La línea de tiempo de la IA — hitos año a año
Antes de empezar: una imagen mental
Imaginate la historia de la IA como una montaña rusa larga. Sube despacio durante 60 años. Tiene dos caídas profundas (los inviernos). Y desde 2012 sube en una pendiente que casi nadie esperaba.
Si hoy te parece que todo cambia rápido, es porque estás en la parte empinada.
Antes de todo: la semilla teórica (1936-1950)
Mucho antes de que existieran computadoras útiles, Alan Turing publica "On Computable Numbers" (1936). Define la máquina de Turing: un dispositivo teórico que puede resolver cualquier problema computable si tenés el algoritmo correcto.
Es puramente abstracto. Pero sienta el piso.
En 1943, Warren McCulloch y Walter Pitts publican "A Logical Calculus of Ideas" y modelan una neurona artificial como lógica matemática. Primera abstracción de cómo el cerebro podría simularse. Fundación conceptual de las redes neuronales.
1950: Turing — "Computing Machinery and Intelligence"
Turing vuelve con la pregunta casi filosófica: ¿pueden pensar las máquinas? Propone el Turing Test: si no podés distinguir una conversación con máquina de una con humano, entonces piensa.
Curiosidad: ChatGPT y Claude vencen el Turing Test desde hace años. Nadie dice "IA lista" porque el test resultó superficial. Pero fue el punto de partida.
1956: Dartmouth — el nacimiento oficial
John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon convocan una reunión de un verano en Dartmouth College. McCarthy acuña el término Artificial Intelligence. La propuesta original pedía 7.500 dólares de la época para reunir 10 personas dos meses (archivo de Dartmouth, 1955).
Todos creen que ese verano van a resolver el problema. No sucede. Pero nace formalmente la disciplina.
1966: ELIZA
Joseph Weizenbaum, en el MIT, escribe ELIZA. Un programa que simula un psicoanalista. Lee "Estoy triste" y responde "¿Por qué estás triste?". Los humanos empatizaban profundamente.
ELIZA no entendía nada. Hacía búsqueda de palabras clave y respondía con plantillas. Pero demostró algo importante: los humanos proyectamos inteligencia donde vemos respuestas coherentes.
1974-1980: Primer Invierno
El reporte Lighthill (1973) en Reino Unido y los recortes de DARPA en Estados Unidos cierran el grifo. Las máquinas eran lentas. Los algoritmos, ingenuos. No había datos masivos. Los académicos siguieron trabajando, pero sin reflectores.
1980-1987: la era de los sistemas expertos
Nueva estrategia: en lugar de máquinas que aprenden, sistemas que codifican reglas de expertos humanos.
El sistema XCON de Digital Equipment Corporation configuraba pedidos de computadoras VAX y ahorraba a la empresa unos 40 millones de dólares por año (documentación interna de DEC, citada por Crevier 1993). El mercado de sistemas expertos llegó a valer 3 mil millones de dólares a fines de los 80.
El problema: frágiles. Si cambiás una regla, la máquina falla. Codificar millones de reglas a mano es imposible.
1987-1997: Segundo Invierno
Los expertos no escalaron. El hype colapsó otra vez. Lo irónico: en el silencio, en laboratorios sin foco, gente como Rumelhart, Hinton y Williams (1986) había publicado el algoritmo de backpropagation, que después haría posible el deep learning.
Pero en 1990 nadie tenía datos ni cálculo para que sirviera.
1997: Deep Blue
IBM construye una máquina que vence a Garry Kasparov, campeón mundial de ajedrez. Hito psicológico. Deep Blue no entiende ajedrez: calcula millones de movimientos posibles. Al público no le importa el cómo. Le importa el resultado. La IA volvió a las portadas.
2009-2012: el quiebre
Tres cosas convergen al mismo tiempo.
Una: las GPUs de Nvidia (CUDA, 2006 en adelante) permiten cómputo masivamente paralelo. Las redes neuronales que tardaban años ahora entrenan en días.
