El 6 de marzo de 2023, poco después del lanzamiento de ChatGPT y antes de GPT-4, Sarah y yo realizamos una entrevista sobre ChatGPT, la tercera entrega de la serie "Lenguaje Claro" de Traders' Talk. En aquel entonces, ChatGPT era relativamente nuevo y muy poca gente lo usaba. Esta entrevista de tres horas se mantuvo en la cima de la categoría de ChatGPT en Xiaoyuzhou (un foro chino en línea). Hice unas veinte predicciones y juicios durante la entrevista, basándome completamente en la intuición y en información limitada, con pocos datos. La transcripción completa de esa entrevista aún está disponible en la cuenta oficial de WeChat. Ahora es finales de mayo de 2026, tres años después, y la IA ha evolucionado hasta convertirse en algo inimaginable entonces. Quiero hacer algo: tomar esos veinte juicios de entonces, uno por uno, y reconciliarlos objetivamente utilizando los datos más recientes disponibles. Quiero ver con claridad cómo ha cambiado el mundo en los últimos tres años y también ver dónde mis juicios de hace tres años fueron correctos y dónde fueron incorrectos. Para garantizar la imparcialidad, delegué esta conciliación a la IA: introduje la transcripción literal de la entrevista de entonces en un flujo de trabajo, que luego envió 41 agentes Opus 4.8. Estos agentes desglosaron cada uno de los veinte juicios, recuperaron los datos más recientes en línea, verificaron cruzadamente cada juicio y finalmente calificaron a Wang Jianshuo de hace tres años. Este grupo de agentes pasó aproximadamente 20 minutos y gastó 1,4 millones de tokens (unos 35 USD) para producir el informe que se muestra a continuación. Todos los juicios provinieron de ellos, no de mí. La fecha de referencia está establecida para mayo de 2026. I. Símbolos de juicio del cuadro de puntuación: ✅ Correcto · 🟢 Mayormente correcto · 🟡 Parcialmente correcto · ❌ Incorrecto A primera vista, la dirección general de Wang Jianshuo fue mayormente correcta; solo hubo un error realmente grave: transmitir GPT-4 como parámetros 100T. Pero el diablo está en los detalles: detrás de casi cada juicio "correcto" había un cabo suelto que no se expresó con precisión en su momento. Ninguno de los veinte puntos es puramente "aún incierto". Tres años es tiempo suficiente; la mayoría de las cosas ya han mostrado una tendencia hacia una respuesta positiva. Analicemos estos puntos en detalle en grupos a continuación. En segundo lugar, el hilo conductor entre quienes predijeron correctamente el resultado es que las predicciones de Wang Jianshuo sobre la dirección, el mecanismo e incluso el momento fueron todas precisas. Sus únicos errores radicaron en el "grado" y la "redacción absoluta". RAG y Arquitectura de Recuperación (Puntos 2 y 3): En 2023, Wang Jianshuo afirmó que el método principal para resolver el problema del conocimiento y la ilusión no era modificar el modelo, sino usar la recuperación vectorial para incorporar conocimiento como una "chuleta"; la arquitectura correcta es que el motor de búsqueda realice la recuperación y alimente los resultados al LLM. Este es el estándar de facto para todos los productos de IA en la actualidad.RAG se ha convertido en la arquitectura predeterminada para la IA empresarial, con OpenAI, Google y Anthropic desarrollándola como una capacidad a nivel de plataforma. ChatGPT Search, literalmente, significa "primero usar la indexación de Bing para la recuperación, alimentar los resultados a GPT y luego generar una respuesta citada". Google AI Overviews logró aproximadamente 2 mil millones de usuarios activos mensuales usando grounding, y Perplexity, una empresa que depende exclusivamente de esta arquitectura, vio dispararse su valoración a aproximadamente $20 mil millones. Antes de que se lanzara GPT-4 y la industria generalmente aceptara "confiar en el ajuste fino para inyectar conocimiento", él apostó por "no cambiar los parámetros del modelo, usar búsqueda externa", y tanto el mecanismo como el momento fueron correctos. LUI es un nuevo continente (Punto de vista 7): En 2023, Wang Jianshuo dijo: El mayor logro de ChatGPT no es AIGC, sino la apertura de LUI (Interfaz de usuario de lenguaje natural), que reconstruirá la interacción humano-computadora como lo hizo GUI en sus inicios, dando lugar a una nueva industria mucho más grande que "construir grandes modelos" en sí misma. Esta parte sobre el "nuevo continente" es casi totalmente precisa. El lenguaje natural se ha convertido en la capa de interacción dominante (ChatGPT cuenta con 900 millones de usuarios activos semanales), dando origen a una nueva industria independiente: agentes, agentes de codificación y capas de protocolo se han