Las tendencias que determinarán la IA y la tecnología en 2026

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

Pensemos en ello: hace un año, estábamos hablando de cómo ChatGPT no podía contar el número de “r” en “strawberry”. Los modelos de razonamiento de los laboratorios fronterizos chinos (como DeepSeek-R1) no habían conquistado el mundo, y tampoco los agentes de razonamiento de código abierto.

El agente de programación dedicado de Claude aún no existía. Granite 3.0 de IBM acababa de llegar. Y la conversación con los agentes apenas comenzaba: MCP acababa de ganar terreno en la primavera, con un notable respaldo de Sam Altman.

Mientras tanto, en el mundo de la infraestructura, los chips y los recursos computacionales se estaban volviendo escasos, dando a los nuevos territorios un beneficio competitivo.

En las últimas semanas, IBM Think habló con una docena de expertos en tecnología (investigadores, fundadores y líderes de IBM y otros) para obtener sus insights sobre qué esperar en el próximo año. Cada uno compartió una creencia común para el próximo año: el ritmo de la innovación no se desacelerará en 2026.

“Es un momento muy increíble”, dijo Peter Staar, miembro principal del personal de investigación del Laboratorio de IBM Research en Zúrich, a IBM Think en una entrevista. “Y solo se está acelerando”.

Las nuevas capacidades agénticas darán paso a nuevas posibilidades tanto para las empresas como para los particulares. “Realmente veo los paralelismos de la producción musical al estilo Rick Rubin con la creación de IA”, dijo Chris Hay, ingeniero distinguido de IBM, a IBM Think. “No lo limito a la programación. Creo que todos nos convertiremos en compositores de IA, ya sea un especialista en marketing, un programador o un PM”.

Muchos creen que la eficiencia será la nueva frontera. “Las GPU seguirán siendo las reinas, pero los aceleradores basados en ASIC, los diseños de chiplet, la inferencia analógica e incluso los optimizadores asistidos por computación cuántica madurarán”, señaló Kaoutar El Maghraoui, un científico de investigación principal de IBM, durante el episodio de esta semana de Mixture of Experts. “Tal vez surja una nueva clase de chips para cargas de trabajo agénticas”.

Después de mucho escepticismo sobre el retorno de la inversión (ROI) de la IA, las capacidades de la IA abrirán nuevas formas de hacer negocios en la empresa. Y los modelos y agentes de razonamiento de código abierto seguirán superando los límites para conquistar la IA empresarial.

Al mismo tiempo, la confianza y la seguridad se convertirán en prioridades clave, ya que muchas empresas se centrarán cada vez más en la soberanía de la IA.

Eso es solo el comienzo de lo que está por venir en el ámbito de la tecnología empresarial en los próximos días. Siga leyendo para conocer 18 predicciones de expertos a tener en cuenta en 2026.

IBM ha declarado públicamente que 2026 marcará la primera vez que una computadora cuántica podrá superar a una computadora clásica, el punto en el que una computadora cuántica puede 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 industrias que enfrentan desafíos increíblemente complejos.

“Superamos la teoría”, dijo Jamie Garcia, directora de crecimiento estratégico y alianzas de computación cuántica de IBM IBM, a IBM Think. “Hoy estamos utilizando las mejores computadoras cuánticas disponibles en la industria para casos de uso reales. Aunque estos no son problemas a escala de producción, son señales de que esperamos que el valor aumente a medida que la tecnología cuántica continúa madurando. Y estamos viendo un progreso increíble en la investigación, incluyendo el desarrollo de fármacos, el descubrimiento de materiales y la optimización para la finanza y la logística”.

Garcia 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 cuántica que combina la computación cuántica con una potente infraestructura de alto rendimiento e IA, respaldada por CPU, GPU y otros motores de cómputo, explicó.

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

“El año 2026 será el año de las clases de modelos de frontera frente a eficientes”, dijo Kaoutar El Maghraoui, un científico de investigación principal en IBM, durante un episodio reciente de Mixture of Experts. Junto a modelos enormes con miles de millones de parámetros, aparecerán modelos eficientes y conscientes del hardware que se ejecutan en aceleradores modestos. “No podemos seguir escalando la informática, por lo que la industria debe escalar la eficiencia en su lugar”.

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

Esto también significará que la IA perimetral pasará del revuelo a la realidad. Y la carrera del hardware ya no se tratará solo de las GPU.. “Las GPU seguirán siendo las reinas, pero los aceleradores basados en ASIC, los diseños de chiplet, la inferencia analógica e incluso los optimizadores asistidos por computación cuántica madurarán”, señaló El Maghraoui. “Tal vez surja una nueva clase de chips para cargas de trabajo agénticas”.

