¿A qué ritmo ha evolucionado la IA? La historia completa de la inteligencia artificial, desde sus inicios hasta 2026

En 2012, los mejores sistemas de visión artificial del mundo aún tenían dificultades para distinguir un perro de un gato. En 2026, podrás escribir una sola frase y ver cómo se crea por sí sola una película fotorrealista de treinta segundos —con movimientos de cámara, iluminación cinematográfica, diálogos sincronizados y todo lo demás— en menos tiempo del que se tarda en servirse un café.

Eso no es una década de progreso constante. Eso es otro mundo.

La historia de cómo ha llegado hasta aquí la inteligencia artificial es una de las curvas de aceleración más extrañas de la historia de la tecnología. Durante cincuenta años avanzó a paso de tortuga. Luego, en el espacio de unos diez años, superó a toda velocidad hitos que los investigadores pensaban que estaban a generaciones de distancia. Si te has sentido abrumado al intentar seguir el ritmo —nuevos nombres de modelos cada pocas semanas, capacidades que parecían imposibles la primavera pasada y que este verano ya están disponibles como funciones gratuitas—, no te lo estás imaginando. El ritmo es realmente así de rápido, y sigue acelerándose.

Esta es la historia completa, desde una perspectiva humana, de esa aceleración: el origen de la IA, los pocos avances que lo cambiaron todo, la carrera armamentística entre los modelos cerrados y los abiertos, el auge de la generación de imágenes y vídeos mediante IA, y hacia dónde se dirige todo esto en el futuro.

Ponte un café. Esto va a ser largo.

---

El largo y lento camino: la IA antes del auge (1950-2011)

Es tentador pensar que la inteligencia artificial se inventó hacia el año 2022. Pero no fue así. Ese sueño es casi tan antiguo como el propio ordenador moderno.

En 1950, Alan Turing planteó una pregunta aparentemente sencilla: — ¿Pueden pensar las máquinas? — y propuso el «juego de la imitación», que hoy conocemos como el «test de Turing». Seis años más tarde, un taller de verano celebrado en el Dartmouth College dio nombre a esta disciplina y le infundió su optimismo inicial. Los primeros pioneros creían que aún faltaban unos veinte años para que existiera una máquina capaz de pensar. Se equivocaron por aproximadamente medio siglo, y ese error de cálculo marcó las primeras décadas de esta disciplina.

El enfoque inicial fue IA simbólica: la idea de que la inteligencia pudiera plasmarse en reglas explícitas, lógica y conocimientos codificados manualmente. Si tan solo se pudiera escribir lo suficiente «si-esto-entonces-aquello» Si se partiera de estas afirmaciones, el razonamiento sería el siguiente. Esto dio lugar a algunos “sistemas expertos” realmente útiles en las décadas de los 70 y los 80 —programas capaces de diagnosticar determinadas enfermedades o configurar pedidos informáticos—, pero acabó topando con un obstáculo. El mundo real es demasiado complejo y está lleno de excepciones como para poder plasmarlo mediante reglas introducidas manualmente por un ser humano.

Cuando las promesas superaron a los resultados, la financiación se agotó. El sector atravesó dos largos y duros períodos que ahora se conocen como los Inviernos de la IA, cuando “IA” se convirtió casi en una palabra malsonante entre los investigadores serios que no querían que sus solicitudes de subvención acabaran en la papelera.

Sin embargo, en silencio, una idea diferente sobrevivía al margen: aprendizaje automático. En lugar de programar la inteligencia manualmente, ¿y si dejáramos que un sistema aprendiera patrones a partir de los datos? Las redes neuronales —inspiradas vagamente en el cerebro— existían desde la década de 1950, pero carecían de la potencia computacional necesaria y, en su mayoría, fueron descartadas. A lo largo de los años noventa y dos mil, el aprendizaje automático estadístico impulsó los filtros de spam, los motores de recomendación y los rankings de búsqueda. Funcionaba, generaba beneficios y casi nadie ajeno al sector lo llamaba “IA”. Era simplemente… software que mejoraba a medida que se le proporcionaban más datos.

Las piezas estaban en el tablero. Solo necesitaban el momento adecuado.

La chispa: cómo se puso en marcha el aprendizaje profundo en 2012

Si quieres fijar una fecha concreta en la que comience la era moderna, una opción muy válida es 2012.

