El avance ocurrió de todos modos, aunque no donde los reguladores esperaban. Libres de la carga de las licencias bancarias tradicionales, las SOFIPOs esquivaron el estancamiento. Empresas como Nu o Klar construyeron plataformas nativas en la nube desde cero mientras los bancos tradicionales se ahogaban en papeleo. Nu México captó más de 10 millones de clientes bajo este esquema más ligero antes de molestarse en obtener una licencia bancaria completa en 2025.

Los legisladores están a punto de cometer exactamente el mismo error con la inteligencia artificial.

El Senado redacta actualmente una Ley General de Inteligencia Artificial. La estructura básica tiene sentido en el papel al establecer una autoridad nacional y un fondo de desarrollo. También introduce sanciones “gravísimas” para aplicaciones indiscutiblemente maliciosas, como la manipulación electoral o el fraude automatizado.

El problema es que intentan regular a granel. El proyecto encajona a la IA en una estructura torpe que corre el riesgo de etiquetar prácticamente cualquier herramienta financiera como de “alto riesgo”. Los legisladores están metiendo tecnologías radicalmente distintas en el mismo saco. Un algoritmo de calificación crediticia no tiene el mismo perfil de riesgo que un motor de recomendaciones para usuarios minoristas. No deberían enfrentar la misma supervisión. Una buena regulación requiere precisión, no un mazo.

El tiempo ya se acabó. La IA financiera no es un escenario hipotético para el próximo año. La semana pasada, Anthropic presentó agentes de IA especializados en servicios financieros junto a Jamie Dimon, CEO de JPMorgan, un movimiento que borró de inmediato un 8% del valor de las acciones de FactSet, un gigante de datos y software financiero de Wall Street. La IA es la nueva capa base de las finanzas globales. Las instituciones mexicanas tendrán que competir en esta realidad sin importar qué tan rápido se mueva el Senado.

Este debate necesita desesperadamente un baño de realidad técnica. Los abogados no pueden redactar esta legislación por sí solos. La conversación exige la participación de los ingenieros que realmente construyen y despliegan estos modelos en entornos financieros reales. Exigir auditorías no tiene sentido si los reguladores no saben cómo verificar el comportamiento de un sistema. Una nueva autoridad nacional será inútil si carece de la capacidad técnica para seguirle el ritmo al software que supervisa.

Cuando la regulación se degrada a un mero ejercicio de marcar casillas, el mercado deja de premiar la innovación. Simplemente recompensa a las empresas con los departamentos legales más grandes.

México necesita una ley de IA, pero debe estar anclada en la realidad. Tiene que castigar los daños reales sin confundir un deepfake malicioso con un modelo interno de detección de fraude. Ya pagamos el precio de regular la nube con herramientas obsoletas. Ahora estamos por descubrir si la industria está condenada a pagar ese mismo impuesto a la innovación por segunda vez.

Varios mercados están viendo asistentes de este tipo, principalmente por la escasez de asesores financieros frente a una demanda que sigue creciendo. En México hay alrededor de 9 asesores por cada 100 mil personas. En Brasil son 30. En Estados Unidos casi 100. El acceso a un asesor patrimonial en México es bajo comparado con la población, y dada la necesidad de millones de mexicanos de gestionar su retiro, la figura del asesor se vuelve cada vez más crítica. La aritmética es simple. Si quisiéramos cerrar la brecha solo con asesores humanos, necesitaríamos formar diez veces el número actual en menos de una década, algo que ningún sistema educativo o financiero del mundo ha logrado.

Diferentes instituciones financieras en el mundo están adoptando agentes para acelerar sus servicios de asesoría. JPMorgan, Goldman y Lloyds están desplegando IA conversacional en distintos puntos del flujo de cliente. OpenAI acaba de anunciar la adquisición de Hiro Finance, una startup dedicada a automatizar decisiones de inversión, con la intención clara de incorporar esas capacidades a ChatGPT y ofrecer al cliente la alternativa de tener un asesor personal disponible 24/7. La conversación con tu plataforma de inversión está dejando de ser una pantalla con botones. Se está convirtiendo en una conversación con un agente que conoce tu portafolio, tus metas y tu tolerancia al riesgo.

