En 2026, la IA pasará del hype a la pragmática: ¿qué esperar?

Si 2025 fue el año en que la inteligencia artificial (IA) recibió un "chequeo de vibra", 2026 se perfila como el año en que la tecnología se tornará más práctica. La atención ya comenzó a desplazarse de la construcción de modelos de lenguaje cada vez más grandes hacia el trabajo más arduo de hacer que la IA sea utilizable. En la práctica, esto implica desplegar modelos más pequeños donde sean adecuados, integrar inteligencia en dispositivos físicos y diseñar sistemas que se integren de manera fluida en los flujos de trabajo humanos.

Los expertos consultados por TechCrunch consideran que 2026 será un año de transición, que evolucionará desde la escalabilidad bruta hacia la investigación de nuevas arquitecturas, desde demostraciones llamativas hacia implementaciones específicas, y desde agentes que prometen autonomía hacia aquellos que realmente mejoran cómo las personas trabajan.

La fiesta no ha terminado, pero la industria comienza a sobria.

Las leyes de escalabilidad no serán suficientes

En 2012, el artículo de Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton sobre ImageNet mostró cómo los sistemas de IA podían "aprender" a reconocer objetos en imágenes al observar millones de ejemplos. Este enfoque fue costoso en términos computacionales, pero se hizo posible gracias a las GPU. ¿El resultado? Una década de investigación intensa en IA mientras los científicos trabajaban para inventar nuevas arquitecturas para diferentes tareas.

Esto culminó alrededor de 2020 cuando OpenAI lanzó GPT-3, que demostró cómo simplemente hacer el modelo 100 veces más grande desbloquea habilidades como la codificación y el razonamiento sin requerir entrenamiento explícito. Esto marcó la transición a lo que Kian Katanforoosh, CEO y fundador de la plataforma de agentes de IA Workera, denomina la "era de la escalabilidad": un período definido por la creencia de que más computación, más datos y modelos de transformadores más grandes conducirían inevitablemente a los próximos grandes avances en IA.

Hoy, muchos investigadores piensan que la industria de la IA está comenzando a agotar los límites de las leyes de escalabilidad y que volverá a una era de investigación.

Yann LeCun, ex jefe de IA de Meta, ha argumentado durante mucho tiempo en contra de la dependencia excesiva de la escalabilidad y ha enfatizado la necesidad de desarrollar mejores arquitecturas. Y Sutskever dijo en una reciente entrevista que los modelos actuales están estancados y que los resultados del preentrenamiento se han aplanado, lo que indica la necesidad de nuevas ideas.

A veces menos es más

Los modelos de lenguaje grandes son excelentes para generalizar conocimientos, pero muchos expertos dicen que la próxima ola de adopción de IA empresarial será impulsada por modelos de lenguaje más pequeños y ágiles que pueden ser ajustados para soluciones específicas de dominio. Andy Markus, director de datos de AT&T, comentó que "los modelos de lenguaje pequeños ajustados serán la gran tendencia y se convertirán en un elemento básico utilizado por empresas de IA maduras en 2026, ya que las ventajas de costo y rendimiento impulsarán su uso sobre los modelos de lenguaje grandes listos para usar".

Se ha visto este argumento antes por parte de la startup de IA de código abierto Mistral: argumenta que sus modelos pequeños en realidad rinden mejor que los modelos más grandes en varios puntos de referencia después de un ajuste fino.

La eficiencia, la rentabilidad y la adaptabilidad de los modelos de lenguaje pequeños los convierten en ideales para aplicaciones personalizadas donde la precisión es primordial, afirmó Jon Knisley, estratega de IA en ABBYY, una empresa de IA empresarial con sede en Austin.

Mientras que Markus cree que los modelos pequeños serán clave en la era de los agentes, Knisley sostiene que la naturaleza de los modelos pequeños significa que son mejores para su implementación en dispositivos locales, "una tendencia acelerada por los avances en la computación en el borde".

Aprendiendo a través de la experiencia

Los humanos no solo aprenden a través del lenguaje; aprendemos experimentando cómo funciona el mundo. Pero los modelos de lenguaje grandes no entienden realmente el mundo; simplemente predicen la siguiente palabra o idea. Por eso muchos investigadores creen que el próximo gran salto vendrá de los modelos de mundo: sistemas de IA que aprenden cómo se mueven e interactúan las cosas en espacios 3D para poder hacer predicciones y tomar acciones.

Las señales de que 2026 será un gran año para los modelos de mundo están multiplicándose. LeCun dejó Meta para iniciar su propio laboratorio de modelos de mundo y se informa que busca una valoración de $5 mil millones. DeepMind de Google ha estado trabajando en Genie y en agosto lanzó su último modelo que construye modelos de mundo interactivos de propósito general en tiempo real. Junto a demostraciones de startups como Decart y Odyssey, Fei-Fei Li de World Labs lanzó su primer modelo comercial de mundo, Marble. Nuevos participantes como General Intuition en octubre obtuvieron una ronda de semillas de $134 millones para enseñar a los agentes razonamiento espacial, y la startup de generación de video Runway en diciembre lanzó su primer modelo de mundo, GWM-1.