Ese año, una red neuronal llamada AlexNet Se presentó al concurso ImageNet —una competición anual que consiste en etiquetar correctamente millones de imágenes— y no se limitó a ganar. Ganó por goleada, reduciendo la tasa de error de forma tan espectacular que el resultado parecía un error tipográfico. Utilizó una red neuronal “profunda” (muchas capas apiladas unas sobre otras) entrenada en tarjetas gráficas, o GPU, que resultaron ser excelentes precisamente para el tipo de cálculos matemáticos paralelos que requieren las redes neuronales.

Esa combinación — macrodatos, redes profundas y computación paralela económica — fue la chispa. De repente, el enfoque basado en redes neuronales, que había sido descartado durante décadas, no solo resultaba viable, sino que se había convertido en el dominante. En pocos años, el aprendizaje profundo había superado con creces a las técnicas más antiguas en el reconocimiento de imágenes, el reconocimiento de voz y la traducción. Los gigantes tecnológicos se dieron cuenta. Empezaron a contratar a todos los investigadores especializados en aprendizaje profundo que podían encontrar y a destinar enormes presupuestos informáticos a resolver el problema.

Por primera vez, la estrategia de “aplicar más datos y más potencia de cálculo a una red más grande” funcionó de forma fiable. Esa idea pronto transformaría todo el sector, pero al campo aún le faltaba un ingrediente fundamental para gestionar el lenguaje de forma adecuada.

La arquitectura que lo cambió todo: Transformers (2017)

Este es el avance del que casi nadie fuera del ámbito de la IA ha oído hablar, a pesar de que es la base de casi todo lo que utilizas hoy en día.

En 2017, un equipo de investigadores de Google publicó un artículo con un título un tanto descarado: Lo único que necesitas es atención. En él se presentó el Transformador, una nueva arquitectura de red neuronal basada en un mecanismo denominado atención — una forma en que un modelo evalúa en qué medida cada palabra de una frase se relaciona con todas las demás, de forma simultánea y en paralelo.

Esto puede parecer abstracto, así que voy a explicar por qué era importante. Los modelos de lenguaje anteriores procesaban el texto palabra a palabra, de forma secuencial, lo que hacía que su entrenamiento fuera lento y que tuvieran dificultades para recordar pasajes largos. Los “Transformers” procesaban todo en paralelo y podían «recordar» relaciones a largo plazo. Se entrenaban más rápido, se adaptaban perfectamente a mayores volúmenes de datos y potencia de cálculo y, lo que es más importante, conseguían mejor de forma fluida y predecible a medida que las hacías más grandes.

Esa última característica es el motor silencioso de todo el auge. Los investigadores descubrieron lo que se conoció como leyes de escala: al introducir más parámetros, más datos y más potencia de cálculo, el rendimiento mejora siguiendo una curva predecible. Para un campo que llevaba décadas buscando trucos ingeniosos, esto era casi demasiado bueno. No hacía falta una idea nueva cada año. Lo que se necesitaba era una versión más grande de la misma idea. El Transformer convirtió la inteligencia en algo que se podía, en un grado significativo, comprar.

Todos los modelos de lenguaje a gran escala de los que has oído hablar —GPT, Claude, Gemini, Llama, DeepSeek, Qwen y el resto— son Transformers o descendientes directos de ellos. Ese artículo de 2017 es el eje sobre el que gira el mundo moderno.

La era del GPT y el nacimiento de los modelos de lenguaje grandes (LLM) modernos (2018-2022)

Una joven empresa llamada OpenAI se tomó la apuesta de las leyes de escalabilidad más en serio que casi nadie. Su tesis era sencilla y, en aquel momento, controvertida: coger un Transformer, entrenarlo con una cantidad astronómica de texto de Internet para que predijera la siguiente palabra, hacerlo enorme y ver qué pasaba.

Los resultados fueron llegando en oleadas cada vez más intensas:

• GPT-1 (2018) demostró la viabilidad del concepto a pequeña escala.
• GPT-2 (2019) Era tan eficaz a la hora de generar párrafos coherentes que OpenAI dudó inicialmente en publicar el modelo completo, alegando temores de uso indebido —una decisión que acaparó los titulares y provocó bastantes gestos de incredulidad, pero que también puso de manifiesto que algo había cambiado—.
• GPT-3 (2020) fue lo que nos dejó boquiabiertos. Con 175 000 millones de parámetros, era capaz de redactar ensayos, responder preguntas, generar código funcional e imitar estilos, todo ello sin haber sido entrenado específicamente para ninguna de esas tareas. Las aprendió como efecto secundario de su aprendizaje para predecir texto. Los desarrolladores que tuvieron acceso anticipado hablaban de ello como se habla cuando se ve un truco de magia que no se puede explicar.

