que la planificación empresarial debe incluir escenarios múltiples y revisiones frecuentes, en lugar de depender de estimaciones estáticas. En contexto de economía argentina con inflación y volatilidad de tipos de cambio, la capacidad de adaptación rápida a cambios tecnológicos se vuelve ventaja competitiva adicional.
