Las tendencias que darán forma a la IA y la tecnología en 2026

Un año en tecnología puede parecer una década en cualquier otro lugar.

Piénselo: hace un año, hablábamos de cómo ChatGPT no podía contar la cantidad de "r" en "strawberry". Los modelos de razonamiento de los laboratorios fronterizos chinos (como DeepSeek-R1) no habían conquistado el mundo ni los agentes de razonamiento de código abierto tampoco.

El agente de codificación dedicado de Claude aún no existía. El Granite 3.0 de IBM acababa de llegar. Y la conversación con los agentes no había hecho más que empezar: MCP acababa de ganar terreno en primavera, con un notable respaldo de Sam Altman.

Mientras tanto, en el mundo de la infraestructura, los chips y los recursos informáticos escaseaban, lo que daba a los nuevos territorios una ventaja competitiva.

En las últimas semanas, IBM Think habló con una docena de expertos en tecnología (investigadores, fundadores, líderes de IBM y muchos más) para conocer sus opiniones sobre lo que nos deparaba el próximo año. Todos compartían una creencia común para el próimo año: el ritmo de la innovación no se ralentizará en 2026.

"Es una época de locura", declaró Peter Staar, miembro principal del equipo de investigación del IBM Research Zurich Laboratory, a IBM Think en una entrevista. "Y solo va a más".

Las nuevas capacidades agénticas darán paso a nuevas posibilidades tanto para las empresas como para los particulares. "De verdad veo los paralelismos entre la producción musical al estilo de Rick Rubin y la creación de IA", dijo el destacado ingeniero de IBM, Chris Hay, a IBM Think. “No lo limito a la codificación. Creo que todos nos convertiremos en compositores de IA, ya sea vendedor, programador o primer ministro.

Muchos creen que la eficiencia será la nueva frontera. "Las GPU seguirán siendo los reyes, pero los aceleradores basados en ASIC, los diseños de chips, la inferencia analógica e incluso los optimizadores con asistencia cuántica madurarán", dijo Kaoutar El Maghraoui, científico de investigación principal en IBM, durante Mixture of Experts de esta semana. "Tal vez surja una nueva clase de chips para cargas de trabajo agénticas".

Después de mucho escepticismo en torno al ROI de la IA, las capacidades de la IA allanarán nuevas formas de hacer negocios en la empresa. Y los modelos y agentes de razonamiento de código abierto seguirán ampliando los límites para conquistar la IA empresarial.

Al mismo tiempo, la confianza y la seguridad se convertirán en prioridades clave a medida que muchas empresas se centren más en la soberanía de la IA.

Eso es solo el acto de apertura de lo que vendrá en tecnología empresarial en los próximos días. Siga leyendo para conocer las 18 predicciones de los expertos a las que hay que prestar atención en 2026.

IBM ha declarado públicamente que en 2026 será la primera vez que un ordenador cuántico podrá superar a un ordenador clásico, es decir, el momento en el que un ordenador cuántico podrá resolver un problema mejor que todos los métodos clásicos.

Según IBM, este hito desbloqueará avances en el desarrollo de fármacos, la ciencia de los materiales, la optimización financiera y más sectores que se enfrentan a retos increíblemente complejos.

"Hemos superado la teoría", dijo Jamie García, director de crecimiento estratégico y asociaciones cuánticas de IBM, a IBM Think. "Hoy en día, utilizamos los mejores ordenadores cuánticos disponibles en el sector para casos de uso reales. Aunque no se trata de problemas a escala de producción, son señales de las que esperamos que el valor aumente a medida que la cuántica siga madurando. Y estamos viendo un progreso increíble en la investigación en el desarrollo de fármacos, el descubrimiento de materiales y la optimización para finanzas y logística".

