1. Anthropic irá a la Bolsa. OpenAI, no.
Los laboratorios de investigación en inteligencia artificial OpenAI y Anthropic son organizaciones tan particulares que muchas veces cuesta recordar que, al fin y al cabo, funcionan como empresas respaldadas por capital de riesgo. Y no se trata de cualquier empresa: son las compañías de capital de riesgo que más rápido crecieron y más fondos demandaron en la historia.
Según sus propias estimaciones, Anthropic planea gastar cerca de US$ 20.000 millones antes de alcanzar la rentabilidad. Esa cifra ya la ubica entre las compañías que más inversión de capital demandaron. Sin embargo, queda chica frente a la de OpenAI, que calcula necesitar unos US$ 150.000 millones antes de empezar a generar ingresos.
Con una necesidad de capital tan descomunal, no tienen otra alternativa que buscar financiamiento en los mercados públicos, tanto a través de acciones como de deuda.
Por suerte para ellos, OpenAI y Anthropic también figuran entre las empresas de crecimiento más veloz en la historia.
En 2025, Anthropic pasará de US$ 1.000 millones a US$ 9.000 millones en ingresos anuales recurrentes (ARR). OpenAI, en tanto, escalará de US$ 6.000 millones a US$ 20.000 millones en ARR. Un salto de esta magnitud nunca se había visto a esta escala. En un momento de auge para la inteligencia artificial, la demanda por estas compañías en los mercados públicos será altísima.
En los últimos años, ambas lograron atraer grandes sumas de capital por parte de inversores institucionales, muchos de los cuales tienen como principal objetivo el mercado público. Esa base inversora empezará a sentir cada vez más presión para que las empresas coticen en Bolsa y así puedan recuperar liquidez.
Se espera que Anthropic debute en los mercados públicos en 2026. Será una de las salidas a la Bolsa más grandes y esperadas de la historia.
Según trascendió, la compañía ya eligió al estudio jurídico Wilson Sonsini para acompañarla en el proceso y empezó a trabajar con banqueros de inversión. Uno de los pasos clave para avanzar en una oferta pública es sumar un director financiero con experiencia. En ese sentido, el año pasado Anthropic incorporó a Krishna Rao como su primer CFO. Rao fue una pieza clave en la salida a la Bolsa de Airbnb.
Como ocurrió con Uber y Lyft en 2019, entre OpenAI y Anthropic se instalará una carrera por ver quién llega primero al mercado. Esa presión extra también apurará a Anthropic a moverse con rapidez.
¿Qué pasa con OpenAI?
OpenAI también terminará cotizando en Bolsa. Pero no lo hará en 2026.
Por un lado, su director ejecutivo, Sam Altman, demostró una capacidad sin precedentes para recaudar fondos en los mercados privados. Actualmente, OpenAI está en busca de una nueva ronda de financiación privada de hasta US$ 100.000 millones. Ese respaldo le dará margen para postergar su salida al mercado por un tiempo más.
OpenAI también es un negocio más complejo y menos transparente que Anthropic. Mientras esta última apunta sobre todo al mercado corporativo de inteligencia artificial, OpenAI explora al mismo tiempo proyectos vinculados a IA para el consumo masivo, hardware, robótica, semiconductores, centros de datos, industria espacial, interfaces cerebro-computadora, entre otros.
Salir a la Bolsa implica mayor control público y obligaciones de transparencia. Por eso, tanto Altman como la compañía tendrán más razones para postergar su salida al mercado y así evitar tener que justificar sus inversiones en todas esas áreas.
2. Los detalles sobre la investigación y la tecnología de SSI saldrán a la luz. Los grandes laboratorios ajustarán sus planes.
Ninguna empresa tecnológica está rodeada de tanto hermetismo como Safe Superintelligence (SSI), el nuevo proyecto de Ilya Sutskever.
Como breve repaso: Ilya fue cofundador y director científico de OpenAI hasta su ruptura, muy comentada, con Sam Altman a fines de 2023. Es considerado uno de los investigadores más influyentes —tal vez el más influyente— en la historia reciente de la inteligencia artificial. Durante los últimos quince años, fue una pieza clave detrás de algunos de los avances más importantes del sector: desde la consolidación del aprendizaje profundo (junto con Geoff Hinton en 2012), hasta el desarrollo del principio de escalabilidad (en OpenAI, hacia finales de la década de 2010), y más cerca en el tiempo, la idea de aplicar razonamiento y computación en tiempo real a los modelos de lenguaje (LLM), ya en su última etapa dentro de OpenAI.
El intento fallido de Ilya de remover a Altman con un golpe en la junta directiva fue uno de los episodios más impactantes del mundo tecnológico en los últimos años. A los pocos días, la junta repuso a Altman como CEO e Ilya dejó la empresa poco después.
En el verano de 2024, Ilya volvió a ocupar un lugar central en el sector con el lanzamiento de un nuevo laboratorio de inteligencia artificial de frontera: SSI.
Desde entonces, en cada declaración pública, Ilya dejó en claro que considera que los grandes laboratorios —incluida su exempresa, OpenAI— avanzan por un camino que terminará en un estancamiento. Según él, no es la mejor forma de llegar a una superinteligencia. Asegura que tanto él como SSI están desarrollando algo completamente distinto.
