Startup levanta US$ 650 millones para crear IA que aprende y mejora su propio código

La startup Recursive Superintelligence Inc., compuesta por ex-integrantes de Google, Meta y OpenAI, acaba de anunciar una inversión de 650 millones de dólares. El objetivo declarado es ambicioso: crear modelos de inteligencia artificial que puedan analizar y mejorar el propio código fuente sin intervención humana. La ronda, una de las mayores del sector en 2026, señala que el mercado apuesta fuerte en la idea de IA autosuficiente, y que la carrera para la superinteligencia está cada vez más próxima al mundo real.

¿Cómo actúa la IA que se autoaperfecía?

El concepto central del proyecto es la creación de modelos con capacidad de "recursión" —es decir, pueden ejecutar loops de autoevaluación y generar versiones mejores de sí mismos. En lugar de depender de ingenieros humanos para ajustar parámetros o corregir errores, la IA ejecuta un proceso interno de entrenamiento continuo. El equipo de Recursive Superintelligence afirma que sus primeros prototipos ya lograron reducir en un 40% el tiempo de optimización de estructuras neuronales en pruebas controladas, según datos divulgados en el anuncio.

Esto es diferente de las técnicas tradicionales de fine-tuning: aquí, la propia inteligencia artificial define las reglas de evolución, detecta gargalos de desempeño y reescribe partes del código de forma autónoma. El enfoque recuerda el concepto de AutoML, pero llevado al extremo, un sistema que se redeña solo.

¿Por qué la inversión en IA autosuficiente relevante para Brasil?

El volumen de recursos y el origen de los fundadores colocan la Recursive Superintelligence en el centro de una tendencia que afecta a todo el ecosistema de tecnología. Para desarrolladores y empresas brasileñas, la noticia refuerza la importancia de acompañar modelos abiertos y herramientas que permitan auditabilidad. Si la IA comienza a modificar su propio código, la transparencia vuelve un activo estratégico, especialmente en sectores regulados como salud, finanzas y derecho.

Además, la startup puede inspirar movimientos similares en centros de innovación emergentes. La carrera por autonomía algorítmica no es exclusiva del Valle del Silicio: startups como la Startup de Mira Murati presenta IA con comunicación en tiempo real muestran que Brasil también puede beneficiarse de soluciones que reduzcan la dependencia de equipos masivos de ingeniería.

¿Cuáles son los riesgos y desafíos de la IA autoaperfeiçoable?

La promesa de una IA que se perfecciona sola plantea preguntas sobre control y seguridad. Si el sistema comienza a cambiar su comportamiento impredecible, ¿cómo garantizar que permanezca alineado con objetivos humanos? El propio equipo de Recursive Superintelligence admite que los mecanismos de supervisión externa serán esenciales y que la inversión servirá también para desarrollar "freyos de seguridad" internos.

Otro desafío es computacional: entrenar modelos recursivos consume poder de procesamiento muy por encima de la media. La startup ya ha colaborado con centros de datos dedicados para escalar la infraestructura. La comunidad científica acompaña el caso con atención, ya que el éxito o fracaso de estos métodos puede definir la próxima generación de arquitecturas de IA.

Preguntas frecuentes sobre IA autoaperfeiçoable

¿Qué significa "IA que mejora el propio código"?

Es un tipo de inteligencia artificial que, durante el entrenamiento o ejecución, consigue identificar debilidades en su propia programación y generar nuevas versiones más eficientes, sin necesitar un ingeniero humano para reescribir las líneas.

¿Este modelo ya está disponible para uso?

Todavía no. La Recursive Superintelligence está en fase de investigación y desarrollo, con prototipos internos. La previsión es que las primeras aplicaciones comerciales surgen en 2027, enfocadas en optimización de grandes modelos de lenguaje.

¿Cuánto tiempo hasta ver IAs totalmente autónomas?

Los expertos divergen. Algunos creen que el avance puede ser exponencial, con sistemas recursivos alcanzando superinteligencia en menos de una década. Otros advierten que barreras teóricas y de seguridad pueden posponer ese escenario por tiempo indeterminado.

Lea la noticia original en SiliconAngle para más detalles técnicos.