En México, muchas empresas siguen debatiendo si los empleados pueden siquiera usar ChatGPT o Claude. Empezamos a ver señales regulatorias que podrían volver restrictivo el uso de IA para ayudar a los clientes a tomar mejores decisiones financieras desde las instituciones tradicionales. El argumento institucional es siempre el mismo. Riesgo de datos, regulación, responsabilidad fiduciaria. Los tres son válidos. Y los tres aplican igual en Estados Unidos, Reino Unido y Brasil, donde los bancos sí están construyendo.

La realidad es preocupante. Si las instituciones serias no construyen este tipo de servicio, es muy probable que otros jugadores, escudados en los huecos de la Ley Fintech, aprovechen la falta de regulación específica para empezar a ofrecer asesoría automatizada. El riesgo no es teórico. Los clientes pueden terminar invirtiendo en activos que no contribuyen a su retiro ni a su ahorro, sino todo lo contrario. Cuando el vacío de oferta es grande, lo llena quien llega primero, no quien tiene la mejor experiencia o el mejor track record.

México necesita instituciones con la experiencia y la responsabilidad para ayudar al ahorrador promedio a generar riqueza. La tecnología para hacerlo ya existe. La pregunta es quién la va a construir, bajo qué reglas, y si va a ser una institución con 50 años de historia atendiendo clientes patrimoniales o una app que apareció el año pasado y se va a llevar la siguiente generación de ahorradores.

La construcción no está en Sonora ni en el Istmo. Está en el norte de Virginia, en Texas y en Ohio, donde los centros de datos se levantan a una velocidad notable. Parte del capital detrás de ese despliegue viene, de manera indirecta, de las pensiones de los trabajadores mexicanos.

Es uno de los rasgos menos comentados del actual auge tecnológico.

Durante un tiempo, el foco estuvo en los modelos, los chatbots y el drama competitivo alrededor de cada nuevo lanzamiento. Últimamente la historia se parece menos al software y más a una formación pesada de capital. Las cifras involucradas no recuerdan demasiado al viejo libreto de Silicon Valley. Recuerdan más bien a un ciclo industrial: depende de terrenos, transformadores, subestaciones, equipos de enfriamiento, suministro de semiconductores y acceso a energía.

Meta dice que espera gastar entre 115 y 135 mil millones de dólares en capex relacionado con IA este año. Amazon parece encaminarse hacia los 200 mil millones. Microsoft y Alphabet operan en una escala parecida. Sumadas, esas cuatro compañías van camino a gastar más en un solo año en este despliegue que el tamaño completo de la economía chilena.

Nada de eso vuelve fantasioso el conjunto. Los ingresos son sustanciales. OpenAI, según se reporta, opera en torno a 25 mil millones de dólares de ingreso anualizado. Anthropic se acerca a los 19 mil millones. Nvidia cerró su ejercicio fiscal 2026 con 215.9 mil millones de ingresos. Pero al colocar esas cifras frente al costo de la infraestructura subyacente, el panorama cambia. Lo que se está apostando no es simplemente a mejores márgenes de software. Es una apuesta a que un ciclo gigantesco de inversión fija va a generar retornos lo bastante rápido como para satisfacer a los mercados públicos.

Esto le importa a México porque el país no observa desde la barrera. A finales de febrero, las Afores administraban 8.67 billones de pesos, alrededor de una cuarta parte del PIB. Cerca del 13.5 por ciento de ese monto, más de 60 mil millones de dólares, estaba invertido en renta variable internacional, buena parte a través de vehículos ligados a índices como el S&P 500 y el MSCI World.

En la teoría, diversificación prudente. En la práctica, el ahorro para el retiro de los mexicanos está expuesto a las valuaciones de la renta variable estadounidense en un momento en el que esas valuaciones están siendo jaladas, en grado inusual, por un grupo estrecho de empresas tecnológicas. El MSCI World sigue cargando la etiqueta de índice global. Pero quien mire la concentración del índice puede ver que una parte creciente de la exposición global a renta variable equivale ya a una visión bastante concentrada sobre un puñado de grandes compañías estadounidenses y su capacidad de convertir un gasto extraordinario en utilidades duraderas.

Y ahí es donde el debate doméstico empieza a verse un poco extraño. México está atorado en una discusión política sobre si el dinero de las pensiones debería canalizarse a infraestructura nacional. Mientras tanto, a través de los mercados cotizados, ese dinero ya está ayudando a financiar la expansión física de la infraestructura digital estadounidense. El país duda frente a un puerto en Sonora mientras su sistema de pensiones, en los hechos, ayuda a pagar otro centro de datos en Virginia.

