Diez visiones para el futuro

1. El desarrollo de IA quedará en pocas manos.

La IA promete estar al alcance de todos, pero desarrollarla se está convirtiendo en un negocio que muy pocos pueden pagar. Esa concentración avanza al ritmo del dinero, en cuestión de meses.

Ismael Faro dirigió durante años el área de computación cuántica e IA de IBM en Nueva York. Hoy preside ANFAIA, una asociación que impulsa la inteligencia artificial. Vivió el pinchazo de las puntocom y cree que la IA puede seguir un camino parecido: desinflarse en parte sin desaparecer y dejar en pie a unos pocos gigantes, como quedaron entonces Google o Amazon.

Las cifras apuntan en esa dirección. Solo Anthropic se ha comprometido a gastar más de medio billón de dólares en capacidad de cálculo en diez años, en su mayor parte sin posibilidad de echarse atrás. Y muy pocos pueden jugar a ese precio.

El miedo, paradójicamente, juega a su favor. Ramón López de Mántaras es profesor de investigación emérito del CSIC. Fundó y dirigió el Instituto de Investigación en Inteligencia Artificial (IIIA). Ante los anuncios apocalípticos, recomienda lo de siempre: «Busca el rastro del dinero». Un modelo que da miedo parece enormemente capaz, y eso vende. Faro lo ilustra con una ironía: en el mismo texto en el que Anthropic pedía frenar, la compañía explicaba que usa sus modelos más avanzados para construir los siguientes, «porque nosotros sí que sabemos usarlos». Si la tecnología es tan peligrosa, solo deberían manejarla unos pocos. Y esos pocos son los que lo dicen.

Senén Barro, catedrático de la Universidad de Santiago, lo compara así: si una farmacéutica saliera a bolsa advirtiendo de que sus medicamentos podrían causar muertes masivas, nadie la dejaría seguir sin controles exhaustivos. Con la IA, en cambio, «se anuncia el apocalipsis y nosotros tragamos con eso».

2. El mejor modelo no ganará.

Que pocos controlen la tecnología más avanzada no significa que vayan a ganar. En enero de 2025, un laboratorio chino entonces poco conocido, DeepSeek, presentó un modelo a la altura de los más avanzados. Según la compañía, había costado una fracción de lo que gastaban sus rivales. Ese día, recuerda Faro, Nvidia perdió en bolsa unos 593.000 millones de dólares, la mayor caída en un día de la historia de una empresa. Fue un aviso: no hacía falta ser el mejor, bastaba con ser casi tan bueno y mucho más barato.

Aun así, se sigue hablando de una carrera por tener el modelo más avanzado. «Para mí no hay una carrera, hay una estampida», dice Barro. «En una carrera tiene que haber una meta clara, y aquí no la hay». La supuesta meta, una inteligencia artificial general que nadie sabe definir bien, desvía la atención de objetivos que ya están al alcance, como prevenir cánceres o diseñar mejores medicamentos.

Mientras Estados Unidos se lanza a una carrera por construir la IA más avanzada, China juega a otra cosa: conseguir que la suya se use en todas partes. A Pekín, sostiene Faro, le importa menos tener el mejor modelo que desplegarlo a escala mundial, como ya hizo con sus coches eléctricos. La diferencia es decisiva. Estados Unidos compite por la tecnología. China, por el mercado. Y el modelo más poderoso del mundo vale de poco si nadie lo utiliza.

Washington empieza a inquietarse. Es el efecto Sputnik: a veces basta con temer que el rival te adelante para cambiar de estrategia. Los laboratorios estadounidenses, cuenta Faro, han empezado a copiar las técnicas de DeepSeek y a estudiar las investigaciones chinas que antes ignoraban. Durante años, China siguió los avances de Silicon Valley. Ahora Silicon Valley empieza a seguir los de China.

3. Europa tendrá su oportunidad en lo pequeño.

Si el valor no está en el modelo más avanzado, ¿dónde está? Barro responde con otra pregunta, irónica: ¿habrá un GPT 23.0 con cuatrillones de parámetros, consumiendo cada vez más energía? Para él, la carrera por una IA de propósito general cada vez mayor tiene un coste que ni la sociedad ni las propias empresas tienen claro que puedan asumir. Su propuesta va en la dirección contraria: frenar esa escalada y apostar por inteligencias artificiales más pequeñas y específicas, que gastan menos energía y se pueden explicar mejor.

Es ahí, cree, donde llegará el salto de productividad que se lleva años prometiendo. De momento no se ve. En 1987, el economista Robert Solow escribió que los ordenadores estaban en todas partes menos en las estadísticas de productividad. Hoy, parafraseando al Nobel de Economía, Barro dice que vivimos una segunda paradoja: «La IA está en todas partes menos en las estadísticas de productividad».