Dos: internet provee datos masivos. Fei-Fei Li y su equipo en Stanford publican ImageNet (Deng et al., 2009): 14 millones de imágenes etiquetadas a mano. El primer dataset gigante con calidad académica.
Tres: en 2012, el equipo de Geoffrey Hinton —con Alex Krizhevsky e Ilya Sutskever— gana ImageNet con AlexNet, una red convolucional profunda. Bajaron el error de clasificación del 26% al 15% en una sola edición (resultados oficiales del concurso ImageNet 2012).
Mensaje: el deep learning funciona. A escala. Más datos más cálculo más capas igual mejor desempeño.
Desde acá todo acelera.
2014: Google compra DeepMind
DeepMind, fundada por Demis Hassabis, demostró que las redes neuronales podían jugar videojuegos Atari mejor que humanos. Google la compra por aproximadamente 500 millones de dólares (cifra reportada por Times of London y BBC). Señal clara: la IA es el futuro.
2016: AlphaGo le gana a Lee Sedol
DeepMind crea AlphaGo, que vence al campeón mundial de Go. Go es exponencialmente más complejo que el ajedrez. Se creía que faltaban décadas. AlphaGo combinó redes neuronales profundas con aprendizaje por refuerzo y lo hizo en una.
2017: "Attention Is All You Need"
Vaswani y otros publican el paper que introduce los transformers: una arquitectura completamente nueva basada en el mecanismo de atención. Sin este paper, no hay ChatGPT, ni Claude, ni Gemini. Hoy tiene más de 100 mil citas.
2018-2020: GPT-1, GPT-2, GPT-3
OpenAI escala transformers para procesar texto.
GPT-1 (2018): 117 millones de parámetros. GPT-2 (2019): 1.500 millones. GPT-3 (2020): 175 mil millones de parámetros, entrenado con unos 300 mil millones de tokens (Brown et al., 2020).
Cada salto trae capacidades nuevas que nadie había pedido específicamente. Eso se llama "habilidades emergentes" y todavía no se entiende bien por qué pasa.
2021: nace Anthropic
Dario y Daniela Amodei dejan OpenAI con un grupo de investigadores y fundan Anthropic. Foco: IA segura y alineada. Pioneros del enfoque Constitutional AI (Bai et al., 2022).
2022: ChatGPT
OpenAI lanza ChatGPT el 30 de noviembre. Es una versión ajustada de GPT-3.5 con interfaz conversacional simple. Llega a 100 millones de usuarios en dos meses (Stanford AI Index 2024). El producto de consumo de adopción más rápida de la historia hasta ese momento.
2023-2024: la guerra de modelos
Marzo 2023: GPT-4 (multimodal limitado al inicio, full multimodal en septiembre con GPT-4 Vision). Julio 2023: Claude 2. Diciembre 2023: Gemini 1.0. Marzo 2024: Claude 3 (Opus, Sonnet, Haiku). Junio 2024: Claude 3.5 Sonnet. Octubre 2024: Claude 3.5 Sonnet (versión actualizada). Noviembre 2024: Anthropic publica el Model Context Protocol (MCP).
Los precios caen. El acceso sube. La IA deja de ser monopolio.
2025-2026: los agentes y MCP
La IA deja de ser una herramienta de chat. Se vuelve un agente que actúa.
Lee tu calendario. Responde emails por categorías. Encadena tareas. Se conecta con Slack, GitHub, Google Workspace, tu CRM. Ejecuta en tiempo real.
MCP es la capa que permite que las IAs accedan a datos y herramientas sin que cada empresa tenga que armar una integración custom para cada modelo. Es la pieza que faltaba.
Una pregunta para cerrar
Si mirás los ciclos de la IA, hay un patrón claro: promesa exagerada, decepción, investigación silenciosa, quiebre, hype masivo. Lo vivimos al menos dos veces en el siglo XX.
