Alrededor de 1800, un ingeniero inglés llamado Henry Maudslay construyó un torno capaz de tallar una rosca de tornillo precisa, y resultó ser una de las cosas más importantes que han ocurrido jamás...
Antes de Maudslay, las roscas se tallaban a mano, una por una, así que no había dos iguales. Una tuerca de un taller no encajaba con un perno del taller de al lado, por lo que cada máquina del mundo era una pieza única que un artesano tenía que ensamblar a medida y que solo otro artesano podía reparar.
No podías fabricar mil unidades de nada, porque no conseguías que las piezas coincidieran. Ese era el cuello de botella de todo el mundo industrial, y estaba en una mano humana sosteniendo una lima.
El torno de Maudslay tallaba la misma rosca todas las veces. Eso significaba que una máquina ya podía fabricar las piezas exactas de otra máquina, y esas piezas encajarían. En menos de una generación, las máquinas herramienta descendientes de la suya estaban produciendo los componentes para todo lo demás, y la Revolución Industrial encontró una marcha que no sabía que tenía.
Ahora bien, probablemente estés ahí sentado pensando: «Raoul, ¿por qué demonios estás escribiendo sobre roscas de tornillo del siglo XIX?». Tenme paciencia, porque si miras la perspectiva histórica, la misma forma sigue apareciendo una y otra vez.
Durante la mayor parte de la historia humana, las herramientas mejoraron al ritmo de las personas que las fabricaban, es decir, lentamente... un arado mejor cada pocos siglos. Luego las herramientas empezaron a fabricar herramientas, y cada ciclo giró más rápido que el anterior.
Las máquinas de vapor movían los tornos y las mandrinadoras que cortaban las piezas de las locomotoras, así que el vapor construyó los ferrocarriles que transportaron más máquinas de vapor.
Las máquinas herramienta construyeron las cadenas de montaje que fabricaban coches. Hoy, los ordenadores diseñan los chips que van dentro de ordenadores mejores, porque ningún ser humano puede distribuir miles de millones de transistores a mano. Cada vez que las herramientas asumían más trabajo a la hora de crear las siguientes herramientas, todo se aceleraba, porque la parte lenta del ciclo —la parte humana— se hacía más pequeña.
Entonces, ¿qué pasa cuando la herramienta dentro del ciclo es la inteligencia misma?
Ya está ocurriendo
En noviembre de 2023 publiqué que OpenAI probablemente había descubierto cómo usar la IA para idear, diseñar, programar y lanzar productos... que la IA estaba construyendo IA.
A fecha de mayo de 2026, Anthropic afirma que más del 80 % del código que integra en su propia base de código lo escribe Claude, frente a los dígitos bajos de un solo porcentaje antes de que Claude Code se lanzara en febrero de 2025. La empresa que desarrolla uno de los modelos frontera hace que ese mismo modelo escriba casi todo el software sobre el que funcionará la siguiente versión.
OpenAI publicó su propia versión en septiembre: su organización de investigación ahora invierte 3,1 días-trabajo de agente por cada día de trabajo humano, y el número de experimentos por investigador alcanzó un máximo histórico en agosto.
En mayo del año pasado, DeepMind presentó AlphaEvolve, un agente impulsado por Gemini que escribe y prueba sus propios algoritmos. Entre las cosas que descubrió había una mejora en la planificación que recupera continuamente el 0,7 % de toda la flota global de computación de Google, además de una aceleración en un kernel dentro del propio entrenamiento de Gemini que redujo el tiempo de entrenamiento un 1 %. Porcentajes pequeños, hasta que te das cuenta de lo que son: una IA haciendo que la próxima IA sea más barata de construir y más barata de operar.
Es el torno de Maudslay, cortando las piezas para la siguiente máquina.