Llegará, pero «progresivamente, a escala humana, no a escala tecnológica», porque «somos nosotros los que la vamos a ir acomodando y ajustando» con el conocimiento de cada sector, de cada empresa, de sus clientes y de sus proveedores. La historia que él mismo cita invita a la paciencia: la informática tardó décadas en notarse en la productividad, y la electricidad, otro tanto. Y ahí Europa puede hacerlo «fantásticamente bien», porque cuenta con sectores productivos muy sólidos.

Por eso Barro rechaza que la IA sea para Europa una oportunidad perdida: «Si nos creemos que es una oportunidad perdida, no vamos a dar ninguna batalla». Admite que Europa no está bien situada en los modelos de frontera ni en energía, pero tiene otras bazas. Una son los datos: el Espacio Europeo de Datos de Salud ya está aprobado, «es fantástico», y la salud es uno de los ámbitos donde la IA puede aportar más valor. Otra es el talento: Europa está, dice, entre los mejores formadores del mundo.

4. El radiólogo tendrá un segundo par de ojos.

En el Hospital del Mar de Barcelona, la IA no llegó por curiosidad, sino por necesidad, explica Natalia Arenas, médica adjunta de radiología en el Hospital del Mar. Cada vez hay más mamografías y menos radiólogos, y de cada mil pruebas de cribado solo unas tres corresponden a un cáncer. Los falsos positivos someten a muchas mujeres a pruebas innecesarias y a mucha ansiedad. Los falsos negativos dejan cánceres sin detectar. Por eso el hospital entrenó su propia herramienta, AI WaveMar, con datos de la población que atiende.

Arenas no la vive como una amenaza, sino como «una herramienta de ayuda». Unas veces refuerza lo que el radiólogo está viendo. Otras, le invita a volver a revisar, y ese encuentro, dice, le obliga a cuestionar ideas que tenía muy arraigadas. Funciona como una segunda opinión. Hoy cada mamografía la leen dos radiólogos. Una de las vías que se estudian es que la IA ordene los casos por sospecha y que los más claros los lea uno solo: siempre los interpretará un especialista, pero sin gastar el doble de recursos. El ensayo sueco MASAI ya lo ha probado con más de 105.000 mujeres: la lectura asistida por IA detectó un 29 % más de cánceres y redujo un 44 % la carga de trabajo de los radiólogos, sin aumentar los falsos positivos.

Lo que no se acelera es lo humano. Que un algoritmo funcione bien «no quiere decir que luego vaya a tener un impacto en la práctica clínica real», advierte, y AI WaveMar, que en las pruebas detecta el 92,95 % de los cánceres, aún tiene por delante la validación externa y la fase regulatoria. En el hospital, además, clínicos, ingenieros, gestores y administrativos se hacen las mismas preguntas: «¿Cómo va a modificar mi trabajo? ¿Cómo me tengo que formar?». Su respuesta es alfabetizar: no se trata de entender cómo se construye el algoritmo, sino de conocer sus límites para saber hasta dónde fiarse de él.

Si esa convergencia llega, cambiará la rutina de millones de mujeres. Hoy, a todas las de una misma franja de edad se las cita para una mamografía cada dos años. Dentro de una década, Arenas imagina un cribado personalizado: más espaciado para unas y anual para otras.

5. La consulta nunca cerrará.

«No me tomo todos los tratamientos que debo todos los días». Es la queja típica del paciente crónico, explica José Luis Portero, director médico de Abbott, y resume un problema que el hospital no puede resolver solo: estas enfermedades necesitan un acompañamiento diario que una consulta con horario no puede dar.

La salida está en algo que la medicina nunca tuvo: datos continuos de cada paciente y una IA capaz de leerlos. Hasta ahora ha funcionado como una foto fija, un análisis de sangre cada cierto tiempo. Con datos continuos, lo que importa son los cambios, porque permiten anticiparse. La consulta dejará de tener horario, y dentro de diez años hablaremos más de salud que de enfermedad, cree Portero. «Vamos a ser nuestro propio ensayo clínico», resume. El paciente pasará de recibir instrucciones a participar en las decisiones: una «democratización del conocimiento».

Los datos llegan cada segundo. La confianza para usarlos se construye despacio. Por eso Portero reclama «un nuevo contrato social» con el dato del paciente en el centro. Pero sin privacidad, responsabilidad y transparencia, advierte, nadie confiará en el sistema. En Europa, ese marco ya tiene calendario. El Reglamento del Espacio Europeo de Datos de Salud está en vigor desde el 26 de marzo de 2025, pero sus normas generales no se aplicarán hasta 2027, el resumen del paciente y la receta electrónica hasta 2029, y las imágenes médicas y los análisis hasta 2031.

