La trampa del IQ de la IA: un gran dato no evita errores caros
Un modelo de IA redacta en segundos una respuesta que suena convincente. Pero ¿es correcta, encaja con ese cliente y quién responde si falla? Una nueva comparativa de IQ de la IA intenta trasladar las capacidades de los modelos de lenguaje a una escala humana conocida. La puntuación más alta ronda los 136 puntos. La cifra parece un veredicto. En realidad, invita a plantearse una pregunta mejor: ¿qué deberían hacer las personas a medida que los modelos ganan capacidad?
Una cifra que parece decir más
Una puntuación como 136 se recuerda con facilidad. Evoca notas escolares, pruebas de aptitud y clasificaciones. Precisamente por eso conviene mirarla con detenimiento antes de sacar conclusiones sobre el personal, la atención al cliente o el futuro del trabajo.
La web AI IQ estima puntuaciones para más de 50 modelos de lenguaje y los sitúa en una curva de distribución normal estandarizada. Para ello combina doce benchmarks, es decir, pruebas estandarizadas para comparar el rendimiento, en cuatro ámbitos: razonamiento abstracto, matemático, de programación y académico. La puntuación total es la media simple de los cuatro resultados. Un modelo necesita resultados en al menos dos ámbitos para obtener una puntuación estimada.
A mediados de mayo de 2026, GPT-5.5 encabeza los modelos analizados con una puntuación estimada de alrededor de 136. GPT-5.4, Opus 4.7 y Gemini 3.1 Pro se sitúan en la misma comparativa entre 131 y 132, aproximadamente. Son resultados de una evaluación concreta, no una medición de la inteligencia humana general. Entonces, ¿qué se ve cuando una cifra resume cuatro tipos de tareas muy distintos?
La comparativa de IQ tiene puntos ciegos
Un modelo puede resolver correctamente una pregunta difícil de examen y fallar en una tarea cotidiana que parece sencilla. Esa desigualdad se pierde con facilidad cuando muchos resultados se condensan en una puntuación total. Los cuatro ámbitos informan sobre determinadas capacidades en condiciones de prueba, pero no indican automáticamente hasta qué punto el modelo será fiable por teléfono, en un almacén o ante un cliente enfadado.
Quienes critican estas comparativas señalan la distancia entre los buenos resultados en benchmarks y los errores en tareas concretas. VentureBeat cita como ejemplo la afirmación de que GPT-5.5 habría alcanzado el techo de MMLU-Pro, mientras que falla a menudo en ClockBench. No hay que interpretar esto como un juicio general sobre el modelo. Sí muestra por qué una buena media no descarta todos los puntos débiles.
También conviene fijarse en el método: AI IQ enumera los doce benchmarks y muestra curvas de calibración, pero, según VentureBeat, no publica los datos originales ni las conversiones matemáticas exactas como conjuntos de datos abiertos. Para usted, la cifra puede servir para iniciar una conversación. No sustituye una prueba con las tareas que su empresa realiza de verdad. Y justo ahí, la diferencia entre la impresión y el resultado puede salir cara.
El progreso no espera a la revisión anual
Quizá esté esperando a un trimestre más tranquilo para ocuparse de la IA. El problema es que el desarrollo no se ajusta al calendario de sus proyectos. La serie temporal de AI IQ registra un aumento de unos 60 puntos en el IQ estimado de los modelos punteros entre octubre de 2023 y mediados de 2026. Es la evolución de esa serie de mediciones, no una garantía de que el próximo salto vaya a ser igual de grande.
La infraestructura técnica también crece deprisa. Epoch AI estima que la capacidad de computación de IA comercializada, medida en equivalentes de H100, aumenta 3,3 veces al año. Eso equivale a duplicarse aproximadamente cada siete meses. Según sus cálculos, los cinco mayores diseñadores de chips habían entregado en conjunto unos 20 millones de chips de IA hasta el cuarto trimestre de 2025. Estas cifras ayudan a explicar por qué hay cada vez más capacidad de cálculo disponible para los modelos. Por sí solas, no predicen qué capacidad mejorará después.
Hagamos un experimento mental. Supongamos que los modelos punteros alcanzaran en diciembre un valor equivalente a un IQ de 180 a 200 y, un trimestre después, de unos 250. No es una previsión, es un ejercicio: si la IA resuelve muchas tareas de pensamiento mucho mejor y más rápido que casi cualquier persona, nuestro valor se desplaza. Menos saber y calcular, más buenas preguntas, criterio, responsabilidad y confianza.
Aunque estas cifras sigan siendo una traslación aproximada de las escalas humanas de IQ a pruebas de modelos, la pregunta práctica para usted sería la misma: ¿qué decisiones pueden prepararse más rápido y cuáles deben seguir en manos de las personas?
Lo que la IA no puede decidir por usted
Aunque una máquina proponga un borrador mejor, su organización sigue siendo responsable de cómo se utiliza. Un comercio puede automatizar la revisión de una devolución. Pero decidir si un cliente de toda la vida merece un gesto de buena voluntad después de un error puede depender de una relación que no aparece en los datos. Un despacho puede clasificar documentos. Eso no resuelve qué incertidumbre hay que explicar al cliente.
El criterio también cuenta. ¿Qué forma de expresarse representa a su empresa? ¿Qué oferta resulta justa? ¿Cuándo debe un miembro del equipo escalar una situación excepcional en lugar de seguir el procedimiento habitual? No son cuestiones accesorias. De ellas depende que una propuesta rápida funcione en el trabajo real.