García también destaca la convergencia con la IA: herramientas como Qiskit Code Assistant ya están ayudando a los desarrolladores a generar código cuántico automáticamente. IBM está construyendo una arquitectura de supercomputación centrada en la cuántica que combina la computación cuántica con una potente infraestructura de computación de alto rendimiento e inteligencia artificial, respaldada por CPU, GPU y otros motores de computación, explicó.

Para impulsar este objetivo en el futuro, AMD e IBM están explorando cómo integrar las CPU, GPU y FPGA de AMD con los ordenadores cuánticos de IBM para acelerar de manera eficiente una nueva clase de algoritmos emergentes, que están fuera del alcance actual de cualquiera de los dos paradigmas que funcionan de forma independiente.

“2026 será el año de las clases de modelos fronterizos frente a los eficientes”, dijo Kaoutar El Maghraoui, un científico investigador principal de IBM, durante un episodio reciente de Mixture of Experts. Junto a modelos enormes con miles de millones de parámetros, aparecerán modelos eficientes y con reconocimiento del hardware que funcionan con aceleradores modestos. "No podemos seguir escalando la computación, por lo que el sector debe escalar la eficiencia".

En 2025, la demanda superó a la cadena de suministro, lo que obligó a las empresas a optimizar la disponibilidad informática. Esa presión dividió las estrategias de hardware: escalado vertical con superchips como H200, B200, GB200, o escalado horizontal con optimizaciones de edge, avances en la cuantificación y pequeños LLM, dijo.

Esto también significará que la IA perimetral pasará del bombo publicitario a la realidad. Y la carrera por el hardware ya no tendrá que ver solo con las GPU. "Las GPU seguirán siendo los reyes, pero los aceleradores basados en ASIC, los diseños de chips, la inferencia analógica e incluso los optimizadores con asistencia cuántica madurarán", dijo El Maghraoui. "Tal vez surja una nueva clase de chips para las cargas de trabajo de los agentes".

En 2026, la competencia no estará en los modelos de IA, sino en los sistemas.

"Vamos a llegar a un punto crítico", dijo Gabe Goodhart, arquitecto jefe de innovación abierta de IA en IBM, en una entrevista con IBM Think. “Es un mercado favorable para los compradores. Puede elegir el modelo que se adapte perfectamente a su caso de uso y empezar a trabajar. El modelo en sí mismo no va a ser el principal factor diferenciador".

Lo que importa ahora es la orquestación: combinar modelos, herramientas y flujos de trabajo. “Si accede a ChatGPT, no está hablando con un modelo de IA”, explicó. “Está hablando con un sistema de software que incluye herramientas para buscar en la web, realizar todo tipo de tareas programáticas individuales y, muy probablemente, un bucle agéntico”.

"En 2026, creo que veremos más tipos de enrutamiento de modelos cooperativos", dijo Goodhart. “Tendrá modelos más pequeños que podrán hacer muchas cosas y delegar en el modelo más grande cuando sea necesario. Quien consiga esa integración a nivel de sistema moldeará el mercado".

En 2026, el procesamiento de documentos dejará de ser un trabajo con un único modelo. En lugar de obligar a un único sistema a interpretar un archivo completo, los pipelines de análisis sintético dividen los documentos en sus partes (títulos, párrafos, tablas, imágenes) y dirigen cada uno al modelo que mejor lo entiende.

"Esto nos permite reducir el coste computacional mientras mejoramos la fidelidad porque cada elemento es interpretado por la clase de modelo que mejor lo entiende", dijo Brian Raymond, fundador y CEO de Unstructured, a IBM Think. Unstructured transforma los datos no estructurados en datos limpios listos para la IA.

"El resultado es una capa de reconstrucción flexible que sintetiza una representación precisa de la fuente original, al mismo tiempo que mantiene sólidas garantías sobre la estructura, el linaje y el significado", afirmó Raymond. Unstructured recientemente integró las capacidades de detección de objetos de la investigación de IBM para lograr este objetivo, aumentando la precisión general.

