«La IA puede superar la suma de la inteligencia humana en unos cinco años» ✅ Musk lo dijo.

 

Ha pensado durante 1m 26s

He auditado la publicación de LISA News contra la entrevista completa de Elon Musk con Zanny Minton Beddoes para The Economist, y la he contrastado con evidencia de Stanford HAI 2026, OIT, FMI, IEA y literatura revisada por pares. La conclusión es clara: LISA reproduce con bastante fidelidad lo que Musk dijo, pero varias afirmaciones de Musk son pronósticos, no hechos científicos demostrados; además, el artículo mezcla correctamente hechos con análisis prospectivo, aunque en algunos pasajes convierte hipótesis plausibles en conclusiones demasiado categóricas. 

Auditoría rápida

Afirmación Auditoría 2026

«La IA puede superar la suma de la inteligencia humana en unos cinco años» ✅ Musk lo dijo. ❗No existe una métrica científica aceptada para medir la “suma de la inteligencia humana”; es una predicción, no un resultado demostrado. 

«En 2036 el dinero no importará» ✅ Musk lo dijo. ❗Es altamente especulativo; no hay evidencia económica que permita fechar una economía posescasez en 2036. 

«El trabajo será opcional» ✅ Auténtico. ❗No equivale a que la evidencia actual muestre desaparición del trabajo. La OIT considera más probable la transformación de empleos que su eliminación generalizada. 

«La IA ya escribe software mejor que el 90 % de los programadores profesionales» ✅ Musk lo afirmó. ⚠️ No presentó un estudio que establezca ese percentil. Los benchmarks muestran avances espectaculares, pero no permiten traducir directamente rendimiento en “mejor que el 90 % de los profesionales”. 

«El Tesoro podría simplemente emitir cheques» ✅ Lo dijo. ⚠️ Es una propuesta conceptual, no un mecanismo fiscal desarrollado. 

«El problema será la deflación, no la inflación» 🟡 Es económicamente posible si la producción real crece más deprisa que la demanda nominal, pero la relación no es tan simple como Musk la presenta: importan velocidad del dinero, expectativas, capacidad productiva, política fiscal y monetaria. 

Electricidad y chips serán cuellos de botella ✅ Muy plausible y respaldado por datos. La IEA proyecta que el consumo eléctrico mundial de centros de datos podría llegar a unos 945 TWh en 2030. 

China genera más electricidad que EEUU+UE+India juntos ✅ Con datos 2025 resulta esencialmente correcto: China ≈10.578 TWh frente a ≈9.394 TWh combinados. 

Los humanoides permitirán automatizar prácticamente todo trabajo físico 🔶 Posible a largo plazo, pero no demostrado. Stanford 2026 describe todavía el despliegue de humanoides principalmente como pilotos industriales; los robots logran solo alrededor del 12 % de tareas domésticas reales evaluadas. 

«Comprar un robot será contratar un servicio» 🟡 Puede ocurrir si depende de modelos remotos propietarios, pero no es necesariamente inherente a la robótica: podrían existir modelos locales, licencias perpetuas o arquitecturas abiertas.

«Una sociedad que deja de necesitar pensar pierde la capacidad de hacerlo» ❌ No es una conclusión científica establecida. Es una tesis filosófica y sociológica legítima, pero debe etiquetarse como tal.

Valoración: como pieza de prospectiva, LISA está bien construida y la atribución de las declaraciones principales de Musk es sólida. Como texto científico, necesita separar con mayor nitidez declaraciones de Musk, hechos medidos, inferencias económicas y juicios normativos. 

---

¿SERÁ OPCIONAL EL TRABAJO EN 2036?

Inteligencia artificial, robots humanoides, dinero y economía de la abundancia: auditoría científica de la predicción de Elon Musk

Actualización: septiembre de 2026

Por DrRamonReyesMD

Elon Musk ha formulado una de las predicciones socioeconómicas más radicales de la década: la inteligencia artificial podría superar en aproximadamente cinco años la capacidad intelectual agregada de la humanidad; durante la década siguiente, la combinación de IA y robótica produciría una abundancia material tan extraordinaria que trabajar dejaría de ser una necesidad económica y el propio dinero perdería gran parte de su función.

No se trata de una interpretación periodística. Musk lo expresó directamente durante su extensa entrevista con Zanny Minton Beddoes, editora jefe de The Economist, publicada en julio de 2026. Predijo que hacia 2031 la IA podría superar lo que denominó la “suma de la inteligencia humana” y que, hacia 2036, la producción automatizada de bienes y servicios podría ser tan abundante que el dinero dejase de ser relevante. También declaró literalmente que el trabajo acabaría siendo opcional. 

