Líderes técnicos de Anthropic sitúan la AGI en "los próximos dos años" y defienden el ritmo de ingresos anuales de $81.000 millones ante las críticas sobre destilación y captura regulatoria
Podcast American Optimist, Napa, agosto de 2026 — Nick Marwell y Schult Douglas, líderes técnicos de aprendizaje por refuerzo en Anthropic, exponen el cronograma de la compañía hacia la AGI, su defensa económica de los precios en la frontera tecnológica y las razones por las cuales se apartaron de una ventaja de varios meses en sus modelos
Dos de los principales directivos técnicos de Anthropic utilizaron una extensa conversación en American Optimist para plantear una serie de afirmaciones cruciales para cualquiera que evalúe el mercado de infraestructura de IA: los modelos "tan o más capaces que todos los humanos" están, según sus palabras, "muy probablemente" a la vuelta de los pocos años, y la economía de la inteligencia de frontera es exponencial en lugar de lineal. Nick Marwell, quien coodirige la ciencia de aprendizaje por refuerzo (RL), y Schult Douglas, líder técnico en la misma área, también abordaron el ritmo de ingresos anuales (*run-rate*) de Anthropic —de aproximadamente $81.000 millones, una cifra filtrada pero que la empresa no confirma oficialmente—, junto con el conflicto por la destilación con laboratorios chinos, las críticas por captura regulatoria dirigidas cada vez más hacia la compañía y sus proyecciones sobre los riesgos cibernéticos y biológicos para los próximos dos años.
El caso exponencial para los precios de frontera
El argumento más trascendental de la conversación es económico antes que técnico: Marwell y Douglas sostienen que cada unidad marginal de inteligencia en un modelo vale exponencialmente más que la anterior, motivo por el cual consideran que los laboratorios de frontera conservan su poder de fijación de precios incluso cuando las capacidades de las gamas rezagadas se commoditizan en cuestión de meses. Marwell señaló al desarrollo de código como caso de prueba. "La primera unidad de inteligencia útil en programación para las personas fue el autocompletado por pestañas", afirmó. "Pasaste de eso a la siguiente unidad de inteligencia marginal donde hiciste realidad la programación agéntica en tu terminal con Claude Code. Y esta fue una capacidad 100.000 veces más valiosa". Su conclusión es contundente: "A estas alturas ni siquiera se puede montar una empresa basada únicamente en el autocompletado por pestañas".
Este enfoque es clave para que los inversores analicen la durabilidad de los márgenes en todo el sector. Los ingresos totales por IA en la industria se sitúan, según la estimación de Douglas, "en poco más de $100.000 millones dentro de una economía de decenas de billones de dólares", lo que implica que la categoría sigue siendo un error de redondez en comparación con su mercado total addressable, y que la vanguardia, no la retaguardia, es donde se concentra el valor. El punto de referencia histórico de Marwell es la protección de la propiedad intelectual en el desarrollo farmacéutico, pero con un matiz: la "vida útil en el mercado de la frontera de la IA se mide en meses", lo que hace que la curva de deflación sea mucho más pronunciada que en la industria farmacéutica, con una caída en la relación capacidad-dólar de aproximadamente 10 veces al año, según los *benchmarks* de Artificial Analysis citados en el debate.
Dentro de los $81.000 millones de *run-rate* y la transición de herramienta a "entidad"
Ante las preguntas sobre las cifras filtradas de ingresos anuales que sitúan a Anthropic por delante de OpenAI en crecimiento, Douglas y Marwell evitaron confirmar los números directamente, pero ofrecieron un desglose detallado del avance en las capacidades internas que sustenta esa historia de expansión. Douglas describió el cambio en la forma en que los ingenieros de Anthropic trabajan hoy con sus propios modelos: hace dieciocho meses, "escribía todas mis líneas de código a mano" y luego "intervenía cada pocos minutos" para corregir a un modelo que "se desviaba". Hoy en día, señaló, "puedo pedirles a los modelos que realicen uno o dos días de trabajo de forma independiente e impulsen el progreso básicamente como un miembro junior del equipo". Esa autonomía compuesta —que pasa de ser una herramienta a un colaborador semiindependiente— constituye la base operativa de la visión de Anthropic de que sus desarrollos deben considerarse como despliegues de "entidades" y no de meras herramientas de software. Douglas calificó este enfoque como "un marco útil" debido a que estos modelos "toman decisiones en tu nombre" en lugar de requerir supervisión constante.
