Jensen Huang dijo 'ya tenemos AGI' y la mitad del mundo le está cayendo encima: ¿tiene razón o es solo venta de humo?

El lunes 23 de marzo, Jensen Huang se sentó frente a Lex Fridman y soltó algo que sacudió toda la industria: “I think it’s now. I think we’ve achieved AGI.” Y desde entonces el internet no para.

La pregunta no es si Huang cree lo que dice. La pregunta es por qué lo dice, cuándo lo dice, y qué tan conveniente le resulta decirlo justo ahora.

Qué dijo exactamente Huang (y el matiz que casi nadie menciona)

El contexto importa mucho aquí. Fridman le preguntó sobre el timeline para AGI, pero lo definió de forma muy específica: una IA capaz de “básicamente hacer tu trabajo”, es decir, arrancar, escalar y dirigir una empresa tecnológica que valga más de mil millones de dólares.

Huang respondió sin dudar: ya llegamos. Para él, si un modelo como Claude puede crear un servicio web que lo use un chingo de gente durante un tiempo, genere mil millones y después quiebre, eso cuenta como AGI.

No mames. Eso no es AGI, eso es una app viral de TikTok con buenas métricas.

Y el mismo Huang lo admitió tres minutos después, casi sin darse cuenta: “The odds of 100,000 of those agents building NVIDIA is zero percent.” O sea, en la misma entrevista en que declaró que ya tenemos AGI, también dijo que la IA no puede hacer lo que él hizo. Eso se llama contradecirse, y Yahoo Finance lo capturó puntualmente.

El problema real: quién define AGI

La Inteligencia Artificial General, en la definición académica clásica, es un sistema capaz de entender, aprender y aplicar inteligencia en cualquier dominio cognitivo, al nivel de un humano o por encima. No “en algunas cosas”. No “en condiciones específicas”. En todo.

Los modelos actuales, por muy impresionantes que sean, todavía alucinan datos, se confunden con razonamientos encadenados complejos, no tienen memoria persistente real entre sesiones y requieren supervisión humana constante para no meter la pata en producción. Eso no es AGI, es una herramienta muy poderosa, y hay una diferencia enorme entre ambas cosas.

Silicon Republic publicó una respuesta directa con investigadores que lo ponen muy claro: Huang no describió un avance, describió una redefinición. Ir de “faltan cinco años” a “ya lo logramos” en menos de dos años no refleja un salto técnico extraordinario. Refleja que la definición cambió para ajustarse a lo que ya existe.

Y eso no es menor. Las palabras que usamos para describir la IA tienen consecuencias reales en regulación, inversión, política pública y expectativas sociales.

El elefante en el cuarto: Nvidia vende GPUs

Seamos directos. Jensen Huang es el CEO de la empresa que fabrica los chips que hacen posible toda esta IA. Cada vez que el mundo siente que la AGI “ya llegó”, la demanda de infraestructura explota, los data centers duplican pedidos y las GPUs de Nvidia vuelan de las bodegas.

TweakTown lo dice sin rodeos: declarar que ya se alcanzó la AGI convenientemente valida los gastos de capital masivos que Google, Microsoft y Amazon hicieron comprándole chips a Nvidia. Es como si el dueño de la gasolinera dijera que los carros eléctricos todavía no sirven.

Eso no significa que Huang esté mintiendo deliberadamente, puede que de verdad crea en su definición. Pero sí significa que debemos leerlo con un filtro crítico que muchos medios no están aplicando.

Sam Altman, Karpathy y el mundo real

No es solo la academia la que está en desacuerdo con Huang. Sam Altman dijo en enero de 2026 que “estamos más cerca de AGI de lo que la mayoría cree, pero probablemente aún faltan varios años.” Andrej Karpathy, uno de los mejores ingenieros de IA del planeta, dice que falta al menos una década.

