Breve historia de la IA

Todo comenzó en la década de 1950, cuando un grupo de científicos se hizo una pregunta asombrosa: ¿Podrían pensar las maquinas? Entonces, hombres como Alan Turing empezaron a diseñar los primeros límites de esta idea. Poco después, en 1956, se celebró la famosa Conferencia de Dartmouth, donde se utilizó por primera vez el término “Inteligencia Artificial”. Los primeros creadores fueron muy optimistas y pensaban que en pocos años los robots serían tan inteligentes como los seres humanos.

Sin embargo, el camino no fue fácil. Los ordenadores de la época eran lentos y costosos.  Cuando el dinero para la inversión se acabó, la IA vivió una época oscura a la que generalmente se denomina “invierno de la IA”. Durante esos años, mucha gente dejó de creer en el proyecto. Sin embargo, algunos científicos no se rindieron y siguieron mejorando los códigos y las matemáticas detrás de los sistemas.

El punto de inflexión con internet

Gracias a la aparición de  internet y a los microchips potentes, la IA pudo despertar de su letargo. La llegada de la red global de información en los años 90 hizo que cambiaran las reglas y historia de la IA dio un giro. Por primera vez en la historia, muchos científicos tuvieron acceso a millones de datos masivos para entrenar a sus sistemas, ahora las computadoras podían aprender solas leyendo las páginas web de internet.

El primer gran reflejo de ese cambio ocurrió en 1997. En este año, la supercomputadora Deep Blue de IBM venció al campeón mundial de ajedrez, Garry Kasparov. Este hito demostró que las maquinas podían superar la mente humana en tareas de lógica compleja. Más tarde, en 1999, el desarrollo de las tarjetas gráficas o GPU terminó de dar el empujón definitivo. Estos potentes chips permitieron procesar cálculos matemáticos a una velocidad nunca antes vista.

Con la llegada de la década de 2010, entramos de lleno en la era del deep learning o aprendizaje profundo. Las empresas tecnológicas crearon, en ese momento, asistentes de voz como Siri o Alexa y llevaron sus innovaciones a nuestros propios domicilios. No obstante, la verdadera revolución explotó a finales del 2022 con el lanzamiento de ChatGPT de OpenAI. Desde aquella fecha, que ha marcado la historia de la IA, esta  pasó de una herramienta silenciosa a convertirse a un sistema generativo capaz de charlar, escribir ensayos y programar un software al nivel que podía hacerlo un profesional.

Actualmente, la evolución de la IA avanza con rapidez hacia los llamados “agentes autónomos”. Ya no son sólo programas de chat que esperan órdenes, sino sistemas capaces de tomar decisiones por sí mismos y realizar tareas complejas en la web. En estos últimos años, la Inteligencia Artificial se ha transformado en el verdadero motor invisible que diseña la nueva orientación del mundo empresarial.

¿Cómo es en la actualidad  el back office de la IA?

Detrás de la Inteligencia Artificial no hay magia, sino un gran equipo humano, enormes bases de datos y computadoras muy potentes. Y aunque la IA parece automatizada, el verdadero trabajo del back office (la trastienda tecnológica), depende de una infraestructura gigante y de millones de personas que entrenan a las máquinas.

Para que una IA funcione en la pantalla de un teléfono o computadora, necesita 3 elementos ocultos:

• Los datos (El alimento): La IA necesita miles de millones de ejemplos para aprender. Esto incluye textos, imágenes, videos y sonidos. Sin datos, la IA no sabe hacer nada.
• El hardware (Los músculos): Se necesitan centros de datos gigantes llenos de chips muy potentes llamados GPUs y TPUs. Estos procesadores consumen mucha energía y calculan millones de operaciones por segundo.
• Los algoritmos (El cerebro): Son las fórmulas matemáticas y los modelos de redes neuronales que diseñan los ingenieros para que la maquina pueda encontrar patrones en los datos.

Así, uno de los pilares más importante del back office de la IA son las personas y en este sentido, han surgido nuevos especialistas que trabajan en profesiones que nadie ve y que son muy poco conocidas, por ejemplo:

1. Etiquetadores de Datos: Millones de trabajadores en todo el mundo revisan imágenes y textos a mano. Simplificando mucho, ellos son los que le dicen a la máquina: “Esto es un gato” o “Esto es un camión”. La IA solo aprende si un humano le enseña primero.
2. Ingenieros y Científicos de Datos: Son los encargados de limpiar los datos corruptos, programar los modelos y arreglar los errores cuando la IA “alucina” o se inventa cosas.
3. Evaluadores de Seguridad: Personas que prueban la IA para asegurarse de que no dé respuestas peligrosas, violentas o con prejuicios raciales y de género.