Un tipo distinto de cuello de botella
Todos los ciclos anteriores nos quitaron de encima el trabajo físico. El torno hizo el limado, la cadena de montaje hizo el levantamiento de peso, y esa es la razón por la que cada uno giró más rápido que el anterior. Pero el pensamiento nunca se fue. Alguien todavía tenía que sentarse a diseñar el siguiente torno. Alguien todavía tenía que averiguar para qué servía el chip. Las máquinas se volvieron brillantes fabricando cosas, pero las ideas para la siguiente generación seguían saliendo de una cabeza humana, a la velocidad a la que va una cabeza humana... que, seamos honestos, no es muy rápida ni acelera con el tiempo.
Ese ha sido el techo durante toda la historia y nadie se paró a pensarlo, porque ¿qué ibas a hacer al respecto? No puedes construir una herramienta que piense.
Excepto que ahora sí puedes. Por primera vez, lo que se está externalizando es la inteligencia misma, así que lo que pone límite al progreso ya no es la rapidez con la que la gente puede pensar, sino dos cosas físicas: cuánta energía puedes convertir en computación y cuánta inteligencia puedes extraer de cada unidad de ella. Y ambas siguen curvas exponenciales.
Está saliendo de la pantalla
Hasta ahora esta es una historia sobre software, pero no se va a quedar ahí.
David Mattin, que escribe The Exponentialist conmigo, llama a la siguiente etapa ciencia autónoma. Y no, no tiene nada que ver con los Tesla, aunque la idea es la misma...
Lo que quiere decir es que la ciencia siempre ha sido un ciclo conducido por un humano. Tienes una corazonada, diseñas un experimento, lo ejecutas, la mayoría de las veces falla, analizas por qué, tienes una corazonada mejor. Vuelta tras vuelta, una persona cada vez, meses por ciclo. Cada fármaco, cada material, cada principio físico que hemos llegado a entender salió de ese ciclo, a esa velocidad.
La ciencia autónoma es lo que obtienes cuando le entregas el ciclo a la máquina. No hablamos de IA ayudando a científicos... hablamos de IA haciendo los descubrimientos por sí misma: los nuevos materiales, las nuevas moléculas, las cosas que la humanidad simplemente desconocía el año pasado, saliendo de una máquina que tuvo la idea, ejecutó la prueba, leyó el resultado y tuvo la siguiente idea, sin ninguna persona en el ciclo. Averiguar cómo funciona el mundo se está externalizando... y está pasando ahora, no en un futuro de ciencia ficción.
En 2023, el modelo GNoME de DeepMind predijo 2,2 millones de nuevas estructuras cristalinas, unas 380.000 de ellas estables. Son más materiales nuevos de los que la humanidad había encontrado en toda la historia de la ciencia de materiales, descubiertos por un modelo antes de que nadie entrara en un laboratorio.
Luego, en diciembre de 2025, DeepMind y el gobierno británico anunciaron un laboratorio automatizado de materiales, que abrirá este año, donde robots sintetizan y prueban cientos de materiales candidatos al día y la IA elige el siguiente lote. El ciclo que antes le llevaba meses a un grupo de investigación ahora gira cada día, y los humanos están ahí para revisar los resultados, no para ejecutar los experimentos.
Lo mismo le está pasando a los robots, y la forma en que funciona es una locura. En 2025, DeepMind lanzó Genie 3, que se entiende mejor como un videojuego que se programa a sí mismo. Escribe una frase, digamos «un dormitorio desordenado», y genera uno simulado en pantalla, con la física de una habitación real, de modo que cualquier cosa que se mueva dentro recibe la misma respuesta que recibiría en el mundo real.
Después puedes meter el cerebro de un robot ahí dentro y decirle que ordene la habitación. Falla, así que lo intenta otra vez, y otra, millones de veces, en millones de habitaciones simuladas, a velocidad de ordenador, sin romper un solo objeto real ni ocupar espacio físico. Luego puedes cargar lo que aprendió en un robot de verdad, y entra en un dormitorio real sabiendo ya cómo hacerlo. DeepMind está haciendo esto ahora con sus agentes robóticos, y nadie está escribiendo el plan de estudios. El agente se fija sus propias tareas y corrige su propio trabajo.