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

“Vamos a llegar a un punto en el que será un producto básico”, señaló Gabe Goodhart, arquitecto jefe de innovación abierta de IA en IBM, en una entrevista con IBM Think. “Es un mercado de compradores. Podemos elegir el modelo que mejor se adapte al caso de uso y ponernos en marcha. El modelo en sí no va a ser el principal diferenciador”.

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

“En 2026, creo que veremos más tipos de enrutamiento de modelos cooperativos”, agregó Goodhart. “Tendremos modelos más pequeños que pueden hacer muchas cosas y delegar al modelo más grande cuando sea necesario. Quien logre esa integración a nivel de sistema determinará el mercado”.

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

“Esto nos permite reducir el costo computacional y mejorar la fidelidad porque cada elemento es interpretado por la clase de modelo que lo entiende mejor”, señaló Brian Raymond, fundador y director ejecutivo (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 mientras mantiene sólidas garantías sobre estructura, linaje y significado”, agregó Raymond. Recientemente, Unstructured integró las capacidades de detección de objetos de Docling de IBM Research para lograr este objetivo, aumentando la precisión general.

A continuación viene el análisis sintáctico agéntico. Pensemos en ello como un equipo de expertos (solo que son agentes de IA) que escanean continuamente el corpus, crean perfiles semánticos profundos e indexan todo en un gráfico multidimensional. “Esto proporciona una búsqueda que puede operar simultáneamente en intención, estructura, contenido y metadatos y hace que el conocimiento interno previamente inaccesible esté disponible en tiempo real”, indicó Raymond.

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

“Pasamos la era de los agentes con un solo propósito”, afirmó 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 ayudante 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 múltiples agentes se harán realidad. Iniciaremos tareas desde un solo lugar y esos agentes operarán en todos los entornos (navegador, editor, bandeja de entrada) sin tener que gestionar una docena de herramientas separadas”, dijo Hay. Olvidemos el software estático en la experiencia y la interfaz de usuario. Esperemos interfaces y aplicaciones que puedan adaptarse a cualquier escenario, predice Hay, convirtiendo a cada usuario en un compositor de IA.

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

El año 2026 estará definido por tres tendencias que llevarán 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”, comentó Chung a IBM Think. Eso significa coordinar flujos de trabajo completos, conectar datos entre departamentos y pasar proyectos desde la idea hasta su finalización.

En segundo lugar, a medida que mejoren las capacidades de razonamiento, los sistemas no se limitarán a seguir instrucciones: anticiparán las necesidades. “Esta evolución transforma a la IA de un asistente pasivo a un colaborador activo capaz de resolver problemas y tomar decisiones significativas”, afirmó.

Finalmente, Chung ve el cambio más emocionante: la democratización de la creación de agentes de IA. “La capacidad de diseñar y desplegar agentes inteligentes va más allá de los desarrolladores a las manos de los usuarios empresariales cotidianos”, explicó. “Al reducir las barreras técnicas, las organizaciones verán una oleada de innovación impulsada por las personas más cercanas a problemas reales”.

Los sistemas agénticos convirtieron a los LLM y a los asistentes de programación en algo más dinámico en 2025. Y esto es solo el comienzo, según Ismael Faro, vicepresidente de computación cuántica e IA de IBM Research. Ve cómo el software está pasando 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 del vibe coding al Protocolo de validación objetiva”, comentó Faro en una entrevista con IBM Think. “Los usuarios van a definir objetivos y validar mientras las colecciones de agentes se ejecutan de manera autónoma, extendiendo la idea de intervención humana en el proceso y solicitando la aprobación humana en los puntos de control críticos”.

Este cambio permitirá la aparición de tiempos de ejecución agénticos para llevar a cabo flujos de trabajo complejos con un mecanismo de control y mover el comportamiento del agente de salidas estáticas vinculadas a código a una adaptación dinámica, habilitada por esquemas impulsados por 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 la gobernanza de recursos en todas las multitudes de agentes.

“Con una atención disciplinada a la seguridad, la gestión de recursos, el cumplimiento y la excelencia operacional, las empresas pueden aprovechar los agentes de sistemas expertos para recuperar el liderazgo en la computación de misión crítica”, agregó.

Los modelos generativos deben ser multisensoriales para que puedan interpretar el mundo como los humanos e incluso detectar señales que podríamos pasar por alto, compartió Aaron Baughman, IBM Fellow y Master 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 serán capaces de percibir y actuar en un mundo mucho más parecido al humano. Podrán unir el lenguaje, la visión y la acción”, dijo. “En un futuro próximo, vamos a ver a estos trabajadores digitales multimodales que pueden completar de manera autónoma estas diferentes tareas para interpretar 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 tener esta IA con intervención humana en el proceso”, dijo Baughman, “para que el humano pueda afinar y cambiar la habilidad”.

Hace apenas un año 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 se mueven a producción, contó Kate Blair de IBM a IBM Think en una entrevista. Ese cambio depende de la madurez y la convergencia del protocolo.