¿Estamos en otro ciclo o esta vez es distinto? Yo escribí mi visión en otro artículo de la serie, "¿Viene otro invierno de la IA?". La respuesta corta: no creo que venga un invierno duro como los anteriores. Pero sí creo que el hype actual va a corregirse. Y que la diferencia clave la hace una sola pregunta: ¿lo que prometemos lo entregamos?
Mientras tanto, dominar IA hoy es como dominar Excel en los años 90. Skill diferenciador. Los próximos cinco años van a separar a los que usan IA como pros de los que no.
La línea de tiempo de la IA — hitos año a año
El campo cumple 90 años
La IA tiene casi un siglo de historia. Pero los últimos cinco años fueron más transformadores que los noventa anteriores juntos.
Esto es lo mínimo que tenés que saber para entender el momento que estamos viviendo.
1950: Turing escribe la pregunta fundadora
Alan Turing publica "Computing Machinery and Intelligence" y propone el Turing Test: si conversás con algo y no podés distinguirlo de un humano, eso cuenta como inteligencia. Sigue siendo referencia 75 años después.
1956: Conferencia de Dartmouth
John McCarthy, Marvin Minsky y otros se juntan un verano. McCarthy acuña el término "Artificial Intelligence". Anuncian que en pocos meses van a resolver el problema. No lo resuelven. Y así nace el patrón: la IA promete mucho y entrega menos.
1974-1980: Primer Invierno
El hype colapsa. Las computadoras eran lentas. No había datos. El financiamiento se secó. Los académicos siguieron trabajando en silencio.
1980-1987: los sistemas expertos
Vuelve la euforia con sistemas que codifican reglas de expertos humanos. Funcionan en nichos pero son frágiles. Si cambiás una regla, todo se cae.
1987-1997: Segundo Invierno
Los sistemas expertos no escalan. Hype murió de nuevo. En el silencio, gente como Geoffrey Hinton y Yann LeCun seguía trabajando en redes neuronales.
1997: Deep Blue le gana a Kasparov
IBM construye una máquina que vence al campeón mundial de ajedrez. No "entiende" ajedrez: calcula millones de jugadas por segundo. Pero al público le importa el resultado, no el cómo.
2012: AlexNet gana ImageNet
Una red neuronal reconoce imágenes mejor que cualquier programa anterior. Es el quiebre. Desde acá, todo acelera.
2016: AlphaGo le gana a Lee Sedol
DeepMind crea un sistema que vence al campeón mundial de Go. Se creía que faltaban 30 años para esto. Llegó en uno.
2017: el paper de los Transformers
Vaswani y su equipo en Google publican "Attention Is All You Need". Inventa la arquitectura que después usan todos los modelos modernos. Sin este paper no hay ChatGPT, ni Claude, ni Gemini.
2020: GPT-3
OpenAI libera un modelo de 175 mil millones de parámetros. El primero que parece versátil para casi cualquier tarea.
2022: llega ChatGPT
OpenAI lo lanza en noviembre. Llega a 100 millones de usuarios en dos meses (Stanford AI Index 2024). El mundo entero se entera de que la IA cambió.
2023-2024: la guerra de modelos
GPT-4, Claude 2 y 3, Gemini, Llama. Competencia brutal. Los precios bajan. El acceso crece.
2025-2026: los agentes
La IA deja de ser un chatbot. Ahora actúa: lee tu calendario, encadena tareas, se conecta con tus herramientas. Es trabajo integral, no solo conversación.
Tres ideas para llevar
Primero: la IA tiene 90 años, pero recién hace 14 que funciona de verdad (desde AlexNet, 2012). Si te parece nuevo el hype, no estás solo: es nuevo masivamente.
Segundo: los inviernos no fueron porque la IA fuera imposible. Fueron porque faltaban datos y poder de cálculo. Cuando los dos llegaron, la curva se disparó.
Tercero: estás viviendo un punto bisagra. Los próximos cinco años van a separar a quienes la usan bien de quienes no. No hace falta ser técnico. Hace falta entender qué hace y para qué sirve.