El proceso de trabajo diario en el back office nunca se detiene y siempre sigue un ciclo continuo:

• Recolección: Se junta información de internet, libros y bases de datos.
• Curación: Se borra la información falsa o repetida y se etiqueta.
• Entrenamiento del modelo: Se introduce la información en las supercomputadoras durante semanas o meses. Se prueba y se corrige.
• Actualización: Se repite todo el proceso para que la IA no se quede desactualizada.

Las redes neuronales: el cerebro de la Inteligencia Artificial

Las redes neuronales son un elemento clave de la IA actual: están detrás del motor de búsqueda de Inteligencias Artificiales como ChatGPT. Esta tecnología, que permite el procesamiento del lenguaje natural, el reconocimiento de voz y la visión artificial, entre otros, está actualmente en pleno auge y seguirá ganando popularidad durante las próximas décadas.

Si hasta ahora hemos hecho historia de la IA, vamos a hacer un poco de predicción de lo que viene: el mercado de las redes neuronales alcanzará los 1.256 millones de dólares para el año 2032, creciendo a un ritmo anual cercano al 20%. Desde su origen, en la década de los años 40, las aplicaciones de las redes neuronales, una tecnología que enseña a los ordenadores a procesar datos de forma similar al cerebro humano, se han multiplicado.

Las redes neuronales fueron propuestas por primera vez por Warren McCullough y Walter Pitts en 1944. Sin embargo, no fue hasta los años 80 que el psicólogo inglés Geoffrey Hinton les dio un impulso clave con sus investigaciones en deep learning o aprendizaje profundo, una rama de la Inteligencia Artificial que permite a las máquinas aprender a partir de nodos que emulan neuronas. La red neuronal sería como el cerebro.

A grandes rasgos, las redes neuronales profundas se entrenan utilizando grandes cantidades de datos de los que extraen patrones para hacer predicciones: las múltiples capas de nodos trabajan para buscar datos y entregar un resultado en forma de predicción. A diferencia del machine learning (aprendizaje automático), donde los datos se procesan con ayuda de humanos, en el deep learning (aprendizaje profundo) elimina ese tipo de procesamiento. Es decir,  el machine learning requiere que un humano les indique qué características o variables son relevantes (lo que se llama feature engineering), mientras que las redes neuronales aprenden por sí solas a identificar patrones de la información de partida. Deep leaning precisa para funcionar bien mucho más volumen de datos y mucha más potencia computacional.  Esta es la tecnología que posibilita que podamos mantener conversaciones distendidas con asistentes IA como ChatGPT, Copilot o Claude, que integran estas redes neuronales profundas. Hemos tratado de profundizar  en la historia de la IA para entender un poco la complejidad que hay detrás de esta aparente sencillez.

Claude es el agente de IA creado por Anthropic, una empresa fundada en diciembre del 2021 en San Francisco por dos exmiembros de OpenAI. Uno de ellos, Dario Amodei,  pasó cinco años liderando la investigación de OpenAI y la otra, su hermana Daniela, que a su vez fue  vicepresidenta de seguridad y políticas también de OpenAI. A diferencia de otros modelos centrados en potencia o velocidad, Claude ha sido diseñado para crear una IA que sea respetuosa con los valores humanos. Así, prioriza proteger la privacidad, evitar los sesgos, ser transparente y no generar contenido dañino. Analizamos las características de Claude de Anthropic: el nuevo rey de la Inteligencia Artificial.

CONTENIDOS

¿Qué se puede hacer con Claude?

Funcionalidades y características

La imparable inyección de capital de Anthropic

El valor de Anthropic

Claude Mythos

El usuario puede usar Claude de varias maneras. Por ejemplo, desde su página web, iniciando sesión con una cuenta de Gmail, instalando una extensión para Google Chrome, desde dispositivos Android e iOS; o mediante una aplicación de escritorio que se instala en el ordenador. Hay disponible tanto una versión gratuita como otras dos de pago que amplían sus funcionalidades.

¿Qué se puede hacer con Claude?

Claude de Anthropic puede escribir textos, analizar documentos, generar ideas, revisar códigos o responder a preguntas complejas. Su capacidad de contexto de hasta 200.000 tokens, le permite leer documentos o revisar bases de código sin perder el hilo. Es perfecta para proyectos grandes, informes o repositorios extensos.

Además, entiende texto e imágenes, lo que facilita extraer datos de capturas o gráficos. Puedes usarlo desde su web, integrarlo en tus propias apps mediante API o trabajar con Claude Code, su versión para programadores que funciona directamente en la terminal.