“En 2026 es cuando estos patrones saldrán del laboratorio y entrarán en la vida real”, dijo 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 formación de la Agentic IA Foundation y la contribución de MCP de Anthropic. “Estamos entusiasmados de que MCP se haya sometido a una gobernanza abierta”, dijo Blair. “Los estándares comunitarios gobernados abiertamente son lo que va a desbloquear más creatividad, más innovación y más soluciones”.

El proyecto A2A está a punto de llegar a su primer lanzamiento importante. “Ya estamos viendo la colaboración entre A2A y MCP para estandarizar en una sola tarjeta para describir una entidad, ya sea una herramienta o recurso en MCP o un agente en A2A”, señaló.

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 entusiasmado de llegar al siguiente nivel donde estamos hablando de casos de uso de producción generalizados, de agentes hablando con otros agentes”.

Atolio proporciona una plataforma de IA segura y privada para empresas. El desafío que observa entre sus clientes es la necesidad de rapidez y experimentar con nuevas tecnologías, al tiempo que mitigan el riesgo de perder el control de sus datos de IA.

“La tendencia más significativa que veremos surgir el próximo año es el cambio de la experimentación y el entusiasmo de la IA a despliegues privados y seguros con expectativas reales de retorno de la inversión (ROI) dentro de las empresas”, comentó David Lanstein, director ejecutivo (CEO) de Atolio, a IBM Think.

“Las fugas de datos continúan erosionando la confianza empresarial”, dijo. El desafío sin resolver de los ataques de inyección de instrucciones en entornos de producción hace que la soberanía de los datos y los permisos de primera clase sean requisitos innegociables”.

La solución no son modelos más grandes, sino datos más inteligentes. Como dice Lanstein: “El verdadero valor vendrá de impulsar modelos de datos estructurados de alta calidad y conscientes de los permisos para generar respuestas inteligentes, relevantes y confiables”.

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

Fundada en 2020, AuthMind está abordando uno de los problemas más difíciles de la ciberseguridad: brindar 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”, comentó Shlomi Yanai, director ejecutivo (CEO) y cofundador de AuthMind, a IBM Think.

El cambio redefinirá la seguridad empresarial y la gobernanza. “Esta es ahora una preocupación a nivel de junta para garantizar que cada agente sea contabilizado y actúe de la manera en que se pretendía, aumentando tanto la productividad como la seguridad”, señaló Yanai. A medida que las organizaciones escalan la adopción de IA, el desafío ya no es solo desplegar modelos; es gestionar la identidad con nuevos usuarios: agentes autónomos que operan en todos los sistemas.

Para las empresas, obtener una ventaja en este contexto significa responder tres preguntas críticas: ¿Conocemos todos los agentes de IA que existen? ¿Entendemos a qué están accediendo? ¿Y estamos seguros de lo que hacen cuando acceden a un sistema?

Descubrir, observar y proteger no solo a todos los humanos, sino también a todos los agentes de IA se está volviendo 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”, agregó Yanai.

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

Los sistemas generativos y agénticos interpretarán la intención, buscarán en vastas redes, 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 pueden 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 de seguridad efectivas”, agregó Aberle. “Estamos entrando en una era en la que la IA pasa de simplemente responder preguntas a influir directamente en los resultados”.

En adquisiciones, eso significa hacer un seguimiento de los requisitos, detectar brechas de manera temprana y sugerir arreglos, brindando a los profesionales claridad y velocidad para tomar decisiones más justas y rápidas.

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

“La industria validó la tesis de que los modelos más pequeños y optimizados para dominios se convertirían en centrales”, contó White recientemente a IBM Think. “Los avances en destilación, cuantificación y tiempos de ejecución eficientes en memoria impulsaron la inferencia a clústeres perimetrales y dispositivos integrados, impulsados por las necesidades de costos, latencia y soberanía de datos”.

Según White, tres fuerzas definirán la IA de código abierto en 2026: la diversificación del modelo global, liderada por lanzamientos chinos multilingües y ajustados al razonamiento; la interoperabilidad como eje competitivo, ya que las infraestructuras y los tiempos de ejecución se alinean en torno a estándares compartidos; y una gobernanza reforzada, con versiones auditadas de seguridad y pipelines de datos transparentes.

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

Peter Staar de IBM predice que 2026 marcará un cambio en las prioridades de investigación de la IA que favorecerán lo palpable. “La robótica y la IA física definitivamente van a repuntar”, dijo. Si bien los modelos de lenguaje grandes siguen siendo dominantes, Staar señala que la industria está obteniendo rendimientos decrecientes por la escalabilidad. “La gente se está cansando de escalar y busca nuevas ideas”, explicó.

Staar ve un gran interés por la IA capaz de percibir, actuar y aprender en entornos reales; ahí es donde radicará el desafío técnico: esta podría ser la próxima frontera para la innovación.