La línea de tiempo de la IA — hitos año a año
Antes de empezar: una imagen mental
Imaginate la historia de la IA como una montaña rusa larga. Sube despacio durante 60 años. Tiene dos caídas profundas (los inviernos). Y desde 2012 sube en una pendiente que casi nadie esperaba.
Si hoy te parece que todo cambia rápido, es porque estás en la parte empinada.
Antes de todo: la semilla teórica (1936-1950)
Mucho antes de que existieran computadoras útiles, Alan Turing publica "On Computable Numbers" (1936). Define la máquina de Turing: un dispositivo teórico que puede resolver cualquier problema computable si tenés el algoritmo correcto.
Es puramente abstracto. Pero sienta el piso.
En 1943, Warren McCulloch y Walter Pitts publican "A Logical Calculus of Ideas" y modelan una neurona artificial como lógica matemática. Primera abstracción de cómo el cerebro podría simularse. Fundación conceptual de las redes neuronales.
1950: Turing — "Computing Machinery and Intelligence"
Turing vuelve con la pregunta casi filosófica: ¿pueden pensar las máquinas? Propone el Turing Test: si no podés distinguir una conversación con máquina de una con humano, entonces piensa.
Curiosidad: ChatGPT y Claude vencen el Turing Test desde hace años. Nadie dice "IA lista" porque el test resultó superficial. Pero fue el punto de partida.
1956: Dartmouth — el nacimiento oficial
John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon convocan una reunión de un verano en Dartmouth College. McCarthy acuña el término Artificial Intelligence. La propuesta original pedía 7.500 dólares de la época para reunir 10 personas dos meses (archivo de Dartmouth, 1955).
Todos creen que ese verano van a resolver el problema. No sucede. Pero nace formalmente la disciplina.
1966: ELIZA
Joseph Weizenbaum, en el MIT, escribe ELIZA. Un programa que simula un psicoanalista. Lee "Estoy triste" y responde "¿Por qué estás triste?". Los humanos empatizaban profundamente.
ELIZA no entendía nada. Hacía búsqueda de palabras clave y respondía con plantillas. Pero demostró algo importante: los humanos proyectamos inteligencia donde vemos respuestas coherentes.
1974-1980: Primer Invierno
El reporte Lighthill (1973) en Reino Unido y los recortes de DARPA en Estados Unidos cierran el grifo. Las máquinas eran lentas. Los algoritmos, ingenuos. No había datos masivos. Los académicos siguieron trabajando, pero sin reflectores.
1980-1987: la era de los sistemas expertos
Nueva estrategia: en lugar de máquinas que aprenden, sistemas que codifican reglas de expertos humanos.
El sistema XCON de Digital Equipment Corporation configuraba pedidos de computadoras VAX y ahorraba a la empresa unos 40 millones de dólares por año (documentación interna de DEC, citada por Crevier 1993). El mercado de sistemas expertos llegó a valer 3 mil millones de dólares a fines de los 80.
El problema: frágiles. Si cambiás una regla, la máquina falla. Codificar millones de reglas a mano es imposible.
1987-1997: Segundo Invierno
Los expertos no escalaron. El hype colapsó otra vez. Lo irónico: en el silencio, en laboratorios sin foco, gente como Rumelhart, Hinton y Williams (1986) había publicado el algoritmo de backpropagation, que después haría posible el deep learning.
Pero en 1990 nadie tenía datos ni cálculo para que sirviera.
1997: Deep Blue
IBM construye una máquina que vence a Garry Kasparov, campeón mundial de ajedrez. Hito psicológico. Deep Blue no entiende ajedrez: calcula millones de movimientos posibles. Al público no le importa el cómo. Le importa el resultado. La IA volvió a las portadas.
2009-2012: el quiebre
Tres cosas convergen al mismo tiempo.