El problema científico comienza precisamente después de confirmar que Musk realmente pronunció esas palabras: ¿son técnicamente plausibles? ¿Qué parte está respaldada por evidencia y qué parte pertenece todavía al terreno de la prospectiva?

La IA está avanzando extraordinariamente rápido, pero «superar toda la inteligencia humana» no es una variable científica bien definida

El AI Index Report 2026 de Stanford confirma una aceleración excepcional de las capacidades de los sistemas de inteligencia artificial. Modelos frontera igualan o superan referencias humanas en diversos benchmarks de razonamiento científico, matemáticas, lenguaje y programación; incluso evaluaciones diseñadas recientemente para resultar difíciles están perdiendo rápidamente capacidad discriminativa. 

Pero existe una diferencia fundamental entre decir que una IA supera a humanos en múltiples pruebas y afirmar que ha superado “la suma de la inteligencia humana”.

No disponemos de una unidad aceptada científicamente que permita agregar la inteligencia de ocho mil millones de personas y compararla con un sistema informático. Inteligencia incluye razonamiento, memoria, aprendizaje, percepción, creatividad, interacción social, juicio bajo incertidumbre, habilidades sensoriomotoras, adaptación contextual y muchos otros componentes.

Además, los propios benchmarks están mostrando problemas metodológicos. Stanford advierte que algunas pruebas contienen tasas importantes de preguntas defectuosas y que el progreso observado en un benchmark determinado no equivale necesariamente a inteligencia general. 

Por tanto, 2031 puede utilizarse como escenario prospectivo, pero no actualmente como fecha científicamente demostrable para una “superinteligencia agregada”.

Inteligencia digital versus inteligencia física: aquí Musk identifica correctamente uno de los grandes problemas

Musk divide el fenómeno en dos capas.

La primera es la inteligencia digital: modelos capaces de producir código, documentos, análisis, imágenes, diseños, diagnósticos auxiliares, planificación o razonamiento.

La segunda sería la inteligencia físicamente encarnada: robots capaces de manipular objetos y desenvolverse de forma segura en fábricas, hospitales, domicilios, almacenes, agricultura, construcción o logística.

Esta distinción es técnicamente importante.

Un sistema puede redactar extraordinariamente bien un protocolo quirúrgico y, sin embargo, ser incapaz de recoger un objeto deformable del suelo de una cocina desconocida sin cometer errores.

Stanford documenta precisamente esa brecha. En entornos simulados o muy estructurados, los sistemas robóticos presentan rendimientos elevados; en tareas domésticas reales y no estructuradas, el éxito permanece alrededor del 12 % en determinadas evaluaciones recogidas por el AI Index 2026. 

Los humanoides progresan rápidamente y existen pilotos industriales reales. Sin embargo, Stanford señala que el sector continúa caracterizado principalmente por despliegues piloto y objetivos futuros, no por utilización generalizada a escala económica. 

Por eso, el salto lógico:

IA muy competente → robots universales → desaparición del trabajo humano

todavía contiene al menos dos enormes problemas tecnológicos: manipulación física general y despliegue económicamente viable a escala de miles de millones de máquinas.

¿La IA ya supera al 90 % de los programadores?

Musk declaró durante la entrevista que la IA ya sería mejor escribiendo software que al menos el 90 % de los ingenieros de software profesionales y predijo que pronto alcanzaría el 99 %. 

La primera parte —que lo dijo— está verificada.

La segunda —que sea científicamente cierto ese 90 %— no está demostrada por la evidencia presentada en la entrevista.

No indicó población evaluada, benchmark, distribución de profesionales, tipo de tarea ni metodología para convertir resultados de modelos en percentiles humanos.

Eso no significa que el progreso sea pequeño. Todo lo contrario: Stanford informa de mejoras extraordinarias en programación durante 2025, mientras que estudios controlados ya demuestran aumentos sustanciales de productividad cuando humanos trabajan asistidos por IA. 

En un estudio publicado en The Quarterly Journal of Economics con más de 5.000 agentes de soporte, la asistencia mediante IA incrementó la productividad aproximadamente un 15 %, beneficiando especialmente a trabajadores menos experimentados. DOI: 10.1093/qje/qjae044. 