Por qué la destilación representa una amenaza existencial para el modelo de negocio
Ambos ofrecieron una de las explicaciones públicas más detalladas hasta la fecha sobre las razones por las cuales Anthropic considera que la destilación —la práctica de entrenar nuevos modelos mediante el aprovechamiento de los resultados de sistemas de frontera— constituye una amenaza directa para la estructura de capital de la industria, y no meramente un problema de propiedad intelectual. Marwell argumentó que la destilación "no es un método capaz de llevarte más allá de la frontera de las capacidades actuales" y que permitirla sin control socava la economía que justifica el enorme gasto de capital (*capex*) destinado a los entrenamientos. "Nos adentraremos en regímenes... donde habrá ejecuciones de entrenamiento de $10.000 millones, $100.000 millones, $1 billón", indicó. "Solo puedes respaldar ese tipo de inversión en I+D si luego eres capaz de ganar dinero vendiendo aquello en lo que invertiste". Si un rival puede copiar un modelo de frontera "por una fracción del costo" y lanzar un equivalente casi idéntico "en una semana o dos", ese competidor pasa a tener "una ventaja económica" sin haber asumido la carga de la I+D.
De manera crucial, ambos reconocieron que Anthropic no puede frenar por completo la destilación únicamente mediante soluciones técnicas. Douglas describió esta dinámica como "un juego de el gato y el ratón": ofrecer a los desarrolladores acceso a las salidas de los modelos, trazas de razonamiento e inferencia local —todas características demandadas por los clientes— facilita simultáneamente la destilación. No existe una solución técnica limpia, sino una compensación entre la apertura del producto y su defensibilidad. Esta admisión resulta relevante para los inversores que intentan evaluar fosos defensivos (*moats*) a largo plazo en los modelos fundacionales: la barrera es menos un muro infranqueable y más una fricción, reforzada en gran medida por el propio ritmo de avance de la frontera tecnológica más que por medidas de control.
Dominio de la ofensiva hoy, dominio de la ciberdefensa en un plazo de dos años
En materia de seguridad, ambos ofrecieron una predicción específica y moderadamente optimista: el riesgo cibernético, que actualmente favorece a la ofensiva debido a que los atacantes pueden explotar la IA con mayor rapidez de la que los defensores pueden aplicar parches, debería volverse favorable a la defensa en aproximadamente dos años, a medida que las organizaciones utilicen los mismos modelos para detectar y corregir de manera proactiva sus propias vulnerabilidades. "Ahora mismo, tanto la ciberseguridad como la biología favorecen a la ofensiva", explicó Douglas, "pero creo que en los próximos dos años la ciberseguridad pasará a ser favorable a la defensa". La biología plantea un desafío más complejo. Douglas fue transparente al señalar que revertir el dominio de la ofensiva en el ámbito biológico "requerirá cientos de miles de millones de dólares en infraestructura" y dependerá de forma realista de "capacidades drásticamente avanzadas en robótica en la década de 2030" para desplegar esa infraestructura defensiva a escala, un horizonte temporal mucho más prolongado y de mayor intensidad de capital que el de la ciberseguridad.
Por su parte, Marwell advirtió sobre un cuello de botella menos comentado en la aplicación de la IA a las ciencias de la vida: la capacidad física de los laboratorios, y no la aptitud del modelo, constituye la restricción actual. "Me preocupa casi más si disponemos de la infraestructura física y de laboratorio necesaria para aprovechar esto que saber si la IA será una herramienta intelectual útil", afirmó, y añadió que la infraestructura de laboratorios en EE. UU. "claramente se está quedando atrás respecto a lugares como China" en métricas de calidad, lo que representa una llamada implícita a realizar inversiones de capital (*capex*) afines a la biotecnología que los mercados públicos actuales aún no están reflejando en sus valoraciones.