“Identificamos una montaña diferente a la que yo estaba construyendo”, le dijo Ilya a un periodista el año pasado. “Una vez que llegues a la cima, el paradigma cambiará… Todo lo que sabemos sobre la IA cambiará de nuevo”, agregó.
Pero fuera de SSI, nadie tiene idea de qué se trata ese nuevo paradigma.
En Silicon Valley, guardar un secreto no es tarea fácil. La información circula con rapidez y sin muchas barreras. Cuando una empresa encuentra una idea prometedora, sus competidores no tardan en replicarla o avanzar en la misma dirección. Por eso llama tanto la atención que SSI haya logrado mantener en reserva el contenido de su investigación.
Circulan varias anécdotas curiosas sobre hasta dónde llega el secretismo en SSI. Algunas cuentan que los empleados tienen prohibido almorzar juntos en lugares públicos, para evitar que alguien escuche sus conversaciones, o que no pueden compartir detalles de su trabajo ni siquiera con sus parejas.
Ese nivel de reserva no puede sostenerse indefinidamente. Se espera que en 2026 empiecen a filtrarse detalles sobre el trabajo de SSI. Será una línea de investigación nueva, con suficiente potencial como para que los grandes laboratorios —como OpenAI, Anthropic o Google DeepMind— se vean obligados a revisar sus propios planes y a destinar más recursos en esa dirección.
¿Qué podría estar desarrollando Ilya con SSI?
Hay dos ideas que surgen de inmediato. Una es la autosuperación recursiva: sistemas de inteligencia artificial capaces de crear versiones más poderosas de sí mismos, de manera sucesiva. La otra es el aprendizaje continuo: IA que pueda aprender sin interrupciones a medida que interactúa con el entorno.
Ambas áreas buscan resolver limitaciones centrales de los sistemas actuales de inteligencia artificial y, en los últimos meses, despertaron un fuerte interés en la comunidad científica.
Sin embargo, sospechamos que lo que prepara SSI es algo menos aceptado como línea dominante y más "exótico". Y estamos con muchas ganas de saber de qué se trata.
3. El sector chino de chips de inteligencia artificial dará pasos clave y comenzará a desafiar el dominio global de Nvidia
Las decisiones de política exterior muchas veces generan efectos muy distintos en el corto y el largo plazo.
Entre las medidas más relevantes del gobierno de Joe Biden, una se destaca: la imposición de controles estrictos a la exportación de chips de inteligencia artificial hacia China.
Fue una decisión audaz y con una lógica clara. Estados Unidos y sus aliados occidentales controlan los chips de inteligencia artificial más avanzados (como los de Nvidia), el software necesario para diseñarlos (como Synopsys o Cadence) y el equipamiento para fabricarlos (como ASML). Tener bajo control ese ecosistema tecnológico representa un cuello de botella central en la carrera por el liderazgo en IA. La administración de Joe Biden decidió aprovechar esa ventaja sin rodeos: prohibió la exportación de estas tecnologías a China con la intención de frenar el desarrollo de su industria local de inteligencia artificial.
En ese momento, el 95 % de los chips de IA que se usaban en China eran GPU de Nvidia (y la mayoría del resto, de AMD). Por eso, los controles de exportación parecieron tener un efecto inmediato y demoledor. Funcionarios y analistas en Estados Unidos celebraron ampliamente la medida.
El problema es que esta estrategia probablemente termine teniendo un efecto contrario al buscado.
Su principal debilidad está en cómo se reparten los impactos entre el corto y el largo plazo. En el corto plazo, queda claro que limitar el acceso de organizaciones chinas a los chips de IA más avanzados retrasa a China en el desarrollo de inteligencia artificial de última generación.
Pero el Partido Comunista Chino (PCCh) no actúa pensando en el corto plazo. Tiene margen —y un historial que lo respalda— para planificar a muy largo plazo. En 1972, cuando le preguntaron por las consecuencias de la Revolución Francesa de 1789, el entonces primer ministro Zhou Enlai respondió con una frase que quedó en la historia: "Es demasiado pronto para decirlo".
La pérdida de acceso al hardware de inteligencia artificial más avanzado del mundo fue un golpe duro, pero también una señal clara para el Partido Comunista Chino: se trata de tecnologías y capacidades demasiado estratégicas como para no tener control directo sobre ellas. Por eso, China se propuso desarrollar su propia industria nacional de chips de IA y reducir al mínimo su dependencia de Occidente.
El presidente Xi Jinping prometió adoptar una estrategia nacional integral para fortalecer la capacidad del país en el sector de semiconductores. China se prepara para lanzar un nuevo paquete de US$ 70.000 millones destinado a financiar y respaldar a su industria de fabricación de chips. Será el mayor programa de incentivos estatales en esta área a nivel global.
El PCCh está volcando recursos sin precedentes en firmas chinas clave como Huawei y Cambricon, y también en startups como Moore Threads, que salió a la Bolsa a comienzos de este mes.
El último cruce entre Estados Unidos y China en torno a este tema dejó en evidencia una mayor confianza por parte del gobierno chino.
