¿Puede existir superinteligencia sin una máquina superinteligente?

¿Y si la superinteligencia no tuviera que residir necesariamente en una máquina?

¿Puede existir superinteligencia sin una máquina superinteligente? Analizamos una investigación de 2026 sobre IA agéntica y sistemas humano-máquina.

¿Puede existir superinteligencia sin una máquina superinteligente? Una investigación de Rao Mikkilineni publicada en septiembre de 2026 propone entenderla como una propiedad de sistemas humano-máquina que combinan capacidades avanzadas de IA, conocimiento verificable y gobernanza. Analizamos sus principales aportaciones, evidencias y limitaciones.

¿Puede existir superinteligencia sin una máquina superinteligente?

Una investigación publicada en septiembre de 2026 propone entender la superinteligencia como una propiedad de sistemas formados por personas, inteligencia artificial, conocimiento y mecanismos de gobernanza.

Cuando pensamos en superinteligencia artificial, solemos imaginar una máquina capaz de superar a los seres humanos en prácticamente cualquier actividad intelectual. Esta visión, asociada a investigadores como I. J. Good y al filósofo Nick Bostrom, ha influido profundamente en el debate sobre el futuro de la inteligencia artificial.

Pero ¿y si la superinteligencia no tuviera que residir necesariamente en una máquina?

Esta es la pregunta que permite explorar el investigador Rao Mikkilineni en su artículo Beyond the Superintelligent Machine: A Systems Definition of Superintelligence for the Era of Agentic AI, publicado el 24 de septiembre de 2026 en el repositorio científico Preprints.org.

Su propuesta introduce una perspectiva diferente: la superinteligencia podría entenderse como una propiedad de sistemas integrados por capacidades computacionales, conocimiento verificable, personas e instituciones responsables de establecer objetivos y supervisar las consecuencias.

La investigación no demuestra que tales sistemas superinteligentes ya existan. Propone una definición alternativa y un conjunto de requisitos que permitirían estudiar científicamente su posible desarrollo.

De la máquina superinteligente al sistema inteligente

La concepción clásica de la superinteligencia se centra en las capacidades cognitivas de una máquina.

Una inteligencia artificial superinteligente sería capaz de superar ampliamente el rendimiento intelectual humano en numerosos ámbitos, desde el razonamiento científico hasta la planificación estratégica.

Mikkilineni plantea que esta visión, aunque continúa siendo relevante, resulta insuficiente para describir los sistemas actuales de inteligencia artificial.

Hoy, las capacidades de IA se distribuyen entre diferentes componentes: modelos de lenguaje, bases de datos, herramientas de búsqueda, programas informáticos, sistemas de razonamiento y agentes capaces de ejecutar acciones.

Además, estos componentes interactúan con personas, organizaciones y procesos de decisión.

Por tanto, la inteligencia de un sistema no depende exclusivamente de las capacidades de un modelo individual, sino también de cómo se organiza, valida y utiliza el conocimiento.

La pregunta deja de ser únicamente cuánto puede pensar una máquina y pasa a incluir cómo puede funcionar inteligentemente un conjunto de personas y máquinas.

Tres componentes fundamentales

El artículo distingue tres elementos que desempeñan funciones diferentes dentro de un sistema inteligente.

1. Los componentes computacionales

Incluyen modelos de inteligencia artificial, programas, bases de datos, sistemas de simulación y otras herramientas capaces de procesar información, generar conocimiento o ejecutar operaciones.

Estos componentes proporcionan capacidad de cálculo, búsqueda, inferencia y actuación.

Sin embargo, disponer de una determinada capacidad técnica no significa tener autoridad para utilizarla en cualquier circunstancia.

2. La identidad operativa del sistema

El segundo componente es lo que el investigador denomina operational self, que podemos interpretar como identidad operativa.

Su función consiste en mantener la continuidad del sistema, conservar un historial de decisiones y compromisos, registrar sus consecuencias y detectar diferencias entre los resultados esperados y los obtenidos.

No implica que la máquina posea conciencia ni experiencias subjetivas.

Se trata de una capacidad arquitectónica: preservar información relevante para que las decisiones futuras puedan tener en cuenta lo ocurrido anteriormente.

3. La autoridad humana o institucional

El tercer componente corresponde a las personas o instituciones legitimadas para establecer objetivos, delegar responsabilidades y responder por las consecuencias.

El investigador sostiene que un sistema artificial puede adquirir capacidades extraordinarias sin que ello le otorgue automáticamente autoridad para determinar sus propios fines institucionales.

Esta separación entre capacidad y autoridad constituye uno de los argumentos centrales del artículo.

¿Qué significa realmente la superinteligencia sistémica?

Mikkilineni propone definir la superinteligencia como una propiedad de un sistema humano-máquina gobernado mediante reglas explícitas.