Al mismo tiempo, Staar cree que la IA de código abierto continuará configurando el ámbito competitivo. “Los que van liderando quieren mantenerlo cerrado, y los que van detrás quieren abrirlo”, explicó.

Con el surgimiento de NVIDIA como un importante impulsor de los ecosistemas abiertos, en gran parte porque su negocio depende de la adopción generalizada de GPU en lugar de modelos patentados, Staar predice que la colaboración se acelerará a medida que la IA se mueve más allá de las pantallas y entre en el mundo físico.

El año 2024 terminó con muy buenos resultados para la IA de código abierto, ya que los modelos Llama de Meta ganaron terreno. Desde entonces, el ecosistema de IA de código abierto ha crecido mucho, con modelos más pequeños y específicos para cada dominio que han logrado resultados impresionantes, como 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 de IBM y AI Alliance, prevé 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”, señaló durante una entrevista con IBM Think.

Los avances en el ajuste y el aprendizaje por refuerzo también significan que las empresas pueden adoptar la IA de código abierto, lo cual fomenta el interés por modelos más pequeños y eficientes. “En lugar de un modelo gigante para todo, tendremos modelos más pequeños y eficientes que son igual de precisos, tal vez más, cuando se ajustan para el caso de uso correcto”, dijo.

La IA agéntica y de código abierto acelerará esta tendencia. “Los agentes de uso general no son suficientes para los ámbitos legal, de salud o de fabricación”, afirmó Annunziata. “Se necesitan modelos y arquitecturas enriquecidos con dominios que reflejen flujos de trabajo de expertos”.

La IA de código abierto es una necesidad. “Si creemos que nos dirigimos hacia una economía donde las capacidades automatizadas de IA hacen mucho trabajo, entonces los estándares de interacción deben ser abiertos”, dijo. “De lo contrario, terminamos con silos fragmentados, o con una plataforma donde el ganador se lleva todo”.

“El enorme centro de la curva de campana empresarial comienza a pasar de la experimentación a los sistemas de grado de producción”, comentó 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, confiabilidad, optimización, eficiencia, escalabilidad y mantenibilidad”, dijo.

Esto requerirá una gran coordinación y recursos. Si las empresas no hacen la inversión, terminarán estancadas: no tener las capacidades adecuadas significa que los sistemas no son útiles, y esa falta de utilidad solo refuerza el problema.

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

El trabajo se llevará a cabo tanto a nivel de la arquitectura del modelo como en los sistemas agénticos.

“Comenzaremos a ver redes descentralizadas de agentes que pueden aprender unos de otros, compartir información y retener conocimientos importantes a largo plazo: semanas, meses e incluso años”, agregó. “Estos sistemas fomentarán el dinamismo y la mejora continua, al tiempo que permitirán que los agentes y modelos se especialicen en capacidades eficientes y enfocadas”.

Ninguna entidad puede resolver la crisis del deepfake y la IA armada, especialmente cuando a finales de este año surgieron nuevos vectores de amenazas, como los agentes de IA armados, comentó Ben Colman, director ejecutivo (CEO) y cofundador de Reality Defender, una empresa de ciberseguridad que ofrece herramientas de detección de deepfake. 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 oleada de modelos sofisticados y vulnerabilidades específicas de la industria”, contó a IBM Think.

“Veo que estas colaboraciones en nuestra industria, 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”.

Colman observa un cambio hacia un modelo de seguridad por capas. “Al apilar diferentes defensas, las brechas en una capa quedan cubiertas por otra, creando así un escudo impenetrable”, afirmó.

La integración definirá la siguiente fase. “Cuando estas tecnologías emergentes se acoplan con plataformas de detección como la nuestra, el resultado es una estrategia integral de ‘defensa en profundidad’”, señaló. “Esto garantiza que las organizaciones estén protegidas en todos los formatos de medios y puntos de entrada, para todos los casos de uso y en todos los conjuntos de herramientas, en lugar de depender de un solo punto de falla”.

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

Para el 93 % de los ejecutivos encuestados por IBV, tener en cuenta la soberanía de la IA en la estrategia empresarial será imprescindible en 2026. “Esto no es simplemente cumplir con ciertos requisitos”, dijo Marshall.

La mitad de los directivos se preocupa por la dependencia excesiva de los recursos informáticos 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 suponer una amplia gama de riesgos. Pensemos en las filtraciones de datos, la pérdida de acceso a datos y el robo de propiedad intelectual.

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

Eso significa construir soberanía a través de la modularidad: diseñar entornos de IA para que las cargas de trabajo, los datos y los agentes puedan cambiar entre regiones y proveedores de confianza.

“El monitoreo continuo es esencial para detectar y abordar la deriva del modelo antes de que comprometa el rendimiento o introduzca sesgos”, dijo Marshall.