Hablar de ejemplos de inteligencia artificial general requiere hacer primero una distinción importante: actualmente no existe una AGI reconocida como tal. Los sistemas de inteligencia artificial que utilizamos hoy pueden realizar tareas extraordinariamente complejas, generar contenido, analizar datos, programar o utilizar herramientas externas, pero siguen estando diseñados alrededor de capacidades y arquitecturas concretas. La inteligencia artificial general plantea un escenario diferente, en el que una máquina sería capaz de aprender, razonar y aplicar conocimientos entre ámbitos distintos con una flexibilidad comparable a la inteligencia humana.
Aunque todavía no podamos implementar una AGI real, las empresas sí pueden aprovechar muchas de las capacidades avanzadas que ya ofrece la IA actual. Una Consultoría IA para empresas permite identificar procesos en los que la inteligencia artificial, la automatización y los agentes de IA pueden generar resultados reales hoy, al mismo tiempo que se prepara la arquitectura tecnológica para sistemas cada vez más autónomos.
Para entender hasta dónde podría llegar la inteligencia artificial general, veremos qué significa exactamente AGI, cómo se diferencia de la inteligencia artificial actual y distintos ejemplos hipotéticos de cómo podría aplicarse en ámbitos como la medicina, la educación, la investigación, las finanzas o la industria.
¿Qué es la inteligencia artificial general o AGI?
La inteligencia artificial general, conocida como AGI por las siglas Artificial General Intelligence, describe un sistema hipotético capaz de comprender, aprender y resolver una variedad muy amplia de tareas intelectuales sin estar limitado a un único dominio. Su característica diferencial sería precisamente la generalización: utilizar conocimientos adquiridos en un contexto para enfrentarse a problemas nuevos en otro diferente.
Una AGI no estaría diseñada únicamente para traducir idiomas, reconocer imágenes, generar código o analizar documentos. En teoría, podría aprender cualquiera de estas capacidades, combinarlas cuando fuera necesario y adaptar su razonamiento ante una situación que nunca hubiera encontrado anteriormente.
Qué capacidades tendría una inteligencia artificial general
Una AGI debería mostrar capacidades que van mucho más allá del rendimiento en pruebas o tareas concretas. Entre ellas estaría la posibilidad de aprender conceptos nuevos, transferir conocimientos entre áreas, comprender relaciones de causa y efecto, razonar con información incompleta y adaptarse a circunstancias que no formaban parte de su entrenamiento inicial.
También necesitaría manejar distintas modalidades de información, como texto, sonido, imágenes o datos numéricos, relacionarlas entre sí y utilizarlas dentro de un mismo proceso de razonamiento. No bastaría con obtener buenos resultados dentro de cada modalidad de manera independiente, sino que tendría que construir una comprensión suficientemente general para desenvolverse en situaciones diferentes.
¿Existe actualmente una inteligencia artificial general?
No existe actualmente un sistema aceptado de forma general como una verdadera AGI. Modelos de inteligencia artificial muy avanzados pueden mantener conversaciones, escribir software, analizar imágenes o resolver problemas complejos, pero siguen teniendo limitaciones importantes en aspectos como el sentido común, la transferencia robusta de conocimientos, la comprensión del mundo o la capacidad para desenvolverse de forma fiable ante cualquier tarea intelectual.
Por este motivo, cuando hablamos de ejemplos de inteligencia artificial general debemos entenderlos como escenarios hipotéticos que permiten visualizar cómo podría funcionar esta tecnología si llegara a desarrollarse.
Diferencias entre inteligencia artificial general e inteligencia artificial actual
Una forma sencilla de entender la AGI es compararla con los principales niveles que suelen utilizarse para describir las capacidades de los sistemas de inteligencia artificial: ANI, AGI y ASI. La diferencia fundamental está en el alcance de las tareas que pueden realizar y en su capacidad para generalizar conocimientos.
Inteligencia artificial estrecha o ANI
La Artificial Narrow Intelligence o ANI engloba los sistemas que existen actualmente. Pueden tener capacidades muy amplias y sofisticadas, pero operan dentro de unos límites establecidos por su arquitectura, entrenamiento y herramientas disponibles. Un modelo puede sobresalir en generación de texto, otro en visión artificial y otro en predicción, pero ninguno posee una inteligencia general equivalente a la humana.