Aquí estaba ocurriendo algo profundo. Nadie programado GPT-3 para escribir poesía o depurar código en Python. Esas capacidades surgió más allá de la escala. El modelo simplemente intentaba adivinar la siguiente palabra y, al llegar a hacerlo muy bien, asimiló una aproximación funcional de la gramática, los datos, el razonamiento y el estilo. Esta propiedad —la aparición espontánea de capacidades a medida que los modelos se desarrollan— se denomina aparición, y por eso incluso los investigadores que desarrollan estos sistemas se sorprenden constantemente de lo que son capaces de hacer.

En 2022 ya existían potentes modelos de lenguaje. Pero se ocultaban tras las API para desarrolladores, se expresaban de forma cruda y, a veces, descabellada, y eran dominio exclusivo de unos pocos miles de entusiastas. El público en general no tenía ni idea. Eso estaba a punto de cambiar de la noche a la mañana.

ChatGPT: La semana en que la IA se popularizó

El 30 de noviembre de 2022, OpenAI publicó una versión preliminar gratuita, destinada a la investigación, de un chatbot basado en su modelo GPT-3.5. Lo llamaron ChatGPT. A nivel interno, las expectativas eran modestas.

Se convirtió en la aplicación para consumidores de más rápido crecimiento de la historia, alcanzando los cien millones de usuarios en unos dos meses.

La tecnología subyacente no era radicalmente nueva. Lo que sí era nuevo era el embalaje: un sencillo cuadro de chat, un modelo entrenado para seguir instrucciones y mantener una conversación y —lo más importante— sin barreras de acceso. Cualquiera podía entrar en una página web y hablar con él. Tus padres podían utilizarlo. Tus hijos podían utilizarlo. Y para millones de personas, esa primera conversación fue el momento en que la abstracta “IA” se convirtió en algo concreto capaz de escribir sus correos electrónicos, explicarles los deberes, planificar sus viajes y redactar su código.

La explosión cultural fue instantánea. Los centros educativos entraron en pánico por los trabajos escritos. Las empresas se apresuraron a elaborar “estrategias de IA”. Los inversores sacaron sus chequeras. De repente, todos los directivos del sector tecnológico del planeta tenían un tema prioritario en su agenda. ChatGPT no se limitó a lanzar un producto; dio el pistoletazo de salida a la competencia empresarial más intensa que ha vivido el sector tecnológico desde la llegada de los smartphones —podría decirse que desde la propia aparición de Internet—.

A partir de aquí, la línea temporal deja de avanzar lentamente y empieza a difuminarse.

La carrera armamentística del modelo cerrado (2023-2026)

Una vez que ChatGPT demostró su valía en el mercado, los laboratorios más grandes y mejor financiados del mundo se lanzaron a la batalla. Estos son los modelos cerrados — sistemas propios cuyos modelos se mantienen en secreto y a los que se accede a través de aplicaciones y API de pago. Se sitúan a la vanguardia de la capacidad técnica y la competencia entre ellos ha sido implacable.

2023 marcar la pauta. OpenAI ha publicado GPT-4, un avance espectacular capaz de razonar, superar exámenes profesionales y manejar tanto imágenes como texto. Anthropic —fundada por antiguos investigadores de OpenAI— lanzó Claude, haciendo hincapié en la seguridad, los documentos extensos y un estilo conversacional más reflexivo. Google, que se vio pillado con la guardia baja por ChatGPT a pesar de haber inventado el Transformer, se reorganizó y lanzó Géminis. La carrera a tres bandas había comenzado.

A partir de ahí, la situación simplemente… no dejó de intensificarse. Cada laboratorio superaba a los demás cada pocos meses. Las ventanas de contexto —la cantidad de texto que un modelo puede procesar a la vez— se dispararon de unos pocos miles de palabras a libros enteros y bases de código. Los modelos adquirieron la capacidad de ver imágenes, escuchar audio, navegar por Internet y utilizar herramientas. xAI, de Elon Musk, entró en escena con Grok, conectado directamente a la red social X.