Funcionalidades y características

1. Procesamiento de lenguaje y multimodalidad

Claude entiende y genera texto con mucha naturalidad, pudiendo mantener conversaciones largas, resumir documentos, traducir o crear contenidos en varios idiomas. Además, al poder leer imágenes, puede extraer información de gráficos, presentaciones o capturas, siendo muy útil cuando trabajas con documentación visual

2. Gran ventana de contexto

Permite procesar documentos muy largos de una sola vez (informes, contratos o un repositorio de código). Esto evita tener que cortar el contenido en trozos y perder contexto. Claude recuerda lo que dijiste al principio de la sesión y lo usa a lo largo del intercambio.

3. Claude Code

Para desarrolladores, Claude ofrece una versión pensada para flujos de desarrollo. Se integra con editores como VS Code, puede revisar bases de código, sugerir cambios coordinados en varios archivos, ejecutar test y preparar pull requests. Siempre te pide confirmación antes de tocar un archivo y así mantienes el control.

4. Conexión con herramientas y agentes

Puedes actuar como un agente que consulta APIs o ejecuta tareas en varios pasos, por ejemplo, comprobar datos en un sistema, generar un informe y enviar notificaciones. En 2025 Anthropic potenció estas capacidades para flujos con pasos siendo transparente en lo que hace.

5. Pensamiento extendido

En tareas complejas, puede mostrar cómo está pensando antes de dar la respuesta final. Esto es útil para el debugging mental, es decir, para ver por qué llegó a una conclusión, esto ayuda a validar la respuesta o a detectar errores. Por ejemplo, muestra su razonamiento paso a paso para validar resultados.

6. Generación de código y soporte multilenguaje

Genera y explica código en muchos lenguajes. Es eficaz en un razonamiento lógico, en estructuras de datos y en algoritmos, lo cual reduce el tiempo que un perfil técnico dedica a depurar prototipos.

Claude AI añade un plus de productividad gracias a otras de sus características principales como son los Artefactos y los conectores. Los primeros ayudan a crear contenido interactivo directamente en el chat, como por ejemplo páginas web, documentos o gráficos de forma bastante rápida sin necesidad de tener conocimientos técnicos a través de unas plantillas. Los segundos, los conectores, directamente con las aplicaciones de tu entorno digital diarioa  través de protocolos estandarizados (como MCP). Gracias a esto, la IA puede interactuar directamente con herramientas como Gmail, Asana, Canva, Slack, Google Drive o Calendar.

Por último, Claude de Anthropic  incorpora, medidas de seguridad basadas en un enfoque conocido como Constitutional AI, que emplea principios éticos para reducir respuestas sesgadas o inapropiadas, además de responder a preguntas y generar textos como lo hacen las otras inteligencias artificiales generativas.

La imparable inyección de capital de Anthropic

Anthropic ha obtenido un éxito rotundo a nivel global en apenas 5 años, hasta el día de hoy ha recaudado más de 57.000 millones de dólares, aunque en su ascenso también han participado empresas de capital riesgo como Menlo Ventures y Lightspeed Venture Partners, así como firmas de los Emiratos Árabes Unidos y Catar.

Aún así,  el dinero no deja de fluir.  Por ejemplo, el pasado mes de abril, Amazon anunció una inversión de 25.000 millones en Anthropic y apenas unos días más tarde, Google fue más allá, comunicando una inversión de 40.000 millones. Ninguno de los dos mayores proveedores cloud del mundo se han comprometido a invertir 65.000 millones de dólares simplemente por generosidad, al contrario, hay mucho de cubrirse las espaldas y de financiación circular. En concreto, Google invertirá 10.000 millones de dólares ahora, teniendo en cuenta que la valoración de Anthropic oscila entre los 350.000 y los 380.000 millones de dólares. Estos acuerdos de inversión no solo persiguen afianzar lazos con Anthropic, sino además tener una participación importante en su accionariado.

El valor de Anthropic

Anthropic ahora mismo ya vale un potosí. La valoración de la empresa ha crecido de forma dramática en los últimos meses y hay ofertas para una nueva ronda de inversión que situarían su valor en 800.000 millones de dólares, ya al nivel de los 850.000 millones de valoración que tiene OpenAI.  Ambas empresas esperan salir a bolsa antes de que termine el 2026 y se espera que Anthropic se dispare de forma excepcional una vez que se convierta en una empresa cotizada.

Estas inversiones son una apuesta de futuro. La mayoría de los inversores, fondos o empresas, no se quieren quedar atrás en la carrera de la IA y apuestan porque todos los demás también lo hacen. Da igual que las empresas de IA estén perdiendo dinero sin parar, la promesa es que llegará un momento (2029 o 2030) en la que la tendencia cambiará. No es seguro que eso ocurra, desde luego, pero tanto OpenAI como Anthropic juegan con esa baza y la usan a su favor. Una vez más, la venta de expectativas funciona.

