Cada pocas semanas una empresa anuncia un modelo nuevo de inteligencia artificial y lo acompaña con un número. El número es más alto que el del modelo anterior y más alto que el del competidor. La prensa lo repite, los inversores lo celebran y el público entiende que la máquina mejoró. La pregunta que casi nadie se hace es en qué mejoró y para quién.

Los modelos de IA se evalúan con exámenes. Hay uno de matemática, otro de programación, otro de ciencia y otro de comprensión de textos. Cada examen tiene su escala y su límite, porque cuando todos los modelos aprueban con 95 sobre 100, el examen ya no distingue a nadie. Para resolver eso, un instituto que mide el progreso de la IA armó un índice que combina muchos exámenes en una sola escala, con la misma técnica que usan los psicólogos para calcular un coeficiente intelectual. Cabe aclarar que la escala es arbitraria, como los grados de un termómetro. El mejor modelo de 2023 estaba en 126 puntos. El mejor de mediados de 2026 estaba en 162. Un punto no equivale a nada tangible, solo sirve para comparar.

Ese índice mostró algo interesante: desde septiembre de 2024 aparecieron los primeros modelos que razonan antes de contestar; el mejor algoritmo del mundo sube 14 puntos por año; antes subía seis. La velocidad se duplicó y desde entonces se mantiene constante.

Entre tanto, ¿qué significa para una persona que usa la IA para redactar un correo, resumir un contrato o traducir una carta que el mejor modelo del mundo tenga 162 puntos en vez de 148?

Para quien redacta correos, el umbral se cruzó en 2023 y desde entonces cada modelo nuevo le resulta igual al anterior

La respuesta es que no significa nada, porque el índice es un promedio sobre decenas de exámenes. Nadie usa un promedio, porque cada persona usa el modelo para una tarea concreta, y para esa tarea lo único que importa es si el modelo la resuelve o no. Y eso no es una escala, sino un umbral.

Piense en el cartel de un ascensor que dice capacidad 500 kilos. Para una persona de 80 kilos, que el ascensor nuevo soporte 1.000 no cambia nada. Para un piano de 600 kilos, que soporte 550 tampoco cambia nada. El número del cartel solo importa en el momento exacto en que cruza el peso de lo que se quiere subir. Antes de ese momento es indiferente y después también.

Con la IA pasa lo mismo. Para quien redacta correos, el umbral se cruzó en 2023 y desde entonces cada modelo nuevo le resulta igual al anterior. Para quien quiere que la máquina programe sola durante una semana sin supervisión, el umbral no se cruzó todavía, y mientras tanto los 14 puntos anuales tampoco le sirven. El puntaje importa solo en el instante en que un modelo cruza el umbral de una tarea, y cada tarea tiene el suyo. El resto del tiempo el marcador sube y la vida sigue igual.

Hay un segundo motivo, porque los exámenes que hacen subir el índice son sobre todo de matemática, lógica y programación, porque ahí dieron el salto los modelos que razonan. La mayoría de la gente no usa la IA para eso. La usa para escribir, resumir y buscar, y en esas tareas la mejora de los últimos 2 años fue real, pero modesta.

Cuando aparezca un puntaje nuevo, la pregunta no es cuánto subió, sino qué tarea empezó a resolver que antes no resolví

Entonces, ¿a quién le importa el número? Hay cuatro grupos, y ninguno es el público. Les importa a las empresas que fabrican los modelos, porque el índice es su tabla de posiciones. Con él justifican el precio, convencen a los inversores y atraen a los ingenieros que quieren trabajar donde se va primero. También a los inversores, porque les dice si una empresa se queda atrás en la carrera aunque su producto sea igual de útil. Es relevante para quienes estudian el ritmo del progreso, porque necesitan una regla común para decir si la IA acelera o se frena. Y los gobiernos lo siguen, porque quieren saber a qué velocidad viene el tren antes de decidir si ponen una barrera.

Para esos cuatro grupos, el número es información. Para el resto es un marcador que pasa por la pantalla.

Vale aclarar que el puntaje no es una fantasía. Se traduce en algo, pero no de manera continua y no para el usuario; se ve en umbrales que se van cruzando. Hace dos años ningún modelo resolvía problemas de olimpiada de matemática y hoy varios lo hacen. Cada tanto, una de esas marcas coincide con un trabajo real, y ese día sí cambia la vida de alguien. La línea de 14 puntos por año no dice cuáles hitos se cruzan ni cuándo. Solo expresa que la fila avanza a paso parejo.

La confusión viene de una traducción equivocada. La gente lee "mejor modelo" y entiende "mejor para mí". Lo que el número dice es "mejor en un promedio de exámenes que en su mayoría no se parecen a lo que usted hace". Son 2 afirmaciones distintas, y la distancia entre ellas es el negocio de quien publica el número.

La regla práctica es corta. Cuando aparezca un puntaje nuevo, la pregunta no es cuánto subió, sino qué tarea empezó a resolver que antes no resolvía. Si la respuesta es una tarea suya, el número importa. Si no, es un récord de otros.

Las cosas como son.