Dentro de un ámbito previamente delimitado, ese sistema debería ser capaz de acceder al conocimiento, sintetizarlo, validarlo y aplicarlo a una escala, velocidad o fiabilidad superior a la capacidad humana sin asistencia.

Al mismo tiempo, tendría que preservar determinados requisitos: objetivos ratificados por responsables humanos, autorización independiente de las acciones relevantes, memoria verificable y aprendizaje basado en las consecuencias observadas.

Esta definición introduce una diferencia importante respecto a la concepción tradicional.

La superinteligencia deja de entenderse exclusivamente como una propiedad de una máquina y pasa a considerarse una posible propiedad de un sistema organizado.

El autor distingue, además, distintos ámbitos de aplicación: sistemas especializados en una tarea o dominio, sistemas institucionales y sistemas que operan entre varias instituciones.

Esto no significa que cualquier organización que utilice inteligencia artificial pueda considerarse superinteligente.

Para utilizar esa denominación, según la propuesta del artículo, sería necesario demostrar capacidades superiores a las humanas sin asistencia y satisfacer requisitos exigentes de conocimiento, gobernanza y evaluación.

La importancia de aprender de las consecuencias

Una de las contribuciones más interesantes de la investigación es la importancia atribuida a las consecuencias de las decisiones.

Imaginemos un sistema de inteligencia artificial que recomienda actuaciones, ejecuta operaciones y registra todas sus actividades.

¿Podemos considerar que aprende adecuadamente de su experiencia?

No necesariamente.

Registrar una operación no equivale a comprender si produjo el resultado esperado, qué efectos tuvo o si debería modificarse el procedimiento utilizado.

El investigador propone conectar cada decisión relevante con sus objetivos, evidencias, autorizaciones y resultados posteriores.

De este modo, el sistema podría detectar desviaciones y facilitar correcciones.

El concepto de deuda de coherencia

El artículo introduce una medida denominada coherence debt, o deuda de coherencia.

Representa las discrepancias acumuladas entre lo que un sistema esperaba o se comprometió a conseguir y lo que realmente sucedió, teniendo en cuenta la importancia de cada discrepancia y hasta qué punto se ha resuelto.

Por ejemplo, una organización podría implantar un sistema de IA para reducir los tiempos de respuesta a sus clientes.

Si las respuestas fueran más rápidas, pero aumentaran los errores relevantes, una evaluación centrada exclusivamente en la velocidad ofrecería una imagen incompleta.

Un mecanismo de evaluación de consecuencias debería registrar ambos efectos y permitir revisar las decisiones.

La deuda de coherencia es una propuesta conceptual y operativa del autor, no una medida universalmente validada de inteligencia o responsabilidad.

Su interés reside en hacer explícita una exigencia fundamental: los sistemas inteligentes deben poder contrastar sus objetivos con los resultados reales.

¿Puede una IA mejorar sin decidir sus propios objetivos?

Otra cuestión importante es la relación entre aprendizaje, autonomía y autoridad.

Los sistemas de inteligencia artificial pueden modificar procedimientos, seleccionar herramientas, ajustar estrategias o mejorar determinadas operaciones.

Pero ¿deberían poder cambiar también los objetivos fundamentales que orientan su comportamiento?

Mikkilineni distingue entre mejorar la capacidad de actuación y adquirir autoridad para modificar las reglas que gobiernan el sistema.

Su propuesta permite que los componentes artificiales aprendan y se adapten, pero exige que los cambios en los objetivos y normas superiores sean ratificados por las autoridades responsables.

Esta distinción resulta especialmente relevante para la inteligencia artificial agéntica: sistemas capaces de planificar tareas, utilizar herramientas y realizar acciones con diferentes grados de autonomía.

A medida que aumentan estas capacidades, también aumenta la importancia de determinar qué decisiones pueden ejecutar automáticamente y cuáles requieren una autorización independiente.

Ocho requisitos para evaluar estos sistemas

El investigador identifica ocho propiedades arquitectónicas que considera necesarias para hablar de superinteligencia sistémica gobernada:

  1. Propósito ratificado: objetivos y reglas definidos y aprobados por responsables identificables.
  2. Separación entre capacidad y autoridad: quien propone una acción no debe ser su único autorizador.
  3. Autorización delimitada: las actuaciones relevantes deben contar con permisos específicos y contextualizados.
  4. Memoria verificable: decisiones, evidencias, acciones y resultados deben conservar relaciones reconstruibles.
  5. Evaluación de consecuencias: los resultados observados deben vincularse con los compromisos que los originaron.
  6. Aprendizaje ratificado: las modificaciones de las reglas superiores requieren aprobación legítima.
  7. Continuidad gobernada: los compromisos y controles deben mantenerse aunque cambien los componentes tecnológicos.
  8. Verificación externa: terceros independientes deben poder evaluar el cumplimiento de los requisitos.

