El futuro de la IA — qué viene en los próximos 24 meses
Agentes que actúan, IA dentro de cada app, modelos que te conocen. La pregunta práctica no es cuándo llega la AGI — es qué hacés con los próximos dos años.
Germán Falcioni✦ Lectura: 9 min
Hay una pregunta que casi nadie se hace cuando lee sobre el futuro de la IA: ¿en qué nivel de la jerarquía de agencia estamos parados? La conversación pública mezcla dos avances que técnicamente son distintos — modelos más capaces y sistemas más autónomos — y por eso confunde el plazo en que va a impactar tu trabajo.
La frontera que importa para los próximos veinticuatro meses no se mide en parámetros. Se mide en cuántos pasos de un flujo entero el sistema ejecuta antes de que vos tengas que intervenir. Y esa es una métrica que ya está subiendo de manera medible cada seis meses.
Jerarquía de agencia: dónde estamos y a dónde vamos
Conviene formalizar la trayectoria histórica antes de proyectar.
| Nivel | Capacidad | Estado | Modelo de control |
|---|---|---|---|
| 1 | Recuperación pura | Pre-2020 | Humano hace todo, sistema indexa |
| 2 | Análisis y clasificación | 2005-2020 | Sistema scorea, humano decide |
| 3 | Generación y síntesis | 2020-2024 | Sistema genera, humano valida |
| 4 | Agencia restringida | 2024-2026 (presente) | Sistema ejecuta con permisos delimitados |
| 5 | Agencia general | 2026-2030 (proyectado) | Sistema planifica, ejecuta, itera |
| 6 | AGI | 2030+ (especulativo) | Sistema generaliza |
Hoy, abril de 2026, estamos firmemente en el Nivel 4 con agentes pioneros explorando el 4.5. Claude Computer Use es el ejemplo más maduro de Nivel 4 en producción: el sistema observa la pantalla, razona el próximo paso, ejecuta vía control simulado de mouse y teclado, y vuelve al loop. Termina cuando completa la tarea o cuando detecta ambigüedad y pide intervención humana.
La transición a Nivel 5 — sistemas que planifican y ejecutan flujos enteros sin gates en cada paso — es el vector que más reorganiza la economía del conocimiento entre 2026 y 2030. No requiere AGI. Requiere que los sistemas actuales aumenten dos parámetros que ya están aumentando: longitud de horizonte de planificación y robustez ante interfaces no vistas.
La economía del agente: por qué importa más que el modelo
El costo unitario de una inferencia de modelo cae aproximadamente un orden de magnitud cada doce a dieciocho meses. Esa curva está documentada en varios reportes (Stanford AI Index 2025 entre otros). En paralelo, el costo de operar un agente — que requiere múltiples inferencias por tarea, observación de pantalla y razonamiento iterativo — sigue una curva más lenta pero también descendente.
La pregunta económica que define los próximos 24 meses: ¿cuándo el costo total de delegar una tarea X a un agente cae por debajo del costo humano de hacerla? La respuesta varía por dominio. Para tareas estructuradas con interfaces estables (procesamiento de formularios, normalización de datos, gestión de inboxes con reglas), el cruce ya ocurrió en 2024-2025. Para tareas con ambigüedad o interfaces nuevas, el cruce está en proceso entre 2026 y 2028.
La consecuencia estructural: el mercado laboral del trabajo intelectual se segmenta en tres bandas que se mueven a velocidades distintas. La banda automatizable — tareas predecibles, alto volumen, baja ambigüedad — se contrae rápido. La banda de juicio — tareas de alta ambigüedad, decisión bajo incertidumbre, relacional — se contrae lento o se expande. La banda intermedia — donde vive la mayoría del trabajo profesional actual — se transforma: el profesional que la habita pasa de ejecutor a supervisor de agentes.
Multimodalidad: el verdadero cambio es la representación interna
Hay una distinción técnica que la cobertura de prensa elide. Un modelo "multimodal" puede significar dos cosas muy distintas:
Multimodalidad de pipeline (estado actual de la mayoría): el sistema concatena modelos especializados. Imagen entra, modelo de visión la describe como texto, modelo de lenguaje sigue desde ahí. Audio entra, modelo de speech-to-text transcribe, modelo de lenguaje sigue. Hay pérdida en cada transcripción y la latencia se acumula.
Multimodalidad nativa (frontera 2026-2028): un modelo único representa internamente texto, imagen, audio y video en un mismo espacio de embeddings. No hay transcripción intermedia. La inferencia es directa de input multimodal a output multimodal.
La diferencia importa para tareas que dependen de información que se pierde en transcripción. Tres ejemplos: análisis del tono emocional de una reunión grabada, sincronización temporal entre comentario verbal y reacción visual, comprensión de música o sonido ambiente como señal contextual. Estas tareas son intratables en pipeline y triviales en nativo.
La proyección razonable: para 2028, los modelos de frontera tienen multimodalidad nativa para texto + imagen + audio + video corto. La multimodalidad nativa para video largo y mixes complejos llega después.
Personalización: in-context vs fine-tuning persistente
Existen dos avenidas técnicas hacia "IA que te conoce", con trade-offs muy distintos:
Avenida A — In-context learning. El modelo recibe documentos sobre el usuario en cada conversación y opera dentro de la ventana de contexto. Es lo que hace Claude Projects hoy. Ventajas: no requiere reentrenamiento, los datos no quedan en pesos del modelo, es reversible. Limitaciones: la memoria no persiste entre sesiones de manera estructural, el costo en tokens crece con la cantidad de contexto, hay un techo en cuántos documentos efectivamente puede integrar el modelo en un razonamiento.