En las últimas semanas, funcionarios estadounidenses —entre ellos David Sacks, el encargado de coordinar la estrategia nacional de IA— reconocieron que cortar por completo el acceso de China al hardware estadounidense podría terminar siendo un error estratégico. Por eso, empezaron a buscar un equilibrio que permitiera vender algunos chips avanzados para competir con los fabricantes locales chinos.
Hace unas semanas, el presidente Donald Trump anunció que autorizaría la venta a China de las GPU Nvidia H200. Aunque no están en la cima de la tecnología, las H200 son mucho más potentes que cualquier otro chip aprobado hasta ahora para exportación. La decisión fue muy discutida y se interpretó como una concesión importante a China.
¿El resultado? China rechazó la oferta. En lugar de eso, el Partido Comunista está empujando con fuerza a las empresas locales para que usen chips fabricados en el país y colaboren con sus productores para acelerar el desarrollo. El mensaje fue claro: ya no quieren ni necesitan depender del hardware estadounidense. China está decidida a construir su propia industria de chips desde adentro.
Fabricar semiconductores de última generación es una de las tareas más complejas que existen. La propiedad intelectual y el conocimiento técnico acumulados en compañías como Nvidia o TSMC son enormes y prácticamente imposibles de replicar en poco tiempo.
Pero China tiene algo que pocos países pueden igualar: una gran cantidad de ingenieros calificados, recursos prácticamente ilimitados y un compromiso nacional profundo con este objetivo. Para 2026, se espera que la industria china de chips dé pasos concretos y relevantes para acortar la distancia con Estados Unidos en el desarrollo de hardware para inteligencia artificial. Todavía no alcanzará la calidad de los chips más avanzados de Nvidia —ni estará cerca—, pero hacia fines de ese año será evidente que avanza con consistencia y que ya se encuentra en una trayectoria sólida hacia la frontera tecnológica.
Con el tiempo, un ecosistema chino de chips de IA que sea competitivo, ágil y tecnológicamente avanzado se convertirá en el peor escenario posible tanto para Nvidia como para los responsables de la política estadounidense que apuestan a mantener una ventaja tecnológica sobre China.
4. El discurso sobre la IA general y la superinteligencia perderá protagonismo.
A comienzos de 2025, las expectativas sobre el rumbo de la inteligencia artificial —y en particular sobre la posibilidad de alcanzar inteligencia artificial general (IAG)— estaban por las nubes. El debate era intenso y despertaba entusiasmo en todos los sectores.
“Están apareciendo sistemas que apuntan a la IAG”, escribió Sam Altman, director ejecutivo de OpenAI, en febrero. “El crecimiento económico que tenemos ante nosotros es asombroso, y ahora podemos imaginar un mundo donde podamos curar todas las enfermedades y desarrollar plenamente nuestro potencial creativo”, agregó.
Por su parte, Dario Amodei, CEO de Anthropic, dijo algo similar por la misma época: “Lo que vi dentro y fuera de Anthropic durante los últimos meses me llevó a creer que estamos en camino de lograr sistemas de IA de nivel humano que superen a los humanos en todas las tareas dentro de 2 a 3 años”.
Ensayos como “Conciencia de la situación” e “IA 2027”, que ofrecían visiones alucinadas sobre cómo la superinteligencia artificial transformaría por completo el mundo en un par de años, circularon con fuerza y marcaron el clima del momento.
Pero a lo largo de 2025, ese entusiasmo fue perdiendo impulso de forma paulatina, aunque clara.
Modelos largamente anticipados, como GPT-5, solo mostraron mejoras graduales frente a sus versiones anteriores. Los agentes, si bien prometen mucho, todavía no tienen la capacidad ni la confiabilidad necesarias para cerrar la brecha que les permitiría alcanzar una adopción masiva. Y los modelos fundacionales aplicados a áreas como robótica o biología aún están lejos de estar listos para su implementación en el mercado.
En los últimos meses, Ilya Sutskever y Andrej Karpathy —dos de las figuras más influyentes y respetadas en el mundo de la inteligencia artificial— participaron en el podcast de Dwarkesh Patel y compartieron estimaciones bastante mesuradas sobre los plazos para alcanzar la IAG. Ilya habló de entre 5 y 20 años, mientras que Karpathy arriesgó unos 10 años. Sus proyecciones reflejaron y, al mismo tiempo, influyeron en el ánimo general de la comunidad.
De forma llamativa, incluso los autores del ensayo AI 2027 empezaron a tomar distancia de sus propias afirmaciones.
El clima cambió. En todo el ecosistema de IA comienza a formarse un consenso: la superinteligencia no está tan cerca como muchos pensaban, y quizás tampoco sea lo más relevante. La tecnología actual ya es extraordinariamente poderosa. Mucho antes de que llegue la inteligencia artificial general, se moverán billones de dólares en valor económico a medida que la IA transforme cada industria y cada organización.
Para 2026, este cambio de ánimo se va a traducir en un menor interés y una caída del debate público en torno a la inteligencia artificial general y la superinteligencia. No porque esos conceptos vayan a ser descartados o desacreditados, sino porque simplemente dejarán de estar en el centro de la conversación.