Claude Mythos

Claude de Anthropic recientemente ha presentado un modelo de habilidades avanzadas para identificar vulnerabilidades llamado Mythos. Sin embargo, en el último momento, ha decidido no liberarlo al público y ha limitado su acceso a un grupo reducido de organizaciones, debido al riesgo que implica su uso fuera de entornos controlados.

Según un reporte de la compañía, el modelo puede identificar vulnerabilidades desconocidas y generar formas de explotarlas, lo que abre la posibilidad de que actores maliciosos lo utilicen para desarrollar ciberataques, acceder a sistemas sensibles o comprometer infraestructura crítica. Aunque no se hizo con una finalidad exclusiva de ciberseguridad, se le rentrenó para realizar tareas generales como programación, análisis de código y resolución de problemas complejos. Tiene la capacidad de revisar grandes volúmenes de código, encontrar errores y proponer formas de explotarlos.

El sistema Claude Mythos plantea retos en materia de seguridad cibernética, lo que ha causado preocupación entre los líderes del Departamento del Tesoro, la Reserva Federal de Estados Unidos y los principales actores de Wall Sreet, Bank of América, Citigroup, Goldman Sachs, Morgan Stanley y Wells Fargo.

En resumen, Claude de Ahthropic es mucho más que un chatbot. Es el nuevo rey de la Inteligencia Artificial: una plataforma con capas: chat, proyectos, artefactos, skills, conectores, un agente de escritorio y tareas programadas. Y aunque no todo el mundo va a necesitar sus funcionalidades al completo, entender qué hay disponible ayuda a decidir cuándo y cómo usar esta IA.

La IA agéntica (Agentic IA) representa la próxima frontera en la inteligencia artificial. Hemos ido evolucionando desde la IA generativa, que crea un contenido a petición del usuario, hasta sistemas autonomos capaces de actuar, tomar decisiones y alcanzar objetivos complejos con una mínima supervisión humana. En este post te explicamos cómo funciona la IA agéntica y cuáles son sus aplicaciones.

CONTENIDOS

Impacto de la IA agéntica

Funcionalidades de la IA agéntica

Casos de uso real de la IA agéntica en el mundo empresarial

Atención al cliente

Gestión de servicios TI

Ingeniería de software

Ventas y marketing

Cadena de suministro

Estos agentes IA funcionan como “colaboradores digitales” o “empleados virtuales” que razonan y planifican, pasando del papel de mero asistente al de ejecutor autónomo de procesos. La IA generativa ejecuta tareas sencillas cuando se le pide algo: redacta un correo, resume un documento. Por el contrario, la IA agéntica opera con un objetivo, toma decisiones intermedias y actúa sin esperar las instrucciones paso a paso. Pongamos un ejemplo, cuando un usuario rellena un formulario pidiendo información, la IA generativa envía un correo estándar, sin embargo, la IA agéntica detecta que ese cliente potencial ha visitado la página de precios varias veces y le propone una videollamada con un especialista.

Impacto de la IA agéntica

La IA agéntica iba a ser la gran revolución en el 2025, pero la realidad terminó con las ideas, demasiado románticas, sobre una IA que no necesitaría ningún tipo de la intervención humana. No obstante, los agentes de IA son muy reales, aunque todavía están un poco “verdes” tal y como se ha demostrado en numerosas pruebas. Los podemos probar si tenemos el plan Plus de ChatGPT y a nivel de desarrollo de proyectos, por ejemplo, la empresa Anthropic permite crear agentes de programación con Claude, mientras que la empresa Google, lo hace con Gemini. Otras plataformas como Saleforce, ofrecen agentes IA personalizados para sectores industriales concretos.

Una encuesta con altos ejecutivos estadounidenses ha revelado que el 88% de las empresas americanas tienen planeado aumentar su presupuesto en IA ante la llegada de los agentes IA. La mayoría de los encuestados cree que la IA agéntica va a cambiar los lugares de trabajo más de lo que lo hizo internet en su momento y casi el 50% de ellos, están preocupados porque la competencia adoptara agentes IA antes que ellos.  El miedo a quedarse atrás está fomentando que muchas empresas se tiren a la piscina, sin entender del todo lo qué es la IA agéntica.

Funcionalidades de la IA agéntica

Una de las funciones más destacadas de la IA agéntica es que puede simplificar el desarrollo y la implementación de agentes IA, reduciendo los recursos necesarios para integrar la IA en las operaciones diarias.