Dos cambios definen la frontera tal y como se presenta en 2026, y son más importantes que cualquier nombre de modelo concreto:

En primer lugar, el auge del razonamiento. Una nueva clase de modelos “pensantes” aprendió a resolver problemas paso a paso antes de dar una respuesta, deteniéndose para razonar internamente en lugar de soltar la primera respuesta que se les ocurría. Esto redujo en gran medida la brecha que existía en matemáticas, lógica y programación compleja, y convirtió las pruebas de referencia que habían dejado en blanco a los modelos de 2023 en victorias habituales.

En segundo lugar, el paso de los chatbots a los trabajadores. El tema principal de 2026 es IA agencial. Los modelos más avanzados ya no se limitan a responder preguntas, sino que pasan a la acción. Manejan ordenadores, escriben y implementan código en numerosos archivos, ejecutan tareas de varios pasos que pueden durar minutos u horas, y se integran en los sistemas empresariales para llevar a cabo tareas concretas. La metáfora de la interfaz ha pasado, de forma discreta, de ser un “asistente con el que chateas” a ser un “compañero al que delegas tareas”.”

A mediados de 2026, la frontera cerrada forma un grupo muy compacto en la parte superior: Claude Opus 4.8 de Anthropic, GPT-5.5 de OpenAI, Gemini 3.1 Pro de Google y Grok 4.3 de xAI, y los cuatro laboratorios se turnaban en el primer puesto cada pocas semanas. <span>Lo más llamativo de la élite actual es lo reñida que está: la diferencia entre el “mejor” y el “segundo mejor” suele ser ahora una mera diferencia insignificante, y el primer puesto cambia de manos constantemente.</span>

La carrera también adquirió una dimensión geopolítica. A mediados de 2026, un modelo de «frontera antropica» se convirtió —por lo que se sabe— en el primero de la historia en ser desactivado y luego reactivado por las autoridades reguladoras, tras haber sido suspendido brevemente en virtud de una orden de control de exportaciones de EE. UU. antes de que se restableciera el acceso. La IA de vanguardia ya no es solo una categoría de productos. Es un instrumento de política nacional.

La revolución del modelo abierto: pesos para el pueblo

Mientras los gigantes se enfrentaban en el ámbito de sus API, se desarrollaba una historia paralela e igualmente importante: el auge de modelos abiertos.

El punto de inflexión se produjo a principios de 2023, cuando Meta lanzó LLaMA, un modelo lingüístico muy potente cuyos parámetros se filtraron y posteriormente se compartieron oficialmente con los investigadores. Por primera vez, era posible descargar un modelo realmente potente, ejecutarlo en tu propio hardware, examinarlo y modificarlo. En torno a él surgió una comunidad global de desarrolladores y aficionados que generó una asombrosa oleada de variantes ajustadas, optimizaciones y herramientas, a menudo más rápido de lo que los grandes laboratorios tardaban en lanzar nuevas funciones.

Esa energía comunitaria nunca decayó y, en 2026, el ecosistema abierto ha madurado hasta convertirse en un rival de peso para la frontera cerrada. Hay algunos aspectos que conviene comprender:

«Open weights» no es lo mismo que «código abierto». Esta distinción confunde a mucha gente. Código abierto significa que el código de entrenamiento, los datos y los pesos se distribuyen bajo una licencia permisiva. Peso libre significa que puedes descargar y ejecutar los archivos del modelo, pero la licencia puede restringir su uso, y los datos de entrenamiento y la receta completa suelen ser privados. La mayoría de los modelos que la gente suele denominar “de código abierto” son, en realidad, de «peso abierto». La diferencia es enorme para las empresas preocupadas por el cumplimiento normativo, y por eso las licencias se han convertido en una auténtica ventaja competitiva. Las licencias permisivas Apache 2.0 y MIT (utilizadas por familias como Qwen, DeepSeek y otras) son muy apreciadas precisamente porque permiten a las empresas desarrollar libremente.