El riesgo no es necesariamente que esta ola de gasto se desplome. Puede funcionar. La tecnología puede resultar transformadora, y las ganancias económicas eventuales pueden justificar buena parte de lo que se está gastando. Pero los tiempos importan. A los mercados no se les pide solamente creer en la utilidad de la IA en el largo plazo. Se les pide creer que un gasto de capital sin precedentes hoy se va a traducir en utilidades en un calendario que sostenga las valuaciones actuales.

Esa es una proposición más frágil de lo que sugiere el entusiasmo general. Si los retornos llegan tarde, o resultan más desiguales de lo esperado, las consecuencias no se van a quedar contenidas en los inversionistas de riesgo o en los fundadores de las empresas. Van a aparecer en los portafolios de instituciones que nunca fueron descritas, en realidad, como apostando de manera concentrada a la capa de infraestructura del sector tecnológico estadounidense.

Las Afores entre ellas.

Así que la pregunta no es si la IA es una burbuja o una revolución. Es demasiado pronto, y probablemente demasiado simplista, forzar la elección en esos términos. La pregunta más útil es quién está cargando con el riesgo mientras la respuesta sigue sin definirse.

¿Cuánto del ahorro para el retiro de los trabajadores mexicanos está atado, en última instancia, a las Magníficas Siete, ya sea de manera directa o por la propia construcción de los índices? ¿Qué tan severa sería la caída si el entusiasmo en torno al ciclo de gasto se enfriara de golpe? ¿Y qué proporción de esa exposición ha sido tratada como riesgo amplio de mercado cuando, en realidad, es algo bastante más específico?

Para cuando la clase política decida si las pensiones deben financiar infraestructura en casa, quizá convenga reconocer que ese mismo ahorro ya está financiándola fuera.

“Nos falta capacidad de cómputo”, dijo la directora financiera de OpenAI, Sarah Friar, a Jim Cramer en televisión nacional esa noche. “Estamos tomando decisiones muy difíciles.”

Sora no murió porque los videos fueran malos. Eran impresionantes. Murió porque impresionante no es un modelo de negocio.

Hay una historia paralela que merece atención. En septiembre de 2024, Lionsgate — el estudio detrás de John Wick y The Hunger Games — firmó un acuerdo con Runway, una de las startups más avanzadas en generación de video, para entrenar un modelo personalizado con toda su biblioteca de películas. Alimentar décadas de éxitos de taquilla a la máquina y dejarla generar escenas, tráilers, eventualmente producciones completas. Un ejecutivo de Lionsgate llamó a Runway “un socio visionario y de primer nivel”.

Un año después, el proyecto no había avanzado. El catálogo de Lionsgate resultó demasiado pequeño para producir algo utilizable. Una persona con conocimiento directo de la situación lo dijo sin rodeos: “El catálogo de Lionsgate es demasiado pequeño para crear un modelo. De hecho, el catálogo de Disney también es demasiado pequeño.”

Sora tenía la tecnología pero no podía costearla. Lionsgate-Runway tenía el contenido pero no podía hacer funcionar la tecnología. Dos fracasos, misma conclusión.

Hollywood lo entendió antes que Silicon Valley. Disney, Paramount, Warner Bros., Sony y Netflix enviaron demandas legales contra ByteDance por su herramienta de video Seedance 2.0. Disney se unió a NBCUniversal y Warner Bros. para demandar a Midjourney y Minimax. Studio Ghibli exigió a OpenAI que dejara de usar su contenido. La industria del entretenimiento no estaba rechazando un producto. Estaba rechazando una categoría.

¿Por qué fracasa el video donde el texto y otras modalidades adyacentes generan dinero? Anthropic maneja texto, código, análisis de documentos y visión para clientes empresariales. Tiene 19 mil millones de dólares en ingresos anualizados, 80 por ciento de cuentas corporativas. Sus herramientas se integran en flujos de trabajo que las empresas ya operan, la gente las usa a diario, y el costo por consulta es lo suficientemente bajo para sostener márgenes. Aburrido, rentable, creciendo.

