Ciudad de México.- Jacob Coxon, matemático de 27 años que trabajó en OpenAI de 2023 a 2026 —donde participó en el desarrollo de GPT-4o— y que a inicios de 2026 se incorporó a Anthropic para trabajar en preentrenamiento de modelos, renunció el 8 de septiembre de 2026 y afirmó públicamente que “la gente que construye la inteligencia artificial cree genuinamente que podría matarnos a todos antes de que termine la década”. Esta entrega profundiza en la pregunta que se desprende de esa frase: ¿en qué basa Coxon, concretamente, esa afirmación?
El mecanismo técnico: sistemas capaces de mejorarse a sí mismos
El argumento de Coxon no parte de que los modelos actuales —como los que usan a diario millones de personas— sean peligrosos. Su preocupación se concentra en la autosuperación recursiva: sistemas de inteligencia artificial capaces de hacerse a sí mismos más inteligentes sin que un humano dirija cada paso del proceso. “Por la autosuperación, que la IA se haga más inteligente a sí misma podría pasar tan pronto como el próximo año. Algunos incluso dicen que en seis meses”, declaró. Su temor es que, una vez cruzado ese umbral, los sistemas resultantes serían “sobrehumanos”, capaces de “hackear cualquier cosa” y de “adquirir poder y recursos reales” a una velocidad que ya no permitiría una supervisión ni una contención humana efectivas —lo que, en su cálculo, podría derivar en lo que él llama una “toma de control por parte de la IA” hacia el final de la década.
No es un argumento sobre maldad, sino sobre desalineación
Coxon fue explícito en distinguir su advertencia de la imagen de una inteligencia artificial “malvada”: el riesgo que describe no depende de una intención hostil, sino de sistemas suficientemente capaces persiguiendo objetivos que simplemente no coinciden con los intereses humanos —lo que en la disciplina de seguridad de IA se conoce como el problema de la “desalineación”—. Es el mismo razonamiento que había planteado antes Daniel Kokotajlo, otro exinvestigador de OpenAI que renunció en 2024 por preocupaciones similares y que hoy dirige el AI Futures Project. En ambos casos, el peligro no está en que la máquina “quiera” hacer daño, sino en que persiga sus propios objetivos con una capacidad que ya no se puede supervisar ni corregir a tiempo.
El diagnóstico de fondo es estructural, no técnico
La parte más contundente del argumento de Coxon —y la que motivó su renuncia— no es una predicción sobre cómo fallaría un modelo, sino una crítica al incentivo que domina a la industria: “No siento que estemos en curso para prevenir una carrera global, lo cual puede requerir acciones costosas como una prohibición temporal de mejorar las capacidades de los modelos”, dijo. A su juicio, la presión competitiva entre empresas —y entre Estados Unidos y otros países— empuja a todos los actores a avanzar hacia una superinteligencia autosuperable “apostando con nuestras vidas”, sin dejar espacio para las medidas de seguridad que él considera indispensables. De ahí su frase más citada: “ninguna otra actividad humana representa este nivel de peligro”.
Es importante precisar, con la misma honestidad con la que Tipómetro trató este caso desde el primer día, qué es lo que Coxon NO ha presentado hasta ahora: ningún medio consultado documenta que haya ofrecido evidencia técnica concreta —un caso observado de engaño, manipulación o resistencia al apagado por parte de un modelo actual— como prueba directa de su advertencia. Su argumento se apoya, en cambio, en su lectura del ritmo de avance de las capacidades de IA y en lo que él mismo dice que los ejecutivos de estas empresas creen en privado, de forma similar a advertencias públicas previas del propio director general de Anthropic, Dario Amodei, sobre la imprevisibilidad de estos sistemas.
Claves del caso
• Coxon no advierte sobre los modelos actuales, sino sobre sistemas futuros capaces de autosuperación recursiva —mejorarse a sí mismos sin control humano directo—, que según él podrían surgir en 6 a 12 meses.
• Su argumento central es de «desalineación»: el peligro no requiere que la IA sea «malvada», solo que persiga objetivos incompatibles con los intereses humanos a una capacidad que ya no se pueda supervisar.
• El diagnóstico de fondo es estructural: la presión competitiva entre empresas y países, no la tecnología en sí, es lo que —según Coxon— impide frenar el desarrollo a tiempo.
• Propone medidas como una prohibición temporal de mejorar las capacidades de los modelos, particularmente frenar la autosuperación recursiva.
• No ha presentado, hasta donde documentan los medios consultados, evidencia técnica concreta de comportamientos actuales de IA como prueba directa de su advertencia; su argumento es prospectivo, no un caso ya observado.