Indicadores

Incidentes por año en la AI Incident Database

Daños de IA que llegaron a ser reportados públicamente y quedaron registrados en la AI Incident Database, contados por año del evento. Es el único registro longitudinal público de daño observado y no proyectado. NO responde a la pregunta de si hay más daños de IA: responde a cuánto daño de IA está siendo documentado, que es una mezcla de daño real, atención mediática y capacidad de trabajo del equipo editorial. Si sube, la primera hipótesis es más atención, no más daño. La propia AIID advierte que los identificadores se agregan después de que ocurren los eventos y que el rezago varía mucho, y que las concentraciones por país o empresa reflejan en parte qué se investigó y se procesó en ese período.

Figura 7.1 · incidentes · indicador aproximado · cadencia anual · Subir indica más riesgo
Fuente [31] AI Incident Database — Database Snapshots ↗

Saturación de FrontierMath tier 4

Mejor puntaje acumulado en el tier 4 de FrontierMath, el conjunto de problemas de nivel de investigación diseñado para resistir. Lo que mide no es matemática: es cuánto dura un examen antes de dejar de discriminar. Si un benchmark pensado para ser imposible se satura en veinte meses, la capacidad de la comunidad para medir va por detrás de la capacidad que intenta medir, y ese desfase es el riesgo: los umbrales de las políticas de seguridad se apoyan en evaluaciones que envejecen más rápido de lo que se escriben. Serie de corridas propias de Epoch AI; una serie, un evaluador.

Figura 7.1 · % de acierto · medición directa · cadencia irregular · Subir indica más riesgo
Fuente [372] Epoch AI Benchmarking Hub — benchmarks.csv ↗

Saturación de GPQA Diamond

Mejor puntaje acumulado en GPQA Diamond, el examen de preguntas de ciencia de nivel doctoral diseñado para resistir la búsqueda en internet. Está efectivamente saturado: los últimos cuatro máximos caben dentro de los errores estándar de los demás, o sea que el examen ya no distingue entre los modelos de punta. Un benchmark saturado no es un dato sobre capacidad, es un instrumento agotado, y seguir citándolo produce la ilusión de un techo. Serie de corridas propias de Epoch AI; una serie, un evaluador.

Figura 7.1 · % de acierto · medición directa · cadencia irregular · Subir indica más riesgo
Fuente [372] Epoch AI Benchmarking Hub — benchmarks.csv ↗

Saturación de SWE-bench Verified

Mejor puntaje acumulado en SWE-bench Verified, que mide resolución de issues reales de repositorios de software. Es el único de la familia de saturación que todavía discrimina entre modelos de punta, y por eso el más útil de seguir. Cuidado al comparar cifras entre evaluadores: el AI Index 2026 afirma que subió de 60% a casi 100% en un solo año, mientras la corrida propia de Epoch da 83,5% como máximo. Ninguno miente: son andamiajes, presupuestos de tokens y criterios de puntuación distintos. Regla del sitio: una serie, un evaluador.

Figura 7.1 · % de acierto · medición directa · cadencia irregular · Subir indica más riesgo
Fuente [372] Epoch AI Benchmarking Hub — benchmarks.csv ↗

Adopción de IA en empresas de EE.UU. (Census BTOS)

Porcentaje de empresas estadounidenses que declara haber usado inteligencia artificial en alguna función del negocio en las dos semanas anteriores, según la Business Trends and Outlook Survey del Census Bureau. Es la mejor fuente pública de esta sección porque es una encuesta probabilística oficial con fecha de referencia y de publicación explícitas. Sirve como denominador de casi todo lo demás: un incidente en un país donde el 22% de las empresas usa IA no significa lo mismo que donde usa el 5%. Al 3 de mayo de 2026 el desglose daba 39,7% en Información, 33,9% en Finanzas y Seguros y cerca de 14% en Comercio Minorista; por tamaño, 37% en empresas de 250 o más empleados contra menos de 20% en las de menos de 20.

Figura 7.1 · % de empresas · medición directa · cadencia mensual · Subir indica más riesgo
Fuente [225] Business Trends and Outlook Survey — National estimates (National.xlsx) ↗

Mayor cómputo de entrenamiento conocido por año

El mayor cómputo de entrenamiento publicado o estimado para un modelo en cada año, según la base de modelos notables de Epoch AI. El cómputo es el insumo que mejor predice capacidad y el único que hoy se regula con un umbral numérico: los 1e25 y 1e26 FLOP del AI Act europeo y de las órdenes ejecutivas estadounidenses están escritos en esta unidad. OJO: mide DIVULGACIÓN, no cómputo. 2024 aparece por debajo de 2023 y eso no ocurrió: refleja que el modelo con cómputo publicado ese año fue uno abierto de Meta mientras los frontera cerrados no reportaron nada. Se lee como 'mayor cómputo conocido', nunca como 'mayor cómputo', y la brecha entre ambos crece cada año que los laboratorios dejan de reportar.

Figura 7.1 · FLOP · indicador aproximado · cadencia anual · escala logarítmica · Subir indica más riesgo
Fuente [377] Notable AI Models — base de datos descargable ↗

Umbral · 1 × 10²⁶: Umbral regulatorio más alto escrito en FLOP. Solo tres modelos conocidos lo superaron, todos en 2025. La eficiencia de pre-entrenamiento mejora unas 3 veces al año, así que un umbral fijo admite cada año un modelo más capaz: no envejece, se derrite.

