Año nuevo, ¿IA nueva?
Noticias de Inteligencia Artificial que importan a los negocios
El 2025 se perfila como un año clave en el avance de los modelos de razonamiento, un nuevo paradigma en la construcción de modelos de lenguaje iniciado por OpenAI, y que, sin duda, siguen de cerca todos sus competidores. Modelos como o1 han demostrado una capacidad sin precedentes para procesar, analizar y resolver problemas cada vez más complejos. Esto ha despertado el interés de figuras como Terence Tao, una de las mentes más brillantes de nuestros tiempos, que ve el futuro de las Matemáticas ligado a esta súper calculadora del razonamiento. Lo mismo ocurre en el campo de las Ciencias de la Computación, donde estos modelos mejoran lo que ya era una herramienta indispensable en el desarrollo de software moderno. Este nuevo salto en capacidades permite al aprendizaje basado en redes neuronales romper una vez más el techo que muchos han estado pronosticando durante todo el 2024. Como queda demostrado una y otra vez, el límite de estos sistemas se encuentra más en la falta de imaginación, y no tanto en el potencial de esta nueva tecnología. Porque imitando el funcionamiento del cerebro, aunque de forma muy rudimentaria, es lo que nos ha llevado a las mayores cotas de progreso en la construcción de máquinas inteligentes.
La carrera por la AGI
Durante la Guerra Fría, Estados Unidos y la URSS movilizaron enormes recursos en su lucha por liderar la carrera espacial. Más que un objetivo económico, esta competición simbolizaba fuerza y prestigio internacional, un duelo tecnológico que marcó una era de rivalidad geopolítica. Hoy en día, estamos inmersos en una nueva carrera, esta vez para alcanzar la codiciada AGI (Artificial General Intelligence). Aunque el concepto de AGI sigue siendo ambiguo e imposible de verificar, funciona como una meta inspiradora que concentra enormes esfuerzos globales. A diferencia de la carrera espacial, los protagonistas actuales son empresas privadas, principalmente de Estados Unidos y China, que emplean dos enfoques principales: investigación abierta, representada por Meta en EE UU y DeepSeek en China, e investigación cerrada, liderada por OpenAI en EE UU y Alibaba en China.
Con los modelos de razonamiento, en 2025 entramos en una etapa en el desarrollo de la Inteligencia Artificial donde el ritmo de progreso se vuelve a acelerar, comparado con las mínimas mejoras incorporadas en los modelos de la familia GPT durante 2024.
Las evaluaciones que ha presentado OpenAI de o3, la siguiente iteración de esta nueva familia de modelos, prometen unas capacidades de generalización nunca vistas hasta el momento.
François Chollet es uno de los investigadores que desde el principio ha mantenido una postura objetiva y rigurosa sobre las capacidades reales de Inteligencia Artificial, sin dejarse llevar por los ciclos de expectación exagerada que hemos vivido últimamente. En 2019 creó un test específicamente diseñado para medir la capacidad de generalización de estos modelos, llamado ARC-AGI y acompañado de un concurso para medir el progreso de la Inteligencia Artificial.
Hasta ahora, el mejor sistema construido específicamente para ganar el concurso obtenía una tasa de éxito del 53% en aquellas tareas del test que nadie conoce y que Chollet custodia como oro en paño. Si el lector intenta este test siguiendo este enlace, notará que resolver una tarea no proporciona ninguna ventaja ni información relevante para afrontar la siguiente. Esto significa que las tareas privadas de Chollet solo pueden resolverse mediante una capacidad excepcional de adaptación a situaciones completamente nuevas, es decir, generalizando más allá de los ejemplos de prueba. Pues bien, el nuevo modelo o3 ha obtenido una tasa de acierto del 87.5%, una sorpresa para el mismo Chollet, que lo califica como "breakthrough", es decir, un descubrimiento que marca un antes y un después.
¿Cómo se ha logrado este impresionante salto? Los modelos de lenguaje, como todos los basados en redes neuronales, operan en dos fases claramente diferenciadas. La primera es el entrenamiento, donde el modelo aprende patrones inteligentes a partir de enormes cantidades de datos. En la segunda fase, se utiliza el modelo entrenado para generar nuevas predicciones basadas en un contexto o “prompt”, en el caso de los modelos de lenguaje. El nuevo paradigma radica en darle más tiempo de cómputo a esta segunda fase. Esto permite que el modelo genere múltiples alternativas al prompt inicial y, a través de proceso de autocrítica, elija el camino que mejor se acerque a la respuesta ideal.
🚀 Si quieres formarte en IA, 2025 es tu año: edición exclusiva de nuestro Máster Ejecutivo en Inteligencia Artificial. No esperes a octubre, arrancamos el próximo 15 de febrero: enfoque práctico, 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un código de descuento. Utiliza: EXPLICABLE300
En definitiva, le estamos dando al modelo más tiempo para “pensar” antes de responder, lo que mejora significativamente su precisión, aunque también incrementa considerablemente los costes computacionales. Este tiempo adicional es una variable ajustable: según la complejidad del problema o lo que estemos dispuestos a pagar, puede extenderse a minutos, horas o incluso días para obtener mejores resultados con el mismo prompt. Este nuevo enfoque explica por qué empresas como Nvidia y otras de su sector siguen con un crecimiento imparable, beneficiándose del optimismo que este nuevo paradigma genera también para todo el 2025.
Gran impacto económico ¿por fin?