Referentes como Sam Altman, Dario Amodei, Sundar Pichai y Satya Nadella hablarán menos sobre la posibilidad de una superinteligencia artificial y más sobre la aplicación de la IA en el mundo empresarial. Analistas y líderes de opinión se enfocarán en temas más tangibles, desde la geopolítica vinculada a la IA hasta el impacto en el empleo. Incluso en los cócteles y reuniones informales, las conversaciones irán por ese lado.
El debate sobre la IAG no va a desaparecer por completo en 2026 —Eliezer Yudkowsky seguirá ahí—, pero va a perder protagonismo.
5. Un concepto contable técnico y poco conocido —los cronogramas de depreciación— se volverá clave, sobre todo a medida que la deuda gane peso en el desarrollo de la infraestructura de IA
La inteligencia artificial es un terreno que entusiasma por su proyección de futuro. La contabilidad, no tanto. Sin embargo, un concepto contable que parece aburrido y ajeno empezará a ganar un lugar central en el mundo de la IA durante 2026. Hablamos de los calendarios de depreciación de los chips de IA.
¿Por qué esto importa?
Vamos por partes. Cuando una empresa adquiere un activo de uso prolongado —como un chip—, no lo registra como un gasto completo en el momento de la compra. En cambio, estima cuánto tiempo podrá usarlo y reparte ese costo a lo largo de ese período. A eso se lo llama depreciación. Por ejemplo, si una compañía compra una maquinaria por US$ 10 millones y estima que le servirá durante diez años, registrará US$ 1 millón por año como costo operativo durante ese lapso.
Estamos atravesando la mayor inversión de capital de la historia. Solo en 2025, las grandes compañías tecnológicas destinarán US$ 325.000 millones a la construcción de centros de datos e infraestructura de inteligencia artificial. De cara a 2030, McKinsey estima que la inversión global en este rubro alcanzará los US$ 6,7 billones.
Para dimensionar estas cifras, vale una comparación: el gasto total del Proyecto Manhattan —ajustado a la inflación de 2025— fue de US$ 30.000 millones. Y el del Programa Apolo, que se extendió durante décadas en plena carrera espacial con la Unión Soviética, fue de US$ 300.000 millones. Ninguna iniciativa humana previa se acerca a la escala del despliegue actual en infraestructura de IA.
De todo ese desembolso, la mayor parte —casi la mitad— corresponde a la compra de chips de IA, como las GPU de Nvidia o las TPU de Google.
Tradicionalmente, los chips, servidores y otros equipos informáticos se depreciaban en un plazo de cinco años. Esa fue, durante mucho tiempo, una estimación razonable sobre su vida útil antes de que fuera necesario reemplazarlos.
Pero en la actual etapa de desarrollo de la inteligencia artificial, todo avanza a una velocidad mucho mayor.
Nvidia lanza un modelo nuevo de GPU cada año, y muchos clientes exigen contar con el hardware más avanzado para seguir siendo competitivos. Por eso, los chips de IA quedan obsoletos más rápido que nunca, incluso cuando todavía funcionan correctamente desde el punto de vista técnico.
En 2023, las Nvidia H100 eran lo último en tecnología y todos querían tenerlas. En 2024 llegaron las H200, que rápidamente se convirtieron en el chip de IA más buscado. En 2025, Nvidia lanzó la línea Blackwell, con el B200 liderando como el hardware más demandado. Ahora está por salir al mercado el B300 (Blackwell Ultra), pero no durará mucho en la cima: en 2026, Nvidia presentará su nueva arquitectura Rubin, que marcará un nuevo salto generacional en las GPU para inteligencia artificial.
Y eso nos lleva al centro del asunto: ¿deberían las empresas que poseen chips de IA —como Amazon, Microsoft, OpenAI, Anthropic, Equinix, Digital Realty, CoreWeave, Nebius, entre otras— adoptar un cronograma de depreciación mucho más corto que el que usaron históricamente para este tipo de activos? ¿Uno de apenas uno o dos años?
Un ejemplo simple ayuda a ver por qué esta pregunta es tan importante. Supongamos que una empresa de la nube invierte US$ 50.000 millones en chips de IA. Si aplica una depreciación lineal a cinco años, eso implica reconocer US$ 10.000 millones por año como pérdida contable. Pero si acorta ese plazo a dos años, la pérdida anual sube a US$ 25.000 millones. Es decir, hay una diferencia de US$ 15.000 millones en la rentabilidad, solo por una cuestión contable, sin que cambien ni los ingresos ni los gastos reales de la empresa.
Este debate tendrá consecuencias concretas. Va a influir en cómo se discute la rentabilidad de la inteligencia artificial y la sostenibilidad financiera a largo plazo de todo el sector. Si las empresas adoptan plazos de amortización más largos, eso reforzará la narrativa de que los márgenes están mejorando y que los negocios basados en IA pueden ser muy rentables. En cambio, si los plazos se acortan, ganará peso la idea de que, aunque la IA es una tecnología poderosa, requiere tanto capital que su viabilidad económica todavía es incierta.
Ahora bien, si las empresas eligen planes de depreciación largos —por ejemplo, de cinco años— pero en la práctica esos chips pierden valor en dos, podrían enfrentarse a enormes cargos por deterioro que afecten de forma repentina su salud financiera. Este tipo de “bomba de deterioro” fue justamente lo que pasó en los primeros años de internet, con la sobreconstrucción de redes de fibra óptica.