Lo siguiente es el análisis agenético. Piense en ello como un equipo de expertos en el dominio (solo que son agentes de IA) que escanean continuamente su corpus, crean perfiles semánticos profundos e indexan todo en un gráfico multidimensional. "Esto proporciona una búsqueda que puede operar a través de la intención, la estructura, el contenido y los metadatos simultáneamente y hace que el conocimiento interno previamente inaccesible esté disponible en tiempo real", dijo Raymond.

En conjunto, estos avances apuntan a sistemas de datos empresariales autoconscientes, una base para decisiones más rápidas y flujos de trabajo más inteligentes en 2026.

“Hemos superado la era de los agentes con un solo propósito”, dijo Chris Hay, ingeniero distinguido de IBM, durante un episodio reciente de Mixture of Experts. En 2024, los agentes eran pequeños y especializados: el redactor de correos electrónicos, el asistente de investigación. Pero ahora, con capacidades de razonamiento, los agentes pueden planificar, llamar a herramientas y completar tareas complejas.

"Estamos viendo el auge de lo que yo llamo el 'superagente'", dijo Hay.

"En 2026, veo que los planos de control de agentes y los paneles de control multiagente se harán realidad. Iniciará las tareas desde un solo lugar y esos agentes operarán en todos los entornos (su navegador, su editor, su bandeja de entrada) sin tener que administrar una docena de herramientas separadas", dijo Hay. Olvídese del software estático en la experiencia de usuario y la interfaz. Hay predice que habrá interfaces y aplicaciones capaces de adaptarse a cualquier escenario, lo que convertirá a cada usuario en un compositor de IA.

“Quien sea dueño de la puerta de entrada al superagente moldeará el mercado”.

El año 2026 estará marcado por tres tendencias que llevarán a la IA más allá de la productividad personal, afirma Kevin Chung, director de estrategia de Writer, una plataforma de IA empresarial para el trabajo agéntico.

"En primer lugar, la IA está pasando del uso individual a la orquestación en equipo y del flujo de trabajo", dijo Chung a IBM Think. Eso significa coordinar flujos de trabajo completos, conectar datos entre departamentos y mover proyectos desde la idea hasta su finalización.

En segundo lugar, a medida que mejore la capacidad de razonamiento, los sistemas no se limitarán a seguir instrucciones: se anticiparán a las necesidades. "Esta evolución transforma la IA de un asistente pasivo a un colaborador activo capaz de resolver problemas y la toma de decisiones significativas", dijo.

Por último, Chung ve el cambio más emocionante: la democratización de la creación de agentes de IA. "La capacidad de diseñar e implementar agentes inteligentes está pasando de manos de los desarrolladores a las de los usuarios empresariales cotidianos»", explicó. "Al reducir las barreras técnicas, las organizaciones verán una ola de innovación impulsada por las personas más cercanas a los problemas reales".

Los sistemas agénticos convirtieron a los LLM y a los asistentes de codificación en algo más dinámico en 2025. Y esto es solo el principio, según Ismael Faro, vicepresidente de Quantum e IA en IBM Investigación. Él ve que el software pasa de interacciones informales a un enfoque estructurado en el que los usuarios establecen objetivos y validan el progreso, mientras que los agentes autónomos ejecutan tareas y solicitan la aprobación humana.

"La práctica del software evolucionará desde la programación vibrante hasta el Protocolo de validación objetiva", afirmó Faro en una entrevista con IBM Think. "Los usuarios van a definir objetivos y validar mientras las colecciones de agentes se ejecutan de forma autónoma, ampliando la idea de la intervención humana, solicitando la aprobación humana en los puntos de control críticos".

Este cambio permitirá la aparición de entornos de tiempos de ejecución agénticos para ejecutar flujos de trabajo complejos con un mecanismo de control, y trasladará el comportamiento de los agentes de resultados estáticos y vinculados al código a una adaptación dinámica, gracias a esquemas basados en políticas que equilibran la flexibilidad y el control.