Inteligencia artificial general o AGI
La AGI sería capaz de desenvolverse entre múltiples ámbitos sin necesitar un sistema completamente diferente para cada uno. Podría aprender una tarea, comprender sus principios fundamentales y aplicar ese aprendizaje cuando apareciera un problema relacionado en otro contexto.
Superinteligencia artificial o ASI
La Artificial Superintelligence o ASI representa un concepto todavía más teórico. Describiría una inteligencia artificial cuyas capacidades cognitivas superarían a las humanas en prácticamente todos los ámbitos. No debe confundirse con AGI: una AGI aspiraría a alcanzar una inteligencia general comparable a la humana, mientras que una ASI iría más allá.
10 ejemplos de inteligencia artificial general
Los siguientes ejemplos no representan sistemas AGI disponibles actualmente. Son escenarios que muestran cómo cambiarían diferentes actividades si existiera una inteligencia capaz de aprender, razonar y transferir conocimientos entre dominios con una flexibilidad semejante a la humana.
1. AGI aplicada a la medicina y el diagnóstico
Una inteligencia artificial general aplicada a medicina podría relacionar información procedente de historiales clínicos, pruebas diagnósticas, imágenes médicas, literatura científica y datos genéticos. La diferencia frente a un modelo especializado estaría en su capacidad para razonar de manera transversal entre todas esas fuentes y enfrentarse a casos nuevos sin depender exclusivamente de patrones aprendidos para una tarea determinada.
Ante un cuadro poco habitual, por ejemplo, podría estudiar investigaciones de diferentes especialidades, comparar mecanismos fisiológicos y generar nuevas hipótesis para que los profesionales sanitarios las evaluaran. El valor no estaría únicamente en analizar más datos, sino en conectar conocimientos procedentes de disciplinas diferentes.
2. AGI en investigación científica
En investigación, una AGI podría revisar grandes volúmenes de publicaciones, identificar relaciones que no hayan sido estudiadas, formular hipótesis y diseñar experimentos para comprobarlas. Después podría analizar los resultados, detectar errores en el planteamiento y proponer nuevas líneas de investigación en función de la evidencia disponible.
Este comportamiento supondría un salto respecto a sistemas que únicamente ayudan a resumir artículos o analizar conjuntos concretos de datos. Una inteligencia verdaderamente general debería poder comprender el objetivo científico, aprender nuevos conceptos durante el proceso y relacionar conocimientos procedentes de física, biología, química, matemáticas u otras disciplinas cuando fueran relevantes.
3. AGI en atención al cliente
Un sistema de atención al cliente basado en AGI podría ir mucho más allá de consultar una base de conocimiento o seguir un flujo predefinido. Sería capaz de comprender el contexto completo del cliente, analizar su historial, interpretar el problema y determinar qué áreas de la organización deberían intervenir para resolverlo.
Si una incidencia estuviera relacionada simultáneamente con facturación, logística y funcionamiento técnico de un producto, la AGI podría razonar sobre las tres dimensiones, buscar información relevante, coordinar acciones y adaptar su respuesta a circunstancias que no estuvieran recogidas en ningún guion previo.
4. AGI aplicada al desarrollo de software
Los modelos actuales ya pueden generar y revisar código, pero una AGI tendría que comprender el proyecto de forma mucho más amplia. No solo interpretaría la sintaxis de un lenguaje, sino también los objetivos del negocio, la arquitectura existente, las dependencias, la experiencia del usuario y las restricciones de seguridad.
Ante la necesidad de desarrollar una nueva funcionalidad, podría analizar la aplicación completa, determinar cómo debería integrarse, evaluar diferentes alternativas técnicas, identificar efectos secundarios y aprender nuevas herramientas si fueran necesarias para completar el proyecto.
5. AGI en vehículos autónomos
Un vehículo gobernado por una verdadera AGI no dependería únicamente de modelos entrenados para reconocer señales, peatones, carriles y obstáculos. Necesitaría comprender el entorno y adaptarse con seguridad ante situaciones completamente nuevas, incluso cuando no existiera una regla específica preparada previamente.
Si una carretera quedara bloqueada por un acontecimiento inesperado, podría interpretar qué está ocurriendo, consultar información externa, evaluar rutas alternativas y tomar una decisión considerando factores como seguridad, estado del tráfico, meteorología y necesidades de los pasajeros.