materializado. La afirmación más concreta, "mucho más grande que el modelo en sí", se ha validado con creces: el protocolo MCP se convirtió en el "estándar del sistema operativo" de la era LUI, adoptado por completo por OpenAI, Google y Microsoft en 2025, y transferido a la Fundación Linux a finales de ese año; solo Claude Code alcanzó aproximadamente 2.500 millones de dólares en ingresos anuales. Redes de robots y nuevo direccionamiento (Punto de vista 9): En 2023, Wang Jianshuo afirmó que las "redes de robots" surgirían en unos diez años: los agentes se comunicarían y llamarían automáticamente entre sí mediante lenguaje natural, eliminando la necesidad de las API tradicionales; nacería un sistema de direccionamiento de nombres de dominio completamente nuevo. Este sistema "podría completarse en dos o tres años". La predicción fue sorprendentemente acertada. MCP y A2A (donado a la Linux Foundation y respaldado por más de 150 organizaciones) resuelven la interllamada de agentes; Agent Network Protocol utiliza directamente el DID del W3C para el "direccionamiento de agentes sin una autoridad centralizada", apuntando a una "red de miles de millones de agentes que colaboran", altamente isomorfo a su "nuevo sistema de nombres de dominio". China definitivamente podrá crear modelos a gran escala utilizables (puntos de vista 10 y 20): En 2023, Wang Jianshuo dijo: China definitivamente podrá crear modelos a gran escala utilizables, y la brecha con los mejores se cerrará rápidamente en unos tres años (análogo a Red Flag Browser alcanzando a Netscape). Este cronograma es sorprendentemente preciso. La prueba del Índice de IA de Stanford 2026 mostró que la brecha de referencia entre los modelos chinos y estadounidenses de primer nivel se redujo de 17,5–31,6 puntos porcentuales en mayo de 2023 a 2,7%; Mientras que la inversión privada en IA en EE. UU. es aproximadamente 23 veces mayor que en China, logrando una cifra similar con mucha menos inversión, DeepSeek, Qwen, Kimi y GLM se han convertido en tecnologías de uso generalizado a nivel mundial, llegando incluso a liderar ecosistemas de código abierto.El argumento de que ChatGPT carece de consciencia y que la prueba de Turing solo mide la apariencia (Punto de vista 13): En 2023, Wang Jianshuo afirmó que ChatGPT carece de consciencia, una declaración autocomplaciente que fue "involuntaria por parte del hablante, pero que el oyente tomó en serio". La prueba de Turing solo mide "si te hace pensar que existe", no si existe realmente. Este juicio fundamental de "medir la apariencia" está firmemente establecido e irónicamente confirmado por un experimento: En la prueba de Turing de 2025 en UC San Diego, la proporción de individuos GPT-4.5 juzgados como humanos bajo la indicación de "interpretar un personaje" fue tan alta como el 73%, más alta que la de las personas reales, pero esto se basó puramente en habilidades de desempeño; esta es la mejor ilustración de "solo medir si te hace pensar que existe". El resto de los puntos correctos (Puntos de vista 6, 11, 12, 16, 18, 19): no es IAG, pero sí un gran paso adelante: mantenerse firme en ambos extremos. El propio Altman todavía decía durante la era de GPT-5 que "no era IAG y carecía de aprendizaje continuo"; mientras tanto, la medalla de oro de la IMO y el salto de ARC-AGI de casi cero al 85% fueron innegablemente "un gran salto adelante". No habrá una ola de desempleo: la tasa de desempleo en EE. UU. en abril de 2026 fue de solo el 4,3%. El punto ciego está en la "distribución": la investigación de Stanford muestra que los que se están perdiendo son precisamente los jóvenes recién llegados de 22 a 25 años en la cima de la escala profesional; el mecanismo de "absorción fluida" ha fallado con ellos. No habrá un desperdicio abrumador de IA: la dirección del bienestar neto es correcta, pero subestimó seriamente la escala: el contenido de IA ya representa alrededor del 52 % de las nuevas páginas web, y "basura de IA" se ha convertido en la palabra del año. Un gran año para las startups: el punto de inflexión de la ola fue captado correctamente; xAI (fundada en marzo de 2023) ya ha alcanzado una valoración de 230 mil millones. Sin embargo, su definición de "grandes empresas" como limitada a 2023 es demasiado estrecha: empresas verdaderamente de billones de dólares como OpenAI y Anthropic se fundaron mucho antes. Momento del navegador de 1994: la clasificación relativa fue confirmada, y OpenAI realmente lanzó el navegador Atlas en 2025, convirtiendo la metáfora en realidad literal. Sin embargo, la propagación de ChatGPT fue incluso más agresiva que la del navegador, lo que hace que la metáfora sea