Otro experimento publicado en Science encontró que profesionales que utilizaron ChatGPT para tareas de escritura completaron el trabajo aproximadamente 40 % más rápido, mientras la calidad aumentó alrededor del 18 %. DOI: 10.1126/science.adh2586. 

La señal científica por tanto es potente: IA como multiplicador de productividad, sí. Demostración de que el 90 % de todos los ingenieros ya han sido superados, todavía no.

Exposición profesional no significa desaparición profesional

Éste es probablemente el punto más importante.

El Fondo Monetario Internacional estima que alrededor del 40 % del empleo mundial presenta exposición significativa a la IA. En economías avanzadas la proporción puede aproximarse al 60 %. Sin embargo, exposición significa tanto posibilidad de sustitución como posibilidad de complementariedad. 

La Organización Internacional del Trabajo ofrece una fotografía incluso más prudente. Su índice actualizado encontró que alrededor de uno de cada cuatro trabajadores del mundo pertenece a una ocupación con algún grado de exposición a IA generativa, pero solo aproximadamente el 3,3 % del empleo mundial se sitúa en el nivel máximo de exposición. La conclusión principal de la OIT es explícita: la transformación del trabajo parece actualmente más probable que su sustitución completa. 

También existen fuerzas compensatorias. El Future of Jobs Report 2025 estimó que múltiples transformaciones económicas y tecnológicas podrían desplazar aproximadamente 92 millones de puestos para 2030, pero también crear unos 170 millones, con un saldo neto positivo de alrededor de 78 millones. Son proyecciones empresariales, no predicciones deterministas, pero ilustran por qué automatización y desempleo total no son conceptos equivalentes. 

La historia tecnológica muestra repetidamente esa diferencia: las máquinas eliminan determinadas tareas, destruyen algunas ocupaciones, modifican otras y generan actividades que anteriormente no existían.

La verdadera incógnita de la IA es la velocidad de esa reasignación.

El riesgo más inmediato puede no ser el desempleo absoluto, sino la transición

Aquí la crítica de Ingrid Amador en LISA News resulta especialmente pertinente.

Aunque aceptáramos por hipótesis que una economía casi totalmente automatizada pudiera producir una enorme abundancia en 2036, queda sin resolver lo que sucede entre 2026 y 2036.

Un trabajador puede perder capacidad negociadora, empleo o salario mucho antes de que los beneficios de la automatización se distribuyan de forma universal.

La pregunta crítica no es únicamente:

¿cuánto producirá la IA?

Sino:

¿quién será propietario de los sistemas capaces de producirlo?

Si la productividad adicional queda concentrada en propietarios de capital, infraestructuras, modelos, chips y energía, una sociedad podría ser extraordinariamente productiva y simultáneamente muy desigual.

El FMI advierte precisamente que la IA podría aumentar la desigualdad de riqueza mediante mayores retornos al capital si los beneficios productivos no se distribuyen adecuadamente. 

¿Bastaría con que el Tesoro entregase dinero a los ciudadanos?

Musk propuso que el Tesoro podría emitir cheques para quienes perdieran sus ingresos laborales.

Beddoes planteó inmediatamente la objeción clásica: si se crea dinero masivamente, ¿no aparecería inflación?

La respuesta de Musk fue que, si la producción de bienes y servicios aumentara todavía más rápido que la cantidad de dinero, el verdadero problema sería la deflación. 

La intuición tiene una base económica reconocible.

La identidad monetaria tradicional se expresa como:

M × V = P × Y

donde M representa cantidad de dinero, V su velocidad de circulación, P el nivel de precios e Y la producción real.

Si la producción real aumentara muchísimo mientras la expansión monetaria fuese menor, podrían aparecer presiones deflacionarias.

Pero afirmar que la inflación es simplemente una proporción entre dinero y bienes es excesivamente simplificador. La velocidad monetaria varía, existen shocks de oferta, expectativas, estructuras de mercado, crédito, deuda, tipos de interés, impuestos y cambios distributivos. La propia Reserva Federal y el BCE subrayan que la relación entre dinero, producción y precios es considerablemente más compleja a corto y medio plazo. 

Por tanto, la hipótesis deflacionaria de Musk es económicamente posible; presentarla como consecuencia inevitable no lo es.

El dinero existe porque existe escasez

La afirmación de que el dinero podría dejar de importar contiene otro problema conceptual.

Incluso aunque robots redujesen casi a cero el coste marginal de numerosos bienes manufacturados, continuarían existiendo recursos intrínsecamente limitados:

energía, suelo urbano, minerales, determinados semiconductores, capacidad de red eléctrica, localizaciones deseables, tiempo humano, atención, privacidad, seguridad, experiencias únicas y capacidad computacional.

