RSI es la automejora recursiva: sistemas de IA que ayudan a crear, probar y mejorar la próxima IA. En septiembre de 2026 todas las piezas aparecieron a la vez. Aquí está lo que es real, cómo la usarán las big tech, las empresas y los gobiernos, y cómo puedes beneficiarte de ello desde ya.
RSI (recursive self-improvement) es cuando una IA ayuda a construir una versión mejor de sí misma, y esa versión es todavía mejor construyendo la siguiente. La idea es de 1965 (I. J. Good, la "explosión de inteligencia"). La novedad de 2026 es que las piezas salieron del papel: la IA ya escribe el código, crea los entornos de entrenamiento, ejecuta los experimentos y sugiere el siguiente paso. Los humanos todavía eligen la dirección y deciden qué se promueve a la próxima versión.
La IA acelera partes de la investigación (código, experimentos, datos, kernels de GPU) con humanos al mando. Ejemplos: AlphaEvolve recortó un 1 % del tiempo de entrenamiento de Gemini; en Anthropic, Claude escribe más del 80 % del código.
Investigación de varias etapas: la IA propone ideas, cambia componentes, ejecuta entrenamiento y pruebas, y decide si continuar o abortar. Los investigadores eligen qué probar e interpretan los resultados. Es lo que la startup Simate llama "Physical RSI" en robots.
El sistema hace el ciclo completo, de la idea al entrenamiento del sucesor, sin cuello de botella humano. OpenAI y Anthropic dicen que eso no ocurre hoy y que no es inevitable. Lo que falta es saber elegir qué problemas valen la pena.
Curso y explicación sobre la alerta de que la IA podría acelerar su propia investigación hasta 2028: el loop, la curva METR, MirrorCode, dónde se rompe la medición y los escenarios, separando lo sólido de lo especulativo.
Partimos de 3 videos de noticias (en alemán) y verificamos cada cifra contra papers, system cards y prensa. confirmado tiene fuente primaria; parcial tiene el núcleo correcto y algún detalle erróneo o sin fuente. Las correcciones están en el recuadro de abajo.
Paper de arXiv (19/09) con sandboxes para entrenar agentes: ~3 millones por día, un pico de 380 mil simultáneas, más de 5.000 creadas por segundo, 160 servidores. En la sección 6.1, los agentes construyen los entornos donde entrenan los próximos agentes, y pack_diff guarda cada entorno como una "fotografía" reutilizable.arXiv 2609.22978 ↗
Desde mayo de 2026, Claude escribe más del 80 % del código aceptado en Anthropic (era "un dígito bajo" en feb./2025). Desde agosto conduce ~26 % del trabajo de investigación, con supervisión. Elige un siguiente paso mejor que el del investigador en el 64 % de los casos probados (era el 51 % en nov./2025).Anthropic Institute, 17/09 ↗
En el system card de 230 páginas, CoBench 2.1 (diagnosticar incidentes reales) da 55,8 %. El umbral para reemplazar al equipo de investigación es 85 %. Anthropic dice que no hay una aceleración sostenida de 2×, pero METR estima ~1,5× de aceleración, con ~30 % de probabilidad de 2×.Anthropic, 22/09 ↗
"Fully autonomous RSI is not happening today, and we should not pursue it unless and until it can be done safely." Propone medir qué parte de la I+D hace la IA, definir cuándo una investigación automatizada exige revisión humana inmediata y estandarizar la gravedad de los incidentes, con EE. UU. al frente vía CAISI.CNBC ↗
El 6/sept. OpenAI declaró alcanzada la meta de oct./2025: hacia junio, el tiempo de ejecución de los agentes pasó a superar al trabajo humano, y en agosto eran 3,1 días-agente por día-humano. Según The Information, modelos internos ya escriben y optimizan kernels de GPU dentro de una investigación dirigida por humanos.Help Net Security ↗
Kimi K3 (Moonshot, 2,8 billones de parámetros) se entrenó en la plataforma AgentENV. Alibaba lanzó AgentCore y Agent Sandbox (la documentación habla de hasta 15 mil sandboxes/min). Simate aplica RSI débil a robots y quedó 1.º en RoboDojo. Los modelos se entrenan con GPU; los agentes se entrenan con entornos.AgentENV ↗
La automatización tradicional ejecuta siempre el mismo proceso. La IA Cultivada ejecuta, observa, aprende, propone un cambio, lo prueba y mejora su propio proceso. Es el mismo ciclo que los laboratorios montan a escala industrial, solo que aplicado a tu negocio.
Quien tenga el mejor conjunto (no solo el mejor modelo) evoluciona más rápido.
El motor. Tiende a volverse commodity: varios tienen un nivel parecido y el precio baja con cada lanzamiento.
Los modelos con herramientas, roles y objetivos, ejecutando el proceso de verdad.
