En 2026, la IA pasará de la exageración al pragmatismo

Si 2025 fue el año en que se puso a prueba la IA, 2026 será el año en que la tecnología se ponga en práctica. El enfoque ya está desplazándose de la construcción de modelos de lenguaje cada vez más grandes hacia el trabajo más difícil de hacer que la IA sea utilizable. En la práctica, se trata de implementar modelos más pequeños donde encajen, incorporar inteligencia en dispositivos físicos y diseñar sistemas que se integren limpiamente en los flujos de trabajo humanos.

Los expertos de TechCrunch ven 2026 como un año de transición, un año que pasa del escalamiento de fuerza bruta a la exploración de nuevas arquitecturas, de demostraciones llamativas a implementaciones específicas, y de agentes que prometen autonomía a otros que realmente mejoran la forma en que trabajan las personas.

La fiesta aún no ha terminado, pero la industria está empezando a recuperar la sobriedad.

Las leyes de escala no son suficientes

El artículo de AlexNet de 2012 escrito por Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton utilizó millones de ejemplos para mostrar cómo los sistemas de inteligencia artificial pueden “aprender” a reconocer objetos en imágenes. El enfoque requirió un uso intensivo de computación, pero fue posible gracias a las GPU. ¿El resultado? Una década de intensa investigación en IA en la que los científicos trabajaron para inventar nuevas arquitecturas para diversas tareas.

Esto alcanzó su punto máximo alrededor de 2020, cuando OpenAI lanzó GPT-3, que demostró con qué facilidad aumentar el tamaño del modelo 100 veces desbloquea habilidades como la codificación y el razonamiento sin la necesidad de una capacitación explícita. Esto marcó la transición hacia lo que Kian Katanforoosh, director ejecutivo y fundador de la plataforma de agentes de IA Workera, llama la “era de escala”: una época caracterizada por la creencia de que más potencia informática, más datos y modelos de transformadores más grandes impulsarían inevitablemente los próximos grandes avances en IA.

Hoy en día, muchos investigadores creen que la industria de la IA está comenzando a superar los límites de las leyes de escala y regresará a una era de investigación.

Yann LeCun, ex científico senior de IA de Meta, ha argumentado durante mucho tiempo contra la dependencia excesiva del escalamiento y ha enfatizado la necesidad de desarrollar mejores arquitecturas. Y Sutskever dijo en una entrevista reciente que los modelos actuales están estancados y los resultados previos al entrenamiento se han estancado, lo que sugiere la necesidad de nuevas ideas.

“Creo que lo más probable es que en los próximos cinco años encontremos una mejor arquitectura que suponga una mejora significativa con respecto a los transformadores”, dijo Katanforoosh. “Y si no lo hacemos, no podemos esperar muchas mejoras en los modelos”.

A veces menos es más

Los modelos de lenguaje grandes son excelentes para generalizar el conocimiento, pero muchos expertos dicen que la próxima ola de adopción de IA empresarial será impulsada por modelos de lenguaje más pequeños y ágiles que puedan ajustarse para soluciones de dominios específicos.

“Los SLM perfeccionados serán la gran tendencia y se convertirán en un elemento básico de las empresas de IA establecidas en 2026, ya que las ventajas de costo y rendimiento impulsarán la adopción sobre los LLM listos para usar”, dijo a TechCrunch el director de datos de AT&T, Andy Markus. “Ya hemos visto empresas que dependen cada vez más de los SLM porque, cuando se ajustan adecuadamente, son equivalentes a modelos generalizados más grandes en términos de precisión para aplicaciones empresariales y son superiores en términos de costo y velocidad”.

Ya hemos visto este argumento de la startup francesa de IA Mistral: sostiene que después de un ajuste fino, sus modelos pequeños en realidad funcionan mejor que los modelos más grandes en varios puntos de referencia.

“La eficiencia, rentabilidad y adaptabilidad de los SLM los hacen ideales para aplicaciones personalizadas donde la precisión es primordial”, afirmó Jon Knisley, estratega de IA de ABBYY, una empresa de IA empresarial con sede en Austin.

Si bien Markus cree que los SLM serán cruciales en la era de los agentes, Knisley dice que la naturaleza de los modelos pequeños los hace más adecuados para su implementación en dispositivos locales, “una tendencia acelerada por los avances en la informática de punta”.

Aprender a través de la experiencia

La gente no sólo aprende a través del lenguaje; Aprendemos experimentando cómo funciona el mundo. Pero los LLM realmente no entienden el mundo; Simplemente predicen la siguiente palabra o idea. Es por eso que muchos investigadores creen que el próximo gran salto vendrá de los modelos mundiales: sistemas de inteligencia artificial que aprenden cómo las cosas se mueven e interactúan en espacios 3D para poder hacer predicciones y tomar acciones.