En este contexto, las empresas pueden personalizar los agentes IA para satisfacer necesidades específicas como automatizar tareas repetitivas, mejorar la atención al cliente o impulsar la toma de decisiones estratégicas. Mientras que los sistemas de IA tradicionales son rígidos y tienen dificultades a la hora de realizar tareas complejas de varios pasos, la IA agéntica es flexible y capaz de adaptarse. Ambas características permiten que los agentes IA puedan trabajar en una amplia gama de sectores. Así, mediante el procesamiento del lenguaje natural (NLP), pueden imitar el comportamiento humano, lo cual les hace ideales para gestionar situaciones complejas y cambiantes.

La IA agéntica cuenta con tres funcionalidades principales:

• Autonomía: Los agentes pueden realizar tareas por su cuenta, sin supervisión ni dirección humana.
• Adaptabilidad: Pueden aprender de sus interacciones, recibir comentarios y cambiar sus decisiones en función de lo que han aprendido.
• Orientación a objetivos: Pueden aceptar tareas especificas y razonar sobre cómo lograrlas.

La IA agéntica tiene el potencial de cambiar la forma en que las personas interactúan con la tecnología. Aunque aún es pronto, las bases que se están creando hoy apuntan hacia un futuro, en el que los agentes IA operarán con la autonomía y la adaptabilidad de sus homólogos humanos. Este potencial transformador promete mejorar la eficiencia y brindar nuevas oportunidades para la innovación en casi todos los aspectos de nuestras vidas.

Casos de uso real de la IA agéntica en el mundo empresarial

El poder de la IA egéntica reside en su capacidad para ejecutar flujos de trabajos integrales (end-to-end) y de los múltiples pasos, que a través de los distintos sistemas, la hace aplicable a casi todas las tareas empresariales.

Atención al cliente

En el servicio al cliente inteligente, por ejemplo, un agente de IA puede gestionar un ticket de soporte desde el principio hasta el final. Imaginemos que un cliente informa de un fallo en un producto. Entonces, el flujo de trabajo del agente IA incluirá:

• Percibir: Lee el ticket de soporte y lo clasifica como un problema de hardware complejo.
• Razonar y Planificar: Determina los pasos a seguir, como comprobar en el CRM el estado de la garantía, buscar en el Knowledge base una guía de solución de problemas y programar la visita de un técnico, si fuera necesario.
• Actuar (uso de herramientas): Utiliza una herramienta para extraer la garantía y el historial de compras del cliente.
• Resolver: Si el producto está en garantía, el agente genera y envía de forma autónoma un correo electrónico personalizado con una etiqueta de devolución automatizada, actualiza el caso en el CRM a “resuelto” y notifica al almacén. Todo ello sin ningún tipo de intervención humana.

Gestión de servicios TI

En la Gestión de Servicios TI, otro ejemplo, un agente IA puede resolver cuestiones complejas, en lugar de ser un simple “bot” para establecer contraseñas. Imaginemos que un empleado informa de un problema de acceso a una nueva plataforma de software, entonces el agente IA puede verificar su identidad a través de un directorio interno, comprobar su función y equipo en la matriz de seguridad, aprobar los permisos necesarios y enviar un correo electrónico de confirmación final.

Ingeniería de software

Un agente IA puede funcionar como un ingeniero de software junior autosuficiente. Partiendo del historial de un usuario (user story), es capaz de crear un plan de desarrollo detallado, escribir el código necesario, ejecutar un conjunto de pruebas unitarias y de integración, para detectar errores, depurar automáticamente cualquier fallo y abrir una solicitud de extracción (pull request) para que un desarrollador humano lo revise.

Cadena de suministro

Por último, en relación a la optimización de la cadena de suministro, otra área central en una empresa, el agente IA puede funcionar como un gestor integral de la cadena de suministro. Supervisa los niveles de existencias en tiempo real, predice las fluctuaciones de la demanda utilizando datos de mercado y las ventas históricas (a través de Data 360), y realiza pedidos de reposición de forma autónoma a los proveedores, negociando el mejor precio en función de las condiciones actuales del mercado.

Ventas y marketing

En el área de ventas y marketing, otro espacio muy importante en cualquier empresa, el agente IA puede asumir un objetivo de alto nivel como ejecutar una campaña para aumentar las ventas de un nuevo producto entre los clientes de una determinada región. El flujo de trabajo autónomo del agente incluye:

• IDENTIFICACIÓN DE LA AUDIENCIA: Utiliza DATA 360 para segmentar el público objetivo
• GENERACIÓN DE ACTIVOS: Usa la IA generativa para redactar el texto del correo electrónico y la creatividad del anuncio personalizado para dicho segmento.
• EJECUCIÓN: Despliega la campaña a través del sistema de automatización de marketing.
• OPTIMIZACIÓN: Supervisa continuamente las métricas de rendimiento en tiempo real y ajusta de forma autónoma, el presupuesto publicitario o refina el mensaje para maximizar las tasas de conversión.