Una: las GPUs de Nvidia (CUDA, 2006 en adelante) permiten cómputo masivamente paralelo. Las redes neuronales que tardaban años ahora entrenan en días.
Dos: internet provee datos masivos. Fei-Fei Li y su equipo en Stanford publican ImageNet (Deng et al., 2009): 14 millones de imágenes etiquetadas a mano. El primer dataset gigante con calidad académica.
Tres: en 2012, el equipo de Geoffrey Hinton —con Alex Krizhevsky e Ilya Sutskever— gana ImageNet con AlexNet, una red convolucional profunda. Bajaron el error de clasificación del 26% al 15% en una sola edición (resultados oficiales del concurso ImageNet 2012).
Mensaje: el deep learning funciona. A escala. Más datos más cálculo más capas igual mejor desempeño.
Desde acá todo acelera.
2014: Google compra DeepMind
DeepMind, fundada por Demis Hassabis, demostró que las redes neuronales podían jugar videojuegos Atari mejor que humanos. Google la compra por aproximadamente 500 millones de dólares (cifra reportada por Times of London y BBC). Señal clara: la IA es el futuro.
2016: AlphaGo le gana a Lee Sedol
DeepMind crea AlphaGo, que vence al campeón mundial de Go. Go es exponencialmente más complejo que el ajedrez. Se creía que faltaban décadas. AlphaGo combinó redes neuronales profundas con aprendizaje por refuerzo y lo hizo en una.
2017: "Attention Is All You Need"
Vaswani y otros publican el paper que introduce los transformers: una arquitectura completamente nueva basada en el mecanismo de atención. Sin este paper, no hay ChatGPT, ni Claude, ni Gemini. Hoy tiene más de 100 mil citas.
2018-2020: GPT-1, GPT-2, GPT-3
OpenAI escala transformers para procesar texto.
GPT-1 (2018): 117 millones de parámetros. GPT-2 (2019): 1.500 millones. GPT-3 (2020): 175 mil millones de parámetros, entrenado con unos 300 mil millones de tokens (Brown et al., 2020).
Cada salto trae capacidades nuevas que nadie había pedido específicamente. Eso se llama "habilidades emergentes" y todavía no se entiende bien por qué pasa.
2021: nace Anthropic
Dario y Daniela Amodei dejan OpenAI con un grupo de investigadores y fundan Anthropic. Foco: IA segura y alineada. Pioneros del enfoque Constitutional AI (Bai et al., 2022).
2022: ChatGPT
OpenAI lanza ChatGPT el 30 de noviembre. Es una versión ajustada de GPT-3.5 con interfaz conversacional simple. Llega a 100 millones de usuarios en dos meses (Stanford AI Index 2024). El producto de consumo de adopción más rápida de la historia hasta ese momento.
2023-2024: la guerra de modelos
Marzo 2023: GPT-4 (multimodal limitado al inicio, full multimodal en septiembre con GPT-4 Vision). Julio 2023: Claude 2. Diciembre 2023: Gemini 1.0. Marzo 2024: Claude 3 (Opus, Sonnet, Haiku). Junio 2024: Claude 3.5 Sonnet. Octubre 2024: Claude 3.5 Sonnet (versión actualizada). Noviembre 2024: Anthropic publica el Model Context Protocol (MCP).
Los precios caen. El acceso sube. La IA deja de ser monopolio.
2025-2026: los agentes y MCP
La IA deja de ser una herramienta de chat. Se vuelve un agente que actúa.
Lee tu calendario. Responde emails por categorías. Encadena tareas. Se conecta con Slack, GitHub, Google Workspace, tu CRM. Ejecuta en tiempo real.
MCP es la capa que permite que las IAs accedan a datos y herramientas sin que cada empresa tenga que armar una integración custom para cada modelo. Es la pieza que faltaba.
Una pregunta para cerrar
Si mirás los ciclos de la IA, hay un patrón claro: promesa exagerada, decepción, investigación silenciosa, quiebre, hype masivo. Lo vivimos al menos dos veces en el siglo XX.