El video es lo opuesto. Cada clip devora una capacidad de procesamiento enorme y produce algo que la persona ve una vez y desecha. No hay uso recurrente, no hay integración en ningún flujo de trabajo existente. Y como descubrió Lionsgate, ni siquiera se puede lograr que la cosa produzca resultados utilizables con los mejores datos que Hollywood tiene.

OpenAI no abandonó la investigación — el equipo de Sora fue redirigido silenciosamente hacia modelos de simulación del mundo orientados a robótica e IA física. Pero el producto de consumo, la API y el acuerdo con Disney están muertos. La distinción importa: OpenAI decidió que la ciencia de fondo valía la pena conservarla, pero que el negocio construido encima no. Un veredicto más claro, el mercado no lo puede dar.

Esto no significa que la generación de video con IA no vaya a llegar nunca. Significa que hoy es un proyecto de investigación disfrazado de producto. Las empresas que financian investigación saben que van a perder dinero. Las que compran productos esperan recuperarlo. OpenAI confundió las dos cosas con Sora. Lionsgate confundió las dos cosas con Runway.

Para cualquiera en México que esté armando una estrategia de IA en este momento — y hay mucha gente haciéndolo — esto importa. Antes de apostar por una herramienta, pregúntense si realmente cruzó la línea entre demo y negocio. OpenAI ha levantado más de 120 mil millones de dólares, buena parte estructurados como créditos de cómputo y no como efectivo líquido, y aun así no pudo mantener Sora con vida. Lionsgate, con una de las bibliotecas más icónicas de Hollywood, no pudo alimentar a Runway.

El video generativo no perdió contra un competidor. Perdió contra una hoja de cálculo.

Su nueva startup, AMI Labs, acaba de levantar 1,030 millones de dólares en una ronda semilla. Es una de las rondas de inversión más grandes en la historia y, sin duda, la mayor en Europa. Esto pone bajo la lupa el potencial de una empresa europea para lograr algo verdaderamente innovador en el mundo del aprendizaje profundo.

LeCun insiste en que ChatGPT, Claude, Gemini y toda la ola de IA generativa no son más que motores de manipulación de texto increíblemente sofisticados. Son buenísimos adivinando la siguiente palabra, claro, pero no tienen ni idea de por qué cae una manzana, cómo articular un brazo robótico o qué ocurre al mezclar dos líquidos. En resumen: carecen de un modelo del mundo.

Para resolver esto, él propone los world models (modelos del mundo) montados sobre una arquitectura llamada JEPA. La jugada no es escupir lenguaje token por token, sino lograr que la máquina construya representaciones internas de la realidad; darle una especie de “intuición” sobre el entorno físico. El dinero que ahora se esta invirtiendo, no tendrá resultados en los primeros meses, ya que estos modelos no están aún listos para el primetime.

¿Y por qué nos debería importar esto en México? Básicamente, por todo.

Nuestra carta fuerte para esta década, aún con el tema tarifario, es el nearshoring. Pero para que esta relocalización funcione, las empresas que aterrizan aquí necesitan toparse con una capacidad productiva de alto nivel. Y México tiene mucho potencial para modernizar su manufactura.

Ya estamos viendo las primeras señales: Nuevo León amarró la primera planta de robots humanoides de América Latina y Aguascalientes metió la robótica en el centro de su política industrial. Además, la importación de robots industriales se disparó más del 20% recientemente y nuestras universidades gradúan a unos 65 mil ingenieros cada año.

El detalle es que un LLM no te va a coordinar una línea de ensamble automotriz, ni va a predecir la falla de una turbina, ni sabrá adaptarse al caos de un almacén en tiempo real. Si la apuesta de LeCun es correcta, la IA que realmente va a sacudir la economía mexicana será la que logre percibir, planear y moverse en el mundo físico. Y es un hecho que, aun con la IA agéntica, todavía no estamos ahí.

Esto nos deja tarea inmediata. Las plantas mexicanas tienen que clavar la mirada en robótica, visión computacional y sistemas de control, y dejar de obsesionarse solo con el último anuncio de OpenAI. A nivel académico, es urgente que la enseñanza en IA no se estanque en enseñar a hacer prompts o afinar transformers. Y desde la trinchera gubernamental, los incentivos del Plan México tienen que apuntar directamente a la robótica avanzada y a la IA industrial; y asegurarse que la educación pública siga la misma linea.