Los riesgos se amplifican aún más en un contexto de endeudamiento creciente, que es justamente lo que ocurrió en el último año dentro del ecosistema de infraestructura de inteligencia artificial.
Considerar a los chips de IA como activos de larga duración —con cronogramas de depreciación extensos— puede fomentar un mayor apalancamiento financiero. Y, en muchos casos, demasiado.
Cuando los prestamistas analizan si otorgan un crédito y en qué condiciones, observan el perfil financiero de la empresa. Plazos de amortización más largos mejoran los indicadores de ganancias y cobertura, lo que puede llevar a autorizar niveles de deuda más altos.
En este tipo de operaciones, los préstamos suelen estar respaldados por los mismos chips adquiridos. Es fácil imaginar lo que podría salir mal si se entregan créditos a 10 o 15 años garantizados por activos que, en la práctica, podrían quedar obsoletos en 18 a 36 meses. Ese tipo de desajuste —entre deuda a largo plazo y activos que pierden valor rápidamente— fue el disparador de más de una crisis financiera.
De cara a 2026, mientras crecen las dudas sobre una posible burbuja de inteligencia artificial y un exceso de inversión en infraestructura, estos aspectos contables —hasta ahora técnicos y poco conocidos— van a empezar a captar mucha atención.
Y si hay una empresa en la que este debate se va a concentrar con mayor intensidad, esa es CoreWeave (NASDAQ: CRWV). Hoy, CoreWeave aplica cronogramas de amortización largos para sus GPU, de hasta seis años. A diferencia de los grandes jugadores del sector, en su balance las GPU no solo son el activo principal, sino también la garantía clave de su deuda. Y CoreWeave está fuertemente endeudada. Será interesante ver cómo evoluciona esta historia en los medios y cómo impacta en el precio de sus acciones a lo largo del próximo año.
6. Más empresas de inteligencia artificial empezarán a diseñar sus propios chips
Hoy, casi todos los dispositivos, productos y sistemas de inteligencia artificial del mundo funcionan con chips fabricados por un grupo muy reducido de empresas: Nvidia, Google, AMD, Amazon y algunas pocas más.
Algunos gigantes tecnológicos, como Tesla y Apple, tienen el tamaño y la capacidad técnica suficientes para desarrollar chips propios, adaptados a sus necesidades.
Para el resto, la situación actual es bastante diferente. Sin importar las particularidades del producto o del tipo de trabajo que realice la inteligencia artificial, la mayoría tiene que elegir entre los chips disponibles de este pequeño grupo de fabricantes y adaptarlos como pueda.
¿Qué pasaría si no tuviera que ser así?
¿Qué ocurriría si cada empresa pudiera diseñar e implementar sus propios chips, hechos a medida para sus productos y necesidades específicas? Sería posible optimizar variables como el consumo energético, la potencia de procesamiento, el costo, el tamaño y otros factores, en función del uso concreto.
La inteligencia artificial está por meterse de lleno en el mundo físico. Pronto estará integrada en millones de robots, vehículos autónomos, anteojos inteligentes, collares con sensores, electrodomésticos, drones, interfaces entre el cerebro y una computadora, entre otros. El chip ideal para un robot humanoide no tiene nada que ver con el que necesitan unos anteojos inteligentes. Si se pudieran diseñar con más precisión según el uso, las mejoras en rendimiento, costo y eficiencia serían enormes para toda la economía.
Esto no va a pasar de un día para otro. La transición hacia un mundo con chips personalizados y omnipresentes va a llevar varios años. Pero 2026 será el año en que el potencial de esta idea quede claro y muchas empresas empiecen a planificar en serio cómo llevarla a la práctica.
Los primeros en avanzar en esta dirección serán los grandes laboratorios de inteligencia artificial, donde los chips diseñados a medida se transformarán en un nuevo terreno de competencia e innovación, clave para seguir empujando los límites de los modelos de IA. Hace algunos meses, OpenAI anunció una alianza con Broadcom para desarrollar sus propios chips. No sería extraño que, con el tiempo, cada nueva generación de modelos venga acompañada por un chip creado específicamente para entrenarla, con ambos sistemas optimizados de forma conjunta.
Pero los grandes laboratorios no serán los únicos. Empresas de robótica, fabricantes de hardware para el consumidor, desarrolladores de vehículos autónomos o tecnología BCI también empezarán a planificar con mayor seriedad el desarrollo de chips propios para inteligencia artificial.
Un factor clave en esta tendencia será el avance de los sistemas de aprendizaje por refuerzo, que permitirán automatizar cada vez más el proceso de diseño. Esto podría reducir de manera significativa el tiempo y el costo que hoy implica desarrollar un chip a medida, lo que haría viable esta opción para muchas más empresas. Actualmente, crear un nuevo chip puede demorar entre dos y tres años. Imaginen si ese plazo se redujera a dos o tres semanas. Ricursive Intelligence, una startup que apareció de forma discreta a principios de este mes, está trabajando exactamente en ese desafío.
