Jacob Coxon no era hasta ahora uno de los rostros reconocibles de la revolución de la inteligencia artificial. No dirige una de las grandes tecnológicas, no protagoniza presentaciones internacionales y tampoco había construido su carrera como crítico público del sector. Su trayectoria se había desarrollado precisamente en el lugar contrario: dentro de algunos de los equipos que han creado los modelos de IA más avanzados de los últimos años.
A sus 27 años, el investigador británico ha pasado por OpenAI y Anthropic y aparece acreditado en proyectos tan importantes como GPT-4o y GPT-4.5. Ahora ha decidido abandonar Anthropic y alejarse de la industria con una advertencia extraordinariamente severa: considera que los grandes laboratorios están avanzando demasiado rápido hacia una posible superinteligencia capaz de contribuir a su propia mejora.
De Cambridge a la investigación científica
La trayectoria de Jacob Coxon comenzó lejos del actual enfrentamiento entre los grandes laboratorios de inteligencia artificial. Se formó en la Universidad de Cambridge y estuvo vinculado a Trinity College, con una base académica fuertemente relacionada con las matemáticas y los métodos cuantitativos.
En 2021 ya aparece como coautor de una investigación publicada en la revista científica eLife sobre la relación entre una variante genética y la supervivencia de pacientes con meningitis tuberculosa. Coxon participó en aquel trabajo en el desarrollo de software, dentro de un equipo internacional con investigadores de Cambridge, Oxford y otras instituciones.
Ese recorrido permite entender una carrera marcada desde sus primeros pasos por el análisis matemático de sistemas complejos. Poco después, esa formación terminaría llevándolo hacia uno de los campos científicos y tecnológicos que más rápidamente estaban creciendo: la inteligencia artificial.
Jacob Coxon participó en GPT-4o y GPT-4.5
Coxon se incorporó a OpenAI en 2023 como miembro del personal técnico. Allí trabajó durante aproximadamente tres años principalmente en investigación relacionada con el pretraining, una de las fases esenciales en el desarrollo de los grandes modelos de lenguaje.
El preentrenamiento es el proceso mediante el que estos sistemas procesan cantidades enormes de información para aprender patrones, relaciones y estructuras antes de las fases posteriores de ajuste. Es, por tanto, uno de los núcleos técnicos de la carrera por desarrollar modelos cada vez más capaces.
OpenAI incluye oficialmente a Jacob Coxon entre los colaboradores principales de GPT-4o, presentado en 2024. Un año después, su nombre volvió a aparecer entre los investigadores considerados core contributors de GPT-4.5, uno de los grandes modelos de la compañía durante aquella etapa.
Su trabajo también se adentró en una de las cuestiones más difíciles de la IA: comprender qué sucede dentro de una red neuronal. En 2025 participó en una investigación sobre transformers con pesos dispersos diseñada para encontrar circuitos internos que pudieran ser interpretados por investigadores humanos.
Intentar comprender la caja negra de la inteligencia artificial
El objetivo de aquel proyecto era especialmente relevante. Los sistemas modernos pueden realizar operaciones extraordinariamente complejas, pero reconstruir exactamente cómo llegan a determinadas respuestas sigue siendo difícil. La denominada interpretabilidad mecanicista intenta precisamente localizar y comprender los mecanismos internos responsables de esos comportamientos.
La investigación en la que participó Jacob Coxon consiguió identificar circuitos relativamente sencillos asociados a determinadas tareas dentro de modelos experimentales. El trabajo reconocía, al mismo tiempo, que trasladar esas técnicas a sistemas mucho mayores seguía suponiendo un desafío.
Esa experiencia resulta especialmente significativa ante las preocupaciones que Coxon expresa ahora. Durante años participó no solo en el entrenamiento de modelos frontera, sino también en investigaciones destinadas a comprender mejor qué estaba ocurriendo dentro de ellos.
De OpenAI a Anthropic en busca de una IA más segura
En julio de 2026, Jacob Coxon dejó OpenAI y se incorporó a Anthropic, creadora de Claude. Su estancia allí, sin embargo, apenas ha durado unos meses.
Anthropic se ha diferenciado tradicionalmente de otros laboratorios por colocar la seguridad y el alineamiento entre los elementos centrales de su discurso. Coxon reconoce precisamente que dentro de la compañía existe una preocupación real por los riesgos asociados a sistemas futuros.
Pero ha terminado llegando a una conclusión mucho más incómoda: que incluso una empresa consciente del peligro puede quedar atrapada en una competición tecnológica en la que detenerse significa permitir que otro laboratorio llegue primero.
“Están apostando con nuestras vidas”
Do not underestimate the power of this technology. These will soon be superhuman systems that can hack anything, revolutionize any field overnight, and acquire real power and resources. We have all witnessed the progress in each of these domains, and progress is not slowing.
— Jacob Coxon (@hilbertspaess) September 9, 2026
Su salida de Anthropic ha convertido a Jacob Coxon en una de las voces más llamativas del debate sobre el futuro de la IA. En un mensaje publicado en X, afirmó que ninguna de las dos empresas para las que ha trabajado está actuando de manera suficientemente responsable.
“Están corriendo directamente hacia una superinteligencia auto-mejorante y apostando con nuestras vidas”, aseguró. Coxon sostiene que sistemas futuros podrían alcanzar capacidades sobrehumanas en ámbitos como programación, ciberseguridad o investigación y terminar adquiriendo una capacidad de actuación difícil de controlar.
Su advertencia no significa que los modelos actuales posean esas capacidades ni demuestra que ese escenario vaya a producirse. Es una valoración sobre la posible evolución futura de una tecnología cuyo ritmo de progreso considera demasiado rápido.
Precisamente por eso su perfil resulta relevante. Jacob Coxon no observa la carrera de la inteligencia artificial desde fuera. Ha participado directamente en algunos de los modelos que ayudaron a acelerarla. Después de tres años trabajando en dos de sus principales laboratorios, ha decidido marcharse porque considera que las preguntas sobre cómo controlar lo que puede venir después siguen sin una respuesta suficientemente sólida.