Cada vez hay más señales de que 2026 será un gran año para los modelos mundiales. LeCun dejó Meta para iniciar su propio laboratorio de modelado mundial y, según se informa, busca una valoración de 5 mil millones de dólares. DeepMind de Google le ha dado una oportunidad a Genie y lanzó su último modelo en agosto, que crea modelos mundiales interactivos en tiempo real y de propósito general. Junto con demostraciones de startups como Decart y Odyssey, Fei-Fei Lis World Labs ha lanzado su primer modelo mundial comercial: Marble. Los recién llegados como General Intuition recaudaron una ronda inicial de 134 millones de dólares en octubre para enseñar a los agentes razonamiento espacial, y la startup de generación de videos Runway lanzó su primer modelo mundial, GWM-1, en diciembre.

Si bien los investigadores ven 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 mundiales de juegos podría crecer de 1.200 millones de dólares entre 2022 y 2025 a 276.000 millones de dólares en 2030, impulsado por la capacidad de la tecnología para crear mundos interactivos y personajes no jugadores más realistas.

Pim de Witte, fundador de General Intuition, dijo a TechCrunch que los entornos virtuales no sólo podrían remodelar los juegos, sino también convertirse en importantes campos de pruebas para la próxima generación de modelos básicos.

Nación agente

Los agentes no han estado a la altura de las expectativas en 2025, pero una de las principales razones es que es difícil conectarlos a los sistemas que realmente funcionan. Sin la capacidad de acceder a herramientas y contexto, la mayoría de los agentes quedaron atrapados en flujos de trabajo piloto.

El Model Context Protocol (MCP) de Anthropic, 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, ha demostrado ser el tejido conectivo que falta y se está convirtiendo rápidamente en el estándar. OpenAI y Microsoft han adoptado públicamente MCP, y Anthropic lo donó recientemente a la nueva Agentic AI Foundation de la Fundación Linux, cuyo objetivo es ayudar a estandarizar las herramientas de agentes de código abierto. Google también ha comenzado a configurar sus propios servidores MCP administrados para conectar agentes de IA a sus productos y servicios.

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

Rajeev Dham, socio de Sapphire Ventures, afirma que estos avances conducirán a que las soluciones centradas en el agente asuman funciones de “sistema de registro” en todas las industrias.

“A medida que los agentes de voz asuman más tareas de un extremo a otro, como grabaciones y comunicaciones con los clientes, también comenzarán a formar los sistemas centrales subyacentes”, dijo Dham. “Veremos esto en una variedad de sectores, como servicios para el hogar, tecnología de punta y atención médica, así como funciones horizontales como ventas, TI y soporte”.

Aumento, no automatización

Si bien los flujos de trabajo más centrados en los agentes podrían generar temores de que se produzcan despidos, Katanforoosh de Workera no está tan seguro de que ese sea el mensaje.

“2026 será el año del pueblo”, afirmó.

En 2024, todas las empresas de inteligencia artificial predijeron que automatizarían trabajos sin necesidad de humanos. Pero la tecnología aún no está lista y, en una economía inestable, esa no es la retórica popular. Katanforoosh dice que el próximo año nos daremos cuenta de que “la IA no ha funcionado de manera tan autónoma como pensábamos” y que la discusión se centrará más en cómo se utiliza la IA para mejorar los flujos de trabajo humanos en lugar de reemplazarlos.

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

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

Ponte físico

Los expertos afirman que los avances en tecnologías como los modelos pequeños, los modelos mundiales y la informática de punta permitirán más aplicaciones físicas del aprendizaje automático.

“La IA física entrará en la corriente principal en 2026 a medida que entren en el mercado nuevas categorías de dispositivos impulsados ​​por IA, incluidos robóticos, vehículos autónomos, drones y dispositivos portátiles”, dijo a TechCrunch Vikram Taneja, director de AT&T Ventures.

Si bien los vehículos autónomos y la robótica son casos de uso obvios para la IA física que sin duda seguirán creciendo en 2026, la capacitación y el despliegue necesarios siguen siendo costosos. Los wearables, por otro lado, ofrecen una ventaja más económica y aceptada por los consumidores. Las gafas inteligentes como las Ray Ban de Meta están empezando a ofrecer asistentes que pueden responder preguntas sobre lo que estás mirando, y nuevos factores de forma como los anillos de salud impulsados ​​por IA y los relojes inteligentes están normalizando la inferencia constante sobre el cuerpo.

“Los proveedores de conectividad trabajarán para optimizar su infraestructura de red para soportar esta nueva ola de dispositivos, y aquellos con flexibilidad para brindar conectividad estarán mejor posicionados”, dijo Taneja.