Si este tipo de cosas te fascina, es justo lo que David y yo publicamos cada semana en The Exponentialist. Empezó dentro de Real Vision y ahora es una publicación independiente en Substack, y hay un nivel gratuito si quieres seguirlo.
Y luego se alimenta a sí mismo
Así que las máquinas están escribiendo su propio código, mejorando sus propios modelos y empezando a hacer nuestra ciencia por nosotros. «Vale», dirás, «pero hay una trampa de la que todo el mundo ha oído hablar...». Todo esto funciona con electricidad, y mucha. Los centros de datos ya están tensando las redes eléctricas, los chips ya son algunos de los objetos más escasos del planeta y, seguramente, en algún momento todo esto se quedará sin energía.
Pero si una máquina puede resolver problemas que los humanos no pudimos resolver, los primeros problemas hacia los que la van a dirigir serán los suyos propios. Los laboratorios de materiales que acabo de describir no buscan descubrimientos al azar. Buscan químicas de baterías que almacenen más, células solares que conviertan más, chips que empaqueten los transistores más juntos... exactamente las cosas que abaratan la energía y la computación.
Y cada una de ellas retroalimenta directamente a la máquina que la descubrió.
Mejores paneles y baterías abaratan la energía; la energía más barata abarata la computación; la computación más barata entrena mejores modelos, y los mejores modelos encuentran el siguiente material. El cuello de botella que preocupa a todos es lo primero que este ciclo está diseñado para devorar.
Hay una ley detrás de todo esto, la Ley de Wright: cada vez que la producción acumulada de algo se duplica, su coste cae un porcentaje fijo. La energía solar la ha seguido durante décadas. Lo nuevo es que lo que hace el diseño ya no es una persona, así que las duplicaciones llegan más rápido y el coste cae más rápido, en chips, baterías y paneles a la vez.
Cada vuelta de la rueda hace que la siguiente sea más rápida, y no depende de ninguna aportación externa. Las versiones anteriores de este ciclo tardaban décadas en dar una vuelta completa. Este está girando en meses, y lo que lo hace girar es ahora precisamente lo que se está mejorando.
Más barato significa más, no menos
Bien, la objeción obvia a estas alturas es económica. Si la inteligencia se está abaratando tan rápido, seguro que necesitaremos menos de lo que la produce... menos chips, menos centros de datos, menos energía.
Está pasando lo contrario, y el motivo se conoce desde la era del carbón. Jevons observó que cuando un recurso se vuelve más eficiente, el consumo total aumenta, porque lo barato abre usos que antes no eran viables. Haz la máquina de vapor más eficiente y un país quemará más carbón, no menos.
La inteligencia está haciendo exactamente eso. El coste de una unidad ha estado cayendo unas diez veces al año para una capacidad equivalente, según el recuento de a16z a finales de 2024, y el consumo se ha disparado. En octubre de 2025, Google procesaba unos 1,3 cuatrillones de tokens al mes, más de veinte veces que el año anterior, y en mayo de este año la cifra era de 3,2 cuatrillones. Cada caída en el coste de pensar desbloquea un problema que antes era demasiado caro como para plantearse, y no hay techo para esa demanda porque no faltan problemas sin resolver.
Por eso la inversión de capital no puede detenerse.
«Es puro humo. Se está estancando»
Escucho esto cada pocos meses, normalmente justo después de un lanzamiento un poco menos deslumbrante que el anterior. La emoción dura una semana, luego todo vuelve a la normalidad, y en esa normalidad es donde la gente decide que todo se está frenando.
