Panorama de la IA en 2026

Durante cuatro sesiones vamos a pasar de pedir respuestas aisladas a diseñar procesos donde la IA trabaja y la persona dirige: define el objetivo, aporta el contexto, decide los puntos de control y responde por el resultado.

El costo de producir un primer borrador cayó drásticamente. Eso desplaza el valor hacia tres habilidades humanas: formular bien el problema, aportar contexto que el modelo no tiene, y evaluar con estándares propios. Un output suelto sin estas tres cosas rara vez llega a ser trabajo terminado.

Cada sesión agrega una capa. Primero entender el terreno; luego dar buen contexto y verificar; después dirigir piezas creativas con criterio; finalmente, encadenar todo en sistemas con puntos de revisión humana. El cierre es un ejercicio integral: brief, investigación, concepto, prototipo y revisión.

Un modelo de lenguaje no busca una respuesta en una base de datos de hechos: genera, token a token, una secuencia probable. Por eso puede escribir con fluidez algo falso. Cuando necesitamos hechos, hay que darle fuentes (documentos, búsqueda) y pedir que las cite. Esta distinción es la base de todo lo que veremos sobre verificación.

Muchos sistemas actuales aceptan varias modalidades a la vez: puedes subir una foto de una pizarra y pedir un acta, o un PDF con gráficos y pedir un análisis. La pregunta útil no es «¿qué modelo es multimodal?», sino «¿qué formato tiene mi material de entrada y qué formato necesito de salida?». Las capacidades exactas varían por producto y cambian: verifícalas en la documentación vigente.

Una foto informal de pizarra se convierte en un acta con responsables, pendientes y dudas. Fíjate en la última sección: un buen resultado no rellena lo que falta, lo señala. La fecha llevaba signo de pregunta, «legal revisa antes» no dice antes de qué, y «jueves» no es una fecha. Eso es lo que una persona tiene que confirmar antes de enviar el acta.

Conviene separar tres cosas que el mercado mezcla bajo la palabra «agente». Un chatbot conversa: tú decides cada paso. Una automatización (o workflow) sigue una ruta escrita de antemano; puede incluir IA en algunos pasos, pero el camino es fijo. Un agente recibe un objetivo y decide por sí mismo qué herramientas usar y en qué orden. Más autonomía implica más capacidad y también más riesgo: por eso la recomendación habitual es empezar por la solución más simple que funcione.

Un agente repite un ciclo: con un objetivo, propone un plan, ejecuta una acción con una herramienta (buscar, leer un archivo, correr código), observa el resultado y decide el siguiente paso. El diseño humano está en dos lugares: cómo se formula el objetivo y dónde se ubican los checkpoints, es decir, los momentos en que una persona revisa antes de que el sistema continúe o actúe hacia afuera.

Los llamados modelos de razonamiento elaboran pasos intermedios antes de dar la respuesta final. Suelen rendir mejor en análisis, planificación, matemáticas y código. Cuestan más tiempo y, a veces, más dinero. Dos advertencias: un razonamiento bien escrito puede partir de una premisa falsa, y para tareas simples (reescribir, resumir) no siempre aportan.

Buena parte del salto reciente no viene del modelo solo, sino de conectarlo con herramientas. Con búsqueda, puede citar fuentes actuales. Con ejecución de código, puede hacer cálculos verificables en lugar de «estimar». Con conectores, puede actuar sobre tus sistemas. Cada herramienta agrega capacidad y también superficie de riesgo: permisos, datos expuestos, acciones irreversibles.

Calibrar es saber cuándo confiar y cuándo verificar. Los modelos son fuertes transformando material que tú das. Son frágiles cuando deben recordar hechos exactos, cuando la información es reciente, o cuando el juicio depende de cosas que solo tú sabes. La regla práctica: cuanto más grave la consecuencia de un error, más fuerte la verificación.

Las listas de «los mejores modelos» caducan rápido. Lo que no caduca es el método: describe la tarea, identifica el criterio decisivo (fuentes, reproducibilidad, control visual, privacidad) y elige la categoría de herramienta que lo satisface. Después, compara dos opciones con el mismo caso real. La matriz completa está en la biblioteca.