Respuesta a las críticas sobre captura regulatoria
Al abordar la acusación —formulada cada vez con más frecuencia en círculos de capital de riesgo y código abierto— de que la defensa de la seguridad por parte de Anthropic es una estrategia encubierta para consolidar su liderazgo a través de la regulación, Marwell ofreció un contraejemplo específico: la gestión de la compañía en el despliegue del modelo conocido como Fable (anteriormente Mythos). En un momento en el que Anthropic supuestamente mantenía una ventaja en modelos sin que "nadie más" se le acercara, la empresa optó por "trabajar con el gobierno para lanzarlo de una manera con la que el gobierno se sintiera cómodo", en lugar de explotar dicha brecha. "Esto fue francamente una pésima decisión económica para la compañía", apuntó Marwell, "pero estuvo alineada con nuestros valores sobre cómo consideramos que deben implementarse y regularse los modelos". Asimismo, rechazó la idea de que la regulación de los pesos abiertos afecte de forma desproporcionada a los actores más pequeños, señalando que los principales desarrolladores de pesos abiertos en la actualidad son Nvidia, Amazon, Microsoft y laboratorios chinos bien financiados con vínculos estatales, lo que debilita el argumento de que la normativa está diseñada para perjudicar a los rivales con menor financiación.
Ante el escepticismo generalizado de que el CEO Dario Amodei "intenta asustar a todos para crear más reglas que frenen el avance", la respuesta de Douglas fue directa: "Hasta ahora nos hemos frenado a nosotros mismos mucho más que cualquier otro". Citó la propuesta del CEO de DeepMind, Demis Hassabis, para que los laboratorios de modelos cerrados adopten de forma conjunta umbrales de seguridad previos al lanzamiento, como prueba de que la moderación es voluntaria y autoimpuesta y no una táctica de cabildeo (*lobby*).
Sin desaceleración unilateral frente a China
A pesar de la retórica sobre seguridad, ambos fueron tajantes al afirmar que Anthropic no respaldaría una desaceleración unilateral por parte de Estados Unidos en su desarrollo de la IA mientras China continúe avanzando. "No creo que ningún escenario con el que nos sintamos cómodos implique frenar a Estados Unidos y dejar que China tome la delantera", aseveró Douglas, quien agregó que cualquier pausa coordinada "debería estar perfectamente sincronizada de una manera en la que confiemos plenamente en cada contraparte". En cuanto al código abierto en particular, la postura oficial de Anthropic no es la oposición sino la paridad: la compañía prefiere que se apliquen umbrales de lanzamiento basados en capacidades —por ejemplo, en torno a la aptitud para realizar ciberataques— de manera equitativa tanto a los modelos abiertos como a los cerrados, en lugar de restricciones dirigidas específicamente a los desarrolladores de pesos abiertos.
Trayectoria de la capacidad de cómputo y los puntos de control de 2028
En lo que respecta a la infraestructura, Douglas esbozó una trayectoria de *capex* que vale la pena contrastar con las proyecciones de los hiperescaladores (*hyperscalers*): el gasto de capital en IA a nivel industrial ronda los $1 billón este año y, de mantenerse el patrón histórico de un crecimiento anual del cómputo de entre 2 y 3 veces, esta cifra podría alcanzar los $2 billones el próximo año y los $4 billones para 2028. Al extrapolar aún más estos datos con la robótica, Douglas sugirió que a principios de la década de 2030 el PIB mundial podría duplicarse de manera efectiva, una afirmación que calificó como dependiente de "que muchas cosas salgan bien" y no como su escenario base. Específicamente para 2028, prevé que haya un teravatio de capacidad de cómputo para IA en funcionamiento y "decenas de miles" de robots humanoides realizando tareas domésticas básicas; asimismo, indicó que no le sorprendería que un modelo de IA gane una Medalla Fields antes de que termine la década, aunque se mostró escéptico de que la IA alcance logros equiparables a un premio Pulitzer o Nobel en un plazo similar.
Sobre los datos laborales a corto plazo, Marwell señaló una señal contraria a la intuición: tanto el empleo en la externalización de procesos de negocio (*BPO*) en Filipinas como el empleo en ingeniería de software en Estados Unidos han continuado al alza a pesar de la automatización por IA, lo cual atribuye a una fase de transición en la que la inteligencia artificial incrementa el valor de los trabajadores actuales en lugar de volverlos redundantes. No obstante, advirtió contra la tentación de extraer conclusiones definitivas de esa tendencia: "En algún momento... pasaremos de un mundo en el que necesitas un humano emparejado con un modelo de IA para extraer todo su valor, a un mundo en el que ya no sea así. Y creo que ese es el mundo donde empezamos a preocuparnos seriamente por las consecuencias", estableciendo un paralelismo directo con el ajedrez, donde la superioridad del ser humano combinado con la máquina frente a las máquinas puras duró aproximadamente tres décadas antes de colapsar.