De hecho, el propio Musk identifica inmediatamente algunos de esos límites.

La economía que describe como «casi infinita» depende de electricidad, refrigeración, semiconductores, centros de datos y robots.

Eso es precisamente escasez.

El muro energético de la inteligencia artificial

Aquí Musk está sobre terreno considerablemente más sólido.

La Agencia Internacional de la Energía calcula que el consumo eléctrico mundial de los centros de datos podría más que duplicarse hasta aproximadamente 945 TWh en 2030, con la IA como principal impulsor del aumento. 

La infraestructura eléctrica además crece con mucha mayor lentitud que el software. Un nuevo modelo puede desplegarse en meses; grandes centrales, redes de transmisión, subestaciones y transformadores pueden requerir años.

Éste puede convertirse en uno de los factores que más limiten la velocidad real de la revolución de IA.

Y Musk acierta también al destacar la enorme escala energética china.

Según datos de 2025 utilizados por Pew Research Center y procedentes de Ember, China produjo aproximadamente 10.578 TWh de electricidad, frente a unos 4.520 TWh de Estados Unidos, 2.792 TWh de la Unión Europea y 2.082 TWh de India. China, por tanto, produjo más electricidad que esas tres economías combinadas. 

Chips, litografía y soberanía tecnológica

Los aceleradores de IA dependen de una de las cadenas de suministro más sofisticadas construidas por la humanidad.

Diseño de chips, fabricación de semiconductores avanzados, memoria HBM, empaquetado avanzado, maquinaria litográfica, óptica ultraprecisa, productos químicos especializados y capacidad eléctrica forman parte del mismo sistema.

Stanford señala en 2026 que Estados Unidos continúa concentrando gran parte de la infraestructura de centros de datos, mientras una proporción extraordinariamente elevada de los chips utilizados procede de una cadena de fabricación altamente concentrada geográficamente. 

Una economía basada en IA puede reducir algunas formas de escasez y simultáneamente aumentar otras.

Ése es uno de los principales límites a la idea de una economía literalmente «ilimitada».

¿Centros de datos en órbita?

Musk considera que trasladar infraestructura computacional al espacio podría eventualmente facilitar acceso a enormes cantidades de energía solar.

La física básica hace atractiva la idea: radiación solar prolongada y posibilidad de expansión fuera de las limitaciones territoriales terrestres.

Pero actualmente sigue siendo una hipótesis de ingeniería de enorme complejidad, debido a lanzamiento de masas, comunicaciones, protección radiológica, mantenimiento, gestión térmica y sustitución de hardware.

Por tanto, hablar de centros de datos orbitales como una futura posibilidad tecnológica es razonable; incorporarlos como solución garantizada del cuello de botella energético sería prematuro.

Comprar un robot: ¿propiedad o suscripción?

LISA News plantea una cuestión muy interesante: si un robot depende continuamente de un modelo ejecutado en un centro de datos propiedad de otra compañía, adquirir el hardware podría asemejarse más a contratar un servicio que a poseer completamente una máquina.

El problema existe, pero debe expresarse condicionalmente.

No hay ninguna razón técnica que obligue a que toda inteligencia robótica permanezca remotamente controlada. Modelos más pequeños pueden funcionar localmente; pueden existir arquitecturas híbridas, software abierto, licencias independientes o capacidad autónoma desconectada.

La pregunta relevante es por tanto jurídica y económica:

¿quién será propietario de los modelos, los datos, el hardware y la capacidad computacional?

Ésa puede terminar siendo tan importante como el rendimiento técnico de los robots.

El auténtico cambio histórico: el coste de la inteligencia puede estar cayendo

Las revoluciones industriales anteriores abarataron diferentes factores.

La máquina de vapor multiplicó fuerza mecánica.

La electricidad permitió distribuir energía.

El ordenador redujo radicalmente el coste del cálculo.

Internet redujo el coste de transmitir información.

La IA puede estar reduciendo el coste marginal de determinadas formas de trabajo cognitivo.

Si la robótica logra hacer lo mismo con el trabajo físico, entonces sí estaríamos ante una transformación económica cualitativamente diferente.

La cuestión no es si ocurrirá alguna automatización masiva —ya está ocurriendo—, sino hasta dónde llegará, a qué velocidad y quién capturará la productividad resultante.

