Esto es muy interesante. Cuando el AI laboratorio publica los resultados: 'Miren, esto demuestra plenamente nuestro avance'. ¿Pero si los resultados no cumplen con las expectativas? Inmediatamente cambian de tono: 'Las pruebas de referencia no pueden medir realmente el nivel de inteligencia'.

Confiar selectivamente en los datos, esta estrategia ha sido probada una y otra vez en el mundo tecnológico. El problema es que no puedes usar las referencias como medida de éxito y, al mismo tiempo, decir que las referencias son inválidas cuando fallas. O las referencias tienen sentido, o simplemente no las uses para justificarte.

Esta actitud refleja un fenómeno en la industria: cuando los datos te favorecen, son una prueba irrefutable; cuando no, empiezas a cuestionar la validez de las pruebas. Los proyectos con verdadera capacidad deberían tener una comprensión clara de los resultados — no alardear cuando ganan, ni culpar a otros cuando pierden.