Los expertos temían un 'invierno de la inteligencia artificial' hace tan solo un año. La realidad ha destrozado esa teoría
En enero de 2024, Rodney Brooks, una de las voces más autorizadas en robótica y AI (es exdirector del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT), advertía de la inminente llegada de un 'invierno de la IA', un período de estancamiento que sucedería al entusiasmo que llevaba años suscitando esta tecnología. Sin embargo, tan sólo 14 meses después, podemos citar toda una serie de indicios que vienen a sugerir exactamente lo contrario: que estamos a las puertas de un posible "verano de la IA". ¿Por qué este cambio? Se acerca el invierno Rodney Brooks diagnosticaba entonces un posible estancamiento en el desarrollo y las expectativas sobre la IA, y centraba sus críticas en los modelos de lenguaje (LLMs) como ChatGPT que, aunque impresionantes en apariencia, "carecen de un entendimiento real del mundo": "No tienen ningún modelo subyacente de la realidad. Son correlaciones lingüísticas, no inteligencia". A sus ojos, lo más peligroso era creer que estos avances nos acercaban a la llamada Inteligencia Artificial General (AGI). Para Brooks, la historia se repetía: las excesivas expectativas sobre el desarrollo de la IA iban a desembocar en otra larga temporada de desilusión y desinversión, como ya lleva ocurriendo cíclicamente en esta tecnología desde los años 50 del siglo XX. 2024, ¿el año del falso otoño? Pero 2024 llegó y se fue, y el panorama tecnológico parece haber cambiado hasta el punto de hacernos pensar que los augurios de un 'invierno' fueron prematuros. Así, lejos de estancarse, la IA ha seguido evolucionando, impulsada por una demanda empresarial creciente y por varios factores clave: Modelos de razonamiento: El informe destaca un cambio de paradigma en el desarrollo de modelos avanzados. En lugar de escalar masivamente los LLMs, se están explorando nuevas arquitecturas que imitan procesos de razonamiento iterativo, también conocidos como “pensamiento lento”. Modelos como 'o3' de OpenAI ya no solo completan textos o traducen idiomas: razonan, planifican, explican y corrigen; y están resolviendo problemas matemáticos complejos y ofreciendo análisis novedosos a investigadores humanos. Agentes de IA: En paralelo, se ha producido una explosión en el desarrollo de agentes inteligentes que pueden desempeñar roles laborales completos –desde atención al cliente hasta ventas– sin supervisión humana constante, al ser capaces de automatizar tareas, interactuando con herramientas externas, APIs, buscadores web o archivos locales, están creando un nuevo paradigma de interacción. Ya no hablamos solo de un modelo que responde, sino de uno que actúa. En Genbeta Antes de que se impusiera Python, estos fueron los lenguajes con los que se desarrollaba inteligencia artificial Los asistentes de programación: uno de los indicadores más claros del crecimiento exponencial es el papel de la IA en el desarrollo de software. Herramientas como GitHub Copilot han evolucionado, pero han sido rápidamente superadas por nuevos modelos e IDEs capaces de corregir errores, desarrollar código funcional y testearlo. Esto ha desencadenado un cambio cultural profundo: cada vez más programadores trabajan en colaboración estrecha con modelos avanzados, mientras que las empresas reconfiguran sus estructuras para incorporar IA como parte esencial del flujo de trabajo. La revolución del coste: La caída drástica de los costes (tanto de entrenamiento como de uso) está contribuyendo a democratizar su uso al reducir las barreras de entrada. Empresas como DeepSeek han logrado desarrollar modelos de código abierto con un rendimiento competitivo frente a gigantes como OpenAI o Google DeepMind, pero con requerimientos de hardware y energía significativamente menores. Los ciclos históricos están para romperlos El error de predicción cometido por muchos analistas en 2023 no fue ingenuo ni alarmista: se basaba en ciclos históricos del desarrollo tecnológico, donde tras un pico de expectativas suele venir un valle de desencanto. Pero esta vez la infraestructura, el talento acumulado y los incentivos económicos estaban alineados para que eso no ocurriera. Además, el carácter exponencial de la IA ha demostrado ser especialmente difícil de anticipar. Modelos que se entrenan más rápido, consumen menos y aprenden más han dado lugar a iteraciones semanales, incluso diarias, de mejoras significativas. En resumen, el invierno que Brooks predijo puede haber sido suspendido en favor de una primavera temprana. La contraposición entre las expectativas de hace unos meses y la situación actual ilustra el vértigo de vivir en un momento de cambio tecnológico acelerado: no estamos ante una simple prolongación de la moda de los LLMs, sino ante un punto de inflexión en su evolución. Imagen | Marcos Merino mediante IA En Genbeta | Goog
En enero de 2024, Rodney Brooks, una de las voces más autorizadas en robótica y AI (es exdirector del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT), advertía de la inminente llegada de un 'invierno de la IA', un período de estancamiento que sucedería al entusiasmo que llevaba años suscitando esta tecnología.