La evidencia macroeconómica todavía exige prudencia

Las predicciones de crecimiento extraordinario deben contrastarse con estudios macroeconómicos menos espectaculares.

Daron Acemoglu estimó que, empleando supuestos relativamente realistas sobre tareas expuestas y ganancias productivas, el aumento de productividad total atribuible a IA durante aproximadamente una década podría situarse en torno al 0,66 %, considerablemente por debajo de los escenarios de crecimiento explosivo. DOI: 10.1093/epolic/eiae042. 

Eso no demuestra que Musk esté equivocado. Significa que llegar a una economía casi ilimitada exige supuestos mucho más fuertes que los respaldados actualmente por datos observados.

El escenario más plausible en 2026

La evidencia disponible apunta hacia una posición intermedia.

La IA continuará superando a humanos en una cantidad creciente de tareas cognitivas delimitadas.

Los agentes autónomos realizarán secuencias cada vez más largas de trabajo digital.

Profesiones enteras serán reorganizadas.

Algunos empleos desaparecerán.

Otros aparecerán.

Numerosos trabajadores producirán mucho más utilizando IA.

El valor económico de determinadas competencias disminuirá mientras otras —criterio, responsabilidad, integración de sistemas, interacción humana, liderazgo, supervisión y capacidad para operar bajo incertidumbre— aumentarán.

La robótica progresará, aunque probablemente con mayor lentitud que la IA puramente digital debido a las limitaciones del mundo físico.

Y la distribución de la riqueza generada por esas tecnologías se convertirá probablemente en uno de los mayores debates económicos y políticos de las próximas décadas.

Conclusión

Musk puede acertar en la dirección y equivocarse considerablemente en el calendario.

La transformación tecnológica ya es real: los modelos de 2026 poseen capacidades que hace pocos años parecían extraordinariamente lejanas, las empresas están integrando IA rápidamente y la frontera entre trabajo humano y trabajo automatizable continúa desplazándose. 

Pero la evidencia científica disponible no permite afirmar hoy que en 2031 la IA habrá superado toda la inteligencia humana, que en 2036 el dinero será irrelevante o que el trabajo habrá dejado de ser necesario.

Son escenarios.

Escenarios importantes, incluso plausibles en algunos de sus componentes.

Pero siguen siendo escenarios.

La pregunta probablemente más importante no es cuándo llegará una inteligencia superior a nosotros.

Es otra:

si una civilización llega a producir muchísimo más utilizando cada vez menos trabajo humano, ¿quién será propietario de esa productividad y mediante qué instituciones se distribuirán sus beneficios?

Ahí está el verdadero debate del futuro del trabajo.

DrRamonReyesMD — 2026

Fuentes científicas y documentales verificadas

[Entrevista completa de The Economist con Elon Musk — vídeo oficial](https://www.youtube.com/watch

[LISA News — “Musk promete abundancia, el trabajo va a ser opcional”](https://www.lisanews.org/internacional/musk-promete-abundancia-el-trabajo-va-a-ser-opcional/

[Stanford HAI — AI Index Report 2026](https://hai.stanford.edu/ai-index/2026-ai-index-report

[Stanford HAI — Technical Performance 2026](https://hai.stanford.edu/ai-index/2026-ai-index-report/technical-performance

[OIT — Generative AI and Jobs: A Refined Global Index of Occupational Exposure](https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

[FMI — Gen-AI: Artificial Intelligence and the Future of Work](https://www.imf.org/en/publications/staff-discussion-notes/issues/2024/01/14/gen-ai-artificial-intelligence-and-the-future-of-work-542379

[IEA — Energy and AI](https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

[The Quarterly Journal of Economics — Generative AI at Work, DOI 10.1093/qje/qjae044](https://doi.org/10.1093/qje/qjae044

[Science — Experimental evidence on the productivity effects of generative AI, DOI 10.1126/science.adh2586](https://doi.org/10.1126/science.adh2586

[Economic Policy — The Simple Macroeconomics of AI, DOI 10.1093/epolic/eiae042](https://doi.org/10.1093/epolic/eiae042

[World Economic Forum — Future of Jobs Report 2025](https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/2-jobs-outlook/

[Federal Reserve — Money and Inflation / Quantity Theory](https://www.federalreserve.gov/events/conferences/kdme2009/HTML/paper3/index.html

[Pew Research Center — generación eléctrica mundial 2025, datos Ember](https://www.pewresearch.org/chart/sr_26-07-14_globalenergytrends_6/