7. Sam Altman dejará el cargo de CEO de OpenAI
¡No se puede decir que nuestras predicciones no sean provocadoras!
OpenAI fue una de las empresas más prometedoras y con mayor crecimiento en los últimos años. Entonces, ¿por qué se separaría de su director ejecutivo en 2026?
Desde el lanzamiento de ChatGPT en 2022, OpenAI parecía imbatible. La compañía dio la impresión de no cometer errores. Pero eso cambió con la llegada de Gemini 3, el modelo de Google. La percepción pública se modificó rápido y hoy son muchos los que creen que es Google, y no OpenAI, quien tiene las mejores chances de liderar la carrera por la inteligencia artificial.
Con Sam Altman al frente, OpenAI tiene ambiciones enormes. Además de crear y comercializar modelos de inteligencia artificial, se asoció con Jony Ive para desarrollar un dispositivo de hardware para el público masivo, diseña sus propios chips, construye centros de datos propios, invierte cientos de millones de dólares en una startup de tecnología cerebro-computadora cofundada por el propio Altman y analiza la compra de una empresa de gran escala.
Cuando todo funciona bien, estas iniciativas pueden verse como una muestra del potencial ilimitado de OpenAI, de su ambición desmedida y de una trayectoria que parece inevitable hacia el dominio global.
Pero con el regreso a tierra firme —sus modelos ya no marcan la pauta y ChatGPT pierde terreno frente a Gemini—, tantas apuestas de alto costo en áreas tan distintas podrían empezar a parecer, digamos, distracciones. De pronto, la pregunta se impone: si el mercado principal de OpenAI —la inteligencia artificial generativa— es uno de los más grandes del mundo y enfrenta una amenaza real por parte de competidores poderosos, ¿no deberían la empresa y su cúpula enfocarse por completo en ese objetivo?
A esa tensión se suma la presión cada vez más fuerte para que OpenAI cotice en bolsa. Como se mencionó antes, la compañía recibió enormes sumas de dinero de muchos inversores, entre ellos fondos multinacionales cuyo interés principal está en los mercados públicos. Estos actores esperan una salida al mercado lo antes posible, para hacer líquida su inversión. Según trascendió, Anthropic se prepara para una IPO en 2026, lo que solo aumentará la presión sobre OpenAI para seguir el mismo camino. La realidad es que necesita tanto capital —más que cualquier otra empresa en la historia— que, tarde o temprano, no le quedará otra opción que recurrir a los mercados públicos para conseguirlo.
Las empresas que cotizan en bolsa están sujetas a un control mucho más estricto y deben operar con una disciplina que no siempre es necesaria en el ámbito privado. No es una comparación exacta, pero cuando Uber se preparaba para salir al mercado, reemplazó a su fundador, Travis Kalanick —un CEO visionario, pero desordenado—, por Dara Khosrowshahi, un ejecutivo con experiencia en compañías públicas. ¿Estará OpenAI cerca de entrar en su propia "era Dara"?
A eso se suma otra cuestión: no está del todo claro que Sam Altman quiera seguir al frente de la gestión diaria de OpenAI, con todo lo que eso implica. A comienzos de este año, Altman anunció la incorporación de Fidji Simo, CEO de Instacart, como su "CEO de Aplicaciones". Al explicar la decisión, Altman escribió que Simo se encargaría de que las funciones más "tradicionales" de la empresa puedan escalar en esta nueva etapa de crecimiento, mientras él se enfocaría en la investigación, la infraestructura informática y los sistemas de seguridad. ¿Cuántas empresas conocés que tengan más de una persona con el cargo de CEO?
En 2026, es probable que la junta directiva y el equipo de liderazgo de OpenAI, incluido el propio Sam Altman, lleguen a la conclusión de que él ya no es la persona indicada para conducir la empresa en su camino hacia los mercados públicos. ¿La junta lo va a echar? ¿Altman decidirá dar un paso al costado para enfocarse en una nueva etapa? Lo cierto es que el público no lo sabrá con certeza, y eso tampoco será tan relevante. A diferencia del escándalo de noviembre de 2023, cuando la junta sorprendió al mundo con un despido repentino, esta transición será ordenada y planificada. La noticia la anunciará Altman, en sus propios términos.
La opción más lógica para sucederlo será Fidji Simo, quien ya llevó a Instacart al mercado público.
Y algo es seguro: Altman no va a desaparecer del radar. Va a seguir activo durante muchos años con inversiones en chips, centros de datos, tecnología espacial, BCI y más.
8. La inteligencia artificial será uno de los temas centrales en las elecciones legislativas de Estados Unidos en 2026
La política en Estados Unidos se va a poner cada vez más tensa, sobre todo por el impacto de la inteligencia artificial en el empleo. A medida que avance el año, el ciclo informativo estará dominado por las elecciones legislativas, y uno de los temas que ocupará el centro de la escena será la inteligencia artificial.
Estas elecciones serán clave, porque funcionarán como un termómetro del respaldo social al gobierno de Donald Trump, en un contexto de fuerte polarización.
La IA ya está presente en todos los debates políticos. La administración Trump acaba de anunciar la "Misión Génesis", una iniciativa estatal para impulsar la industria nacional de inteligencia artificial, presentada como una especie de Proyecto Manhattan moderno. Hoy, la IA está entrelazada con muchos de los temas centrales de la política estadounidense: energía, defensa, industria y, sobre todo, empleo.