Empresas con marco de seguridad frontera publicado

Cuántas empresas de IA se autoimponen umbrales de capacidad con consecuencias escritas y los publican. Es el indicador de gobernanza voluntaria: mide si existe la promesa, no si se cumple. La cifra sola engaña, y por eso lleva umbral: en el AI Seoul Summit de mayo de 2024 dieciséis empresas se comprometieron a publicar y otras cuatro se sumaron después; publicaron doce. La distancia entre comprometidas y publicadas es mejor indicador que el conteo, porque mide incumplimiento de un compromiso explícito y no admite la lectura optimista. Las doce al informe de diciembre de 2025 son Anthropic, OpenAI, Google DeepMind, Magic, Naver, Meta, G42, Cohere, Microsoft, Amazon, xAI y NVIDIA.

Figura 7.1 · empresas · medición directa · cadencia irregular · Bajar indica más riesgo
Fuente [708] Common Elements of Frontier AI Safety Policies ↗

Umbral · 20: Empresas que se comprometieron a publicar un marco de seguridad frontera: dieciséis en el AI Seoul Summit de mayo de 2024 y cuatro que se sumaron después. La brecha con las que efectivamente publicaron es el dato.

Horizonte temporal de tareas (METR)

Duración de las tareas que un modelo completa con 50% de éxito, medida en tiempo de un humano experto sin contexto previo. Es el indicador de capacidad con la serie más larga y comparable, y el mejor proxy público de autonomía sostenida: no cuánto código escribe un agente, sino cuántas horas encadena decisiones sin que alguien lo corrija. METR desmiente cuatro lecturas: no mide cuánto tiempo puede actuar un agente de forma autónoma sino la dificultad de la tarea; las tareas son de software, aprendizaje automático y ciberseguridad, no 'todo lo intelectual'; el referente humano es alguien recién llegado al proyecto, no un profesional con el contexto en la cabeza; y el trabajo real casi nunca es puntuable por algoritmo.

Figura 7.1 · horas · medición directa · cadencia irregular · escala logarítmica · Subir indica más riesgo
Fuente [711] METR Time Horizon 1.1 — benchmark_results_1_1.yaml ↗

Umbral · 16: Techo declarado por METR. Sobre 16 horas, las mediciones no son confiables con su suite de tareas actual.

Adopción de IA medida por transacciones (Ramp AI Index)

Porcentaje de empresas del panel de Ramp que paga por productos de IA, medido con datos de transacciones de más de 70.000 empresas estadounidenses en su tarjeta corporativa y su sistema de pagos. La ventaja frente a una encuesta es que no es autorreporte: una empresa que paga una suscripción de IA la está usando. La serie es de contraste, no la principal: Ramp es una fintech que le vende a las mismas empresas que mide, y su panel está sesgado hacia empresas jóvenes, tecnológicas y de crecimiento rápido. El 56% de su panel contra el 22,4% de la muestra probabilística del Census no es una contradicción: es la diferencia entre un panel y una muestra representativa. Las fechas marcan el mes de la publicación mensual.

Figura 7.1 · % de empresas del panel · indicador aproximado · cadencia mensual · Subir indica más riesgo · Desactualizado · Última medición: 1 ago 2026
Fuente [885] Ramp AI Index ↗

Servicios de IA generativa registrados en China

Acumulado de servicios de IA generativa que pasaron el trámite de registro ante la autoridad china, obligatorio para los que tienen atributos de opinión pública o capacidad de movilización social. Es un conteo administrativo, no una medida de capacidad ni de seguridad: dice cuántos servicios entraron al sistema, y nada sobre qué tan seguros son los modelos que corren detrás. Se publica porque es el único número duro de escala regulatoria que produce el sistema chino, y porque desde julio de 2026 alcanza también a modelos que corren en el propio teléfono.

Figura 7.1 · servicios · indicador aproximado · cadencia irregular · Subir indica más riesgo
Fuente [185] 国家互联网信息办公室关于发布2025年生成式人工智能服务已备案信息的公告 ↗

Caída del empleo joven en ocupaciones expuestas a IA

Tasa anual de cambio del empleo de las trabajadoras de 22 a 25 años en las ocupaciones más expuestas a IA —el subgrupo que más cae; los hombres de la misma edad caen menos—, calculada desde la línea base y medida sobre nóminas reales de ADP por el tablero Canaries in the Coal Mine del Stanford Digital Economy Lab. Es el indicador más cercano a un daño económico medido en personas y no en encuestas de intención: muestra balanceada de 25.000 empresas y 4,6 millones de trabajadores en más de 730 ocupaciones, con línea base en noviembre de 2022, el mes del lanzamiento de ChatGPT. EL CONTRAARGUMENTO VIENE DE LOS PROPIOS AUTORES: no hay desplazamiento generalizado a nivel de economía. El efecto es real pero localizado en un grupo, y con el conjunto más amplio de controles las caídas recién se vuelven estadísticamente significativas en 2024. Un tablero que muestra una brecha grande en un grupo y cero en el agregado es exactamente lo que hay que publicar.

Figura 7.1 · % anual desde noviembre de 2022 · medición directa · cadencia mensual · Bajar indica más riesgo
Fuente [991] Canaries Dashboard — AI Economic Indicators ↗