Los robots humanoides han sido, durante décadas, uno de los temas favoritos de la ciencia ficción. Sin embargo, hoy en día, estas máquinas, verdaderamente revolucionarias, están empezando a colonizar muchos espacios que hasta ahora estaban reservados a los humanos: restaurantes, hoteles, dispensadores de bebidas, servicios médicos, tiendas, ambientes domésticos, etc. Te mostramos los 5 robots humanoides que destacan en 2026

CONTENIDOS

Qué son los robots humanoides y cuál es su función

¿Para qué se van a utilizar los robots humanoides en el futuro?

Los robots humanoides más famosos del 2026

Qué son los robots humanoides

Aunque por bastantes años, los humanoides no han sido más que unas demostraciones inestables y torpes de laboratorio, pensadas para ferias tecnológicas o campañas de marketing, en este momento, la robótica no es el entretenimiento de unos pocos privilegiados, sino la antesala de una nueva infraestructura social y económica. La siguiente fase del mercado ya no será de prototipos aislados, sino de la creación de un ecosistema capaz de desplegar estos robots humanoides a gran escala.

El reto actual es abrir nuevas áreas a la automatización, con la posibilidad de que se realicen tareas automáticamente que en otra época hubieran resultado inimaginables. Estas maquinas ya no se limitan a repetir movimientos rígidos, sino que exhiben una combinación de equilibrio, velocidad y coordinación que apunta a su próximo desembarco en entornos como la logística o los servicios. Aunque los robots humanoides suelen ser máquinas diseñadas para imitar la apariencia, la estructura e incluso los movimientos humanos, en la actualidad, gracias a la inteligencia artificial (IA), son también capaces de interactuar con su entorno y con  herramientas humanas.

Los robots humanoides son muy distintos entre sí, aunque al mismo tiempo todos comparten el concepto de ser una máquina que imita el diseño anatómico de un ser humano para hacer tareas físicas que anteriormente solo podían realizar las personas. Estas maquinas han sido diseñadas también para integrarse en entornos que un principio fueron construidos para los humanos- casas, oficinas, fábricas, etc.- sin necesidad de exigir demasiadas adaptaciones en el lugar. Poseen motores y sensores avanzados de IA para percibir, procesar información y moverse de forma similar a una persona. diferencia de los robots industriales fijos, buscan ser de propósito general, ejecutando varias tareas al mismo tiempo.

¿Para qué se van a utilizar los robots humanoides en el futuro?

Los expertos pronostican que para 2035 habrá entre nosotros unos 13 millones de robots humanoides,  cifra que aumentará hasta los 1000 millones en el año 2050. Y probablemente, no tengamos que esperar más de 10 años para ver a uno de ellos dentro de nuestra propia casa. Desde luego, es la primera oleada de máquinas verdaderamente útiles que intentan ser similares a los humanos.

La mayoría de los modelos de robots humanoides que están saliendo al mercado, pertenecen a los laboratorios de robótica propiedad de las principales empresas de inteligencia artificial (IA) del mundo.

Los usos y aplicaciones principales de los robots humanoides se realizaran en el los siguientes sectores:

• Industria y Logística: Realización de tareas arduas, peligrosas o de carga de material pesado, reduciendo riesgos laborales.
• Asistencia y Salud: Cuidado de enfermos y ancianos, acompañamiento para combatir la soledad y soporte en hospitales.
• Vida Doméstica: Limpieza de superficies y áreas de difícil acceso en el hogar.
• Servicios y Educación: Atención al cliente en recepciones, hostelería, gastronomía y apoyo pedagógico en aulas.
• Investigación: Estudio de la biomecánica y desarrollo de la inteligencia artificial.

Los robots humanoides más famosos del 2026

Ahora, vamos a echar un vistazo rápido a los robots humanoides más avanzados del momento, que ya han conseguido ser muy valorados y reconocidos en el mercado internacional.

OPTIMUS GEN 2

Fabricante: Tesla. Altura: 1,73 metros. Peso: 57 kilos

Probablemente el más famoso de la actual hornada de robots humanoides: Su coste estará entre 20.000 y 30.000 dólares cuando se fabrique a gran escala. Según Elon Musk, quizás este robot sea más importante para su empresa que los coches eléctricos. Optimus ha sido mostrado recogiendo huevos, bailando, sirviendo bebidas, realizando tareas domésticas y jugando a piedra, papel o tijera con Kim Kardashian.