Para que México logre realmente ponerse a la par de las grandes potencias manufactureras, debemos apostar por el talento interno y poder adaptar estas tecnologías lo más rápido posible.

Entre los laboratorios de IA enfocados exclusivamente en este campo, OpenAI y Anthropic han sido los principales competidores (mientras que Google participa desde una estructura mucho más diversificada de ingresos). En los últimos años, ambos han alternado lanzamientos de modelos cada vez más capaces, superándose mutuamente en tareas que van desde programación y análisis financiero hasta actividades más cotidianas y creativas.

Lo ocurrido esta última semana podría marcar un punto de inflexión en esa dinámica.

Por un lado, Dario Amodei, CEO de Anthropic, sostuvo su postura de que Claude no sería utilizado para fines de guerra ni de vigilancia. El Departamento de Defensa buscaba un uso más amplio del modelo y no estaba de acuerdo con esa restricción. Tras semanas de negociación, Amodei anunció que Anthropic rompería voluntariamente sus vínculos con el DoD.

Posteriormente, se declaró a Anthropic como un riesgo en la cadena de suministro, lo que impediría que agencias gubernamentales —y potencialmente también contratistas del gobierno— trabajen con la empresa. El lenguaje de esta medida parece amplio. Si se interpreta de manera estricta, podría generar que cualquier compañía con contratos relevantes con el gobierno evite utilizar Claude, incluso para clientes privados, por temor a problemas de cumplimiento. Esto representaría un golpe comercial considerable. Anthropic ya ha comenzado a impugnar la decisión.

Por otro lado, Sam Altman, CEO de OpenAI, anunció el 27 de febrero que la empresa había llegado a un acuerdo para convertirse en el principal proveedor de IA del Departamento de Defensa.

Si estos movimientos se consolidan, podrían redefinir el equilibrio competitivo. OpenAI aseguraría una fuente de ingresos estable y de gran escala, además de un respaldo institucional significativo. Anthropic, en contraste, podría enfrentar limitaciones en parte del mercado corporativo, especialmente entre empresas con exposición a contratos gubernamentales.

La situación aún está en desarrollo y no se descartan cambios legales o políticos. Sin embargo, al día de hoy, OpenAI parece fortalecida estratégicamente, mientras que Anthropic podría verse obligada a replantear su estrategia, ya sea acelerando su expansión comercial en otros sectores, buscando nuevas alianzas o evaluando alternativas estructurales a mediano plazo.

Me parece que en estas semanas he sido un poco remiso al hablar de la revolución que se avecina en el mundo del desarrollo de software. Sin embargo, las señales son ya imposibles de ignorar. En una entrevista reciente, Dario Amodei, CEO de Anthropic, mencionó que para finales de este año la carrera de ingeniero de software, tal como la entendemos hoy, habrá concluido su ciclo tradicional. En la misma línea, Elon Musk ha afirmado que el software, como estructura rígida de código, dejará de existir.

Aunque ambas premisas puedan parecer adelantadas o incluso provocadoras, en el fondo son acertadas. La realidad es que el desarrollo de software será una de las primeras profesiones profundamente transformadas —si no es que reemplazadas en su forma actual— por la Inteligencia Artificial. Erik Brynjolfsson, del Laboratorio de IA de Stanford, ha señalado con insistencia que los impactos en la productividad y en la oferta laboral comenzarán a ser evidentes pronto; el reto es analizar con claridad bajo qué rostro se presentarán.

Particularmente, una herramienta ha comenzado a irrumpir con fuerza: los agentes de programación, como Claude Code de Anthropic o las capacidades avanzadas de OpenAI. A diferencia de un simple autocompletado de texto, un agente de código es una entidad a la que, mediante lenguaje natural, se le indican las características o features que debe tener un programa. El agente, por sí solo, es capaz de implementar la mayoría de estas funciones con poca o nula guía humana, dependiendo de la complejidad.

Sin embargo, en este panorama observo un fenómeno preocupante, especialmente en México: una marcada reticencia por parte de muchos programadores a adoptar estas herramientas. Existe una resistencia cultural a aceptar que el paradigma está cambiando. Esta negación, lejos de proteger sus empleos, terminará siendo en detrimento de su propio desarrollo profesional. El programador que no se convierta en un orquestador de agentes quedará irremediablemente obsoleto.