¿Estamos en otro ciclo o esta vez es distinto? Yo escribí mi visión en otro artículo de la serie, "¿Viene otro invierno de la IA?". La respuesta corta: no creo que venga un invierno duro como los anteriores. Pero sí creo que el hype actual va a corregirse. Y que la diferencia clave la hace una sola pregunta: ¿lo que prometemos lo entregamos?
Mientras tanto, dominar IA hoy es como dominar Excel en los años 90. Skill diferenciador. Los próximos cinco años van a separar a los que usan IA como pros de los que no.
La línea de tiempo de la IA — hitos año a año
Por qué la historia importa más de lo que parece
La IA no es nueva. Lo nuevo es que ahora funciona a escala consumible. Entender los ciclos te permite distinguir hype genuino de especulación hueca. Y te posiciona mejor para los cambios que vienen.
Si querés operar en este campo con criterio, no alcanza con saber que ChatGPT salió en 2022. Hay que entender por qué los predecesores fallaron y qué cambió en los 2010s para que esta vez sí funcionara.
1936-1950: fundaciones teóricas sin máquinas
Turing (1936) y McCulloch-Pitts (1943) establecen que la inteligencia es computable. Pero es teoría pura: las computadoras útiles tardarían años en existir.
El insight de fondo: la inteligencia no es magia, es matemática. Si podés formalizar la lógica, una máquina puede ejecutarla. Eso fue revolucionario conceptualmente.
1950-1956: Turing y Dartmouth
Turing publica "Computing Machinery and Intelligence" en 1950. Operacionaliza la pregunta filosófica con el Turing Test.
McCarthy, Minsky, Rochester y Shannon organizan Dartmouth en 1956. Acuñan el término. Subestiman la escala del problema por un factor de probablemente cinco mil. La inteligencia requiere contexto, datos y poder de cálculo en magnitudes que en los 50s eran imposibles. Una computadora típica de la época ocupaba un edificio y procesaba kilobytes.
El presupuesto original de Dartmouth era de 7.500 dólares de la época para diez personas dos meses (archivo de Dartmouth). Para tener perspectiva: el entrenamiento de GPT-4 se estima en cientos de millones de dólares (Stanford AI Index 2024, sin cifra oficial pero coherente con estimaciones públicas de Epoch AI).
1966-1973: ELIZA y la primera crisis de expectativa
Weizenbaum (MIT) crea ELIZA. Programa que simula un psicoanalista con búsqueda de palabras clave y plantillas. Los humanos empatizaron profundamente.
ELIZA es brillante pedagógicamente: demuestra que los humanos proyectamos inteligencia sobre respuestas coherentes, sin comprensión real.
Pero también expone los límites. ELIZA no generaliza, no aprende, no se adapta. Es un árbol de decisiones disfrazado.
Eso causó el primer desencanto masivo. Si una máquina de pattern matching simple engaña pero no puede ir más allá, ¿cuál es el siguiente paso? La respuesta: aprendizaje de datos, no programación manual de reglas. Pero eso tardaría 40 años en ser técnicamente posible.
1973-1980 y 1987-1997: por qué los inviernos duraron tanto
Los inviernos no fueron porque la IA fuera imposible. Fueron porque las condiciones de éxito no existían.
Computadoras: lentas, megaherzios y no gigaherzios. Datos: escasos, internet público recién empezó a popularizarse a mediados de los 90. Algoritmos: ingenuos para los problemas reales. Inversión: secada por promesas incumplidas (reporte Lighthill 1973 en UK, recortes DARPA 1974).
El ciclo: hype, inversión, promesas incumplidas, retiro de fondos, silencio investigador.
En el silencio, sin embargo, trabajaba gente seria. Rumelhart, Hinton y Williams (1986) redescubren backpropagation en el contexto de redes profundas (Nature 323). LeCun desarrolla redes convolucionales en Bell Labs (LeNet, 1989-1998). Hopfield publica las redes que llevan su nombre (1982). Pero sin datos ni cálculo, eran curiosidades académicas.
