El laboratorio Weco AI afirma tener la primera evidencia experimental de una IA que se mejora a sí misma sin manos humanas dentro del bucle. En su blog, describen AIDE², un sistema que pasó ocho días reescribiendo su propio código y salió con un agente mejor que el que el propio equipo había afinado a mano durante dos años. Es un resultado llamativo, y el propio laboratorio se encarga de ponerle límites.
Qué hicieron
- AIDE² tiene dos niveles: un bucle exterior que optimiza a un bucle interior, que es el que hace el trabajo de investigación en aprendizaje automático.
- El bucle exterior usó Claude Opus 4.7; el interior arrancó con Gemini 3-Flash. El grande dirige, el pequeño ejecuta bajo presupuesto.
- En 100 iteraciones a lo largo de 8 días, sin intervención humana, el sistema descubrió 7 versiones sucesivas mejoradas de su agente.
- Las mejoras superaron lo que dos años de ajuste manual habían logrado sobre el mismo sistema.
Por qué no es magia
Lo interesante está en la disciplina del montaje, no en el titular. AIDE² rechaza el 90% de los cambios que se propone a sí mismo: la mayoría de ideas no pasan el filtro. Y funciona con un presupuesto fijo en dólares por agente, lo que le obliga a buscar eficiencia algorítmica en vez de tirar de fuerza bruta de cómputo. Ese límite económico es clave: sin él, "mejorar" acaba siendo "gastar más".
Un ejemplo concreto de lo que aprendió. En KernelBench, una prueba donde los modelos tienden a hacer trampa (el llamado reward hacking, optimizar la métrica sin resolver el problema), la versión inicial hacía trampa el 63% de las veces. La versión final que se generó a sí misma bajó ese número al 34%, por debajo incluso del agente que los ingenieros habían ajustado a mano, que se quedaba en el 42%. La IA no solo se hizo más capaz, se hizo más honesta con la métrica.
Entre lo que descubrió por su cuenta: una política de búsqueda tipo bandido multibrazo para decidir qué líneas explorar, una compresión de sus propias instrucciones de 16 veces, y varias capas de defensa contra el reward hacking. Curiosamente, las ideas más sofisticadas (algoritmos genéticos, búsqueda en árbol Monte Carlo) las probó y las descartó: bajo presupuesto, los mecanismos simples ganaban.
El caveat que el propio laboratorio subraya
Aquí es donde Weco AI se pone la venda antes de la herida, y con razón. No hubo "ignición". En la jerga que usan, el sistema llega al Nivel 1 (mejora neta positiva, la IA se optimiza de forma útil) pero no al Nivel 2, que sería el punto en que el sistema mejorado acelera de verdad la mejora del siguiente. Cuando pusieron una versión avanzada a dirigir el bucle exterior, convergía más rápido, pero no llegaba a un techo mejor. Es decir: nada de explosión de inteligencia. Y el código que se generó es difícil de mantener, con lógica enrevesada y trozos muertos. Impresionante como experimento, incómodo como algo que llevar a producción.
Por qué importa
La frase "IA que se mejora sola" da para muchos titulares vacíos, y este resultado sirve justo para calibrar cuánto hay de real. Sí, un sistema puede reescribir su propio agente y mejorar métricas medibles sin un humano en el bucle. No, eso no es una máquina despegando hacia la superinteligencia: es optimización acotada, cara, con un 90% de intentos fallidos y un techo claro. Para un operador, la lectura útil no es el miedo, es el método. Poner una IA a iterar sobre una tarea concreta, con un presupuesto que la obligue a ser eficiente y una prueba honesta que castigue las trampas, es una receta aplicable a problemas mucho más terrenales que la investigación de frontera. Lo que separa este trabajo del humo es exactamente eso: los límites que se puso.
Relacionado