Esta será la base de un "sistema operativo agéntico (AOS)", explicó Faro, que estandarizará la orquestación, la seguridad, el cumplimiento y el gobierno de recursos en todos los enjambres de agentes.

"Con una atención disciplinada a la seguridad, la gestión de recursos, el cumplimiento y la excelencia operativa, las empresas pueden aprovechar los agentes de sistemas expertos para recuperar el liderazgo en la informática de misión crítica", dijo.

Los modelos generativos tienen que ser multisensoriales para poder interpretar el mundo como los humanos e incluso detectar señales que podemos perder, dijo Aaron Baughman, académico de IBM y maestro inventor, en un episodio reciente de Mixture of Experts.

Baughman ha trabajado con IA multimodal en deportes y lidera parte del trabajo de IBM con el US Open, ESPN Fantasy Football y el Masters, en particular. Para él, la IA multimodal es una tendencia que espera ver más en 2026.

"Estos modelos podrán percibir y actuar en un mundo mucho más parecido al humano. Podrán unir el lenguaje, la visión y la acción, todo junto", afirmó. "En un futuro próximo, vamos a empezar a ver estos trabajadores digitales multimodales que pueden completar de forma autónoma estas diferentes tareas para interpretar las cosas, tal vez incluso como casos complejos de atención médica".

Pero la autonomía no significará eliminar la supervisión humana. "También es importante en el futuro contar con esta IA con intervención humana", afirmó Baughman, "para que el ser humano pueda afinar y modificar la habilidad".

Apenas ha pasado un año desde que Anthropic lanzó MCP, junto con ACP de IBM y A2A de Google. Si 2025 fue el año del agente, 2026 debería ser el año en que todos los sistemas multiagente pasen a producción, dijo Kate Blair de IBM a IBM Think en una entrevista. Ese cambio depende de la madurez y la convergencia del protocolo.

“En 2026, estos patrones saldrán del laboratorio y pasarán a la vida real”, afirmó Blair, quien lidera las iniciativas BeeAI y Agent Stack de IBM. Ambos proyectos fueron aportados a la Linux Foundation.

La Linux Foundation anunció recientemente la creación de la Agentic AI Foundation y la contribución de MCP por parte de Anthropic. "Estamos entusiasmados de que MCP haya pasado a estar bajo un gobierno abierto", dijo Blair. "Gobernados abiertamente, los estándares comunitarios son los que van a desbloquear más creatividad, más innovación y más soluciones".

El proyecto A2A está a punto de alcanzar su primer lanzamiento importante. "Ya estamos viendo una colaboración entre A2A y MCP para estandarizar una única tarjeta que describa una entidad, ya sea una herramienta o un recurso en MCP o un agente en A2A", afirmó.

Blair ve esta tarjeta unificada como un catalizador para la interoperabilidad y la oportunidad de compartir registros, descubrimiento y utilización entre agentes y sistemas agénticos.

"Estoy emocionada por pasar al siguiente nivel, en el que realmente hablaremos de casos de uso generalizados en la producción, de agentes que se comunican con otros agentes".

Atolio ofrece una plataforma de IA segura y privada para empresas. El reto que observan entre sus clientes es la necesidad de ser rápidos y experimentar con nuevas tecnologías, al mismo tiempo que mitigan el riesgo de perder el control de sus datos de IA.

"La tendencia más significativa que vemos surgir el próximo año es el cambio de la experimentación y la emoción de la IA a implementaciones privadas y seguras con expectativas reales de ROI dentro de las empresas", dijo David Lanstein, cofundador y CEO de Atolio a IBM Think.

“Las filtraciones de datos continúan erosionando la confianza empresarial”, afirmó. "El desafío no resuelto de los ataques de inyección de instrucción en entornos de producción hace que la soberanía de datos y los requisitos de permisos de primera clase sean innegociables".

