La industria de la IA en 2025: qué pasó y por qué importa

La segunda mitad de 2025 dejó una paradoja. Una encuesta de AP-NORC situó en el 60 % a los estadounidenses que usan IA para buscar información, pero solo el 37 % la aplicaba a tareas laborales. Semanas después, un informe del MIT concluyó que el 95 % de los pilotos de IA generativa en empresas no lograba un impacto medible en sus cuentas, y lo atribuyó a la integración y a una brecha de aprendizaje, no a la calidad de los modelos.

El contraste lo ofrecen quienes trataron la IA como infraestructura. JPMorgan Chase superó el 60 % de adopción voluntaria entre sus empleados; su responsable de analítica, Derek Waldron, atribuyó el resultado a la conectividad con los sistemas internos y consideró los modelos una mercancía. En el lado opuesto, una encuesta de MIT Technology Review Insights y Snowflake halló que el 77 % de los equipos de ingeniería de datos tenía más carga de trabajo, por la complejidad de integrar herramientas sueltas.

Las proyecciones laborales fueron más matizadas que alarmistas. Gartner estimó que en cinco años el 25 % del trabajo de TI lo harían íntegramente bots y el 75 % personas asistidas por IA. Un modelo del MIT y Oak Ridge calculó que el 11,7 % del valor salarial estadounidense está en tareas que la IA ya puede ejecutar técnicamente, y que la parte visible en tecnología es solo el 2,2 %. Duolingo, pese a la polémica por su giro hacia la IA, vio crecer sus usuarios activos diarios un 40 % interanual.

La factura de la infraestructura se hizo visible en diciembre. Oracle elevó en 15 mil millones de dólares su gasto previsto en centros de datos hasta 50 mil millones en el ejercicio, y sus acciones cayeron un 11 % pese a que los ingresos crecieron un 14 %; su deuda a largo plazo subió un 25 %. En paralelo, los inversores de deuda exigieron más: Applied Digital colocó 2,35 mil millones con un cupón del 9,25 % y los bonos de CoreWeave superaron el 12 % de rendimiento.

El debate sobre la burbuja no se resolvió. Brian Sozzi, de Yahoo Finance, defendió que no existe: la IA es real, exige infraestructura física y las grandes tecnológicas la financian con recursos propios. Pero la resistencia local también creció: Chandler, en Arizona, rechazó por unanimidad un gran centro de datos pese al cabildeo, incluido el de la exsenadora Kyrsten Sinema, que advirtió de una posible preeminencia federal.

La economía del entrenamiento también se discutió. DeepSeek publicó en Nature que entrenar su modelo R1 costó 294.000 dólares con 512 chips Nvidia H800, mientras que Sam Altman dijo en 2023 que los modelos fundacionales costaban mucho más de 100 millones. Mientras tanto, un análisis sobre las NPU de los móviles señaló que las aplicaciones de IA más relevantes seguían en la nube, y que el beneficio tangible de ese hardware local sigue siendo vago.

Los agentes que operan ordenadores y navegadores concentraron las alertas. Un estudio sobre agentes de sistema operativo advirtió de sus riesgos en pleno auge inversor; Bruce Schneier y Barath Raghavan sostuvieron que nacen comprometidos porque trabajan con datos no fiables y herramientas sin verificar, y plantearon un trilema entre rápido, inteligente y seguro. Otro análisis describió la tríada letal: un agente es vulnerable cuando combina datos inseguros, ejecución sin supervisión y comunicación hacia el exterior.

Las salvaguardas de los modelos resultaron frágiles. Investigadores de Unit 42 lograron burlarlas con una única frase interminable y sin pausas; otro estudio mostró que tácticas de persuasión humanas elevaban la obediencia de GPT-4o-mini ante insultar al usuario del 28,1 % al 67,4 %; y HiddenLayer describió Echogram, que añade fragmentos de texto capaces de hacer que un filtro clasifique como benigno un prompt malicioso.

Los daños aparecieron también en terreno técnico y humano. DeepSeek-R1 generó código inseguro cuando el contexto tocaba temas sensibles para el gobierno chino. El proyecto cURL pasó de sufrir informes falsos creados con IA a fusionar unas 50 correcciones derivadas de escaneos con IA usados por un investigador experto. Y psiquiatras alertaron de decenas de posibles casos de psicosis ligados a conversaciones prolongadas con chatbots, mientras Yoshua Bengio reiteraba su advertencia sobre riesgos existenciales.

La oferta de herramientas se diversificó, con precios agresivos y apuestas abiertas. Mistral lanzó OCR 3 a 2 dólares por cada 1.000 páginas; Mozilla presentó su TABS API para agentes web, con 1.000 solicitudes gratuitas al mes y unos 5 dólares por cada 1.000 después; Tencent abrió HunyuanWorld-Voyager, que genera escenas 3D a partir de una imagen, y Black Forest Labs lanzó FLUX.2 con pesos abiertos.

La privacidad y el control marcaron la otra mitad. Google presentó Private AI Compute para llevar Gemini a la nube sin que nadie, ni la propia Google, acceda a los datos; Mozilla prometió un interruptor para apagar por completo las funciones de IA de Firefox; y la alianza de Amazon Ring con Flock Safety, que permite a agencias solicitar grabaciones, reavivó el debate sobre vigilancia con IA.

El contenido sintético y su economía ocuparon un tercer frente. Una empresa de pódcast con IA producía unos 3.000 episodios semanales a un dólar cada uno; un inversor advirtió de una posible muerte del creador individual ante el vídeo generado, como Sora; y el estándar RSL buscó dar a los editores una vía legible por máquinas para fijar términos y pago por el uso de sus contenidos.