6. AGI en educación
Un tutor basado en AGI podría comprender no solo qué respuestas acierta o falla un estudiante, sino también cómo razona, qué conocimientos previos le faltan y qué método de explicación funciona mejor para él. A partir de ese análisis modificaría dinámicamente su forma de enseñar.
Si un alumno tuviera dificultades con un concepto matemático, el sistema podría buscar analogías procedentes de música, programación, física o situaciones cotidianas, comprobar cuál facilita mejor la comprensión y ajustar el nivel de dificultad a medida que el estudiante avanza.
7. AGI en fábricas y procesos de producción
En una fábrica, una AGI podría comprender simultáneamente producción, demanda, mantenimiento, calidad, inventario, consumo energético y disponibilidad de personal. En lugar de optimizar un indicador aislado, analizaría las relaciones existentes entre todo el sistema productivo.
Si detectara un comportamiento anómalo en una máquina, podría evaluar si conviene detenerla, modificar la planificación, redistribuir la producción o adelantar tareas de mantenimiento, teniendo en cuenta cómo afectaría cada decisión al resto de operaciones.
8. AGI en cadenas de suministro y logística
Una cadena de suministro está expuesta constantemente a variables difíciles de predecir: cambios de demanda, retrasos, problemas meteorológicos, conflictos, escasez de materiales o incidencias con proveedores. Una AGI podría combinar estas señales y modificar la estrategia logística a medida que apareciera nueva información.
Por ejemplo, ante el cierre inesperado de una ruta de transporte, podría localizar alternativas, evaluar costes, plazos y riesgos, comprobar el inventario disponible y reorganizar pedidos sin depender exclusivamente de escenarios preconfigurados.
9. AGI en servicios financieros
En finanzas, una AGI podría combinar información económica, resultados empresariales, regulación, noticias, comportamiento de consumidores y otras variables para estudiar problemas complejos desde diferentes perspectivas. La diferencia estaría en su capacidad de comprender cómo interactúan estos factores en lugar de limitarse a ejecutar un modelo concreto de predicción.
También podría enfrentarse a escenarios que no se parecen suficientemente a los datos históricos, reformular sus hipótesis y adaptar sus modelos a medida que cambia el entorno. En cualquier caso, las decisiones de alto impacto seguirían exigiendo mecanismos sólidos de supervisión y control.
10. AGI aplicada a exploración espacial y entornos extremos
La exploración espacial es uno de los ejemplos que mejor muestran la diferencia entre automatización y verdadera inteligencia general. Una nave o robot situado a millones de kilómetros no siempre puede esperar instrucciones humanas cuando se enfrenta a un problema inesperado.
Una AGI podría analizar el entorno, interpretar datos científicos, diagnosticar fallos, aprender sobre fenómenos desconocidos y modificar el plan de misión utilizando conocimientos procedentes de múltiples disciplinas. Capacidades similares podrían aplicarse en fondos oceánicos, minas, zonas afectadas por desastres u otros lugares donde la intervención humana resulte especialmente compleja.
Ejemplos actuales que parecen AGI, pero no lo son
La evolución de los modelos de inteligencia artificial ha provocado que algunos sistemas actuales puedan dar la impresión de poseer inteligencia general. Sin embargo, realizar numerosas tareas o mantener conversaciones sofisticadas no basta para considerar que un sistema ha alcanzado AGI.
¿ChatGPT es una AGI?
ChatGPT no se considera una AGI. Puede resolver una gran variedad de tareas relacionadas con texto, razonamiento, análisis, programación y utilización de herramientas, pero estas capacidades no equivalen a poseer una inteligencia general humana capaz de desenvolverse de forma robusta ante cualquier problema intelectual.
¿Gemini es inteligencia artificial general?
Gemini tampoco puede considerarse una AGI simplemente por disponer de capacidades multimodales o trabajar con múltiples herramientas. Los modelos actuales pueden manejar diferentes tipos de información y resolver numerosas tareas, pero siguen presentando limitaciones de generalización, fiabilidad y comprensión.
¿Claude puede considerarse AGI?
Claude es otro ejemplo de modelo avanzado capaz de trabajar con lenguaje, código, documentos y herramientas, pero tampoco existe consenso que permita clasificarlo como inteligencia artificial general. Su capacidad para realizar numerosas tareas no elimina las limitaciones propias de los sistemas de IA actuales.
¿Los agentes de IA actuales son AGI?
