Impulsados por el aumento del poder de cómputo y los avances algorítmicos, los modelos de IA han mostrado un rápido progreso en los últimos años, pasando de chatbots básicos a sistemas capaces de razonar de forma compleja y resolver problemas. Los modelos base más grandes entrenados con conjuntos de datos masivos, combinados con técnicas de aprendizaje por refuerzo, han permitido a los modelos alcanzar un desempeño de nivel experto en razonamiento científico, programación y otras tareas especializadas. Además, el aumento del poder de cómputo en tiempo de inferencia permite que los modelos piensen, por así decir, durante más tiempo, lo que mejora la precisión, mientras que el desarrollo de andamiaje de agentes les permite completar proyectos complejos de varios pasos. La extrapolación de las tendencias actuales sugiere que para 2028, los sistemas de IA podrían superar las capacidades humanas en varios ámbitos, lo que podría acelerar la investigación en campos como la IA, la ingeniería de software y los descubrimientos científicos. Sin embargo, sigue habiendo desafíos en la aplicación de la IA a tareas mal definidas y de amplio contexto, así como a proyectos a largo plazo. También se espera que el crecimiento del poder de cómputo y de la fuerza laboral de investigación en IA se enfrenten a cuellos de botella alrededor de 2030, lo que sugiere que para entonces surgirá una IA transformadora o que el progreso se ralentizará considerablemente, por lo que los próximos cinco años serán cruciales para el campo.