ALL-NEW ATLAS

Fabricante: Boston Dynamics. Altura: 1,5 metros. Peso: 80 Kilos

Desde el 2013 estos robots han asombrado y divertido a todo tipo de público, corriendo, dando volteretas y bailando. Este robot, totalmente eléctrico, tiene un control muy preciso de sus movimientos, siendo también muy ligero y resistente a los daños.

3. NEO GANMA

Fabricante: 1X Technologies. Altura: 1,65 metros. Peso 30 kilos

Neo Gamma es un robot doméstico capaz de realizar tareas como pasar la aspiradora, doblar la ropa y cargar el lavavajillas. Su piel está hecha de un tejido de nailon acolchado, diseñado para resultar más cómodo y seguro en el hogar. Su coste esta previsto entre 20.000 y 30.000 dólares. También puede entablar conversaciones similares a las humanas gracias a su LLM personalizado.

4. GR-2

Fabricante: Fourier Intellígence. Altura: 1,75 metros. Peso: 63 Kilos

Presentado como el primer robot humanoide del mundo fabricado en serie, se dice que las manos de GR-2 tienen una gran destreza. En la actualidad, se utilizan sobre todo en entornos académicos e industriales, aunque se están realizando pruebas para evaluar su uso también en entornos domésticos y asistenciales. Puede caminar a una velocidad de hasta 8 km/hora y destaca en el manejo táctil de objetos, ya que es capaz de ajustar un agarre en tiempo real, adaptándose a diferentes tareas y objetos.

5.  H1

Fabricante: Unitree. Altura: 1,78 metros. Peso: 47 Kilos

Este robot cuyo coste será a partir de 16.000 dólares, se hizo en el 2024 con el Récord Guinness de la velocidad de carrera más rápida en un robot humanoide bípedo eléctrico, alcanzando los 11,8 Km/hora. Este humanoide, de diseño chino, tiene una percepción de 360 grados de su entorno y es capaz de caminar, correr y realizar volteretas hacia atrás utilizando únicamente sus actuadores eléctricos. También, se le ha visto abriendo botellas de Coca-Cola, friendo comida en una sartén, manejando un martillo y doblando un paquete pequeño para ser transportado.

A medida que los robots humanoides en 2026 sigan evolucionando, la línea que separa la ciencia ficción de la realidad irá desapareciendo rápidamente. Los robots humanoides muy pronto se convertirán en compañeros de trabajo, acompañantes y colaboradores para nuestra vida cotidiana.

En el corazón de la actual revolución de la inteligencia artificial, se encuentran los llamados Agentes de IA que están transformando “escandalosamente” rápido el modo en que nos relacionamos con los diferentes sistemas de inteligencia artificial. Los Agentes de IA son sistemas avanzados que toman decisiones autónomas y ejecutan tareas específicas, siendo cada vez mayor su capacidad para resolver problemas complejos.  Veámoslo en detalle.

CONTENIDOS

Principales tipos de agentes de IA

1. Agentes de IA con reflejos simples

2. Agentes de IA basados en modelos

3. Agentes IA de aprendizaje

4. Agentes basados en la utilidad

5. jerárquicos

CONCLUSIÓN

Principales tipos de agentes de IA

1. Agentes de IA con reflejos simples

Son los más sencillos, se limitan a responder de forma inmediata, sin tener en cuenta el contexto pasado. El Ejemplo más sencillo de un agente de reflejo simple es un termostato. Este tipo de agente funciona bajo un lógica directa de reglas  de condicionamiento (Si ocurre A, entonces haz B) y no tiene memoria de eventos pasados.

Veamos cómo funciona un termostato. Primero, el sensor mide la temperatura actual de la habitación. Segundo, aplica una regla que ya existe previamente,  si la temperatura es menor de 20ºC, encender la calefacción. Por último, el accionador enciende el sistema de calor inmediatamente.

2. Agentes de IA basados en modelos

Estos agentes utilizan un modelo interno para predecir las consecuencias que tendrán sus acciones. Comprenden que, si hacen algo determinado, podrán conseguir un resultado concreto.  Un agente basado en modelos es más avanzado que el de reflejos simples, pues tiene memoria y entiende cómo funciona su entorno, incluso cuando no lo pueda ver completamente.

El ejemplo más claro es una aspiradora robot inteligente. El robot crea un “mapa mental” de la casa mientras limpia. Sabe dónde están las paredes, los muebles y qué zonas ya aspiró. Si el robot se mueve de la sala al comedor, no olvida que la sala existe, aunque ya no la vea. Sabe que, si retrocede, la sala seguirá allí.

Por otro lado, si ve una persona caminando (un obstáculo dinámico), el modelo le ayuda a predecir que esa persona se moverá y que el camino se despejará pronto. Otros ejemplos comunes de este tipo de IA son los coches autónomos, que recuerdan vehículos en sus puntos ciegos y los sistemas de navegación GPS, que estiman tiempos basados en el tráfico histórico.