La solución no son modelos más grandes, sino datos más inteligentes. Como dice Lanstein: "El verdadero valor vendrá de alimentar a los modelos con datos estructurados de alta calidad y conscientes de los permisos para generar respuestas inteligentes, relevantes y fiables".

"Lo que más me entusiasma es la convergencia necesaria para que esto ocurra", dijo, señalando "un compromiso renovado con la seguridad, avances y soluciones que comprendan más profundamente el contexto y las necesidades de los usuarios, y la evolución continua del ecosistema".

Fundada en 2020, AuthMind está abordando uno de los problemas más difíciles de la ciberseguridad: ofrecer a las empresas una visión clara y casi en tiempo real del acceso y la actividad de cada identidad para que puedan detener los ataques antes de que comiencen.

“En los próximos años, la IA agéntica y otras identidades no humanas superarán significativamente en número a los usuarios humanos en la organización”, dijo Shlomi Yanai, CEO y cofundador de AuthMind, a IBM Think.

Este cambio redefinirá la seguridad y el gobierno empresarial. "Ahora es una preocupación a nivel directivo garantizar que cada agente rinda cuentas y actúe como se espera de él, aumentando tanto la productividad como la seguridad", afirmó Yanai. A medida que las organizaciones amplían la adopción de la IA, el reto ya no es solo implementar modelos, sino gestionar la identidad de los nuevos usuarios: agentes autónomos que operan en todos los sistemas.

Para las empresas, obtener ventaja en este contexto significa responder a tres preguntas críticas: ¿Conocemos cada agente de IA que existe? ¿Entendemos a qué está accediendo? ¿Y estamos seguros de lo que hace cuando accede a un sistema?

Descubrir, observar y proteger no solo a todos los humanos sino también a todos los agentes de IA se está convirtiendo en algo esencial para una adopción responsable y segura de la IA. "Estoy muy emocionado de seguir a las empresas que dominan esta visibilidad, responsabilidad y confianza en todas las identidades de agentes de IA", dijo Yanai.

"La tendencia más poderosa que veo para el próximo año es que la IA aborde flujos de trabajo empresariales complejos", dijo Steven Aberle, fundador de Rohirrim, una startup nativa de IA centrada en ecosistemas completos de compras, en una entrevista con IBM Think. “No como una prueba de concepto, sino como un sistema fiable que puede ejecutar tareas profundas, de principio a fin”.

Los sistemas generativos y agentes interpretarán la intención, buscarán en redes vastas, elegirán las herramientas adecuadas y continuarán hasta que se logren los resultados. “Ese cambio crea categorías completamente nuevas de plataformas, e incluso nuevos mercados, porque ya no estamos limitados por lo que un solo humano o una sola aplicación puede tener en mente”, explicó. “Es una verdadera automatización de máquinas”.

Los transformadores lo hicieron posible. "Nos dieron sistemas que pueden absorber enormes cantidades de texto, código e historia, y luego responder con matices y precisión con barreras efectivas", dijo Aberle. "Estamos entrando en una era en la que la IA pasa de simplemente responder preguntas a influir directamente en los resultados".

En el ámbito de las compras, eso significa hacer un seguimiento de los requisitos, detectar las lagunas a tiempo y sugerir correcciones, dando a los profesionales claridad y rapidez para tomar decisiones más justas y rápidas.

Hace un año, Matt White, director ejecutivo de la PyTorch Foundation, predijo que los modelos más pequeños llevarían la IA al límite.

"El sector validó la tesis de que los modelos más pequeños y optimizados para el dominio pasarían a ser centrales", dijo White recientemente a IBM Think. "Los avances en destilación, cuantificación y tiempos de ejecución eficientes en cuanto a memoria impulsaron la inferencia hacia clústeres periféricos y dispositivos integrados, impulsados por las necesidades de coste, latencia y soberanía de los datos".