Avenida B — Fine-tuning persistente. El modelo se ajusta con datos del usuario. La memoria queda en parámetros. Ventajas: contexto siempre cargado, sin costo marginal por token de personalización en cada inferencia. Limitaciones: costo de entrenamiento, pérdida de generalidad si se sobreentrena, irreversibilidad, riesgos serios de privacidad si los datos se filtran.
Avenida C — Híbrido (la más probable para 2027-2030). Memoria estructurada externa (vector store + retrieval) más fine-tuning selectivo de capacidades muy específicas como voz de escritura. La mayoría de la implementación viaja en in-context, pero ciertos patrones repetitivos del usuario se calibran en parámetros.
La avenida que gane define el modelo de privacidad de la IA personal. Es una pregunta técnica con consecuencias políticas y regulatorias inmediatas, especialmente en jurisdicciones con marcos como GDPR.
AGI: tres interpretaciones, ninguna decidida
La etiqueta "AGI" carga tres significados técnicos distintos que conviene desambiguar:
Interpretación 1 — Competencia humana general. Una IA capaz de cualquier tarea intelectual al nivel de un humano experto. Es la definición operacional más usada. Las proyecciones serias de cuándo se alcanza varían entre 5 y 50 años. La distribución de opiniones en encuestas de investigadores de aprendizaje automático muestra una mediana cerca de los 20 años con colas largas a ambos lados.
Interpretación 2 — Superinteligencia. Una IA mejor que humano en la mayoría de tareas intelectuales. Es distinto de AGI y depende de qué tareas. Una IA puede ser superhumana en procesamiento de texto y subhumana en comprensión emocional. La pregunta de "cuándo" es aún menos contestable.
Interpretación 3 — Sentencia o conciencia. Una IA con experiencia subjetiva. Es una pregunta filosófica antes que técnica y probablemente no tenga respuesta empírica clara.
La interpretación 1 es la que el mercado está apostando alcanzar en escala de tiempo relevante para inversión. Hay tres campos sobre las trayectorias técnicas:
- Optimistas de escalado: scaling laws siguen funcionando, capacidades emergentes aparecen en escalas mayores, la AGI llega por más cómputo.
- Realistas de breakthrough: el escalado tiene rendimientos decrecientes en ciertas dimensiones (razonamiento abstracto, planificación de largo horizonte) y se necesitan descubrimientos arquitecturales nuevos.
- Escépticos arquitecturales: los modelos actuales son fundamentalmente predictores de próximo token y no van a alcanzar AGI por más datos o cómputo. Se necesitan paradigmas nuevos.
Ninguna de las tres posiciones está descartada por evidencia hoy. El honestidad intelectual exige reconocer la incertidumbre como parte del análisis, no esconderla detrás de una predicción específica.
Tensiones no resueltas que un power user debería mapear
Tres tensiones que no aparecen en la cobertura entusiasta y que conviene tener en el radar:
Tensión 1 — Literalidad vs robustez en agentes. Cuanto más literal sigue instrucciones un modelo, más predecible es para sistemas autónomos pero menos tolerante con instrucciones imperfectas. La industria está desplazándose hacia más literalidad. Implicación: los agentes funcionan bien para usuarios que escriben instrucciones detalladas y mal para usuarios casuales. La brecha de productividad entre power users y casuales se ensancha.
Tensión 2 — Privacidad vs personalización. Las dos avenidas técnicas hacia memoria persistente generan datos sensibles. La regulación va más lenta que la capacidad. En 24 meses la pregunta no es "¿quiero IA personalizada?" sino "¿en qué jurisdicción y bajo qué marco contractual la quiero?".
Tensión 3 — Costo de tokens en producción a escala. Los nuevos sistemas de tokenización pueden cambiar la cantidad de tokens generados por la misma entrada en factores de hasta 1.35x. Para deploys de alto volumen, eso es un aumento de costo no formalmente anunciado. Los contratos enterprise basados en estimaciones históricas se desalinean. Vale recalibrar dashboards trimestralmente.
Tesis: el ganador estructural de los próximos 24 meses
Cierro con una tesis editorial, no una proyección neutral.
El ganador estructural del período 2026-2028 no va a ser el modelo más grande, el benchmark más alto ni el agente con más demos virales. Va a ser el sistema en el que más empresas medianas y profesionales independientes puedan delegar trabajo real con confianza.
Eso requiere tres atributos que no son los que generan titulares:
- Predictibilidad de comportamiento. Que la misma instrucción produzca el mismo resultado mañana que hoy. Que las actualizaciones del modelo no rompan flujos de producción.
- Confianza en la auto-verificación. Que el modelo te diga "esto lo sé y esto no" en lugar de inventar con confianza. La frontera real de utilidad práctica está acá, no en benchmarks abstractos.
- Costo total de operación predecible. Que el costo de delegar una tarea X sea calculable de antemano y estable trimestre a trimestre.
Las empresas que están construyendo en estas tres dimensiones — más allá de la carrera por benchmarks de capacidad pura — son las que van a capturar el mercado de trabajo real cuando termine el ciclo de hype actual. Y esa transición ocurre, sin exagerar, en el plazo de los próximos veinticuatro meses.
¿Cuál es tu test empírico personal para decidir si un sistema de IA es lo suficientemente confiable para incorporarlo a un flujo de trabajo crítico de tu negocio?