El posicionamiento político en torno a la IA es complejo y puede cambiar con rapidez a lo largo del año.
Una forma lógica de analizar la política vinculada a la inteligencia artificial sería la siguiente: los republicanos, en general, defienden al sector privado y promueven una menor intervención del Estado. Por eso, deberían celebrar el rápido avance de la industria de la IA y respaldar una política de no regulación. Además, los republicanos suelen poner el foco en la seguridad nacional, y como la inteligencia artificial se volvió un componente clave en la competencia con China, esto refuerza su interés en fomentar un desarrollo acelerado dentro del país. Los demócratas, en cambio, tienden a mostrar más preocupación por los posibles efectos sociales negativos del desarrollo tecnológico y económico. También suelen priorizar una distribución más equitativa de los beneficios. Por eso, es probable que se muestren más cautelosos ante los avances de la IA y estén más dispuestos a impulsar leyes para regular su desarrollo.
Hasta ahora, Donald Trump y su administración se movieron dentro de esa lógica. El gobierno fue un impulsor activo del crecimiento de la inteligencia artificial y se opuso de manera tajante a cualquier intento de regulación. Varios referentes tecnológicos de Silicon Valley, muchos vinculados a Peter Thiel y Marc Andreessen, ocupan cargos clave en la administración y empujan con fuerza una agenda favorable a la industria tecnológica.
Pero a medida que se acerque 2026, el mayor conflicto político vinculado a la inteligencia artificial será su impacto en el empleo. Y el trabajo es un tema especialmente sensible.
La pérdida de puestos por causa de la IA, durante años vista como una amenaza futura, ya empezó a sentirse. Los recién graduados de universidades tienen serias dificultades para conseguir trabajo, porque los cargos iniciales cada vez los cubre la inteligencia artificial. Empresas de distintos sectores despidieron a decenas de miles de empleados este año como consecuencia directa del avance tecnológico. Y esto no es más que el comienzo. Según un estudio del MIT publicado el mes pasado, la IA ya está en condiciones de reemplazar al 11,7 % de la fuerza laboral en Estados Unidos, lo que representa más de un billón de dólares en salarios.
Este malestar está por instalarse con fuerza en el discurso político. Sectores amplios del electorado comenzarán a sentirse amenazados y frustrados frente a una tecnología que pone en riesgo su fuente de ingreso, la de sus familias, amigos y comunidades. El hecho de que esta tecnología esté desarrollada y controlada, en su mayoría, por un puñado de grandes empresas con sede en California solo alimentará el enojo.
Quedar del lado equivocado en la discusión sobre la pérdida de empleos es uno de los errores más costosos en la política estadounidense. Y aunque Donald Trump llegó a la presidencia como candidato del Partido Republicano, tiene una marcada inclinación populista. Eso lo va a llevar, con el tiempo, a respaldar medidas que protejan los puestos de trabajo de los estadounidenses frente al avance de la inteligencia artificial. Esta posición va a complicar el apoyo total —tanto de él como del Partido Republicano— a la tecnología, y va a volver más confuso el relato sobre la IA.
Aunque Trump no será candidato en las elecciones legislativas de 2026, muchos dirigentes republicanos que buscarán gobernaciones, bancas en el Senado o en la Cámara de Representantes siguen de cerca su línea política. Para ellos, la relación con la inteligencia artificial será cada vez más difícil de manejar en medio de la campaña.
Los candidatos demócratas, por su parte, estarán más cómodos al promover medidas que restrinjan el uso de la inteligencia artificial con el objetivo de reducir su impacto en el empleo. Pero también ellos tendrán que encontrar un equilibrio. No pueden oponerse de forma tajante a la tecnología sin correr el riesgo de parecer enemigos de la innovación, del crecimiento económico o ajenos a temas clave como la seguridad nacional y la disputa tecnológica con China.
Otro dilema que pondrá en aprietos a varios candidatos demócratas será cómo conciliar su compromiso con la lucha contra el cambio climático con la presión para ampliar la capacidad energética nacional que requiere el desarrollo de la inteligencia artificial, incluso si eso implica recurrir a fuentes como el gas natural.
De una forma u otra, ver a políticos que no siempre conocen el tema opinar sobre inteligencia artificial va a dejar muchos momentos llamativos —y probablemente insólitos— durante las elecciones de 2026.
9. Una de las grandes farmacéuticas del mundo comprará una de las principales startups de inteligencia artificial aplicadas a proteínas
Después de más de diez años de promesas en torno al descubrimiento de medicamentos con inteligencia artificial, algo importante ocurrió en 2025: la tecnología empezó a dar resultados reales.
El área con mayores avances dentro del diseño de fármacos mediante IA fue la terapia con proteínas, en especial la basada en anticuerpos. En los últimos meses, tres startups —Chai Discovery, Latent Labs y Nabla Bio— presentaron sistemas de IA capaces de generar nuevos medicamentos con anticuerpos directamente desde una computadora, y con una calidad similar a la de los fármacos ya existentes.