Según White, tres fuerzas definirán la IA de código abierto en 2026: la diversificación de los modelos globales, liderada por los lanzamientos chinos multilingües y ajustados al razonamiento; la interoperabilidad como eje competitivo, a medida que los marcos y los tiempos de ejecución se alineen en torno a los estándares compartidos; y un gobierno reforzado, con publicaciones auditadas de seguridad y pipelines de datos transparentes.

"A medida que surjan los sistemas agénticos, el papel de PyTorch como sustrato común para el entrenamiento, la simulación y la orquestación solo se profundizará", dijo White. “Los desarrolladores necesitan herramientas flexibles para el razonamiento multimodal, componentes de memoria y evaluación alineada con la seguridad, y ahí es donde prospera el código abierto”.

Peter Staar, de IBM, predice que 2026 marcará un cambio en las prioridades de investigación de la IA que favorecerá lo palpable. "La robótica y la IA física definitivamente van a repuntar", dijo. Aunque los modelos de lenguaje de gran tamaño siguen siendo dominantes, Staar señala que el sector está obteniendo rendimientos decrecientes debido al escalado. "La gente se está cansando de escalar y está buscando nuevas ideas", explicó.

Staar ve mucho interés por la IA que puede sentir, actuar y aprender en entornos reales; aquí es donde residirá el desafío técnico: esta podría ser la próxima frontera para la innovación.

Al mismo tiempo, Staar cree que la IA de código abierto continuará dando forma al panorama competitivo. "Los que van en cabeza quieren mantenerlo cerrado, y los que están remontando lo abren", dijo.

Con NVIDIA emergiendo como uno de los principales impulsores de los ecosistemas abiertos, en gran parte porque su negocio depende de la adopción generalizada de las GPU en lugar de modelos propietarios, Staar predice que la colaboración se acelerará a medida que la IA trascienda las pantallas y se adentre en el mundo físico.

El año 2024 terminó con muy buenos resultados para la IA de código abierto, con los modelos Llama de Meta ganando terreno. Desde entonces, el ecosistema de la IA de código abierto ha crecido mucho, con modelos más pequeños y específicos de cada dominio que logran resultados impresionantes: es el caso de Granite de IBM, Olmo 3 de Ai2 y, por supuesto, los modelos de DeepSeek. Anthony Annunziata, director de código abierto de IA en IBM y de la AI Alliance, considera que esta tendencia se acelerará en 2026.

"Vamos a ver modelos de razonamiento más pequeños que son multimodales y más fáciles de ajustar para dominios específicos", dijo durante una entrevista con IBM Think.

Los avances en el fine-tuning y el aprendizaje por refuerzo también significan que las empresas pueden adoptar la IA de código abierto, alimentando el apetito por modelos más pequeños y eficientes. "En lugar de un modelo gigante para todo, tendrá modelos más pequeños y eficientes que son igual de precisos, tal vez más, cuando se ajustan al caso de uso adecuado", dijo.

La IA agéntica y de código abierto acelerará esta tendencia. “Los agentes de uso general no son suficientes para los ámbitos legal, de estado o de fabricación”, afirmó Annunziata. "Necesita modelos y arquitecturas enriquecidos en el dominio que reflejen flujos de trabajo expertos".

La IA de código abierto es una necesidad. "Si cree que nos dirigimos hacia una economía en la que las capacidades automatizadas de la IA funcionen mucho, entonces los estándares de interacción deben ser abiertos", dijo. "De lo contrario, acabará con silos fragmentados o en una plataforma en la que el ganador se lo lleva todo".

"La gran mayoría de las empresas que se encuentran en el centro de la curva de campana comienzan a pasar de la experimentación a los sistemas de producción", afirmó Tomás Hernando Kofman, cofundador de Not Diamond, una plataforma de infraestructura de IA multimodelo, en una entrevista con IBM Think.

Esa transición no será fácil: "Los equipos de IA tendrán que invertir mucho en evaluación, fiabilidad, optimización, eficiencia, escalabilidad y mantenimiento", afirmó.