El centro de gravedad se desplazó hacia el este. Algunos de los modelos de peso libre más potentes de 2026 proceden de laboratorios chinos: DeepSeek (reconocida por su razonamiento de vanguardia a un precio sorprendentemente bajo), Qwen, de Alibaba (una amplia familia de productos con licencias flexibles que abarca desde pequeños modelos de ordenador portátil hasta sistemas de gran envergadura), Kimi, de Moonshoty GLM de Zhipu/Z.ai serie. La de Meta Llama 4 constituye el pilar del nivel abierto occidental, la versión ligera de Google Gemma Los modelos están diseñados para ejecutarse en una sola GPU o incluso en un ordenador portátil, y en Europa… Mistral ha adoptado licencias permisivas para sus modelos estrella. La clasificación abierta cambia ahora casi cada mes: las últimas estadísticas sitúan a modelos como el GLM-5.2 y el último de Kimi en lo más alto o cerca de lo más alto de las clasificaciones abiertas independientes, y varios modelos abiertos se están adentrando en un terreno que antes pertenecía exclusivamente al ámbito cerrado.

El desplome de los precios. Quizá el aspecto más trascendental del modelo abierto sea el económico. La competencia —impulsada en gran medida por estos proveedores abiertos y de bajo coste— ha hecho que el precio de la inteligencia se desplome. Funciones que hace dos años costaban una pequeña fortuna en tarifas de API ahora están disponibles por unos céntimos por millón de palabras, o son gratuitas si las alojas tú mismo. Los analistas estiman ahora que los mejores modelos abiertos se quedan atrás respecto a los mejores modelos cerrados por solo meses en muchos parámetros de referencia, no en años. Para una amplia gama de tareas del día a día, la opción de código abierto es ahora lo suficientemente buena, lo suficientemente barata y lo suficientemente privada como para imponerse.

Esta es la revolución silenciosa que se esconde tras los titulares. La vanguardia acapara la atención, pero la generalización de una IA “suficientemente buena” —que se ejecuta en tus propios servidores, bajo tu propio control y con un coste marginal casi nulo— podría acabar transformando más sectores que cualquier modelo estrella por sí solo.

Cuando la IA aprendió a ver y a pintar: la historia de la generación de imágenes

El lenguaje fue solo la mitad de la revolución. La otra mitad fue visual, y llegó con la misma rapidez.

Los primeros sistemas para generar imágenes mediante IA fueron los GAN (Red Adversaria Generativa), presentada en 2014. La ingeniosa idea: enfrentar entre sí a dos redes, una que genera imágenes falsas y otra que intenta detectarlas, hasta que el generador mejora tanto que las falsificaciones resultan convincentes. Las GAN producían rostros inquietantemente realistas —la era de “estas personas no existen”—, pero eran complicadas de entrenar y difíciles de controlar con palabras.

El verdadero avance en el ámbito del consumo se debió a una técnica diferente: modelos de difusión, que aprenden a crear imágenes partiendo de ruido puro y refinándolo gradualmente hasta convertirlo en una imagen coherente, guiadas por una indicación de texto. Los resultados, así como la evolución a lo largo del tiempo, fueron asombrosos:

• DALL·E y DALL·E 2 (2021-2022) de OpenAI demostró al mundo que bastaba con escribir una frase caprichosa —“un astronauta montando a caballo en estilo fotorrealista”— para obtener una imagen sorprendentemente buena.
• Midjourney (2022) Llegó con una estética distintiva y magnífica y creó una comunidad enorme, convirtiéndose en sinónimo de arte generado por IA de gran belleza.
• Stable Diffusion (2022) Hizo con las imágenes lo que LLaMA hizo más tarde con el texto: se publicó de forma abierta. Cualquiera podía ejecutarlo, ajustarlo y desarrollar soluciones a partir de él. De la noche a la mañana surgió todo un ecosistema abierto de herramientas, complementos y modelos personalizados.

A partir de ahí, el sector avanzó a toda velocidad. Los antiguos problemas —manos deformadas, textos sin sentido, rostros inquietantes— se resolvieron uno a uno. En 2026, el mercado de la generación de imágenes se ha dividido en bandos bien diferenciados, y la calidad es tan alta que los resultados superan habitualmente una inspección humana superficial:

• Midjourney (ahora en su línea V8) sigue siendo la opción estética preferida para crear obras de arte estilizadas que llaman la atención.
• Imagen de GPT de OpenAI Estos modelos (los sucesores de DALL·E, ahora integrados directamente en ChatGPT) destacan por su capacidad para seguir instrucciones complejas y representar correctamente el texto dentro de las imágenes, un problema que ha afectado a todos los modelos durante años.
• FLUX, de Black Forest Labs se convirtió en el campeón de los modelos de peso abierto, igualando en fotorrealismo a los modelos cerrados de gama alta a una fracción del coste, y haciendo que la mayoría de los usuarios más exigentes del software libre dejaran de lado las versiones anteriores de Stable Diffusion.
• Imagen de Google y “Nano Banana” modelos y Firefly de Adobe (entrenados con datos con licencia, algo que las empresas valoran mucho por motivos de seguridad jurídica) completan el ámbito profesional.
• Y, al igual que en el caso de LLM, Modelos chinas como Seedream, de ByteDance, que se ha disparado en la clasificación.