Estos criterios representan una contribución interesante porque permiten formular preguntas comprobables.

Por ejemplo: ¿puede un agente ejecutar una operación sin autorización? ¿Es posible reconstruir por qué tomó una decisión? ¿Se incorporan las consecuencias negativas a las revisiones posteriores?

El artículo intenta transformar una idea filosófica en un programa de investigación sobre arquitecturas de sistemas inteligentes.

¿Qué ha demostrado realmente la investigación?

Es importante distinguir entre la propuesta conceptual y su validación experimental.

El artículo utiliza investigaciones anteriores sobre arquitecturas denominadas Mindful Machines, algunas desarrolladas por el propio autor y sus colaboradores.

Entre las evidencias mencionadas figura una implementación experimental con casos sintéticos de autorización previa, en la que se registraron decisiones aceptadas, denegadas y derivadas a revisión humana.

Estos resultados muestran la viabilidad de determinados mecanismos de autorización y registro bajo las condiciones ensayadas.

Sin embargo, no demuestran que exista un sistema superinteligente ni que las ocho propiedades propuestas sean suficientes para garantizar su funcionamiento a escala institucional o social.

El propio artículo reconoce estas limitaciones y señala la necesidad de realizar evaluaciones adicionales, especialmente sobre consecuencias reales, resistencia frente a ataques y funcionamiento entre múltiples organizaciones.

Además, el documento es una prepublicación científica que todavía no ha superado un proceso de revisión por pares.

Por tanto, sus conclusiones deben interpretarse como una contribución al debate y una propuesta de investigación, no como un consenso científico establecido.

¿Qué cambia esta perspectiva para el futuro de la superinteligencia?

La principal aportación del trabajo es ampliar el ámbito de investigación.

La superinteligencia no tendría que estudiarse únicamente desde el desarrollo de modelos de inteligencia artificial cada vez más capaces.

También podrían resultar fundamentales disciplinas como la ciencia de datos, la teoría de sistemas, la representación del conocimiento, la ingeniería del software, la teoría del control y el diseño de organizaciones.

Desde esta perspectiva, una cuestión relevante sería investigar cómo combinar capacidades artificiales avanzadas con mecanismos fiables de aprendizaje, evaluación y responsabilidad.

No obstante, sigue existiendo una diferencia conceptual importante.

La definición clásica de superinteligencia se refiere fundamentalmente a capacidades intelectuales extraordinarias. La propuesta de Mikkilineni incorpora, además, condiciones de gobernanza y legitimidad.

Un sistema muy bien gobernado no es necesariamente superinteligente en el sentido clásico. Y una máquina cognitivamente superinteligente podría no satisfacer los requisitos institucionales propuestos en este artículo.

Ambas perspectivas pueden resultar útiles, siempre que no se confundan.

Conclusión: otra manera de investigar la superinteligencia

La investigación de Rao Mikkilineni invita a reconsiderar una de las preguntas fundamentales sobre el futuro de la inteligencia artificial.

Quizás no baste con preguntarnos cuándo existirá una máquina capaz de superar intelectualmente a los seres humanos.

También debemos investigar cómo podrían construirse sistemas que combinen capacidades artificiales extraordinarias, conocimiento verificable, aprendizaje continuo y responsabilidad humana.

La propuesta no resuelve el problema de la superinteligencia ni demuestra que su enfoque sea el definitivo.

Pero ofrece una perspectiva fértil para investigar arquitecturas inteligentes, especialmente en un contexto en el que los agentes de IA comienzan a intervenir directamente en procesos organizativos.

La superinteligencia podría no depender únicamente de cuánto sabe o razona una máquina, sino también de cómo se organiza, valida y aplica el conocimiento dentro de un sistema.

Esa posibilidad merece ser investigada.


Referencia científica

Mikkilineni, R. (2026). Beyond the Superintelligent Machine: A Systems Definition of Superintelligence for the Era of Agentic AI. Preprints.org, versión publicada el 24 de septiembre de 2026.

DOI: https://doi.org/10.20944/preprints202609.2199.v1

Estado científico: prepublicación no revisada por pares.

Nota editorial

Esta publicación forma parte de Investigación explicada, una iniciativa de Superinteligencia.dev dedicada a acercar investigaciones científicas relevantes sobre inteligencia artificial y superinteligencia a lectores no especializados.

El contenido se ha elaborado con asistencia de inteligencia artificial y supervisión editorial humana, tomando como referencia el documento científico original. Las explicaciones, ejemplos e interpretaciones divulgativas no deben confundirse con resultados experimentales adicionales ni con afirmaciones literales del autor.

Superinteligencia.dev promueve una aproximación rigurosa, crítica y abierta al estudio de la inteligencia artificial y sus posibles desarrollos futuros.