Sin embargo, tan sólo 14 meses después, podemos citar toda una serie de indicios que vienen a sugerir exactamente lo contrario: que estamos a las puertas de un posible "verano de la IA". ¿Por qué este cambio?
Se acerca el invierno
Rodney Brooks diagnosticaba entonces un posible estancamiento en el desarrollo y las expectativas sobre la IA, y centraba sus críticas en los modelos de lenguaje (LLMs) como ChatGPT que, aunque impresionantes en apariencia, "carecen de un entendimiento real del mundo":
"No tienen ningún modelo subyacente de la realidad. Son correlaciones lingüísticas, no inteligencia".
A sus ojos, lo más peligroso era creer que estos avances nos acercaban a la llamada Inteligencia Artificial General (AGI). Para Brooks, la historia se repetía: las excesivas expectativas sobre el desarrollo de la IA iban a desembocar en otra larga temporada de desilusión y desinversión, como ya lleva ocurriendo cíclicamente en esta tecnología desde los años 50 del siglo XX.
2024, ¿el año del falso otoño?
Pero 2024 llegó y se fue, y el panorama tecnológico parece haber cambiado hasta el punto de hacernos pensar que los augurios de un 'invierno' fueron prematuros. Así, lejos de estancarse, la IA ha seguido evolucionando, impulsada por una demanda empresarial creciente y por varios factores clave:
- Modelos de razonamiento: El informe destaca un cambio de paradigma en el desarrollo de modelos avanzados. En lugar de escalar masivamente los LLMs, se están explorando nuevas arquitecturas que imitan procesos de razonamiento iterativo, también conocidos como “pensamiento lento”. Modelos como 'o3' de OpenAI ya no solo completan textos o traducen idiomas: razonan, planifican, explican y corrigen; y están resolviendo problemas matemáticos complejos y ofreciendo análisis novedosos a investigadores humanos.
- Agentes de IA: En paralelo, se ha producido una explosión en el desarrollo de agentes inteligentes que pueden desempeñar roles laborales completos –desde atención al cliente hasta ventas– sin supervisión humana constante, al ser capaces de automatizar tareas, interactuando con herramientas externas, APIs, buscadores web o archivos locales, están creando un nuevo paradigma de interacción. Ya no hablamos solo de un modelo que responde, sino de uno que actúa.
- Los asistentes de programación: uno de los indicadores más claros del crecimiento exponencial es el papel de la IA en el desarrollo de software. Herramientas como GitHub Copilot han evolucionado, pero han sido rápidamente superadas por nuevos modelos e IDEs capaces de corregir errores, desarrollar código funcional y testearlo. Esto ha desencadenado un cambio cultural profundo: cada vez más programadores trabajan en colaboración estrecha con modelos avanzados, mientras que las empresas reconfiguran sus estructuras para incorporar IA como parte esencial del flujo de trabajo.
- La revolución del coste: La caída drástica de los costes (tanto de entrenamiento como de uso) está contribuyendo a democratizar su uso al reducir las barreras de entrada. Empresas como DeepSeek han logrado desarrollar modelos de código abierto con un rendimiento competitivo frente a gigantes como OpenAI o Google DeepMind, pero con requerimientos de hardware y energía significativamente menores.
Los ciclos históricos están para romperlos
El error de predicción cometido por muchos analistas en 2023 no fue ingenuo ni alarmista: se basaba en ciclos históricos del desarrollo tecnológico, donde tras un pico de expectativas suele venir un valle de desencanto. Pero esta vez la infraestructura, el talento acumulado y los incentivos económicos estaban alineados para que eso no ocurriera.
Además, el carácter exponencial de la IA ha demostrado ser especialmente difícil de anticipar. Modelos que se entrenan más rápido, consumen menos y aprenden más han dado lugar a iteraciones semanales, incluso diarias, de mejoras significativas.
En resumen, el invierno que Brooks predijo puede haber sido suspendido en favor de una primavera temprana. La contraposición entre las expectativas de hace unos meses y la situación actual ilustra el vértigo de vivir en un momento de cambio tecnológico acelerado: no estamos ante una simple prolongación de la moda de los LLMs, sino ante un punto de inflexión en su evolución.
Imagen | Marcos Merino mediante IA
-
La noticia
Los expertos temían un 'invierno de la inteligencia artificial' hace tan solo un año. La realidad ha destrozado esa teoría
fue publicada originalmente en
Genbeta
por
Marcos Merino
.