La frontera ya no se limita a crear una imagen bonita. Se trata de edición — seleccionar una región de forma coloquial y solicitar cambios — y sobre coherencia, manteniendo el mismo personaje o producto idéntico en docenas de imágenes. La generación de imágenes mediante IA pasó de ser una novedad a convertirse en una herramienta de producción profesional en unos cuatro años.

Cuando la IA aprendió a moverse: el auge de los vídeos generados por IA

Si las imágenes fueron el milagro de hace cuatro años, el vídeo es el de esta época. Y nada ha reflejado mejor la vertiginosa velocidad del avance de la IA que ver cómo la tecnología de «texto a vídeo» ha pasado de ser un chiste a convertirse en una amenaza para la industria cinematográfica en menos de tres años.

Hasta hace tan solo unos años, en 2023, el “vídeo generado por IA” consistía en unos segundos de imágenes borrosas y parpadeantes, con rostros que se desvanecían y objetos que se transformaban en cosas sin sentido entre fotogramas. Era una curiosidad, no una herramienta.

Posteriormente, a principios de 2024, OpenAI presentó un avance de Sora, y la conversación cambió al instante. Sus secuencias eran fotorrealistas, coherentes en el tiempo y cinematográficas, de tal manera que daba la sensación de que se habían adelantado varios años respecto al progreso esperado. Todos los competidores se lanzaron inmediatamente a intentar alcanzar ese nivel.

La carrera ha dado lugar a un grupo de participantes excepcional. Para 2026, entre los principales aspirantes se encuentran: Veo, de Google, Runway de cuarta generación línea (integrada en un entorno de edición creativa completo, en lugar de venderse como un modelo sin procesar) y una oleada de potentes modelos chinos — Kling (Kuaishou), Seedance (ByteDance) y otras — que ahora copan los primeros puestos de las clasificaciones independientes de calidad de vídeo. El listón técnico ha subido rápidamente: nativo audio sincronizado —incluido el diálogo generado con sincronización labial correcta en varios idiomas— pasó de ser ciencia ficción a convertirse en una función habitual en aproximadamente un año.

El giro argumental que nadie se esperaba: Sora, el modelo que dio inicio a la carrera, se apagó. OpenAI dejó de ofrecer los servicios web y la aplicación de Sora en abril de 2026, y la API siguió el mismo camino más adelante ese mismo año. La herramienta que marcó el ritmo fue superada y retirada, mientras que el sector al que inspiró avanzaba a pasos agigantados: un símbolo casi perfecto de lo brutalmente rápido que evoluciona este ámbito. Establece el listón y, dieciocho meses después, puede que ya seas un referente del pasado.

Hoy en día, un emprendedor en solitario, con un guion de texto y un presupuesto modesto, puede generar material de vídeo que antes habría requerido una localización, un equipo de rodaje y un presupuesto de cinco cifras. La tecnología sigue teniendo límites reales —fallos físicos, falta de coherencia en escenas largas y serias cuestiones legales y éticas en torno a la imagen pública y la divulgación—, pero la trayectoria es innegable.

Más allá del texto y los píxeles: la voz, la multimodalidad y la era de los agentes

Las categorías bien definidas que utiliza este artículo —texto, imagen, vídeo— están, sinceramente, empezando a desdibujarse. La tendencia que caracteriza a la era actual es que estas capacidades se están fusionando en sistemas únicos y unificados.

Multimodalidad Es el nombre técnico. Los modelos de vanguardia de 2026 no son modelos de texto a los que se les haya añadido una función de imagen; ven, leen, oyen y generan contenido de forma nativa en distintos formatos en un flujo continuo. Puedes mostrarle una foto de tu nevera y pedirle una receta, compartir una captura de pantalla de un error y obtener una solución, o hablarle y que te responda con una voz natural, que se puede interrumpir, casi sin retraso. El anticuado y torpe ciclo de “escribir, esperar, leer” está dando paso a algo que se parece mucho más a hablar con una persona competente.