Esta resistencia no es exclusiva de los individuos. Los empresarios y las áreas de TI en nuestro país necesitan despertar a esta realidad hoy mismo para capitalizar sus ventajas. Lamentablemente, muchos departamentos de TI en México operan bajo el miedo, aferrados a prácticas antiguas y procesos burocráticos que impiden aprovechar al 100% el potencial de la IA. La falta de visión estratégica en la adopción tecnológica está condenando a muchas empresas a una desventaja competitiva global.

Debemos entender una verdad fundamental que escuché hace poco y que se me quedó grabada: “Esto es lo peor que estos agentes van a ser”. Si hoy ya nos sorprenden, imaginen su capacidad en doce meses. No estamos ante una moda pasajera, sino ante el nuevo estándar de la industria.

Sin embargo, basta revisar los datos de productividad para que el relato empiece a fallar.

Se habla de una etapa histórica de inversión, pero la producción por trabajador permanece prácticamente estancada. No se trata de una contradicción inexplicable. Es un problema de medición. Estamos intentando evaluar una economía de 2026 con indicadores diseñados para los años noventa.

Mientras el debate público se concentra en aranceles, reformas judiciales o tensiones regulatorias, una transformación mucho más silenciosa avanza fuera del radar. No ocurre únicamente en las grandes plantas industriales, sino en miles de pequeños negocios que están incorporando tecnología de forma pragmática para sobrevivir.

Un diseñador independiente en la colonia Roma hoy puede producir lo que antes requería un equipo completo, apoyado en herramientas de inteligencia artificial generativa. Un comerciante en la Central de Abastos organiza su logística mediante automatizaciones simples en WhatsApp. Un despacho legal pequeño reduce costos automatizando contratos en lugar de ampliar su plantilla. Estas decisiones no aparecen como inversión en las estadísticas oficiales, pero están alterando de manera estructural la forma de trabajar.

Esta es la economía cognitiva invisible del país. Y hoy, para efectos estadísticos, prácticamente no existe.

El problema no es exclusivo de México. En Estados Unidos, diversos economistas han advertido que el gasto en inteligencia artificial se está clasificando como costo operativo y no como inversión en capital productivo. El resultado es una subestimación de la productividad presente y una lectura incompleta de la capacidad futura. Si ese sesgo ya es relevante en economías avanzadas, su impacto en México puede ser mayor, dado el peso de la informalidad y de las micro y pequeñas empresas.

A esto se suma un factor clave: el territorio.

Un índice nacional de adopción de IA dice poco. Los promedios diluyen la realidad. Pueden sugerir que el país avanza cuando, en la práctica, son solo algunos municipios de altos ingresos, como San Pedro Garza García, Polanco o ciertos corredores industriales de Querétaro, los que están incorporando tecnología de forma sistemática, mientras amplias regiones permanecen rezagadas.

Por ello, México no necesita otro ranking agregado. Necesita un Índice Municipal de Inteligencia Artificial.

Sin información granular, la IA corre el riesgo de convertirse en un poderoso amplificador de desigualdad. Si no sabemos qué gobiernos locales están digitalizando servicios y cuáles no, normalizamos que millones de ciudadanos sigan enfrentando trámites en papel, procesos lentos y baja calidad institucional.

En este contexto, la Agencia de Transformación Digital y Telecomunicaciones puede desempeñar un papel estratégico. Más allá de consideraciones políticas, su mandato de simplificación y digitalización, junto con herramientas como la identidad digital y la infraestructura en la nube, ofrece una oportunidad inédita para observar la adopción tecnológica en tiempo real.

En coordinación con el INEGI, la agencia podría desarrollar un barómetro municipal que permita identificar avances, rezagos y brechas reales. No como ejercicio de comunicación, sino como insumo para política pública. Saber, por ejemplo, si un municipio rural en Oaxaca está utilizando herramientas digitales para mejorar servicios o si permanece completamente desconectado.

Sin esta medición, el discurso sobre soberanía tecnológica queda vacío. No se puede gobernar ni corregir aquello que no se mide.

Hoy, México intenta conducir una economía cada vez más digital con instrumentos de otra época. La transformación ya está en marcha. La pregunta es si tendremos la capacidad de verla con claridad y de asegurar que sus beneficios no se concentren solo en los mismos lugares de siempre.