Esto requerirá una gran coordinación y recursos. Si las empresas no realizan la inversión, acabarán estancadas: no disponer de las capacidades adecuadas significa que los sistemas no son útiles, y esa falta de utilidad no hace sino reforzar el problema.

En la frontera, los desafíos son diferentes. "Creo que el campo se enfrentará a tres obstáculos principales: aprendizaje continuo, memoria y escalabilidad", dijo Kofman.

El trabajo se realizará tanto a nivel de arquitectura de modelos como en sistemas agentes.

"Comenzaremos a ver redes descentralizadas de agentes que pueden aprender unos de otros, compartir información y retener conocimientos importantes durante largos horizontes: semanas, meses e incluso años", dijo. "Estos sistemas mejorarán el dinamismo y la mejora continua, al mismo tiempo que permitirán a los agentes y modelos especializarse en capacidades eficientes y enfocadas".

Ninguna entidad por sí sola puede resolver la crisis de los deepfakes y la IA armada, especialmente cuando a finales de este año surgieron nuevos vectores de amenazas, como los agentes de IA armados, dijo Ben Colman, CEO y cofundador de Reality Defender, una empresa de ciberseguridad que ofrece herramientas de detección de deepfakes. La rápida evolución de la IA generativa exige un ecosistema colaborativo.

"Las alianzas estratégicas son esenciales, no solo para reforzar la defensa, sino para anticipar la próxima ola de modelos sofisticados y vulnerabilidades específicas de los sectores", dijo a IBM Think.

“Veo que estas colaboraciones en nuestros sectores, entre nosotros y otros que trabajan en diferentes aspectos de un problema similar, etc., ocurren tan rápido como los avances en IA, o incluso más rápido”.

Colman observa un cambio hacia un modelo de seguridad por capas. “Al apilar diferentes defensas, los huecos en una capa se cubren con otra para crear un escudo impenetrable”, dijo.

La integración definirá la siguiente fase. "Cuando estas tecnologías emergentes se combinan con plataformas de detección como la nuestra, el resultado es una estrategia integral de 'defensa en profundidad'", afirmó. "Esto garantiza que las organizaciones estén protegidas en todos los formatos multimedia y puntos de entrada, para todos los casos de uso y en todos los conjuntos de herramientas, en lugar de depender de un único punto de fallo".

Las organizaciones no pueden permitirse que sus proyectos de IA se interrumpan, pero los líderes empresariales solo pueden controlar hasta cierto punto. La soberanía de la IA, la capacidad de gobernar sistemas de IA, datos e infraestructura sin depender de entidades externas, se ha vuelto de misión crítica, dijo Anthony Marshall, director sénior y vicepresidente de IBM Institute for Business Value (IBV).

Para el 93 % de los ejecutivos encuestados por el IBV, tener en cuenta la soberanía de la IA en la estrategia empresarial será imprescindible en 2026. "Esto no es solo marcar casillas", dijo Marshall.

La mitad de los ejecutivos se preocupan por la dependencia excesiva de los recursos computacionales en ciertas regiones (una preocupación especialmente alta entre los líderes empresariales de Medio Oriente y APAC), y muchos creen que depender de esos recursos puede introducir una amplia gama de riesgos. Piense en vulneraciones de datos, pérdida de acceso a datos y robo de propiedad intelectual.

La transparencia y la confianza también seguirán siendo prioridades. "Tanto reguladores como consumidores piden a las organizaciones que expliquen cómo los agentes de IA toman decisiones específicas. Las organizaciones deben diseñar agentes que puedan mostrar su trabajo, incluso para los resultados más complejos", dijo Marshall.

Eso significa construir soberanía mediante entornos de IA de arquitectura modular para que las cargas de trabajo, los datos y los agentes puedan cambiar entre regiones y proveedores de confianza.

"La monitorización continua es esencial para detectar y abordar la desviación del modelo antes de que comprometa el rendimiento o introduzca sesgos", dijo Marshall.