Y luego están agentes — el tema que da cohesión a toda la historia de 2026. Un agente es un sistema de inteligencia artificial que no solo responde, sino que actos: planifica una tarea de varios pasos, utiliza herramientas y programas informáticos, comprueba su propio trabajo y lleva a cabo la tarea hasta el final con un mínimo de ayuda. Reservar un viaje, conciliar una hoja de cálculo con tres fuentes de datos, refactorizar un código base, llevar a cabo un proyecto de investigación en docenas de páginas web… Todo esto está pasando de ser una “demostración” a formar parte del “flujo de trabajo diario”. La interfaz está pasando de ser una ventana de chat a una cola de tareas delegadas.

Esta es la línea conductora de toda la historia de la IA, que llega así a su conclusión lógica. Pasamos de programación ordenadores con reglas explícitas, para formación basándonos en los datos, para conversando con ellos en un lenguaje sencillo, para —ahora— delegar un trabajo de verdad para ellos. Cada paso eliminaba una barrera entre la intención humana y el resultado final. Los agentes representan la vanguardia actual de esa eliminación.

¿Por qué la IA ha avanzado tan rápido de repente?

Si dejamos a un lado los nombres de los modelos y los números de versión, surge una pregunta lógica: tras cincuenta años de rastreo, ¿por qué la IA, de repente, sprint? Se dieron cita una serie de factores, y fue esa conjunción —y no ninguno de ellos por separado— la que encendió la mecha.

La potencia de cálculo se ha vuelto increíblemente grande y está disponible en abundancia. Las mismas GPU que se utilizan para procesar los videojuegos resultaron ser perfectas para entrenar redes neuronales. A medida que los chips mejoraban y los centros de datos se ampliaban, la potencia bruta disponible para el entrenamiento de la IA creció de forma exponencial. Las ideas que eran teóricamente sólidas en la década de los noventa eran sencillamente inviables hasta que el hardware alcanzó el nivel necesario.

Los datos se convirtieron en un torrente inagotable. Internet ha tardado treinta años en acumular un corpus casi ilimitado de textos, imágenes y vídeos creados por el ser humano. Ese vasto y desordenado registro del conocimiento y la expresión humanos se convirtió en el material de entrenamiento. Sin Internet, no habría IA moderna.

La escala desbloqueada de «Transformers». Como hemos visto, la arquitectura de 2017 permitió convertir de forma fiable una mayor capacidad de cálculo y un mayor volumen de datos en una mayor capacidad. Esa previsibilidad convirtió la investigación en algo más parecido a la ingeniería, y los problemas de ingeniería se resuelven rápidamente cuando llega el dinero.

Apareció el dinero. ChatGPT demostró que existía un mercado colosal, y el capital se volcó en él. Se invirtieron decenas de miles de millones de dólares en laboratorios, chips y talento. Esa financiación acortó unos plazos que, de otro modo, se habrían prolongado durante décadas.

La feroz competencia marcó el ritmo. Con OpenAI, Google, Anthropic, Meta, xAI y una docena de laboratorios chinos compitiendo entre sí, nadie podía permitirse el lujo de bajar el ritmo. Una ventaja que había costado seis meses conseguir podía esfumarse en seis semanas. Esa presión es precisamente la razón por la que casi cada vez que lees las noticias ves un nuevo producto estrella.

Los ecosistemas abiertos multiplicaron el esfuerzo. Cada modelo publicado de forma abierta convirtió a miles de desarrolladores independientes en personal de I+D no remunerado. La inteligencia colectiva de la comunidad global de código abierto aceleró el progreso de una forma que ninguna empresa por sí sola podría igualar, y hizo que el precio de la IA cayera en picado.

Si se combinan todos estos elementos, se obtiene la curva de capacidad más pronunciada que la tecnología haya generado jamás. No se trata tanto de un único invento como de una reacción en cadena.

El futuro de la IA

Predecir el futuro de la IA es una forma estupenda de quedar en ridículo dentro de seis meses: este artículo ha dejado claro lo habitual que es que los expertos se lleven sorpresas. Sin embargo, la trayectoria actual apunta a algunas cosas con una certeza razonable.

