Andrew Ng sostiene que el debate actual sobre la Inteligencia Artificial General (AGI) está dominado por exageraciones y definiciones ambiguas. Según él, el término se ha convertido en una herramienta de marketing más que en un concepto técnico claro. Para la mayoría de las personas, AGI significa una inteligencia artificial capaz de realizar cualquier tarea intelectual que un humano pueda hacer. Bajo ese estándar, Ng considera que todavía estamos muy lejos de alcanzarla, posiblemente a décadas de distancia.

Para evitar confusiones, propone una nueva forma de evaluar el progreso hacia AGI. Inspirado en el test de Turing clásico, plantea una prueba más realista: si una IA pudiera desempeñar durante varios días un trabajo económico útil al mismo nivel que un profesional humano calificado, entonces podríamos considerarla cercana a la AGI. Este enfoque intenta medir la inteligencia en términos de productividad real, no solo de conversación o resolución de pruebas específicas.

Ng advierte que el exceso de entusiasmo y promesas infladas sobre la IA podría generar consecuencias negativas. Si las expectativas públicas se elevan demasiado y luego no se cumplen, existe el riesgo de que ocurra un “invierno de la IA”, una fase histórica en la que la inversión y el interés en el campo disminuyen drásticamente. Para él, mantener expectativas realistas es fundamental para asegurar un progreso sostenible.

A pesar de su escepticismo sobre la llegada cercana de AGI, Ng enfatiza que la IA actual ya genera un enorme valor económico. Uno de los avances más importantes será el desarrollo de sistemas llamados “agentic workflows”, donde modelos de IA trabajan con herramientas, instrucciones y procesos estructurados para realizar tareas útiles en empresas. Estos sistemas pueden ayudar a programar, revisar documentos legales, analizar regulaciones, asistir en medicina o mejorar el servicio al cliente.

También señala que el progreso en IA no depende únicamente de escalar modelos cada vez más grandes. Aunque el aumento de capacidad computacional sigue siendo importante, el futuro también requerirá nuevas técnicas, mejor ingeniería de sistemas y enfoques más eficientes como el uso de datos sintéticos.

En el ámbito laboral, Ng cree que la mayoría de los trabajos no desaparecerán por completo, pero sí cambiarán. La ventaja estará en las personas que aprendan a trabajar con IA. Profesionales que utilicen estas herramientas serán mucho más productivos que quienes no lo hagan. Solo algunos roles muy específicos podrían automatizarse casi por completo, como ciertos trabajos de traducción o actuación de voz.

Finalmente, destaca la importancia de democratizar el acceso a la IA y de actualizar los sistemas educativos. Muchas universidades siguen preparando estudiantes para empleos que ya están cambiando rápidamente, mientras que las empresas necesitan profesionales capaces de usar IA en áreas como marketing, finanzas o recursos humanos.