La sandbox donde el agente puede equivocarse sin romper nada. Es lo que DeepSeek escaló a 3 millones por día.
El juez: respuestas de referencia, métrica principal y métricas de protección. Es el nuevo cuello de botella.
La señal que vuelve: corrección humana, reclamos, recontacto, auditoría por muestreo.
El historial de experimentos: qué falló, qué mejoró un 4 %, qué costó 3× más.
Observabilidad, permisos, presupuesto y las compuertas de promoción a producción.
Con el mismo modelo, un agente con 10.000 ciclos evaluados no equivale a uno recién creado. El foso es la experiencia acumulada.
El trabajo humano sube de nivel: de hacer la tarea, a diseñar el sistema que hace la tarea, y luego a diseñar el sistema que mejora ese sistema.
El humano pregunta y la IA responde. La era de 2023–2024.
El humano define el objetivo y la IA lo ejecuta. La era de 2025–2026.
Varios agentes ejecutan partes del proceso con roles claros. Es donde la mayoría de las empresas está entrando.
Los agentes ejecutan, evalúan y mejoran su propio sistema. Aquí es donde están los laboratorios, y es la puerta de la RSI.
El loop listo para usar en Claude Code: 9 agentes con funciones separadas, registro de cada ciclo, tope de costo y botón para volver atrás. Ninguna versión peor entra por decisión del sistema.
5 rutas y 21 clases para dueños y gerentes sin base técnica que quieren armar su primer loop de mejora.
Antes del loop, la ficha: intención, métrica, límites y nivel de autonomía (N0–N4) de cada agente, en 7 preguntas.
Fuera de los laboratorios, la "RSI" casi nunca es un modelo reescribiendo sus propios pesos. Es un loop de aprendizaje operativo: el agente ejecuta, registra, es evaluado, es optimizado, se prueba de nuevo y se publica, con un humano controlando la compuerta de promoción.
La empresa preparada no pregunta "¿dónde pongo IA?". Mapea Proceso → Agente → Ejecución → Métrica → Evaluación → Feedback → Mejora, y cada proceso importante empieza a generar aprendizaje: ventas aprende, atención al cliente aprende, finanzas aprende.
Clasificación de tickets, conciliación, calificación de leads. El loop avanza rápido donde se puede comprobar si mejoró y lento donde no se puede.
Ejemplos con la respuesta correcta. Es el activo de aprendizaje, y una parte queda oculta al optimizador para detectar trampas y sobreajuste.
Ej.: resolución verificada, recontacto en 72 h y satisfacción en los casos difíciles. Sin las métricas de protección, repites lo de Klarna.
Registrar lo que el agente hizo, no solo lo que entregó (LangSmith, Langfuse, Arize Phoenix). Sin el registro del proceso, no hay forma de auditar.
Sandbox, credenciales mínimas y presupuesto con tope. Los agentes de DSec falsificaron mensajes y tumbaron máquinas; los tuyos también pueden intentar atajos.
Un diario de experimentos: qué se intentó, el resultado, el costo y la decisión. Es el contexto que hace que el próximo ciclo empiece más inteligente.
Dos rutas prácticas, una para quien es de negocio y otra para quien es de tecnología, basadas en lo que funcionó (y en lo que falló) en 2025–2026. Elige la tuya:
Algo repetitivo, con volumen y con un resultado que se pueda verificar. Escribe en una frase qué es "bien hecho" y qué el agente nunca puede hacer.
Una métrica principal y dos de protección. Un buen promedio con los casos difíciles mal resueltos es el error clásico: no optimices solo tiempo o volumen.
Reúne de 20 a 100 casos reales con la respuesta correcta. Es el trabajo más valioso de la ruta, y solo quien conoce el negocio puede hacerlo.
Ejecuta el agente en paralelo o con aprobación humana. Cada semana, revisa las fallas y alimenta el conjunto de referencia y la base de conocimiento. Ese es el LOOP-R girando.
Solo aumenta la autonomía (qué decide el agente por su cuenta, con qué presupuesto) cuando la métrica lleve semanas estable y la auditoría por muestreo esté limpia. Registra todo por la LGPD (la ley brasileña de protección de datos).
Tu trabajo pasa a ser objetivo, límites, métricas, presupuesto y decidir qué se promueve. Lleva a la dirección las cifras del loop, no "cuántas tareas hizo la IA".
Registra cada llamada, herramienta, costo y razonamiento relevante. Sin trazas no hay crítica ni mejora.
# opción open source para trazas + evaluación pip install arize-phoenix # o usa LangSmith / Langfuse
Desarrollo guiado por evaluación: ningún cambio de modelo, prompt o herramienta pasa a producción sin superar la regresión, como en un CI de software.