No. Los agentes actuales pueden planificar pasos, utilizar herramientas, consultar sistemas externos y ejecutar determinadas acciones con autonomía, pero siguen trabajando dentro de objetivos, permisos y arquitecturas diseñadas previamente. Si quieres profundizar en esta tecnología, puedes consultar qué es la IA agéntica y cómo funciona en empresas.
¿Los coches autónomos son ejemplos de AGI?
Los sistemas actuales de conducción autónoma tampoco son AGI. Utilizan múltiples tecnologías para percibir el entorno y tomar decisiones dentro del dominio de la conducción, pero no pueden trasladar automáticamente esas capacidades a cualquier otro problema intelectual como podría hacerlo, en teoría, una inteligencia general.
¿Qué tendría que ser capaz de hacer una AGI real?
No existe una prueba universalmente aceptada que permita determinar cuándo se ha alcanzado la AGI, pero determinadas capacidades aparecen recurrentemente cuando se describe lo que diferenciaría a una inteligencia general de los sistemas actuales.
Aprender tareas completamente nuevas
Una AGI tendría que aprender habilidades nuevas sin necesitar un proceso de entrenamiento específico para cada tarea. Podría recibir información, experimentar, detectar patrones y ajustar su comportamiento a medida que adquiere experiencia.
Transferir conocimientos entre ámbitos distintos
La generalización implica poder utilizar conocimientos adquiridos en una disciplina para resolver problemas diferentes. Una AGI podría aplicar un principio aprendido durante una tarea científica a un problema de ingeniería si detectara que ambos comparten una estructura relevante.
Resolver problemas utilizando sentido común
El sentido común engloba una enorme cantidad de conocimientos implícitos sobre el mundo que las personas utilizamos constantemente sin necesidad de formularlos como reglas. Conseguir que una máquina maneje esas relaciones con suficiente fiabilidad sigue siendo uno de los grandes retos de la inteligencia artificial.
Razonar ante situaciones desconocidas
Una verdadera inteligencia general no debería depender únicamente de encontrar situaciones parecidas en sus datos anteriores. Tendría que formular hipótesis, valorar alternativas y tomar decisiones razonables incluso cuando dispone de información incompleta.
Adaptarse sin ser reentrenada específicamente
La adaptación sería una característica fundamental. Si cambia el entorno, aparecen nuevas herramientas o se modifica el problema, el sistema debería aprender qué ha cambiado y ajustar su estrategia sin depender constantemente de que un equipo técnico vuelva a entrenarlo para esa situación específica.
Trabajar con diferentes tipos de información
La inteligencia humana combina continuamente lenguaje, percepción visual, sonidos, experiencia previa y razonamiento. Una AGI debería integrar diferentes modalidades dentro de una comprensión común y utilizarlas conjuntamente para resolver problemas.
¿Por qué todavía no existe una inteligencia artificial general?
Los avances recientes han ampliado enormemente las capacidades de la inteligencia artificial, pero crear un sistema general exige resolver problemas que siguen abiertos. No se trata únicamente de aumentar el tamaño de los modelos, sino de conseguir un comportamiento robusto y adaptable en una variedad prácticamente ilimitada de contextos.
El problema del sentido común
Los seres humanos conocemos miles de relaciones que rara vez necesitamos explicar explícitamente. Entendemos qué consecuencias suelen tener determinadas acciones y utilizamos ese conocimiento para interpretar situaciones nuevas. Reproducir de forma suficientemente completa esta comprensión sigue siendo muy complejo.
Limitaciones en razonamiento y generalización
Un sistema puede rendir extraordinariamente bien en determinados problemas y fallar ante pequeñas variaciones que una persona interpretaría con facilidad. Una AGI tendría que mantener sus capacidades cuando cambia el formato, el dominio o las condiciones del problema.
Comprensión del contexto
Interpretar una información correctamente depende a menudo de conocimientos sociales, culturales, físicos y temporales que no están presentes de manera explícita en la entrada recibida. Construir sistemas que mantengan una comprensión profunda y coherente de ese contexto continúa siendo un desafío.
Inteligencia social y emocional
Las relaciones humanas implican lenguaje indirecto, emociones, normas sociales, ironía y expectativas que cambian según la situación. Los sistemas actuales pueden detectar determinados patrones, pero eso no equivale necesariamente a comprender toda la complejidad de una interacción social.