Para navegar este año sin perderse en la jerga tecnológica, hay que entender tres cambios fundamentales que están ocurriendo bajo el capó de la tecnología y que definirán el futuro de empresas y gobiernos.

1. Del “Chatbot” al “Agente”: De hablar a hacer

Hasta ahora, hemos usado lo que llamamos IA Generativa: tú le pides un poema o un resumen, y el sistema genera texto. Eres tú, el humano, quien actúa como el piloto; la IA es solo tu copiloto.

En 2026, estamos transicionando hacia la IA Agéntica. ¿Qué significa esto? Que la inteligencia artificial deja de ser un sistema que solo responde para convertirse en un “Agente”: un sistema que actúa.

Imagínalo así: Ya no le pedirás a la computadora “escríbeme un correo”. Le dirás: “Organiza una reunión con el equipo de ventas, revisa sus calendarios, reserva la sala y envíales la agenda”. El Agente no solo escribe; planea, verifica errores, toma decisiones y ejecuta tareas complejas sin que tú tengas que vigilar cada paso. Pasamos de tener una herramienta a tener un “empleado digital”.

2. El fin de la “Nube” etérea: El muro físico

Nos gusta pensar en “la Nube” como algo invisible que flota en el aire. La realidad es que la Nube son edificios gigantescos llenos de computadoras que consumen la electricidad de ciudades enteras. En 2026, nos toparemos con lo que los ingenieros llaman el “Muro de la Memoria”.

Para que esos nuevos “Agentes” puedan pensar y razonar tareas complejas, necesitan chips (procesadores) mucho más avanzados. Nvidia, el principal fabricante de estos cerebros digitales, lanzará su nueva arquitectura llamada Rubin.

El problema no es solo la velocidad del procesador, sino la “tubería” por donde pasan los datos. Aquí entra un término que escucharán mucho: HBM4 (Memoria de Alto Ancho de Banda, por sus siglas en inglés). Piénselo como una autopista. Los chips actuales son como ferraris atrapados en el tráfico de la hora pico; la memoria HBM4 es una autopista de veinte carriles que permite que esos ferraris corran a toda velocidad. Sin esta nueva infraestructura física, la IA inteligente que nos prometieron simplemente no puede funcionar.

Pero hay un costo: la energía. Estos nuevos centros de datos consumirán tanta electricidad (hablamos de gigavatios, la medida que usan las plantas nucleares) que ya no se podrán construir cerca de las ciudades. Veremos una división geográfica: las fábricas de inteligencia (donde se “entrena” o enseña a la IA) se irán a lugares remotos con energía barata, mientras que los centros de “inferencia” (donde la IA trabaja y nos responde) pelearán por el espacio en nuestras saturadas redes eléctricas urbanas.

3. Soberanía Digital: La IA con pasaporte

Finalmente, el mundo se está dando cuenta de que depender de una sola empresa en California para pensar por nosotros es peligroso. Esto nos lleva al concepto de “Nubes Soberanas”.

Países como Francia, Malasia o los Emiratos Árabes —y esperemos que México con iniciativas como la supercomputadora Coatlicue ⁷— están invirtiendo para tener su propia infraestructura. La idea es simple: que los datos de sus ciudadanos (sus impuestos, sus historiales médicos) no salgan de sus fronteras y se procesen en servidores locales, bajo sus propias leyes.

Además, en agosto de 2026 entra en vigor con toda su fuerza la Ley de IA de la Unión Europea. Se acabó el “Lejano Oeste” donde las empresas tecnológicas hacían lo que querían. Ahora, si una IA va a tomar decisiones sobre tu empleo o tu crédito bancario, tendrá que pasar auditorías estrictas, casi como si fuera un medicamento nuevo.

Conclusión: Menos magia, más criterio

En resumen, 2026 no será el año de los robots asesinos de las películas, sino el año de la burocracia, la ingeniería pesada y las facturas de luz.

El éxito ya no dependerá de quién tenga la IA más “lista” o el demo más impresionante en YouTube, sino de quién tenga la infraestructura para mantenerla encendida, la audacia para regularla y, sobre todo, el talento humano para gestionarla. Porque al final, por más “agentes” que tengamos, alguien tiene que decidir qué es lo que deben hacer. Y ese trabajo, afortunadamente, sigue siendo nuestro.