Cuando estos nuevos modelos se integren como herramientas especializadas en cada sector profesional, el impacto en el mercado laboral podría ser transformador. Por ejemplo, los abogados podrán diseñar estrategias legales basadas en un análisis más profundo y completo de la información disponible. Los médicos podrán evaluar todas las opciones posibles antes de emitir un diagnóstico, reduciendo errores y maximizando la eficiencia de los recursos sanitarios. Los programadores aumentarán su productividad, disminuyendo significativamente los costes de desarrollo del software y haciendo la tecnología más accesible y universal.
Si bien, como ya sucede en la actualidad, no todos los profesionales alcanzarán el éxito simplemente por disponer de inteligencia artificial.
Solo aquellos que sean capaces de aprovecharla plenamente formarán la dupla humano-máquina ganadora, ya que la IA, por sí sola, no hará milagros sin la intervención de la inteligencia humana.
Aunque las expectativas son muy prometedoras, este cambio avanzará de manera más lenta y gradual de lo esperado. La velocidad con la que se adopta la tecnología está más influenciada por las estructuras sociales y culturales existentes, que por las capacidades tecnológicas disponibles.
Un elemento clave de este nuevo paradigma es la calidad de los datos de entrenamiento, que ha tenido que mejorar significativamente con el consiguiente aumento en el gasto para su obtención. Empresas especializadas en recopilación de datos cuentan con equipos de personas cuya tarea es crear ejemplos precisos y valiosos para alimentar estos modelos. Este enfoque no es completamente nuevo: desde la aparición de ChatGPT, la fase final de entrenamiento de estos modelos se conoce como RLHF (Reinforcement Learning from Human Feedback). La "H" en el acrónimo destaca la presencia del factor humano en el proceso, que al principio dependía únicamente de trabajadores poco cualificados que evaluaban las respuestas generadas. Sin embargo, los modelos de razonamiento han cambiado drásticamente este panorama. Ahora, este proceso involucra a expertos altamente cualificados, como doctores en matemáticas, computación y biología. Este tipo de trabajo especializado, impensable hace una década, es fundamental para los avances que estamos presenciando, aunque su relevancia sigue siendo poco reconocida.
¿Será 2025 el año en que la inteligencia artificial alcance finalmente el impacto económico y social que justifique la inversión masiva de la última década?
Aunque no podemos asegurar cómo va a evolucionar la inteligencia artificial en el futuro, una cosa es cierta: estamos viviendo un momento histórico, lleno de oportunidades para transformar nuestras vidas y nuestra sociedad de formas que hace poco parecían imposibles. Dejemos de enfocarnos únicamente en los riesgos y pongamos el foco en ese futuro prometedor.
¡Feliz año a todos los lectores de Explicable! Muchas gracias por vuestro apoyo.
Y, ¿qué más podemos esperar de 2025?
Predecir el futuro en un mundo tan complejo es más un ejercicio de entretenimiento que una ciencia exacta. Bajo este prisma, nos atrevemos a imaginar cómo podría evolucionar la Inteligencia Artificial durante 2025:
IA Generativa: en 2024 hemos visto modelos de generación de vídeo con una calidad asombrosa, pero todavía falta más control y más consistencia en el contenido generado. En 2025 esperamos que los modelos se integren en las herramientas de producción audiovisual, de manera que puedan ser utilizados por todo tipo de profesionales del sector, y no solo por los early-adopters. Hacer anuncios o cortos con IA podría estar al alcance de cualquiera.
Agentes: en 2025 presenciamos por fin la llegada de los primeros agentes, tras no haber visto avances claros en 2024. Inicialmente, estos agentes funcionan como asistentes en los ordenadores, capaces de manejar el ratón y el teclado para ejecutar tareas genéricas. En una etapa posterior, se integrarían en las operaciones de las empresas, aunque en este caso somos más cautos debido a la complejidad y variedad de escenarios que tendrían que abordar.
Legislación: la nueva administración Trump cambia el discurso sobre la regulación de la IA, aplacando los intentos anteriores de controlar el desarrollo de esta tecnología. Esto hace que Europa empiece a cuestionar la idoneidad del reglamento de IA y trate de minimizar su impacto. España, que ha sacado pecho de ser el primer país en montar la agencia de supervisión de la IA, podría tener mucho que licitar pero poco que supervisar.
Hardware: la demanda de capacidad de cómputo se mantiene fuerte a lo largo del año, con Nvidia liderando sin perder impulso, a pesar de la aparición de nuevas alternativas de las grandes tecnológicas. Sólo un posible conflicto en Taiwan podría frenar drásticamente esta tendencia en 2025.
Conducción autónoma: avanza pero sigue sin ser universal, y, por tanto, necesita supervisión humana. Los robotaxis se despliegan lentamente en más ciudades de EE.UU., funcionando prácticamente sin supervisión y contando con teleoperadores para responder a las situaciones anómalas detectadas.
Robots humanoides: las empresas que desarrollan robots humanoides continúan impresionando con vídeos espectaculares que destacan las capacidades de sus creaciones. Sin embargo, estos son casos de laboratorio, lejos de ser aplicables en cualquier entorno o situación. Grandes progresos, pero con un impacto económico aún limitado.
Drones: en el aire, las situaciones imprevistas son más sencillas de manejar, lo que convierte a los drones con inteligencia artificial en herramientas de alto impacto para aplicaciones no solo con fines militares, sino también de vigilancia y auxilio en catástrofes. Su única limitación real para infinidad de aplicaciones, más que la IA, sigue siendo la autonomía de la batería.
Un código exclusivo para ti
Si buscas una formación técnica que te lleve al siguiente nivel, el Programa Desarrollador 10x con IA está diseñado para ti.
Disfruta de un 10% de descuento. Usa el código EXPLICABLE10 al matricularte.
Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.
Feliz 2025 y ya deseando ver cómo será el resumen sobre la IA y los robots cuando pasemos a 2026!