6. Habrá teoremas en busca de autor.

En la ciencia, el choque entre las dos velocidades llegó con una pregunta: ¿puede una máquina atribuirse el resultado de una investigación? Eloísa del Pino, presidenta del CSIC, cree que la IA puede acelerar el conocimiento en todas las áreas de la ciencia, pero también que la ciencia tiene que vigilarla. Lo ilustra con Navier-Stokes, uno de los grandes problemas abiertos de las matemáticas: un equipo de OpenAI anunció que lo había resuelto sin mencionar que la solución aplicada era la que habían propuesto Diego Córdoba (CSIC-ICMAT) y Luis Martínez-Zoroa (CUNEF).

Fue el Instituto de Ciencias Matemáticas quien dio la voz de alarma: el resultado se apoyaba en el trabajo de los dos investigadores, que ya lo habían presentado en un congreso, y eso obligó a la compañía a reconocerlo. «También somos responsables», añade Del Pino, de lo que la IA hace con el trabajo científico. Los anuncios circularon enseguida. Pero la demostración todavía tiene que superar la revisión de la comunidad matemática.

Miguel Escassi, responsable de relaciones institucionales y políticas públicas de Google en España, recuerda que es en la ciencia donde la IA tiene hoy más impacto. Su ejemplo es AlphaFold, del mismo laboratorio que AlphaGo, que ha predicho más de 200 millones de estructuras de proteínas. La IA ha pasado de calcular a proponer, y cuanto más proponga, más difícil será saber de quién es cada idea. En la próxima década, la IA acompañará al investigador desde la primera pregunta hasta el artículo final. La firma, y la responsabilidad, seguirán siendo suyas.

7. La política escuchará a la ciencia, pero no le cederá el mando.

Cuando Del Pino llegó a su primera reunión del G6, el grupo que reúne a seis de los grandes organismos de investigación europeos, cada presidente tenía que proponer una línea de trabajo conjunto. Ella propuso poner la ciencia al servicio de las políticas públicas, y la miraron «con una cara muy rara». Hoy las seis instituciones tienen departamentos dedicados a eso, y España, dice, está tirando mucho en ese terreno.

Donde más deprisa se la escucha es en las emergencias. Desde 2024, el CSIC tiene un grupo de asesoramiento científico para desastres, y el año pasado 149 de sus científicos y técnicos participaron en las emergencias más importantes del país. Van con chaleco, para que se reconozca que su papel es científico y no político. En Grazalema ayudaron a decidir cómo estaba el suelo y qué casas había que desalojar. En los incendios trabajaron con drones durante la emergencia y ahora ayudan a definir cómo recuperar la sierra de Madrid.

La IA va a multiplicar esa evidencia. Del Pino cuenta que en algunas áreas de la ciencia china se ha pasado de publicar uno o dos artículos al año a veintiséis, y que «un humano no puede seguir ese ritmo». Pero las decisiones no se aceleran al mismo paso. Por eso prefiere hablar de políticas «informadas por la evidencia», no «basadas en la evidencia»: quien decide también tiene en cuenta el presupuesto, la capacidad de la Administración para ponerlas en marcha.

España ya ha empezado a construir ese puente. Ha creado una Oficina Nacional de Asesoramiento Científico, y el CSIC elabora unos 10.000 informes al año para la Administración, de la política pesquera a las semillas. Y cuenta con algo que no todos tienen: el apoyo social a la ciencia sigue siendo muy alto y no se resintió con la pandemia, al contrario que en Estados Unidos, donde los políticos negacionistas han contribuido a la polarización.

8. Quien empiece antes aprenderá más deprisa.

La IA avanza a dos velocidades también dentro de la economía. Para Escassi, el primer freno de la IA es el tamaño de la empresa. La gran empresa ya se ha puesto en marcha. La pequeña, que forma el grueso del tejido productivo, se está quedando atrás. La tecnología llega a la vez a todas. La capacidad de absorberla, no. En 2025 usaban IA casi tres de cada cinco grandes empresas españolas, pero solo el 18 % de las que tienen menos de 50 empleados, según datos del INE. Si las pequeñas no se adaptan, advierte, la IA no llegará a la economía real.

El segundo freno son los proyectos piloto desconectados de lo que de verdad mueve el negocio, que acaban generando «una sensación de descontento generalizado». Y el tercero, esperar a tener una estrategia perfecta: «No hay que esperar a que sea perfecto, hay que movilizarse».