Casi todos empezamos con la versión gratuita de ChatGPT o Claude, y está bien: para aprender alcanza. Pero conviene conocer el mapa completo. ChatGPT (OpenAI) es el más extendido y suma un modo Work para trabajos largos. Claude (Anthropic) permite, incluso gratis, crear proyectos con tus documentos. Gemini (Google) se conecta con Gmail, Drive y el resto del ecosistema, y genera imagen y video desde la misma app. Microsoft Copilot vive dentro de Windows, Edge y Microsoft 365, donde ya trabaja mucha gente. Meta AI está dentro de WhatsApp, Instagram y Facebook. Grok (xAI) está integrado en X. Todos tienen plan gratuito con límites; los planes pagados suben esos límites y abren funciones. Precios, límites y modelos cambian a menudo: verifícalos en el sitio de cada uno antes de decidir.

Lo que en el bucle vimos como concepto ya está en el mercado de consumo. Meta presentó en septiembre de 2026 Muse, un agente personal que puede hacer compras en línea, redactar y enviar correos o planificar viajes por ti, con un plan gratuito y planes pagados. OpenAI lanzó en julio ChatGPT Work para trabajos de varios pasos sobre archivos, aplicaciones conectadas y la web. xAI ofrece Grok Bot: agentes con su propia computadora en la nube que te piden aprobación cuando la necesitan. Anthropic abrió el 21 de octubre una vista previa de Claude Duet para sus planes Pro y Max. La pregunta para cualquiera de ellos es la misma del bucle: ¿qué permisos le doy, sobre qué cuentas, y en qué momento aprueba una persona antes de que actúe hacia afuera?

Para imagen, lo más directo es usar el asistente que ya tienes: Gemini genera y edita imágenes gratis desde la app, y ChatGPT, Microsoft Copilot y Meta AI también crean imágenes dentro de la conversación. Para video, Google Flow da créditos gratuitos cada día y Gemini permite crear y editar video conversando; Kling y Runway ofrecen más control, pero para usarlos en serio hay que pagar. Para audio, ElevenLabs genera voces, efectos y música, y Suno compone canciones completas a partir de una descripción; en sus planes gratuitos no se permite uso comercial. Un recordatorio de por qué enseñamos a elegir por tarea y no por marca: Sora, la app de video de OpenAI que fue noticia en 2024, cerró en abril de 2026. Las herramientas pasan; saber pedir y revisar, no.

Un encargo ejecutable es aquel que otra persona competente podría cumplir sin hacerte preguntas, y cuyo resultado podrías aprobar o rechazar con criterios claros. Tiene objetivo, audiencia, contexto, fuentes, restricciones, formato y criterios de éxito. Agregar «propón primero un plan» crea un checkpoint barato antes de que el modelo invierta trabajo.

La diferencia no es la longitud sino la información. El encargo de la derecha dice para quién, qué decisión, con qué materiales, qué forma y cuándo detenerse a revisar. Observa que no pide al modelo inventar cifras: le da fuentes y exige citarlas.

Ahora te toca, y puedes elegir. Si quieres afinar el pensamiento, transforma un brief ambiguo en un encargo ejecutable. Si quieres crear, genera una imagen con dirección, un video corto o una pieza de audio. Si quieres formar criterio sobre plataformas, lanza el mismo encargo en tres asistentes y compáralos. Haz al menos una; si terminas, pasa a otra. En todas aplica lo mismo: decide antes qué quieres lograr, pide con contexto y revisa antes de dar algo por terminado. Las versiones gratuitas alcanzan para todas.

Verificar no es desconfiar de todo: es proporcionar la revisión a lo que está en juego. Las fuentes deben existir y decir lo que se afirma; los cálculos deben poder rehacerse; y alguien debe firmar. En la sesión 2 profundizamos en evaluación y verificación.

Hoy separamos tipos de sistemas, calibramos capacidad y límites, recorrimos el mercado de plataformas y practicamos con el formato que cada quien eligió: texto, imagen, video o audio. Para la próxima sesión, trae un documento real —sin información confidencial— sobre el que quieras investigar o decidir.