3. Agentes IA de aprendizaje

Pueden utilizar el historial de su experiencia o eventos pasados, para aprender y mejorar su rendimiento a lo largo del tiempo. Un agente de aprendizaje tiene el nivel más alto de autonomía, porque no solo sigue reglas o mapas, sino que mejora su propio desempeño a través de la experiencia y el feedback.

Un ejemplo cotidiano y sencillo de un Agente de aprendizaje es el sistema de recomendación, tal como es el de Netflix, YouTube o Spotify.  El Agente IA de aprendizaje evoluciona, si el entorno cambia o el usuario cambia de gustos, el Agente se adapta solo.

Para entender mejor a este Agente de IA, hay que dividir en cuatro partes las funcionalidades que trabajan juntas para “aprender”:

• Elemento de desempeño: Es el que toma acción. Hoy decide mostrarte una película de acción porque cree que te gustará.
• Crítico (Feedback): Observa tu reacción. Si quitas la película a los 2 minutos, el “critico” envía una señal negativa. Si la ves completa y le das “like”, envía una señal positiva.
• Elemento de aprendizaje: Recibe la señal del crítico y modifica el conocimiento del Agente de IA: “A este usuario no le gusta la acción con mucha violencia, prefiere el suspense”.
• Generador de problemas: Para no sugerirte siempre lo mismo, el agente te propone algo nuevo (un género que nunca has visto) para ver si también te gusta y así seguir aprendiendo sobre ti.

4. Agentes basados en la utilidad

Estos agentes han sido diseñados para una función concreta y pueden tomar decisiones con las que maximizar esta utilidad. Un agente basado en utilidad no busca cumplir una meta, sino que busca la mejor forma posible de hacerlo, evaluando cómo de satisfecho quedará el usuario.

El ejemplo más claro es una aplicación de navegación como Google Maps. A diferencia de un Agente que solo te da una ruta para llegar, un Agente de utilidad calcula múltiples opciones y les asigna un valor según tus preferencias:

• Estado actual: Estás en casa y quieres ir al trabajo
• Múltiples caminos:

1. 1. Ruta A (Rápida): 20 minutos, pero tiene muchos peajes costosos
   2. Ruta B (Barata): 40 minutos, sin peajes
   3. Ruta C (Escénica): 30 minutos, con bonitas vista, pero muchas curvas

• La función de Utilidad: El agente analiza qué prefieres en ese momento. Si tienes prisa, la “utilidad” más alta la tiene la Ruta A. Si quieres ahorrar, la mayor utilidad es la Ruta B.

Este tipo de agentes son esenciales cuando hay un intercambio de beneficios (trade-off) y el agente debe elegir la opción que maximice el éxito según criterios de calidad, tiempo o coste.

5. Agentes jerárquicos

Esta es una combinación de agentes que trabajan de forma conjunta para conseguir un objetivo común. Unos toman unas decisiones y otros toman otras acciones basándose en las anteriores y así entre todos, llevan a cabo una tarea completa. Un agente jerárquico es como una empresa: hay un “jefe” que decide el plan general y “empleados” que se encargan de los detalles técnicos.

El ejemplo más claro de esto es el Agente de un videojuego de estrategia, como el comandante en Age of Empires o Startcaraff. La estructura de mando es la siguiente:

1. Nivel Superior (Estratega): Decide la meta global. Por ejemplo: “Necesitamos construir una muralla para defendernos”. No sabe cómo caminar ni cómo picar piedra, solo da la orden.
2. Nivel Medio (Coordinador): Divide la orden en tareas. Por ejemplo: ”Tu, aldeano A, ve por madera. Tú, aldeano B, ve por piedras y busquen un lugar plano”
3. Nivel Inferior (Ejecutor): Es el agente que realiza la acción física. Se encarga de mover las piernas del personaje, evitar chocar con árboles, poner un ladrillo sobre otro, etc.

En este ejemplo, el jefe se enfoca en ganar la partida y el subordinado se enfoca en no trabarse con una piedra.

Otro ejemplo real es un enjambre de drones de rescate: un agente líder mapea el área general (macrotarea), mientras que cada dron individual se encarga de estabilizar sus hélices y esquivar ramas (microtareas).

CONCLUSIÓN

En conclusión, los Agentes de IA representan un avance significativo en la capacidad de la inteligencia artificial para adaptarse y resolver problemas en tiempo real. La modularidad, la capacidad de actuar de manera autónoma y la integración con herramientas externas son solo algunas de las características que los posicionan como una de las principales tendencias tecnológicas en el futuro.