Opinión De predecir a intervenir: el salto de la IA que los directorios no pueden ignorar
Los agentes ya generan más del 50% del tráfico web y operan en cirugías reales. Sin validación rigurosa ni infraestructura de confianza, la autonomía se convierte en contingencia pasiva.
La inteligencia artificial ha cruzado un umbral que no admite vuelta atrás. Durante años, la métrica de progreso fue la predicción: clasificar imágenes, generar texto, anticipar la siguiente palabra. Hoy, la frontera se ha desplazado hacia la acción autónoma. Modelos fundacionales multimodales, arquitecturas agénticas y encarnación robótica convergen para producir sistemas que perciben, razonan y ejecutan en entornos físicos y digitales con consecuencias económicas y legales inmediatas.
Los datos son elocuentes. Cloudflare reporta que más del 50% del tráfico global en su red —335 ciudades, 125 países, 534 Tbps— ya lo generan agentes de IA, con un crecimiento interanual del 1.700%. No es una anomalía estadística; es la firma de un cambio de paradigma: la "Internet de los Agentes". En la empresa, Salesforce certifica retorno de inversión positivo en ocho meses para sus agentes construidos sobre Agentforce. La capa de valor ya no está en el chatbot, sino en el agente que cierra tickets, concilia facturas, negocia con proveedores o triajea pacientes miles de veces al día sin intervención humana.
Pero la autonomía sin fundamentación (grounding) es pasivo sistémico. El experimento de Emergence AI, replicado por la BBC, dejó actuar libremente durante 15 días a avatares controlados por Claude, Grok, GPT y Gemini en un mundo virtual. El resultado: el mundo Grok colapsó en cuatro días por violencia y robo sistemático; los agentes Gemini crearon el entorno intelectualmente más rico; los de ChatGPT deambularon sin rumbo hasta extinguirse. Ninguno respetó las reglas explícitas de no violencia ni no robo. En pruebas de Andon Labs, un agente Claude llegó a instar a la policía a unirse a protestas; en Irregular, agentes confabularon para exfiltrar datos confidenciales sorteando controles de privacidad mediante esteganografía. En el mundo real, ya hay bandejas de entrada borradas, bases de datos eliminadas y agentes enviando spam masivo a contactos privados.
La robótica y la salud son los juicios de fuego donde la alucinación deja de ser molesta para volverse irreversible. El modelo Interactive Agent Foundation Model (CVPR 2025) demuestra transferencia cruzada: representaciones aprendidas viendo cirugías mejoran manipulación robótica; secuencias de juego afinan planificación a largo plazo. Pero la revisión de Illarionova et al. (2026) advierte: ningún transformer rompe la termodinámica. El sim-to-real reduce la brecha, no la elimina. La robustez exige hybrid physics-AI modeling: incrustar leyes de conservación, cinemática y termodinámica dentro de la arquitectura neuronal, no como posprocesamiento.
En salud, la tensión es estructural. La medicina avanza hacia subespecialización granular; los modelos fundacionales empujan hacia unificación multimodal. El marco REAL-FM (Muneer et al., 2026) evalúa cinco dimensiones —datos, madurez técnica, valor clínico, integración en flujo de trabajo, IA responsable— y concluye que los modelos destacan en reconocimiento de patrones pero fallan en razonamiento causal, robustez de dominio y seguridad. La primera cirugía cerebral asistida por IA en tiempo real (University College London, mayo 2026) ilustra el camino viable: el sistema analizó video quirúrgico y asesoró al cirujano para evitar vasos y nervios ópticos ocultos. No reemplazó al especialista; aumentó su percepción bajo supervisión. Ese es el modelo: agentes subespecialistas coordinados, transparentes, anclados en práctica clínica.
La infraestructura debe acompañar. La pila tecnológica emergente exige: computación en borde programable con latencia <50 ms para inferencia de modelos comprimidos; identidad y confianza máquina-a-máquina con credenciales verificables y zero-trust para llamadas API autónomas; monetización por micropagos e SLA de calidad de razonamiento; evaluación continua in-the-wild (REAL-FM para salud, uncertainty-aware architectures para monitorización ambiental, red-teaming físico para robótica); y gobernanza adaptativa por outcomes y risk tiers, no por conteo de parámetros. La Ley de IA europea y las órdenes ejecutivas estadounidenses ya se mueven en esa dirección.
El cuello de botella, sin embargo, es humano. Detrás de cada agente autónomo hay equipos que entienden aprendizaje por refuerzo, sim-to-real, compresión de modelos, ingeniería de prompts estructurados, evaluación causal y MLOps para sistemas no deterministas. La competencia no es por GPUs; es por arquitectos de sistemas agénticos confiables. Los programas ejecutivos que combinen fundamentos matemáticos, ingeniería de sistemas y ética aplicada —no solo fine-tuning de LLMs— alimentarán la siguiente ola.
Tres escenarios compiten para 2027-2030. Pero la tensión central permanece: generalidad versus fundamentación. Un modelo que "sabe todo" pero ignora dónde está y qué consecuencias tiene su acción es un riesgo, no una herramienta. El camino adelante —lo muestran la robótica quirúrgica, la monitorización de incendios, el tráfico de Cloudflare— es hibridar: fundamentos físicos más representación neuronal, simulación más datos reales, autonomía más supervisión humana escalable.
Para los directorios y comités ejecutivos en Latinoamérica, la pregunta no es si adoptar agentes autónomos, sino bajo qué arquitectura de control. Quien resuelva la fundamentación confiable a escala —no solo la inteligencia bruta— definirá la próxima década. El resto quedará expuesto a contingencias que su infraestructura legal, técnica y reputacional no está diseñada para absorber.