Aprender con pocos ejemplos
Las personas pueden aprender determinadas ideas a partir de muy pocas experiencias y reutilizarlas posteriormente. Muchos sistemas de IA siguen dependiendo de enormes cantidades de información y recursos computacionales para alcanzar un rendimiento elevado.
Seguridad y control de sistemas altamente autónomos
Cuanto mayor sea la autonomía de un sistema, más importante resulta garantizar que sus acciones respeten límites técnicos, legales y organizativos. Una AGI capaz de operar entre numerosos sistemas necesitaría mecanismos de control, trazabilidad y supervisión mucho más exigentes que los utilizados en una aplicación convencional.
¿En qué se diferencia la AGI de la IA generativa?
IA generativa y AGI son conceptos diferentes. Que un modelo sea capaz de producir texto, imágenes, audio o código de gran calidad no significa que posea inteligencia general. La capacidad generativa describe principalmente el tipo de resultados que puede crear un sistema, mientras que AGI hace referencia a la amplitud y flexibilidad de su inteligencia.
La IA generativa crea contenido
Los modelos generativos aprenden patrones a partir de grandes conjuntos de datos y los utilizan para generar nuevos resultados. Estas capacidades pueden combinarse con herramientas externas y procesos automatizados, pero continúan siendo distintas del concepto de inteligencia general.
La AGI tendría capacidades cognitivas generales
Una AGI debería aprender y resolver problemas de naturaleza muy diferente sin necesitar una arquitectura especializada para cada uno. También debería aplicar conocimientos entre contextos y adaptarse a situaciones nuevas de una forma mucho más general.
Un modelo generativo avanzado no implica necesariamente AGI
La amplitud de las capacidades de un modelo puede hacer que parezca generalista, especialmente cuando utiliza herramientas, interpreta imágenes y trabaja con documentos o código. Sin embargo, la AGI exigiría una combinación mucho más robusta de aprendizaje, generalización, adaptación y razonamiento.
¿Qué relación existe entre IA agéntica y AGI?
El auge de los agentes de IA ha hecho que la comparación con AGI aparezca cada vez con mayor frecuencia. Los agentes pueden planificar, utilizar herramientas, dividir objetivos en tareas y ejecutar procesos de varios pasos, características que proporcionan un comportamiento aparentemente mucho más autónomo que el de un chatbot convencional.
Qué pueden hacer actualmente los agentes de IA
Un agente puede consultar bases de datos, interactuar con aplicaciones, llamar a APIs, interpretar resultados y decidir qué herramienta utilizar después. También puede coordinarse con otros agentes especializados para completar procesos empresariales más amplios.
Por qué un sistema agéntico tampoco es necesariamente AGI
Esa autonomía se produce dentro de una infraestructura preparada previamente. El sistema dispone de unas herramientas, permisos, instrucciones y fuentes determinadas. Poder encadenar acciones de forma autónoma no implica necesariamente poseer comprensión general ni capacidad para aprender cualquier tarea intelectual.
Qué capacidades acercan los agentes actuales al concepto de AGI
Planificación, memoria, uso de herramientas y adaptación durante la ejecución son capacidades relevantes para sistemas cada vez más autónomos. Aun así, representan únicamente algunas piezas del problema. Una AGI debería combinar estas funciones con una generalización mucho más robusta y una comprensión amplia del contexto.
¿Cómo pueden prepararse las empresas para una evolución hacia sistemas de IA más generales?
Esperar a que exista AGI no es una estrategia tecnológica. Muchas de las condiciones necesarias para trabajar con sistemas de inteligencia artificial más avanzados son exactamente las mismas que permiten extraer valor de la IA actual: datos fiables, procesos bien definidos, sistemas conectados, seguridad y una arquitectura capaz de incorporar nuevas capacidades progresivamente.
La inteligencia artificial no necesita alcanzar el nivel de AGI para aportar valor a una empresa. Su integración con sistemas ERP permite conectar los modelos de IA con los datos y procesos reales del negocio, facilitando la automatización y mejorando el acceso a la información. En el siguiente vídeo puedes descubrir cómo se relacionan la inteligencia artificial y los sistemas de gestión empresarial.
Centralizar y estructurar los datos
La IA necesita acceder a información de calidad para generar resultados útiles. Cuando los datos están dispersos entre documentos, aplicaciones desconectadas y hojas de cálculo independientes, cualquier iniciativa de inteligencia artificial encuentra dificultades para construir un contexto coherente.