algo conservadora. Prompt agrega hechos para reducir ilusiones: la dirección fue confirmada; La tasa de ilusión de GPT-5 se disparó al 47% cuando estaba fuera de línea y sin búsqueda, lo que confirma que los "hechos" son la variable clave. La causa raíz fue subestimada: los incentivos de entrenamiento, no la indicación en sí. III. Malentendido e interpretación errónea: GPT-4 tiene 100T parámetros (Punto de vista 4): completamente erróneo: en 2023, Wang Jianshuo dijo: (se rumorea) GPT-4 tiene 100T parámetros, aproximadamente 600 veces más que los 175B de GPT-3. Ambos números son erróneos. GPT-3 tiene 175B; la mejor estimación filtrada en julio de 2023 fue GPT-4 en aproximadamente 1.8T con 16 expertos MoE, solo unas 10 veces más. La cifra de 100T difiere del valor real en aproximadamente 55 veces. Máster en Matemáticas (Punto de vista 1): El diagnóstico es correcto, pero la conclusión final es errónea: En 2023, Wang Jianshuo afirmó que el problema fundamental del Máster en Matemáticas reside en su debilidad inherente. No es posible ni necesario que aprenda matemáticas por sí mismo; el enfoque correcto consiste en utilizar herramientas externas.El "enfoque de herramienta de diagnóstico más" era completamente correcto: la causa raíz era la falta de confiabilidad del arrastre debido a la generación token por token (el documento del mecanismo de 2025 confirmó precisamente la intuición de que "el último dígito suele ser correcto, el dígito del medio es incorrecto"); la mejora de los complementos también fue significativa (cuando o4-mini permitió Python, AIME 2025 alcanzó el 99,5%). El error radicaba en la formulación cautiva de "imposible, innecesario". Captura de valor (punto de vista 8): mitad correcta, afirmación central invertida: En 2023, Wang Jianshuo dijo: el valor finalmente recaerá en la capa de aplicación, y las empresas que crean la capa fundamental (creadores de modelos) no necesariamente ganarán dinero al final. El dinero comenzó a fluir hacia la capa de aplicación (Cursor alcanzó 2 mil millones de ingresos anualizados en tres años): esta mitad era correcta. Pero la idea de que "construir la capa fundamental no genera dinero" fue directamente refutada por Nvidia: ganancias netas en el año fiscal 2026 de aproximadamente $120 mil millones, capitalización de mercado de más de $5 billones, lo que la convierte en la única empresa en todo el mercado con ganancias claramente sustanciales. Derechos de autor (Punto de vista 14) – El registro es correcto, evitar la infracción es incorrecto: En 2023, Wang Jianshuo dijo que el contenido generado por IA podría eludir los derechos de autor (protegiendo la expresión pero no las ideas); el contenido generado podría no infringir ni estar registrado. "No poder registrarse" se ha convertido en un hecho legal establecido (en 2025, la Oficina de Derechos de Autor de EE. UU. aclaró que "simplemente ingresar indicaciones es insuficiente para reclamar la autoría"). Sin embargo, "evitar la infracción" es claramente incorrecto: los tribunales han dictaminado repetidamente que la salida de IA, si es sustancialmente similar al original, aún constituye una infracción; Anthropic llegó a un acuerdo por $1.5 mil millones por corpus pirateados, el acuerdo de derechos de autor más grande en la historia de EE. UU. Armonía Universal (Punto de Vista 15) – El mecanismo es correcto, la apuesta por la tendencia es errónea: En 2023, Wang Jianshuo afirmó que ChatGPT utiliza un "promedio ponderado" de opiniones humanas, lo que puede contrarrestar el aislamiento informativo de TikTok y ofrecer la posibilidad de una "armonía universal". El mecanismo es correcto: en 2025, múltiples estudios confirmaron de manera concluyente que LLM impulsa las opiniones hacia la mayoría y subestima sistemáticamente a la minoría. Sin embargo, el juicio social resultó contraproducente: su propia afirmación, "al menos aún no una experiencia personalizada para mil personas", fue refutada en tres años: OpenAI convirtió la memoria entre conversaciones y las capacidades de personalización en funciones predeterminadas a partir de abril de 2025, y la IA avanza rápidamente hacia una experiencia personalizada para mil personas. Guerra localizada y costos (Punto de vista 17): cualitativamente precisa, cuantitativamente refutada: En 2023, Wang Jianshuo dijo: La construcción de modelos a gran escala degeneraría rápidamente en una "guerra localizada", con costos conocidos (limitados a alrededor de $500-1 mil millones después de eliminar desvíos), atrayendo a muchos jugadores. La dirección cualitativa fue notablemente correcta: una gran afluencia de jugadores, una rápida comercialización y el