Una conversación más clara sobre los futuros de la IA

Cómo funciona la entrevista

El código elige cada pregunta de seguimiento⁠^[1] de una lista fija de preguntas redactadas previamente,⁠^[2] y la mayoría de las personas ve sus resultados después de responder entre 4 y 8. Jev de TypeSafe lee tus respuestas mediante evaluaciones pequeñas y específicas basadas en una rúbrica redactada previamente⁠^[3] y nunca escribe una pregunta ni un veredicto sobre ti.⁠^[4] El código combina esas evaluaciones para generar tu mapa, sus rangos y P(doom).⁠^[5] Agrupar evaluaciones pequeñas permite que su ejecución sea lo bastante económica como para ofrecerla gratis.

Qué es y qué no es tu resultado

El mapa

Nuestra interpretación de lo que escribiste, no un veredicto, una prueba ni un pronóstico. El recuadro discontinuo muestra otras interpretaciones plausibles, no la probabilidad de que tengas razón.⁠^[6]

Detrás del mapa

Ocho dimensiones de la visión de la IA y siete cualidades del razonamiento, como la disposición a actualizar. Si faltan pruebas, el elemento queda sin ubicar; nunca cuenta como una puntuación baja.⁠^[5]

P(doom)

Es el número que introdujiste o una estimación inferida de tus respuestas, y se indica cuál de los dos.⁠^[7]

Decisiones editoriales

Las respuestas no se verifican. Las preguntas, los criterios de evaluación e incluso el nombre implican decisiones editoriales, y el nombre puede predisponerte a pensar en el riesgo y el beneficio. Las posturas mixtas, la incertidumbre y los extremos coherentes son igualmente válidos.⁠^[8]

Líderes de opinión

Simulaciones: otro modelo (GPT-5.6 Sol) responde las mismas preguntas a partir de las fuentes públicas enlazadas de cada persona,⁠^[9] y nuestro motor lee esas respuestas sin saber de quién son.⁠^[10] No son respuestas ni respaldos de esas personas. Trátalas como prototipos: en una prueba de Pew de 2026, las respuestas de sustitutos de IA difirieron de las de personas reales en un promedio de 12 puntos porcentuales.⁠^[11]

Evidencia hasta ahora

Tu propia ubicación

Las interpretaciones quedan más cerca de las propias ubicaciones de las personas que una misma estimación para todos, sin una inclinación promedio hacia la esperanza ni la inquietud.⁠^[13] Los evaluadores coinciden entre sí mucho más que con las personas, por lo que la mayor parte de la diferencia se debe a cómo escriben las personas y cómo se ven a sí mismas. Cuando ambas difieren en más de una cuarta parte de cualquiera de los ejes, tu resultado te pregunta al respecto.

Nueva lectura y reformulación

Ninguna repetición de la entrevista ni ninguna reformulación desplazó la perspectiva más allá de nuestro límite de 0,10 para respuestas que significan lo mismo.⁠^[14] Los rangos del mapa nunca se representan con una amplitud inferior a ±0,05, la variación observada cuando una persona simulada vuelve a realizar la entrevista.

Modelos más grandes

Jev coincide con GPT-5.6 Sol dentro del margen de variación, por aproximadamente 1/21 del costo.⁠^[12]

«¿Te parece acertado?»

68 de 80 personas dijeron que sí (85 %).⁠^[13] Interprétalo como un límite superior: las personas tienden a estar de acuerdo con la interpretación que hace una IA de ellas. En un estudio de NORC, los codificadores independientes respaldaron las codificaciones de una IA aproximadamente un 20% menos de veces que los propios encuestados.⁠^[15]

P(doom) inferida

Aproximada. Al contrastarla con 113 cifras que las personas escribieron, manteniendo ocultas esas cifras, interpretó 96 de ellas y solo quedó dentro de un margen de 2× en términos de probabilidades relativas el 22 % de las veces, sin superar el resultado de estimar 12,5 % para todo el mundo. Sí ordena a las personas de manera razonable, y un porcentaje que escribas, como «20%», siempre tiene prioridad.⁠^[12]

Aún no se ha hecho

Aún no tenemos un conjunto de prueba ciego etiquetado por revisores independientes, como exige nuestro plan de evaluación.⁠^[14] Hasta entonces, todas las comprobaciones aquí comparan las interpretaciones con autoubicaciones, nuevas ejecuciones u otros modelos. Todavía no se han comparado los resultados entre los distintos idiomas de la entrevista.

Quiénes la han realizado

A fecha de 3 de octubre de 2026, 963 personas habían llegado a un resultado.⁠^[13] Decidieron participar, principalmente a través de un hilo de Hacker News (25–26 de septiembre) y publicaciones en X (27–28 de septiembre), y las dos oleadas quedaron muy separadas: una perspectiva mediana de 0,32 frente a 0,68 en el eje Doom–Bloom de 0–1 (ver la comparación). Por tanto, nuestras cifras describen a quienes participaron, no al público general, y solo publicamos cifras de grupos de al menos 10 personas.

Por qué las preguntas están redactadas de antemano

Una IA podría improvisar la entrevista. Las preguntas fijas y redactadas de antemano mantienen una formulación neutral e idéntica, de modo que cada participante y cada líder de opinión simulado responde las mismas preguntas y compararlos tiene sentido. Las directrices de 2026 de AAPOR califican como de alto riesgo a los entrevistadores de IA que generan preguntas, cambian su formulación o influyen en el desarrollo de la entrevista.⁠^[16] Aquí la formulación nunca cambia, y Jev solo moldea el desarrollo mediante valoraciones que el código utiliza para elegir entre las preguntas.

Versiones y cambios

Algoritmo

0.7.5

Preguntas

0.4.0-draft

Rúbrica

0.1.0-draft

Modelo

jev-1.13.0

Cada resultado guardado conserva las versiones con las que se creó. Las correcciones que no requieren nuevos juicios también se aplican a los resultados anteriores cuando se muestran.

1. 4 de octubre de 2026 · 0.7.5Ubica a las personas entre los cinco niveles del mapa en lugar de ubicarlas solo en ellos, y vuelve a interpretar los resultados guardados⁠^[17]
2. 1 de octubre de 2026 · 0.7.4Entrevistas en 10 idiomas; Jev lee las respuestas tal como están escritas y se le indica el idioma de la entrevista
3. 29 de septiembre de 2026 · 0.7.2–0.7.3Conserva las respuestas escritas de P(doom), incluso si son tan breves como «30%», que antes se sustituían por valores inferidos, y hace una pregunta más cuando una interpretación está dividida o se aleja mucho de tu propia ubicación⁠^[12]
4. 27 de septiembre de 2026 · 0.7.0–0.7.1Corrige cómo se muestra P(doom) (un 20% escrito había aparecido como aproximadamente 3%), pregunta directamente por la escala del cambio y P(doom), deja de retener los resultados hasta cubrir el razonamiento y vuelve a interpretar los resultados guardados⁠^[18]

Las notas de investigación en GitHub registran cada cambio junto con la evidencia que lo sustenta.

Ejemplo con Elon Musk

Aquí tienes algunos resultados JSON de ejemplo de la evaluación simulada de Elon Musk.