El segundo auge fallido: los sistemas expertos (1980-1987)
Sistemas como XCON de DEC, MYCIN de Stanford y otros parecían demostrar que la IA podía generar valor económico. XCON ahorraba a DEC unos 40 millones de dólares por año (Crevier 1993, citando documentación interna). El mercado global de expertos llegó a estimarse en 3 mil millones de dólares anuales a fines de los 80.
Pero la fragilidad estructural acabó con todo. Los sistemas expertos no aprendían. Cada cambio de regla podía romper comportamientos en cascada. Mantenerlos costaba más que reescribirlos. Cuando Japón desfinanció el proyecto Fifth Generation (que había anunciado 850 millones de dólares en 1982), el mercado occidental tomó la pista.
2010-2012: el quiebre — convergencia de tres factores
Tres cosas coinciden en una ventana muy estrecha.
Uno: la GPU general. CUDA de Nvidia (2006 en adelante) habilita cómputo masivamente paralelo. Las redes neuronales profundas pasan de "imposibles de entrenar" a "entrenan en días".
Dos: internet y datos. ImageNet (Deng et al., 2009) pone a disposición 14 millones de imágenes etiquetadas. Wikipedia consolida conocimiento estructurado. YouTube acumula video a escala planetaria.
Tres: algoritmos correctos. Backpropagation más capas profundas más datasets enormes equivale a redes que pueden aprender patrones complejos que antes no podían.
AlexNet (Krizhevsky, Sutskever, Hinton, 2012) es la prueba de concepto. Una CNN de ocho capas entrenada en ImageNet, que ganó con margen histórico (top-5 error: 15.3% versus 26.2% del segundo puesto, según los resultados oficiales del concurso ImageNet 2012).
Desde ahí, la curva exponencial nunca se detiene.
2012-2017: el deep learning domina cualquier dominio con datos
2013: comienza la investigación de AlphaGo en DeepMind. 2014: Goodfellow publica las GANs (Generative Adversarial Networks). 2015: He y otros publican ResNets (redes residuales), permitiendo profundidades sin precedentes. 2016: AlphaGo le gana a Lee Sedol (Silver et al., Nature 529). 2016: los modelos sequence-to-sequence dominan la traducción automática. 2017: Vaswani y otros publican "Attention Is All You Need" (NeurIPS 30).
El mensaje agregado: deep learning más escala más datos equivale a superhabilidad en cualquier tarea donde existan datos previos para entrenar.
2017-2020: transformers y GPT — preludio del salto grande
El transformer es la arquitectura que cambió todo. La innovación: el mecanismo de atención permite que la red decida matemáticamente qué partes del contexto importan para predecir el próximo token.
OpenAI experimenta. ¿Qué pasa si entrenás un transformer gigante con textos de internet?
GPT-1 (2018): 117 millones de parámetros, entrenado con 40 GB de texto. GPT-2 (2019): 1.500 millones de parámetros. GPT-3 (2020): 175 mil millones de parámetros, ~300 mil millones de tokens (Brown et al., 2020, NeurIPS).
Cada salto trae capacidades emergentes: tareas para las que el modelo no fue entrenado específicamente y que sin embargo ejecuta. Ese fenómeno todavía es objeto de investigación activa. La hipótesis dominante es que ciertas habilidades requieren un umbral mínimo de escala para manifestarse.
2021-2022: Anthropic y el cambio de paradigma público
Anthropic se funda en 2021 con Dario Amodei (ex VP de Investigación de OpenAI), Daniela Amodei y un grupo de investigadores. Foco explícito en seguridad, interpretabilidad y alineación. Pioneros de Constitutional AI (Bai et al., 2022): un enfoque donde el modelo se entrena para criticar sus propias salidas contra un conjunto de principios.