Agentes, sed realistas. La siguiente fase no se centra tanto en los modelos que saber cada vez más sobre sistemas que funcionan de forma fiable do Además, la realización de trabajos largos, complejos y de múltiples pasos con auténtica autonomía. Cabe esperar que se intensifique el debate en torno al concepto de “trabajador de IA”, junto con preguntas difíciles sobre la supervisión, la fiabilidad y qué pasará con los puestos de trabajo basados en tareas que ahora pueden realizar los agentes.

La inteligencia es cada vez más barata. La caída de los precios aún no ha terminado. A medida que los modelos abiertos van acortando distancias y la eficiencia mejora, la IA de calidad tiende a ser casi gratuita y a ejecutarse de forma local —en tu móvil, tu ordenador portátil o tus propios servidores—. Esa mercantilización podría transformar sectores enteros de forma más silenciosa y profunda que cualquier modelo estrella por sí solo.

Las líneas no dejan de desvanecerse. El texto, las imágenes, el audio y el vídeo están convergiendo en sistemas unificados, y “utilizar una IA” se percibirá menos como recurrir a una herramienta y más como una capacidad integrada de forma invisible en todo lo que ya haces.

La gobernanza pasa a ocupar un lugar central. El breve cierre regulatorio de un modelo pionero en 2026 fue un anticipo. A medida que la IA se convierta en una infraestructura crítica y en una palanca de poder geopolítico, las cuestiones relacionadas con la seguridad, los derechos de autor, el control y la estrategia nacional determinarán el futuro de este campo tanto como cualquier avance en la investigación. La carrera técnica y la carrera política son ahora una misma carrera.

Lo único que se puede predecir con certeza es que el ritmo no disminuirá. Cada capítulo de esta historia lo han escrito personas que, con total confianza, subestimaban la rapidez con la que llegaría el siguiente capítulo.

Preguntas frecuentes

¿Cuándo comenzó realmente la IA moderna? El concepto se remonta a la década de 1950, pero la era moderna del aprendizaje profundo suele situarse a partir de 2012, cuando la red neuronal AlexNet se impuso en un concurso de reconocimiento de imágenes y demostró que las redes profundas, combinadas con el big data y la potencia de cálculo de las GPU, constituían una combinación ganadora. El auge entre el público general comenzó más tarde, con el lanzamiento de ChatGPT en noviembre de 2022.

¿Cuál es la diferencia entre los modelos de IA abiertos y los cerrados? Los modelos cerrados (como GPT-5.5, Claude y Gemini) mantienen sus pesos en secreto y se utilizan a través de aplicaciones o API de pago. Los modelos abiertos (como Llama, DeepSeek, Qwen y GLM) comparten sus pesos, de modo que cualquiera puede descargarlos, ejecutarlos y modificarlos. Un matiz clave: “pesos abiertos” significa que se obtienen los archivos del modelo, mientras que el verdadero “código abierto” incluye también el código de entrenamiento y los datos; la mayoría de los denominados modelos de código abierto son, en realidad, de pesos abiertos.

¿Cuál fue el avance más importante en la historia de la inteligencia artificial? Muchos investigadores señalan la arquitectura Transformer de 2017, presentada en el artículo Lo único que necesitas es atención. Hizo que los modelos fueran escalables y eficientes de entrenar, y constituye la base de prácticamente todos los principales sistemas de IA que se utilizan hoy en día, desde los chatbots hasta los generadores de imágenes.

¿Cómo es que la generación de imágenes y vídeos mediante IA ha mejorado tanto en tan poco tiempo? La generación de imágenes dio un gran salto adelante con los modelos de difusión alrededor de 2021-2022 (DALL·E, Midjourney, Stable Diffusion), y a continuación resolvió rápidamente antiguos problemas como las manos distorsionadas y el texto ilegible. El vídeo siguió una curva similar, pasando de unos pocos segundos de movimiento borroso en 2023 a clips fotorrealistas y sincronizados con el audio en 2026, impulsados por la intensa competencia entre modelos como Veo, Runway, Kling y Seedance.

¿Se va a ralentizar el avance de la IA? De momento no hay indicios de ello. La combinación de una gran capacidad de cálculo, inversiones masivas, una competencia feroz entre los laboratorios y una próspera comunidad de código abierto sigue impulsando el ritmo. Si la historia anterior nos enseña algo, es que la siguiente ola siempre ha llegado antes de lo que nadie esperaba.