El modelo mental que uso es el desarrollo infantil. Observa a un niño pequeño intentando caminar sin éxito y podrías concluir que sus piernas no funcionan y que es demasiado torpe para la tarea, o espera a sus primeras palabras y decide que su boca no está hecha para hablar. Hasta que, de repente, lo hace. Estos modelos son bebés, con superpoderes en algunas áreas y muy por detrás de los niños humanos en otras... pero los bebés aprenden rápido. Juzgar dónde estarán en tres años por lo que no pueden hacer este trimestre es el error, siempre, sin excepción. En tres años hemos pasado de un chatbot malo a algo que puntúa muy por encima de la mayoría de los humanos en todas las materias que enseñamos. No te quedes a medio camino, como dice el meme, solo porque tengas un sesgo.
Qué significa esto para ti
El miedo detrás de todo esto es personal, así que permíteme ser personal al respecto.
No soy una persona técnica. En enero le di un PDF a cowork y tuve una web funcionando en seis minutos; luego le pedí un panel con el engagement de Real Vision en todas las plataformas y lo tuve en quince. Publiqué en aquel momento que me sentía un poco biónico.
Hoy, una sola persona con un conjunto de agentes puede producir lo que antes requería una empresa entera. En mi libro, The Everything Code (sale el 3 de noviembre y ya disponible en reserva), cuento la historia de un ingeniero de software que pasó más de una década construyendo una empresa de la manera tradicional, dio un paso atrás y luego desarrolló un proyecto personal de IA en un solo invierno que alcanzó seis cifras de estrellas en GitHub y consiguió que OpenAI lo contratara. Era el mismo cerebro aplicando la misma ética de trabajo; lo único que había cambiado era la base sobre la que construía.
«¿Esto me reemplaza?» es la pregunta que hace tu ego, y es la equivocada. La capa de trabajo que hay debajo de ti se está comprimiendo te guste o no, igual que Maudslay comprimió el trabajo de cada artesano que limaba tornillos a mano. La pregunta correcta es qué haces con una máquina que puede cargar con esa capa por ti, y quienes acaban teniendo los superpoderes son los que suben un nivel, hacia el criterio de decidir qué merece la pena construir en primer lugar.
Sé dueño de las máquinas que construyen las máquinas
Lo que el ciclo te indica es dónde se acumula el valor. Cuando la inteligencia construye inteligencia, los retornos fluyen hacia quien posee el ciclo: la computación sobre la que funciona, la energía que alimenta esa computación y las vías sobre las que los agentes se asientan una vez que empiezan a realizar transacciones entre ellos a velocidad de máquina. Esas son las cosas que no puede sortear y, por primera vez en la historia, cada una de ellas es algo de lo que una persona corriente puede poseer una parte.
Esta es la Era Exponencial pasando de la teoría a la realidad vivida, y choca de lleno con la ventana temporal sobre la que he escrito en mi marco de la Singularidad Económica, en algún punto entre 2030 y 2032. Ese es el momento en el que la economía de las máquinas empieza a moverse más rápido que los instrumentos humanos creados para medirla —el PIB, los beneficios, los salarios— y las viejas cifras dejan de describir lo que está pasando. Los años entre hoy y entonces son el juego.
Todo el razonamiento sobre esto está en The Everything Code. Explica por qué el sistema financiero se rompió tanto y cómo hemos estado atrapados en un ciclo de deuda durante décadas, y después por qué la llegada de la Era Exponencial justo ahora es la otra mitad de la misma historia.
Todo lo que planteo en este artículo es inevitable una vez que ves el mecanismo, y lo extraño es que también es la salida: las máquinas son lo que finalmente permite que el mundo crezca lo suficiente para librarse de la deuda. Después de décadas estancados, eso es un motivo para ser optimista, y el libro es donde desarrollo el argumento completo.
The Everything Code sale el 3 de noviembre y hazme un favor: si tienes pensado comprarlo, sería un honor que consideraras reservarlo ahora. Estas cosas ayudan muchísimo con los rankings y significaría mucho para mí. Gracias.
Y si quieres profundizar en algo de esto, ¡sigue hablando conmigo! He creado una IA entrenada con 30 años de mis reflexiones en raoulpal.ai y es gratuita. Continúa la conversación conmigo allí.