Si bien los investigadores ven un potencial a largo plazo en la robótica y la autonomía, el impacto a corto plazo probablemente se verá primero en los videojuegos. PitchBook predice que el mercado de modelos de mundo en juegos podría crecer de $1.2 mil millones entre 2022 y 2025 a $276 mil millones para 2030, impulsado por la capacidad de la tecnología para generar mundos interactivos y personajes no jugadores más realistas.

Pim de Witte, fundador de General Intuition, dijo a TechCrunch que los entornos virtuales pueden no solo remodelar los videojuegos, sino también convertirse en campos de prueba críticos para la próxima generación de modelos de base.

Nación agentica

Los agentes no cumplieron con las expectativas en 2025, pero una gran razón para ello es que es difícil conectarlos a los sistemas donde realmente ocurre el trabajo. Sin una forma de acceder a herramientas y contexto, la mayoría de los agentes quedaron atrapados en flujos de trabajo piloto.

El Protocolo de Contexto de Modelo de Anthropic (MCP), un "USB-C para IA" que permite a los agentes de IA comunicarse con herramientas externas como bases de datos, motores de búsqueda y API, demostró ser el tejido conectivo que faltaba y rápidamente se está convirtiendo en el estándar. OpenAI y Microsoft han adoptado públicamente el MCP, y Anthropic lo donó recientemente a la nueva Fundación de IA Agentic de la Linux Foundation, que tiene como objetivo ayudar a estandarizar herramientas agenticas de código abierto. Google también ha comenzado a establecer sus propios servidores MCP gestionados para conectar agentes de IA a sus productos y servicios.

Con el MCP reduciendo la fricción de conectar agentes a sistemas reales, 2026 probablemente será el año en que los flujos de trabajo agenticos finalmente pasen de las demostraciones a la práctica diaria.

Rajeev Dham, socio de Sapphire Ventures, afirma que estos avances llevarán a que las soluciones centradas en agentes asuman roles de "sistema de registro" en diversas industrias.

“A medida que los agentes de voz manejen más tareas de extremo a extremo, como la recepción y la comunicación con el cliente, también comenzarán a formar los sistemas centrales subyacentes”, dijo Dham. “Veremos esto en una variedad de sectores como servicios a domicilio, proptech y atención médica, así como en funciones horizontales como ventas, TI y soporte.”

Aumento, no automatización

Si bien más flujos de trabajo agenticos pueden generar preocupaciones de que se produzcan despidos, Katanforoosh de Workera no está tan seguro de que ese sea el mensaje: “2026 será el año de los humanos”, dijo.

En 2024, cada empresa de IA predijo que automatizarían trabajos por la necesidad de humanos. Pero la tecnología aún no está ahí, y en una economía inestable, esa no es realmente una retórica popular. Katanforoosh dice que el próximo año nos daremos cuenta de que "la IA no ha funcionado tan autónomamente como pensábamos", y la conversación se centrará más en cómo se está utilizando la IA para aumentar los flujos de trabajo humanos, en lugar de reemplazarlos.

“Y creo que muchas empresas comenzarán a contratar”, agregó, señalando que espera que surjan nuevos roles en gobernanza de IA, transparencia, seguridad y gestión de datos. “Soy bastante optimista sobre que el desempleo promediará menos del 4% el próximo año.”

“La gente quiere estar por encima de la API, no por debajo de ella, y creo que 2026 es un año importante para esto”, añadió de Witte.

Hacia lo físico

Los avances en tecnologías como modelos pequeños, modelos de mundo y computación en el borde permitirán más aplicaciones físicas del aprendizaje automático, afirman los expertos.

“La IA física alcanzará el mercado masivo en 2026 a medida que nuevas categorías de dispositivos impulsados por IA, incluidos robótica, vehículos autónomos, drones y dispositivos portátiles, comiencen a ingresar al mercado”, dijo Vikram Taneja, jefe de AT&T Ventures, a TechCrunch.

Si bien los vehículos autónomos y la robótica son casos de uso obvios para la IA física que sin duda seguirán creciendo en 2026, el entrenamiento y la implementación requeridos siguen siendo costosos. Los dispositivos portátiles, por otro lado, ofrecen una entrada menos costosa con la aceptación del consumidor. Los lentes inteligentes como los Ray-Ban Meta están comenzando a enviar asistentes que pueden responder preguntas sobre lo que se está mirando, y nuevas formas como los anillos de salud impulsados por IA y los smartwatches están normalizando la inferencia siempre activa y en el cuerpo.

“Los proveedores de conectividad trabajarán para optimizar su infraestructura de red para respaldar esta nueva ola de dispositivos, y aquellos con flexibilidad en cómo pueden ofrecer conectividad estarán mejor posicionados”, dijo Taneja.

Temas