Integrar IA con ERP, CRM y sistemas empresariales
La inteligencia artificial genera mayor valor cuando puede trabajar sobre los procesos reales de la organización. Integrarla con ERP, CRM, bases de datos, correo electrónico y aplicaciones internas permite pasar de utilizar IA como una herramienta aislada a convertirla en una capa conectada con la operativa.
Automatizar procesos progresivamente
Antes de buscar sistemas completamente autónomos conviene identificar tareas concretas donde la automatización y la inteligencia artificial ya pueden reducir tiempos, errores o trabajo manual. Este enfoque permite validar resultados y aumentar progresivamente el nivel de autonomía.
Introducir agentes de IA en casos de uso reales
Los agentes actuales ya permiten automatizar procesos que requieren varios pasos y diferentes sistemas. Pueden utilizarse para trabajar con información empresarial, coordinar herramientas o ejecutar tareas con distintos grados de supervisión humana, sin necesidad de esperar a la llegada de una AGI.
Establecer gobierno, seguridad y supervisión
Cuanto mayor sea la capacidad de un sistema para actuar sobre procesos empresariales, más importantes son los permisos, la trazabilidad y los mecanismos de control. Estas prácticas serán esenciales independientemente de hasta dónde evolucionen las capacidades de la inteligencia artificial.
En Process Control ayudamos a las empresas a analizar dónde tiene sentido utilizar inteligencia artificial, automatización y agentes dentro de sus procesos actuales. Nuestro enfoque parte del funcionamiento real del negocio para diseñar integraciones y proyectos que conecten la IA con ERP, CRM, bases de datos y otras herramientas corporativas. Puedes conocer más sobre nuestro servicio de consultoría e implementación de Inteligencia Artificial para empresas.
Preguntas frecuentes sobre ejemplos de inteligencia artificial general
¿Existe algún ejemplo real de inteligencia artificial general?
Actualmente no existe un sistema reconocido de manera general como una verdadera inteligencia artificial general. Los ejemplos de AGI utilizados habitualmente describen aplicaciones hipotéticas que podrían llegar a existir si se desarrollaran máquinas con capacidades generales comparables a las humanas.
¿ChatGPT es inteligencia artificial general?
No. ChatGPT puede trabajar con un abanico muy amplio de tareas, pero eso no implica que posea las capacidades generales, la comprensión y la adaptación que se asocian con una AGI.
¿Cuál sería un ejemplo sencillo de AGI?
Un ejemplo sencillo sería una máquina capaz de aprender contabilidad, programación o mecánica sin haber sido creada específicamente para ninguna de esas funciones y aplicar después conocimientos de un área para resolver problemas nuevos en otra. Esa flexibilidad entre dominios es una de las características fundamentales asociadas al concepto de AGI.
¿Qué empresas están desarrollando inteligencia artificial general?
Diversas empresas y laboratorios investigan sistemas de inteligencia artificial cada vez más capaces y generales. Sin embargo, trabajar hacia sistemas más generales no significa que una organización haya desarrollado ya una AGI. El propio concepto y los criterios necesarios para determinar cuándo se alcanza siguen siendo objeto de debate.
¿Cuál es la diferencia entre AGI e IA generativa?
La IA generativa describe sistemas capaces de generar contenido como texto, código, imágenes o audio. AGI hace referencia a una inteligencia hipotética capaz de aprender y desenvolverse de manera general en una amplia variedad de tareas intelectuales.
¿Cuál es la diferencia entre AGI e inteligencia artificial estrecha?
La inteligencia artificial estrecha está especializada, aunque esa especialización pueda abarcar actualmente tareas muy diversas. Una AGI debería poder aprender, adaptarse y transferir conocimientos entre dominios de una forma mucho más general.
¿Los agentes de IA son una forma de AGI?
No necesariamente. Un agente puede mostrar autonomía, planificar acciones y utilizar diferentes herramientas sin poseer inteligencia general. Los agentes actuales suelen operar dentro de objetivos y entornos definidos previamente.
¿Cuándo podría existir una inteligencia artificial general?
No existe una fecha fiable para la llegada de la AGI. Las previsiones varían ampliamente y dependen también de cómo se defina exactamente qué capacidades debe reunir un sistema para considerarse inteligencia artificial general. Por ello, cualquier fecha concreta debe interpretarse como una estimación, no como una previsión segura.