Y del lado de los investigadores independientes, la posición es aún más escéptica. Hablar de AGI “lograda” cuando los modelos actuales siguen fallando en tareas de razonamiento que un niño de secundaria resuelve sin problema es, en el mejor de los casos, prematuro.

Esto tiene relación directa con lo que ya veíamos venir: como documentamos en morgan stanley avisa: el mayor salto de ia llega en 2026 y el mundo no está listo. ¿méxico tampoco?, los analistas financieros más serios todavía hablan de capacidades emergentes, no de AGI confirmada. La diferencia es importante.

¿Qué implica esto para México?

Aquí está el ángulo que más me interesa y que casi nadie está discutiendo.

Si la narrativa de “ya tenemos AGI” se impone, aunque sea con la definición light de Huang, tiene consecuencias concretas para el ecosistema tech mexicano:

Inversión en startups de IA: Si el mundo asume que la AGI ya está aquí, el capital se desplaza de la investigación foundational hacia aplicaciones y capas de producto. Eso es buena noticia para startups mexicanas de IA aplicada: fintech, logística, salud. Si los modelos base “ya son AGI”, las oportunidades de negocio están en construir encima de ellos, no en competir con OpenAI o Anthropic en el nivel de modelos.

Regulación en blanco: México no tiene un marco normativo real para IA. Ni para la IA actual, mucho menos para algo que se llame AGI. Como ya vimos en la regulación de ia que ya afecta a empresas en méxico, el país va detrás de la curva. Si la narrativa AGI se normaliza, las empresas mexicanas que operan con clientes en EUA van a enfrentar marcos regulatorios más estrictos sin haber tenido tiempo de adaptarse.

Expectativas desproporcionadas: La gente común, no los devs, va a escuchar “ya tenemos AGI” y va a empezar a esperar cosas que la tecnología todavía no puede dar. Eso genera frustración, malas implementaciones y proyectos que se tiran porque “la IA no funciona”, cuando el problema real es que se usó para lo que no era.

Talento y formación: Si la narrativa dice que la AGI ya llegó, hay riesgo de que se invierta menos en educación técnica especializada en México. ¿Para qué formarme en ML si “ya está resuelto”? Ese pensamiento sería un error enorme. 81,000 personas le dijeron a Anthropic qué quieren de la IA, y LATAM salió como la región más optimista del mundo. Ese optimismo es una ventaja, pero si no va acompañado de formación real, se convierte en ingenuidad.

La verdad incómoda

Los sistemas de IA actuales son brutalmente más capaces que hace tres años. Eso es real. Pero “más capaz que antes” y “AGI lograda” son cosas completamente distintas.

Jensen Huang tiene todo el derecho de hacer sus declaraciones. Lex Fridman tiene todo el derecho de hacerle las preguntas que le hace. Pero los que trabajamos con IA, los que la implementamos, la vendemos o simplemente la usamos, tenemos la responsabilidad de no tragarnos definiciones convenientes sin masticarlas.

La AGI según Huang: una app viral que dura 6 meses y hace un billón. La AGI según cualquier libro de texto de ciencias de la computación: inteligencia general equivalente a la humana en todos los dominios.

No son la misma cosa. Y confundirlas tiene consecuencias reales.

¿Creen que Huang está redefiniendo los términos a modo, o de verdad consideran que ya estamos ahí? Los leo abajo.

Fuentes

• Yahoo Finance: Nvidia CEO Jensen Huang claims AGI has been ‘achieved’
• TweakTown: NVIDIA CEO Jensen Huang says AGI has been now been ‘achieved’
• Silicon Republic: Is AGI really here as Nvidia’s Jensen Huang claims?
• IBTimes: Nvidia CEO Jensen Huang Declares ‘We Have Achieved AGI,’ Sparking Debate Over Definition
• TechRadar: Sorry Jensen Huang, we haven’t ‘achieved AGI’
• Inc: Nvidia CEO Jensen Huang Made a Bold AGI Proclamation, but Other Tech Leaders Aren’t So Sure