Mitad de 2026. Momento de hacer balance. No el hype de las notas de prensa ni el pesimismo reactivo de los que nunca quedaron satisfechos con el progreso. Un balance honesto de dónde estamos.

Lo que cambió de verdad

El razonamiento de los modelos mejora de forma medible y consistente. En diciembre de 2025, o3 alcanzó rendimiento humano experto en benchmarks de matemáticas. En junio de 2026, hay tres o cuatro modelos que lo igualan o superan. Esto no es hype: hay benchmarks verificables, hay casos de uso reales donde la diferencia es tangible.

Los modelos open source alcanzaron a los cerrados en la mayoría de tareas no especializadas. Llama 4 Maverick, Qwen 3 235B, DeepSeek V3: cualquiera de estos modelos resuelve el 80-90% de las tareas que los usuarios típicos hacen con ChatGPT o Claude. La excepción es el tope de razonamiento y seguimiento de instrucciones muy complejas.

Las herramientas de desarrollo evolucionaron más rápido que los modelos. Cursor, Windsurf, GitHub Copilot Workspace, Codex: el ecosistema de herramientas de programación asistida por IA maduró enormemente. La mayoría de desarrolladores que conozco usan alguna de estas herramientas a diario.

Los costes bajaron drásticamente. Una aplicación que costaba $1000/mes en llamadas a API a principios de 2024 cuesta $50-100 con los modelos y precios actuales. Esto democratizó el acceso a capacidades que antes solo tenían las empresas grandes.

Lo que no cambió como se prometió

Los agentes generales siguen siendo demos. En cada conferencia de IA de 2024-2025 vimos demos de “agentes que hacen todo”. En producción real, los agentes funcionan bien en dominios muy acotados y fallan de formas costosas en dominios abiertos. El “agente universal” no existe todavía.

La IA no reemplazó a los programadores. Devin prometía reemplazar a los programadores junior. Lo que pasó: los programadores que usan IA son más productivos. Los que no, son menos competitivos. El mercado laboral cambió, pero no desapareció.

Las alucinaciones siguen siendo un problema no resuelto. Los modelos alucinen menos, pero todavía alucinen. Para aplicaciones donde la precisión factual es crítica, el pipeline todavía requiere verificación. Esto no cambió fundamentalmente en 18 meses.

El razonamiento sobre el mundo físico es limitado. Los modelos razonan mejor sobre textos y código que sobre el mundo físico. La robótica con IA y los agentes que interactúan con el entorno físico siguen siendo mucho más difíciles de lo que los demos sugieren.

Los números que más importan

En el mercado:

  • Los modelos de frontera mejoran en benchmarks aproximadamente cada 6 meses con saltos significativos
  • El coste por millón de tokens cayó ~80% en 18 meses
  • La adopción empresarial de LLMs en producción creció de ~15% a ~60% de grandes empresas entre 2024 y 2026

En la investigación:

  • El número de papers sobre interpretabilidad se triplicó: hay más trabajo que nunca intentando entender qué pasa dentro de los modelos
  • Los benchmarks más difíciles (Humanity’s Last Exam, FrontierMath) que fueron creados para “resistir” a los LLMs son alcanzados o superados por los mejores modelos en meses

La pregunta que más se hace y menos se responde bien

“¿Cuándo llegamos a la AGI?”

La respuesta honesta: depende de qué cuentes como AGI. Si AGI es “supera a los humanos en todo benchmark que se le ponga”, algunos argumentan que ya llegamos o que estamos cerca. Si AGI es “puede hacer cualquier tarea cognitiva que hace un humano en el mundo real”, todavía no estamos cerca.

El debate es más filosófico que técnico en este punto. Lo que sí es verificable: los modelos mejoran en todo lo que medimos, y la velocidad de mejora no ha desacelerado de forma obvia.

Lo que más me preocupa

No es que los modelos sean demasiado capaces. Es que la infraestructura para usarlos responsablemente (evaluación, observabilidad, governance) está varios años detrás de las capacidades. Las organizaciones despliegan sistemas de IA en producción sin las herramientas para entender cuándo fallan o por qué.

Esto no es un problema técnico de los modelos. Es un problema de prácticas de ingeniería y de madurez del ecosistema de herramientas.

Lo que viene en el segundo semestre de 2026

Sin bola de cristal, pero las tendencias apuntan a:

  • GPT-5 o equivalente de OpenAI antes de que termine el año
  • Mejoras en razonamiento agéntico: los modelos siendo mejores coordinando tareas de múltiples pasos
  • Más regulación concreta en Europa y partes de EE.UU.
  • Consolidación del mercado de herramientas: hay demasiados players en algunos segmentos

El segundo semestre de 2026 no será tan diferente del primero. La IA es una tecnología en desarrollo activo, no en revolución permanente. Los saltos grandes pasan cada 12-18 meses, no cada mes.

Y eso es suficiente para que el sector siga siendo fascinante de seguir.