La salida, según él, pasa por las personas. Donde ha habido un esfuerzo de formación, ya se nota en la productividad. En el ámbito educativo, calculan que la IA puede liberar hasta tres horas semanales a cada profesor para dedicarlas a la atención de sus alumnos. La adopción va a escala humana, admite, y se contagia: cuando un departamento ve que a otro le funciona, se crea un círculo virtuoso.

Las empresas que ya usan IA no solo automatizan tareas: aprenden mientras sus competidoras siguen preparando su estrategia. Y esa ventaja se acumula. La brecha no se cerrará sola. Miguel Sánchez Galindo, director general de DigitalES, sitúa la adopción de la IA en las pymes entre las prioridades de la patronal hasta 2030: hay que pasar del 21 % de adopción actual al 75 % que Europa se ha propuesto para entonces. Para las pequeñas, esa meta queda mucho más lejos.

9. La guerra vivirá en versión beta.

El cambio se nota hasta en las páginas de El País. Hace diez años, la defensa apenas ocupaba espacio. Hoy es «el 30 o el 35 % de todo lo que hacemos», según García Cantero. Daniel de Lorenzo, director comercial de Defensa España en Indra, explica por qué. Antes, internet, el GPS o el ABS pasaban de lo militar a lo civil. Ahora la innovación recorre el camino contrario, de lo civil al frente, en forma de material barato que se fabrica en masa. «Es un cambio brutal», resume. Y con él cambia el reloj: lo que antes tardaba años en llegar al frente ahora se desarrolla en meses.

Ucrania es el laboratorio. Allí la guerra se libra con drones baratos y cada vez más inteligencia artificial, y el país asegura que su gasto en drones, solo en lo que va de 2026, supera en más de un 300 % al de todo 2025. Antes, un sistema de defensa complejo evolucionaba a lo largo de años. En Ucrania, explica De Lorenzo, se actualiza cada quince días, y eso solo es posible con software apoyado en IA. La guerra funciona ya como el software: siempre en versión beta.

Para Europa, el reto no es solo tecnológico. La soberanía en defensa, explica, descansa en la tecnología, la inteligencia y algo muy poco digital, la capacidad industrial: «No es solo capacidad de desarrollo, es capacidad de producción». Y Europa, según él, «se despertó con Crimea, y luego con Ucrania, pero no se ha levantado de la cama». Tendrá que aprender a cambiar en semanas lo que antes cambiaba en años. Lo que no puede acelerar es la ética. Frente a adversarios que atacan por saturación, sin importarles dónde caiga cada golpe, Europa sigue obligada a una precisión que otros no se imponen: «Nosotros, si tiene que entrar por la ventana, tiene que entrar por la ventana».

10. Las máquinas no se subirán al escenario.

Pacífica es una banda argentina de garage punk que se lo debe casi todo a lo digital. Sus integrantes se conocieron por internet, aprendieron a tocar la guitarra con vídeos en su cuarto y, en lugar de amplificador, llevan pedales digitales, «una tarjeta así chiquita», que les permiten tocar en Argentina o en Estados Unidos sin cargar con el equipo.

La tecnología les ha dado casi todo, menos lo que las distingue: «No puedes ir a ver a una banda de IA tocando». Saben que hay canciones con millones de reproducciones hechas con IA, «y la persona que lo escucha no lo sabe», y por eso creen que lo próximo será enseñar cómo se crea una canción, para demostrar que no la ha hecho una máquina. No lo viven como una amenaza: la IA «no es algo que nos preocupe demasiado», y junto a ella ven «un montón de posibilidades que te permiten avanzar más allá de tus contactos y tus condiciones».

Las cifras muestran esa paradoja. Deezer recibe unas 90.000 canciones creadas con IA cada día, más de la mitad de todo lo que se sube a la plataforma, aunque no hay datos sobre qué parte de las escuchas es sintética. El directo, mientras tanto, va en sentido contrario: Live Nation cerró 2025 con un récord de 25.200 millones de dólares de ingresos y 159 millones de asistentes a sus conciertos. La IA puede fabricar canciones sin límite. Un concierto dura lo que dura. Lo que lo hace valioso no es la escasez, sino la experiencia: haber estado allí.

En 2016 bastaron cinco partidas para comprobar que una máquina podía vencer a uno de los mejores jugadores de go del mundo. Diez años después, la IA escribe código, ayuda a detectar cánceres y compone canciones sin que nadie toque una nota. Pero los hospitales siguen necesitando médicos, las empresas necesitan tiempo para aprender y Pacífica todavía tiene que subirse a un escenario para tocar.

Nota:retinatendencias.com