Peter Wildeford, analista conocido por trabajo de forecasting y riesgo de IA, publicó un estudio cualitativo basado en entrevistas con veinticinco investigadores de OpenAI, Anthropic, DeepMind, Meta, Princeton, Berkeley y Stanford sobre auto-mejora recursiva (RSI). El valor del trabajo no es una predicción puntual de fecha, sino un mapa de dónde hay consenso emergente y dónde persisten grietas profundas.
El contexto político-laboral es ineludible: 1.376 empleados de laboratorios frontera firmaron una declaración abierta advirtiendo que las compañías podrían estar cerca de automatizar partes sustanciales de la investigación en IA, y pidiendo al gobierno de EE. UU. apoyo a herramientas internacionales de pacing. OpenAI y Anthropic respaldaron formalmente esa declaración —un hecho raro de alineación pública entre competidores.
Las entrevistas de Wildeford aterrizan lo que esa carta deja en eslogan. Hay acuerdo amplio en que agentes de código y de experimentación ya comprimen tareas que hace dos años eran solo humanas. Hay desacuerdo sobre si eso cuenta ya como RSI “verdadera” o solo como automatización estrecha de ingeniería.
Varios entrevistados de labs frontera describen bucles parciales: modelos que proponen hiperparámetros, generan datos sintéticos, escriben kernels o priorizan ablations. Pocos afirman un loop cerrado con autoridad de despliegue sin humanos. Esa distinción —asistencia vs. autonomía de release— estructura gran parte del desacuerdo.
Desde la academia (Princeton, Berkeley, Stanford), las voces tienden a pedir definiciones operacionales y métricas: fracción de PRs de investigación mergeados con autoría agentica, tiempo humano por experimento, tasa de ideas originadas por modelos. Sin métricas, RSI permanece como termómetro cultural.
El paper-mapa de Wildeford también registra asimetrías de incentivos: quienes más cerca están del cómputo punta a veces subestiman riesgos de pacing; quienes más lejos a veces sobreestiman la inminencia. El valor del método de entrevistas es surfacing esos sesgos en vez de fingir un consenso falso.
Conectar este trabajo con el ángulo CNBC del 11 de septiembre sobre Pachocki y Anthropic es natural: ambos tratan RSI como tema de business y de seguridad a la vez. Wildeford aporta densidad cualitativa; CNBC aporta amplificación. Juntos desplazan RSI fuera del rincón niche de LessWrong.
La carta de 1.376 firmantes pide herramientas internacionales de pacing —mecanismos para coordinar ritmos de despliegue y de entrenamiento entre jurisdicciones—. Entrevistados discrepan sobre factibilidad política, pero muchos coinciden en que sin algún freno coordinado la competencia multiempresa erosiona la cautela unilateral.
OpenAI y Anthropic, al respaldar formalmente la declaración, se exponen a acusaciones de hipocresía si sus calendarios de producto no reflejan pacing. También se blindan parcialmente ante críticos internos: pueden señalar el endorsement como prueba de seriedad. Wildeford documenta cómo investigadores individuales navegan esa doble atadura.
DeepMind y Meta aparecen en la muestra como polos con culturas distintas de publicación y de riesgo. Incluirlos evita el sesgo bipolar OpenAI–Anthropic que domina mucha prensa estadounidense. Las diferencias de tono entre labs son, en sí mismas, dato.
Neural Pulse destaca una conclusión meta: RSI ya no es descartable como hype. Cuando 25 investigadores de instituciones de élite discrepan sobre timing pero coinciden en que el tema merece entrevistas serias —y cuando 1.376 empleados firman en abierto— el burden of proof cambia para quien diga “ciencia ficción”.
Límites: muestra no aleatoria, sesgo de quien acepta hablar, y riesgo de que citas anonimizadas se usen selectivamente en Twitter. El mapa de acuerdos/desacuerdos debe leerse entero, no en screenshots.
Cierre: Wildeford convierte RSI de eslogan en cartografía. En septiembre de 2026, con Agents API, wikis intervenidas y WeatherNext en la misma semana, esa cartografía es infraestructura cívica para el debate. La automatización de la investigación en IA dejó de ser un tabú de pasillo.
Próximo a vigilar: réplicas del estudio con muestras mayores, métricas públicas de automatización de I+D en labs, y si Washington recoge el pedido de pacing tools internacionales con algo más que retórica.