código abierto alcanzando al código cerrado, todo se hizo realidad. Sin embargo, la cifra exacta de "$500-1 mil millones limitados" fue errónea en ambos extremos: el lado de vanguardia fue gravemente subestimado (el entrenamiento de nivel GPT-5 alcanzará los $200-500 millones en 2026, junto con un centro de datos que vale cientos de miles de millones y Stargate que vale $500 mil millones); el lado de la réplica fue sobreestimado (DeepSeek redujo los costos marginales de entrenamiento al nivel de un millón de dólares).Capacidades emergentes (Punto de vista 5) – La dirección es correcta, los números y el encuadre son erróneos: En 2023, Wang Jianshuo afirmó que las nuevas capacidades que aparecen por encima de aproximadamente 60 mil millones de parámetros no se encuentran en el corpus original y no pueden ser explicadas por los investigadores. Si bien la intuición direccional es cierta, dos afirmaciones son insostenibles: Primero, no hay un "umbral de 60 mil millones" unificado: el verdadero umbral de la cadena de pensamiento es aproximadamente 100 mil millones, con diferentes capacidades que aparecen en escalas que van desde 13 mil millones hasta 540 mil millones; segundo, la noción "inexplicable" fue desafiada por un artículo destacado de NeurIPS a finales de 2023: muchas "mutaciones" son ilusiones causadas por la elección de las métricas de evaluación, y las curvas se vuelven más suaves y predecibles después de cambiar a métricas continuas. Cuarto, mirando hacia atrás durante tres años, varios patrones se concilian uno por uno. Al analizar con perspectiva, los veinte juicios de Wang Jianshuo contienen varios patrones más dignos de recordar que cualquier otro en particular. Primero, la dirección es mucho más fiable que los números y los grados. De los veinte puntos, los relativos a mecanismos y direcciones (RAG, LUI, redes de robots, prueba de Turing) fueron casi todos correctos; los que proporcionaban cifras específicas o declaraciones de límites (parámetros de 100T, umbral de 60B, coste de 500-1000 millones, "imposibilidad" matemática) fueron casi todos erróneos. Segundo, en cuanto al tiempo, tendía a sobreestimar la velocidad y subestimar el alcance. Todo aquello que se decía que se "completaría rápidamente en dos o tres años" generalmente tenía un período de maduración más lento; sin embargo, subestimó el techo de los saltos de capacidad: las matemáticas podían pasar de "imposible" a una medalla de oro de la OMI, y los costes de frontera podían alcanzar niveles inimaginables. En resumen: demasiado optimista a corto plazo, demasiado conservador a largo plazo. Tercero, el error más insidioso se produjo repetidamente en la "distribución". No era la dirección lo que estaba mal, sino centrarse solo en el volumen total ignorando la distribución. "No hubo ola de desempleo" era correcto, pero el daño se concentró mucho entre los jóvenes recién llegados; "el valor reside en la capa de aplicación" era parcialmente correcto, pero no distinguió entre la capa de potencia de cálculo y la capa del modelo. El volumen total correcto enmascaró el desastre de la distribución: esta es la lección que más urgentemente se necesita aprender. IV. Las afirmaciones que se dejan abiertas a la interpretación resistirán la prueba del tiempo en tres años. "Rumores", "al menos ahora", "significativamente reducido en lugar de eliminado", "dos o tres años en las primeras etapas, unos diez años para madurar": los juicios hechos con calificadores y niveles en aquel entonces son más fiables en retrospectiva. Por el contrario, las afirmaciones absolutas hechas de improviso son las más propensas a fallar. Las predicciones honestas se basan en parte en atreverse a hablar y en parte en atreverse a reconocer la incertidumbre. V. Algunas preguntas no se pueden responder en tres años. ¿Quién recibe finalmente el valor? ¿La emergencia altera la verdad? ¿Las máquinas poseen conciencia? ¿Los contextos extensos consumirán RAG? Estos debates de entonces seguirán vigentes en 2026. Es más importante distinguir entre «cosas que ya tienen respuesta» y «cosas que aún requieren espera» que sacar conclusiones precipitadas sobre todo. Hace tres años, Wang Jianshuo, guiado por su intuición, señaló veinte direcciones en la niebla incluso antes de que surgiera GPT-4.Tras revisar las cuentas de hoy, lo más importante es recordar: no es difícil ver el panorama general; la dificultad reside en admitir las suposiciones repetidas sobre cifras, velocidad y distribución. Estos veinte puntos no se centran tanto en evaluar el pasado, sino en establecer reglas para los próximos tres años. Repasémoslos de nuevo en 2029. [Wang Jianshuo]