Cuando se escribieron las primeras predicciones sobre el futuro de la inteligencia artificial, todo sonaba a ciencia ficción. Hoy esas predicciones tienen nombre, cifras y normativa: modelos como GPT-5.2 con ventana de 400.000 tokens, un Reglamento Europeo de IA en aplicación, agencias supervisoras como AESIA en España y debates muy concretos sobre empleo, energía y derechos de autor. El futuro ya no es un escenario abstracto, es una agenda con fechas.
De los modelos generativos a los agentes que ejecutan tareas
El primer escenario que se ha cumplido es el más visible: los modelos de lenguaje grandes (LLM) ya no se limitan a responder preguntas. Las versiones actuales de OpenAI, Anthropic, Google y Mistral encadenan acciones, escriben código que se ejecuta, manejan herramientas externas y trabajan dentro de ventanas de contexto que no existían hace tres años. El salto de GPT-5.2 es un buen ejemplo: más razonamiento sostenido, mejor depuración de código y una caída clara en alucinaciones frente a la generación anterior.
El siguiente paso es el agente. Un agente de IA no se limita a generar texto: planifica, llama a APIs, lee correos, dispara consultas SQL y deja registro de cada acción. La consultora Gartner ya habla de empresa agéntica como categoría propia y los grandes proveedores cloud han movido ficha. Google Cloud Next 26 presentó esa capa agéntica como producción real, no como demo, y el resto del sector ha tenido que reaccionar con propuestas equivalentes.
Regulación: del Far West al AI Act
Hace cuatro años, regular la IA parecía una conversación de despacho. Hoy es ley en la Unión Europea. El Reglamento Europeo de Inteligencia Artificial clasifica los sistemas por nivel de riesgo, prohíbe usos como la puntuación social y exige documentación técnica detallada para los modelos de propósito general. España fue de los primeros países en crear un organismo específico: la Agencia Española de Supervisión de Inteligencia Artificial (AESIA) ya ha publicado guías prácticas para aplicar el reglamento.
El debate, sin embargo, ha subido de escala. Sam Altman, consejero delegado de OpenAI, sitúa la superinteligencia en torno a 2028 y reclama una agencia internacional al estilo del OIEA nuclear. La idea encuentra apoyos y rechazos. Sus declaraciones describen un choque de gobernanza global entre Estados Unidos, China y la UE que difícilmente se resolverá solo con normativa nacional.
Empleo: ni catástrofe ni utopía
Aquí los pronósticos de hace tres años se han matizado. Sí hay reestructuraciones —Capgemini ha planteado un ERE en España citando la aceleración tecnológica— pero los datos macro no validan la idea de una destrucción masiva de empleo por IA. El Banco Central Europeo ha analizado las cifras del sector tecnológico y enfría el relato del despido masivo: las salidas se concentran en perfiles concretos (consultoría, soporte, contenido), no en un colapso transversal del mercado laboral.
Lo que sí cambia es la forma de trabajar. Quien programa con copiloto entrega más rápido pero pierde práctica en tareas básicas; quien redacta con LLM gana volumen pero compite con miles que hacen lo mismo. La pregunta útil ya no es si la IA destruye empleo, sino qué tareas concretas automatiza dentro de cada puesto y qué nuevas capacidades hay que adquirir para no quedar fuera.
Energía, chips y la huella física de la IA
Una de las predicciones que más rápido se ha vuelto tangible es la del coste físico. Entrenar y servir modelos grandes consume electricidad, agua para refrigeración y silicio especializado. Los hiperescalares han firmado contratos plurianuales de gigavatios con generadoras nucleares y renovables, y compañías como Anthropic plantean que los grandes operadores deberían pagar el sobrecoste eléctrico de la IA en lugar de trasladarlo al consumidor doméstico.
El otro frente es la cadena de suministro de chips. NVIDIA, AMD e Intel pelean por GPUs y aceleradores especializados, mientras la geopolítica condiciona quién accede a los nodos de fabricación más avanzados. La narrativa del “software lo come todo” se ha desplazado: hoy también importa quién fabrica los semiconductores y dónde están los datacenters.
Privacidad, copyright y datos de entrenamiento
Las preocupaciones por privacidad y uso indebido de datos personales eran genéricas en 2022. Ahora son litigios concretos. Editoriales como Encyclopaedia Britannica o Merriam-Webster han demandado a OpenAI por uso de obras protegidas; los tribunales europeos han pedido aclaraciones a varias compañías sobre cómo aplican el RGPD a sus pipelines de entrenamiento, y el debate sobre el “mercado gris” de datasets para entrenar IA se ha colado en la prensa generalista.
Para empresas y administraciones, la consecuencia operativa es clara: los proyectos de IA serios pasan por documentar la procedencia de los datos, registrar las versiones de los modelos y mantener trazabilidad. La improvisación de los primeros años no encaja con el marco legal actual.
Qué escenarios siguen abiertos
Tres incógnitas grandes marcan los próximos años. La primera, si se llega a una IA general capaz de igualar a un humano experto en cualquier tarea o si los modelos topan con un techo de capacidad. La segunda, si la regulación europea se traduce en pérdida de competitividad frente a Estados Unidos y China o, al contrario, en una ventaja por confianza y cumplimiento. La tercera, si la potencia de cálculo seguirá concentrada en cinco hiperescalares o si modelos abiertos y locales —incluido el movimiento de IA en el dispositivo— recuperan terreno.
Lo que está claro es que el futuro de la IA ya no se discute en términos abstractos. Se discute con cifras, leyes, despidos concretos, casos judiciales y planes industriales. Quien quiera anticiparse, mejor seguir esa pista que los titulares apocalípticos.
Preguntas frecuentes
¿Qué es un agente de IA y en qué se diferencia de un chatbot?
Un chatbot responde preguntas dentro de una conversación; un agente planifica, ejecuta acciones, llama a APIs y deja un registro de cada paso. Los agentes pueden enviar correos, consultar bases de datos o reservar viajes sin intervención humana en cada paso, lo que los hace más útiles pero también más sensibles desde el punto de vista de control y auditoría.
¿El AI Act europeo prohíbe los modelos generativos?
No. Prohíbe usos concretos —puntuación social, manipulación cognitiva, identificación biométrica masiva en espacios públicos con excepciones tasadas— y obliga a transparencia y documentación a los modelos de propósito general. Los modelos generativos siguen siendo legales, pero con requisitos de evaluación de riesgo, marcado de contenido sintético y registro técnico.
¿Va la IA a destruir empleo en España?
Los datos del BCE y de Eurostat no respaldan una destrucción masiva. Sí hay impacto en perfiles concretos —consultoría, soporte, redacción de contenido— y reestructuraciones puntuales en grandes consultoras. La adaptación pasa por reorientar tareas dentro de cada puesto, no por sustitución total.
¿Cuándo llegará la inteligencia artificial general (AGI)?
No hay consenso. Sam Altman habla de superinteligencia en torno a 2028; investigadores académicos rebajan ese horizonte y sitúan la AGI más allá de 2035, si llega. La diferencia depende de cómo se defina exactamente y de si los modelos actuales se topan con un techo de escalado.
¿Qué papel tiene AESIA en España?
La Agencia Española de Supervisión de Inteligencia Artificial vigila el cumplimiento del AI Act en España, publica guías prácticas para empresas y administraciones, y centraliza la supervisión de sistemas de alto riesgo. Es la referencia regulatoria local junto a la AEPD para el uso de datos personales.