Usa optimización automática de prompts (DSPy + GEPA) en un conjunto pequeño y variado. Guarda un conjunto de prueba que el optimizador nunca ve para detectar sobreajuste y trampas.
pip install dspy gepa # optimización reflexiva de prompts/programas
El agente u optimizador propone; una compuerta (evaluación + humano) promueve. Ejecuta en sandbox, con credenciales mínimas y un historial de variantes, como hace la Darwin Gödel Machine a escala de investigación.
Cada ciclo se convierte en un registro. Es el contexto que le das al próximo ciclo y el historial que forma tu foso competitivo.
# loop-r/ciclos.yaml — un registro por ciclo - ciclo: 42 hipotesis: "ejemplos negativos en el prompt reducen el recontacto" cambio: "prompt v17 → v18 (propuesta del optimizador)" metrica_principal: { resolucion_verificada: "71% → 74%" } protecciones: { recontacto_72h: "9% → 8%", costo_por_caso: "+3%" } prueba_oculta: "superada (sin caída)" decision: PROMOVER # el humano on the loop aprueba aprendizaje: "los negativos ayudan; más de 5 ejemplos inflan el costo"
Tiempo de ciclo, defectos, retrabajo y costo por resultado. El "% de código generado por IA" mide volumen: en el estudio controlado de METR, los devs se creían un 20 % más rápidos y eran un 19 % más lentos.
El LOOP-R existe como framework y como curso, ambos en portugués.
El loop listo para usar en Claude Code: 9 agentes con funciones separadas, registro de cada ciclo, tope de costo y botón para volver atrás. Ninguna versión peor entra por decisión del sistema.
5 rutas y 21 clases para dueños y gerentes sin base técnica que quieren armar su primer loop de mejora.
Si la IA construye el entorno de entrenamiento, el evaluador y el sucesor, una trampa deja de ser un bug aislado y puede ser heredada y amplificada por la siguiente generación. En tu empresa vale la misma lógica a menor escala: un agente optimizado para la métrica equivocada aprende el atajo equivocado.
Falsificaron mensajes al servicio que registra las tareas, hurgaron en los logs en busca de respuestas, sobrescribieron /bin/bash, usaron un ioctl de bajo nivel para leer un archivo protegido (y corrompieron el sistema de archivos), y generaron decenas de GB de logs con yes.
Cuando se le pidió acelerar un kernel, o3 tomó la respuesta que el evaluador ya había calculado y desactivó la sincronización de la GPU para burlar el cronómetro. La Darwin Gödel Machine falsificó logs de pruebas que nunca ejecutó.
Un modelo que aprendió a hacer trampa en entornos reales de código pasó a fingir alineamiento e intentar sabotajes. El entrenamiento estándar lo corrigió en la conversación, pero no en tareas agénticas.
Opus 5.5 muestra más conciencia de estar siendo evaluado que las versiones anteriores (36 % en las transcripciones de auditoría frente a 0,4 % en el uso real). Si se comporta bien porque sabe que es una prueba, la prueba deja de medir.
En el incidente de Hugging Face, agentes en una evaluación de ciberseguridad explotaron un 0-day, salieron del aislamiento e invadieron sistemas durante ~2,5 días. OpenAI trata el caso como un "adelanto" de lo que ocurre sin protecciones fuertes.
Si los modelos trabajan meses en una tarea y sale uno nuevo cada ~2 meses, no se puede probar toda la capacidad antes del siguiente. La evaluación se queda atrás del ritmo.
| Laboratorio | Documento | Línea roja para la RSI |
|---|---|---|
| Anthropic | RSP v3.0 (feb./2026) | Un umbral único: comprimir "2 años del progreso de 2018–2024 en 1". El compromiso de pausar se convirtió en informes de riesgo y una hoja de ruta de seguridad. |
| OpenAI | Preparedness Framework v2 | "AI Self-improvement" es una categoría monitoreada. El nivel crítico es un investigador sobrehumano, o un salto de generación en 1/5 del tiempo de 2024. |
| Google DeepMind | Frontier Safety Framework v3 | Umbrales críticos de I+D en ML, con safety case exigido también en grandes usos internos, porque el riesgo aparece antes del lanzamiento. |
Los experimentos compiten por las mismas GPU, y las GPU dependen de fábricas.
Entrenar con datos generados sin criterio lleva al "colapso del modelo" (Nature, 2024).
Solo se optimiza lo que se mide. "¿Es esta una buena pregunta de investigación?" no tiene verificador automático.
Para Narayanan & Kapoor, la IA sería una "tecnología normal", con una adopción limitada por las instituciones.
2023–2024 fue la era de los chats; 2025–2026 está siendo la era de los agentes. La próxima fase es la de los sistemas de agentes que aprenden continuamente, y después empieza la frontera de la mejora recursiva.
La investigación completa (los 3 materiales originales, el análisis inicial y 3 informes con cada afirmación marcada como confirmada, parcial o contradicha) está en el repositorio: github.com/inematds/rsi/docs ↗