Jensen Huang, CEO de Nvidia, publicó hoy en X: "From ChatGPT to o1 to Astra in 4 years. AGI has arrived. Congratulations @OpenAI team."
La frase llegó justo después del lanzamiento de Astra, el nuevo modelo de OpenAI que, según la compañía, puede realizar "el trabajo profesional más exigente con velocidad, precisión y juicio inigualables". Huang añadió que Astra se entrenó en chips de Nvidia y que vienen 400 mil GPUs más en camino.
No es la primera vez que Huang hace una afirmación así. En marzo, durante una entrevista con Lex Fridman, respondió que "I think we've achieved AGI" cuando le preguntaron sobre sistemas capaces de iniciar y hacer crecer una empresa de tecnología.
¿Qué significa realmente "AGI ha llegado"?
La definición de AGI (inteligencia artificial general) sigue siendo uno de los puntos más confusos del debate actual.
OpenAI la define como "sistemas altamente autónomos que superan a los humanos en la mayoría del trabajo económicamente valioso". Greg Brockman, presidente de la compañía, dijo durante el lanzamiento de Astra que "welcome to the AGI era".
Sin embargo, investigadores como Gary Marcus criticaron la declaración de Huang por falta de evidencia y definiciones claras. Marcus señaló que Astra cumple solo uno o dos de los criterios de su propia lista de diez puntos para AGI.
Sam Altman, CEO de OpenAI, ha sido más cauto en otras ocasiones y ha llamado al término "un término de marketing mal definido".
En el mundo académico, propuestas como el marco cognitivo de Google DeepMind (diez facultades cognitivas que incluyen percepción, razonamiento, memoria y cognición social) o los benchmarks ARC-AGI muestran que los modelos actuales tienen perfiles "irregulares": destacan en matemáticas o recuperación de hechos, pero fallan en aprendizaje continuo, memoria de largo plazo o situaciones sociales abiertas.
Huang no está hablando de robots conscientes ni de superinteligencia. Está señalando que, con la escala de cómputo que Nvidia provee, los sistemas actuales ya pueden ejecutar tareas de valor económico a un nivel que antes requeriría equipos humanos completos.
Por qué Nvidia tiene tanto interés en declarar victoria
Nvidia reportó 96,2 mil millones de dólares en ingresos trimestrales en agosto, más del doble que el año anterior. Su negocio de data center generó 89 mil millones. La compañía es la que fabrica los chips que entrenan y ejecutan prácticamente todos los modelos frontier.
Cuando Huang dice que AGI ha llegado, está diciendo que la infraestructura que vende ya habilitó el hito. Es una declaración que refuerza la demanda de GPUs, pero también reconoce una realidad técnica: el progreso depende tanto (o más) del "harness" que rodea al modelo que del modelo en sí.
En un experimento reciente de Nvidia, el mismo modelo de IA pasó de 30 por ciento a 100 por ciento de aciertos en un benchmark exigente solo cambiando la arquitectura que lo envuelve, no el modelo base. Ese resultado aparece en detalle en otro artículo de este blog.
Lo que esto cambia para quien implementa IA en empresas
Si diriges marketing, ventas, operaciones o comercio digital, la declaración de Huang no significa que puedas sentarte a esperar robots que lo hagan todo solos. Significa que la ventana para construir sistemas de agentes útiles se está cerrando para quienes se quedan atrás.
Los sistemas que OpenAI llama AGI en este contexto son arquitecturas de agentes que pueden planificar, ejecutar, revisar y corregir durante horas o días. Esa es la misma dirección que ya exploramos en artículos sobre IA agéntica y sistemas multi-agente aplicados a marketing B2B.
Lo que cambia ahora es la velocidad de adopción esperada. Si los líderes de la industria declaran que el hito ya pasó, los presupuestos de IA se van a mover más rápido hacia implementación real, no solo experimentos.
Tres implicaciones concretas:
-
El "harness" importa más que el modelo. Invertir solo en cambiar de proveedor de LLM sin trabajar la orquestación, memoria, herramientas y supervisión es perder dinero. El caso de Nvidia lo demostró con números.
-
La infraestructura de datos y catálogos se vuelve crítica. Los agentes de compra y los sistemas autónomos necesitan APIs, datos estructurados y catálogos legibles por máquina. Quienes no preparen ese terreno quedarán invisibles para la próxima ola de automatización.
-
La gobernanza ya no es opcional. Si los modelos pueden descubrir vulnerabilidades o tomar decisiones de alto impacto durante días, las empresas necesitan controles, observabilidad y circuit breakers desde el día uno. El hype de AGI hace que ese trabajo sea más urgente, no menos.
Conclusiones clave
- La afirmación de Jensen Huang de que AGI ha llegado se basa en la capacidad actual de sistemas como Astra para realizar trabajo económicamente valioso a escala, no en una definición académica universalmente aceptada.
- Nvidia se beneficia directamente porque provee la infraestructura que hace posible esa escala. Su interés comercial es claro, pero el crecimiento de cómputo es real.
- El debate sobre definiciones continúa. Investigadores independientes y académicos piden más evidencia y marcos medibles antes de declarar victoria.
- Para las empresas, el mensaje práctico es que los sistemas agénticos ya están lo suficientemente maduros como para justificar inversión seria en orquestación y harness, no solo en prompts.
- Quienes se enfoquen en gobernanza, datos estructurados y arquitecturas multi-agente estarán mejor posicionados que quienes sigan esperando una AGI "perfecta".
- El progreso no elimina la necesidad de supervisión humana. Al contrario, la hace más importante a medida que los sistemas ganan autonomía en tareas de alto valor.
Si estás evaluando cómo pasar de chatbots y automatizaciones puntuales a sistemas de agentes que realmente operen procesos completos de tu negocio, el momento de construir la arquitectura correcta es ahora.
Sobre el Autor
Juan P Franco es consultor en expansión digital, comercio electrónico y automatización con agentes de IA. Ayuda a empresas de todo tamaño y modelo de negocio (B2B, B2C, retail, D2C) a crecer en canales digitales con estrategias basadas en datos y tecnología.
Referencias
[1] Publicación de Jensen Huang en X, 7 de septiembre de 2026.
[2] Reportes de Business Insider, Dataconomy y Fortune sobre la declaración y el lanzamiento de Astra.
[3] Entrevista de Lex Fridman con Jensen Huang, marzo de 2026.
[4] Artículos previos del blog sobre Astra de OpenAI y harness engineering en Nvidia.