ChatGPT se lanza el 30 de noviembre de 2022. Es una versión RLHF de GPT-3.5 con interfaz conversacional. Llega a 100 millones de usuarios en dos meses (Stanford AI Index 2024). Fue, en ese momento, el producto de consumo de adopción más rápida de la historia.
Consecuencia operacional: por primera vez en la historia, la IA es una herramienta común, no un objeto de laboratorio.
2023-2024: competencia, especialización y diferenciación
OpenAI: GPT-4 (marzo 2023, multimodal completo en septiembre 2023 con GPT-4V). Google: Gemini 1.0 (diciembre 2023), Gemini 1.5 (febrero 2024) con context window largo. Meta: Llama 2 (julio 2023) y Llama 3 (abril 2024), abiertos a la comunidad. Anthropic: Claude 2 (julio 2023), Claude 3 (marzo 2024), Claude 3.5 Sonnet (junio 2024 y actualización en octubre 2024). Microsoft: Copilot integrado en Office 365.
Los precios bajan dos órdenes de magnitud entre 2023 y 2025. El acceso sube. La IA deja de ser monopolio.
Cada modelo se diferencia en datos de entrenamiento, arquitectura específica y elecciones de fine-tuning. Claude calibra mejor incertidumbre. GPT-4 es más agresivo en intentar resolver. Gemini empuja capacidades multimodales. Llama domina el segmento open source.
2024-2026: era de agentes y MCP
Paradigma nuevo. La IA deja de solo predecir. Actúa.
Lee tu calendario y agenda. Monitorea correo y responde categorías predefinidas. Accede a herramientas: GitHub, Figma, Slack, CRM, bases de datos. Encadena tareas: escribe, revisa, itera, publica. Aprende del feedback en tiempo real.
MCP (Model Context Protocol), lanzado por Anthropic en noviembre 2024, es un protocolo abierto que permite que cualquier IA acceda a herramientas y fuentes de datos sin integraciones custom. Fue rápidamente adoptado por OpenAI, Google y otros, lo que convirtió a MCP en un estándar de facto en menos de un año.
La implicación de fondo: la IA ya no es una herramienta que usás puntualmente. Es un asistente que opera dentro de tu stack.
El patrón histórico y qué dice del futuro
El patrón es claro y se repitió varias veces.
Primero, un quiebre tecnológico. Después, hype inicial. Después, promesas excesivas. Después, la realidad alcanza la expectativa más lentamente. Después, una nueva normalidad y el siguiente quiebre.
Estamos en fase cuatro o cinco. ChatGPT prometió cambiar todo. Cuatro años después: cambió mucho, pero no "todo". Las promesas de AGI inminente fueron exageradas. La tecnología de fondo, sin embargo, es real, funciona y escala.
El próximo quiebre probable es el de agentes con memoria persistente y acción sostenida. Sistemas que recuerden conversaciones a lo largo de meses, aprendan de tu feedback acumulado, ejecuten tareas multi-paso sin intervención. Eso parece estar a dos o cuatro años.
La tesis del blog
Mirar la historia completa cambia tu lectura del presente.
Quien viene leyendo IA hace décadas, no se asusta con cada nuevo modelo. Sabe que los saltos son reales pero los plazos siempre son más largos de lo que el hype sugiere. Sabe que las capacidades emergentes existen pero también sabe que las alucinaciones persisten porque son inherentes a la arquitectura.
Quien recién entra al campo en 2023 vive cada novedad como un cambio civilizatorio. Eso lo lleva a sobreinvertir, sobreprometer y después sobrecorregir cuando algo no funciona.
La gente que mejor opera en este campo no es la más optimista ni la más escéptica. Es la que aprendió a leer ciclos. Sabe que hay momentos de aceleración real (estamos en uno) y momentos de corrección (siempre llegan). Y construye sus apuestas con esa lente.
La IA no es futuro. Es presente. La pregunta operativa es: ¿en qué parte del ciclo estás vos, y qué decisiones te exige eso esta semana?