McKinsey estima que las tecnologías actuales podrían automatizar tareas que representan más de la mitad de las horas de trabajo en Estados Unidos. Según McKinsey, eso no significa que vaya a desaparecer un número equivalente de puestos. Más del 70 % de las competencias que buscan los empleadores serían relevantes tanto para el trabajo automatizable como para el que no lo es; otro 12 % seguiría siendo exclusivamente humano por ahora. Por eso, lo que se necesita en su empresa también depende de la soltura con que las personas trabajen con estas herramientas.
Qué significa para su empresa
No empiece preguntándose si la IA es más inteligente que una persona. Elija una tarea concreta de la semana pasada. Puede ser ese correo cuya respuesta revisaron entre tres compañeros. O una petición de cita que no se contestó hasta después de la jornada. Decida si un modelo puede redactar un borrador, ordenar información o proponer el siguiente paso.
Después, establezca quién revisará el resultado. ¿Quién comprueba el contenido? ¿Qué errores son tolerables y cuáles no? Un matiz equivocado en un resumen interno puede resultar molesto. Una promesa contractual, una decisión de personal o una respuesta médica exigen otro nivel de cuidado. Deje también por escrito en qué casos debe intervenir la persona responsable.
Un buen punto de partida para las próximas semanas:
- Elija una tarea recurrente y de consecuencias limitadas. No empiece por el proceso más delicado.
- Pida al equipo que pruebe el modelo con casos habituales y excepciones difíciles.
- Compare los resultados con sus propios criterios de calidad y documente los errores.
- Designe a una persona que actualice las reglas y los pasos de revisión cuando cambie el flujo de trabajo.
Las personas tienen que aprender más rápido, no saberlo todo
El nuevo trabajo suele empezar con una habilidad sencilla: describir la tarea de forma que el modelo pueda ofrecer una respuesta útil. Si solo escribe «Redacte un correo para un cliente», puede recibir un texto pulido al que le falte el contexto clave. Si explica el objetivo, los antecedentes y los límites, podrá revisar propuestas mejores. Hace falta conocer el trabajo y estar dispuesto a reformular la pregunta.
McKinsey señala como competencias necesarias para trabajar con IA la formulación de problemas, la revisión de sus respuestas, la interpretación de resultados, la gestión de excepciones y la decisión de cuándo escalar un caso. También afirma que, en dos años, las ofertas de empleo que pedían competencias de IA casi se multiplicaron por siete. Para un equipo pequeño, esto no exige un programa de formación exhaustivo. Una sesión conjunta con ejemplos reales puede mostrar dónde el equipo confía demasiado o se queda corto al probar la herramienta.
Imagine el próximo lunes: una compañera revisa un borrador de IA y detecta que falta contexto, no solo corrige la ortografía. Un compañero señala una excepción en lugar de dejarla pasar sin decir nada. Y todo el equipo sabe quién toma la decisión final. Para trabajar así no hace falta una puntuación de IQ. Es una forma de organizarse que seguirá siendo útil cuando la próxima cifra vuelva a subir.
Preguntas frecuentes
¿Qué significa que una IA tenga un IQ de 136?
Es una estimación obtenida en una evaluación concreta de modelos de lenguaje. AI IQ combina doce benchmarks de cuatro ámbitos y calcula una media. La cifra sitúa los resultados de las pruebas en una escala de IQ humana, pero no mide la inteligencia humana general ni indica directamente hasta qué punto el modelo resolverá las tareas concretas de su empresa.
¿Puede una IA tener realmente más IQ que una persona?
El IQ de una IA es una analogía basada en tareas estandarizadas, no una medición directa como la que se hace a una persona. Los modelos pueden rendir muy bien en algunas pruebas y cometer errores en otras. Por eso, una puntuación estimada más alta no significa automáticamente que la IA supere a las personas en criterio, responsabilidad o experiencia cotidiana.
¿A qué velocidad mejoran los modelos de IA?
Según la serie temporal de AI IQ, la puntuación estimada de los modelos punteros aumentó unos 60 puntos entre octubre de 2023 y mediados de 2026. El dato describe esa serie concreta y no es una previsión de futuro. Además, una mayor capacidad de cálculo no garantiza que todas las capacidades mejoren al mismo ritmo.
¿Qué tareas deberían delegar las empresas a la IA?
Empiece por una tarea recurrente en la que las consecuencias de un error sean limitadas. Un modelo puede, por ejemplo, ordenar información o preparar un borrador. Determine quién revisará el resultado y qué casos deben escalarse. Las decisiones con consecuencias jurídicas, económicas o personales requieren una responsabilidad clara y controles adecuados.
¿Qué competencias necesita el personal para trabajar con IA?
Son importantes la capacidad de plantear bien un problema, revisar los resultados, interpretar la incertidumbre y gestionar excepciones. El personal también debe saber cuándo corresponde trasladar una decisión a la persona responsable. Estas competencias no se adquieren solo con teoría. Practicar con tareas reales de la empresa permite detectar carencias.
¿Le interesa?
¿Quiere saber qué significa esto para su empresa?
Fuentes
- AI IQ is here: a new site scores frontier AI models on the human IQ scale. The results are already dividing tech. · VentureBeat, 2026-05-13
- Global AI computing capacity is doubling every 7 months · epoch.ai, 2026-01-09
- What you need to know about AI chips · epoch.ai, 2026-07-14
- Human skills will matter more than ever in the age of AI · McKinsey & Company, 2026-01-06
Este artículo se ha investigado y redactado con ayuda de IA y se ha verificado automáticamente con las fuentes citadas antes de publicarse. Más sobre nuestra transparencia en IA
Klarframe AI Readiness Check
¿Hasta qué punto está preparada su empresa para la IA?
Unos diez minutos, resultado inmediato con su nivel, un plan de 90 días, soluciones adecuadas y notas sobre el AI Act.
