La inteligencia artificial domina la ciencia, pero aún tiene dificultades para leer relojes analógicos
Los modelos de inteligencia artificial ya igualan o superan a los expertos humanos en temas científicos de nivel doctoral y en competiciones matemáticas. Sin embargo, estas mismas máquinas tienen problemas con una tarea que los niños aprenden desde pequeños: interpretar la hora en un reloj de agujas.
Este contraste se refleja en el AI Index 2026, un informe anual de la Universidad de Stanford publicado en abril. El documento denomina este fenómeno como frontera irregular y menciona un modelo de última generación que lee correctamente los relojes analógicos en aproximadamente el 50% de los casos, incluso mientras resuelve problemas de física de posgrado.
Por qué leer relojes es un desafío para la IA
Leer un reloj implica varias etapas: localizar las agujas, distinguir la de las horas de la de los minutos, estimar el ángulo de cada una y combinar toda la información para obtener la hora. Un estudio realizado por investigadores de China y España probó modelos multimodales, que procesan texto e imágenes, y detectó errores en la lectura, especialmente cuando el cuadrante o las agujas no seguían el patrón habitual.
Parte de la explicación se encuentra en los datos de entrenamiento. Las fotos de relojes en internet suelen mostrar las mismas horas repetidamente, como las diez en punto. Sin variedad, el modelo puede memorizar patrones en lugar de aprender la regla, y el propio estudio cuestiona si las máquinas realmente aprendieron la tarea o simplemente memorizaron ejemplos.
Investigadores de la Universidad de Edimburgo obtuvieron resultados similares. Los sistemas evaluados interpretaron correctamente la posición de las agujas en menos de una cuarta parte de las pruebas y, incluso en el mejor modelo, erraron 20% de las preguntas sobre fechas en calendarios.
Lo que los errores revelan sobre la tecnología
Desempeño desigual entre tareas
Pruebas como el GPQA, que consta de preguntas de nivel de posgrado diseñadas para resistir búsquedas simples, miden habilidades específicas. Un buen resultado en este tipo de evaluación no garantiza el éxito en tareas de percepción visual o de sentido común.
Impacto en la vida profesional diaria
En la práctica, una herramienta puede resumir un contrato extenso y, al mismo tiempo, equivocarse al leer un cuadrante analógico en una foto de un equipo. Investigadores de la Universidad Politécnica de Madrid señalan que la precisión visual es crucial en áreas como la robótica, la inspección visual y las tecnologías asistivas.
Por esta razón, es común probar la herramienta con los propios casos de uso, definir qué etapas requieren revisión humana y verificar números e imágenes antes de utilizar el resultado en la toma de decisiones.
El AI Index 2026 resume la situación: los modelos han avanzado en ciencia y matemáticas, pero su rendimiento varía según la tarea. Conocer los puntos fuertes y las debilidades de cada sistema es lo que permite utilizarlos de manera segura en el entorno profesional.