Este avance es clave. Históricamente, el diseño de anticuerpos con inteligencia artificial se centró en producir moléculas capaces de unirse con eficacia a objetivos específicos. Pero la unión es solo una parte del problema. Para que un medicamento funcione de verdad —para que supere ensayos clínicos y llegue a los pacientes a gran escala— la molécula también debe cumplir criterios estrictos en términos de fabricación, estabilidad, toxicidad, inmunogenicidad y administración, entre otros.
Recién este año se demostró que la IA puede generar, de manera confiable, nuevos medicamentos con anticuerpos in silico que cumplen desde el comienzo con los estándares necesarios en todas esas categorías.
Los anticuerpos son uno de los segmentos más importantes y con mayor crecimiento dentro de la medicina. El mercado global de terapias con anticuerpos alcanzó los US$ 250.000 millones en 2023, y se espera que supere los US$ 750.000 millones en los próximos diez años. Es un área estratégica para todas las grandes farmacéuticas.
Estas compañías ya vienen colaborando con startups de inteligencia artificial en el desarrollo de nuevos medicamentos. En general, lo hacen a través de acuerdos comerciales: las startups aportan su tecnología para generar candidatos terapéuticos, y a cambio reciben pagos iniciales, compensaciones por hitos cumplidos y futuras regalías. Hasta ahora, las farmacéuticas no suelen adquirir directamente empresas de inteligencia artificial, salvo en casos en que una startup cuenta con un activo terapéutico puntual que justifique la compra.
¿Por qué esto va a cambiar en 2026?
Porque la promesa de la inteligencia artificial en este campo ya no es una idea teórica: ahora empieza a dar resultados concretos. Por eso, el ritmo de avance va a acelerarse. Para las grandes farmacéuticas será no solo más convincente, sino también más urgente incorporar estas plataformas de IA puertas adentro, integrarlas de forma más estrecha con sus equipos de investigación y desarrollo clínico, acelerar sus procesos y evitar que las startups sigan colaborando con otras compañías del sector.
Como en otras áreas de la inteligencia artificial de vanguardia, el talento especializado es muy limitado. Solo un puñado de personas en el mundo tiene la capacidad de desarrollar sistemas de IA avanzados para el diseño de anticuerpos de novo. Y ese talento no suele ir a parar a empresas como Merck o Pfizer. En cambio, se concentra en un pequeño grupo de startups líderes en IA de proteínas. Las fusiones y adquisiciones serán una vía para que las farmacéuticas incorporen ese capital humano estratégico.
La compra de EvolutionaryScale —una startup destacada en biointeligencia artificial— por parte de la Iniciativa Chan Zuckerberg (CZI), el mes pasado, podría marcar el inicio de esta nueva etapa. También sirve como ejemplo concreto. Aunque no se comunicó oficialmente el valor de la operación, se estima que estuvo entre US$ 500 millones y US$ 1.000 millones, una cifra considerable para una empresa que todavía no lanzó un producto ni empezó a generar ingresos.
El desarrollo de medicamentos con inteligencia artificial ha sido un camino largo, con avances y retrocesos. Y todavía está lejos de completarse: no existe, hasta ahora, ningún fármaco aprobado clínicamente que haya sido creado por IA. Pero estamos cerca de un punto de inflexión, especialmente en el área de las terapias con anticuerpos. Una de las consecuencias será un renovado interés por las fusiones y adquisiciones a lo largo del próximo año, a medida que las grandes farmacéuticas empiecen a tomarse en serio su estrategia y sus capacidades en inteligencia artificial.
Entre las posibles compradoras figuran AbbVie, AstraZeneca, Bristol Myers Squibb, Johnson & Johnson, Merck, Novartis, Pfizer, Roche, Sanofi y Takeda.
Y entre las startups que podrían convertirse en objetivo de adquisición están Chai Discovery, Cradle Bio, Latent Labs, Nabla Bio, Profluent Bio y Xaira Therapeutics.
10. Las interfaces cerebro-computadora dejarán de ser un nicho y se convertirán en una categoría dominante de tecnología y startups
La posición de Neuralink como líder absoluto se verá debilitada
Para la mayoría, las interfaces cerebro-computadora (BCI, por sus siglas en inglés) siguen siendo algo más propio de la ciencia ficción. Algunos conocen vagamente a Neuralink, la empresa de Elon Musk, pero suelen creer que esa tecnología está todavía a años —o incluso décadas— de ser viable.
Sin embargo, el sector está muy cerca de un punto de inflexión en cuanto a su aplicación concreta. 2026 será el año en que esta realidad se haga evidente y el interés por la BCI se extienda mucho más allá de los círculos especializados. Se espera una ola de nuevas startups enfocadas en BCI, un crecimiento marcado de la inversión de capital de riesgo, avances clínicos relevantes —aunque aún sin la aprobación de la FDA— y un aumento notorio del debate público en torno a esta tecnología.
Hoy, el campo de la BCI se divide principalmente en dos tipos de desarrollos: las tecnologías invasivas (que requieren cirugía) y las no invasivas (que no la necesitan). Ambos segmentos tendrán un progreso significativo el próximo año.
En el terreno no invasivo, las técnicas basadas en ultrasonido se posicionarán como las más prometedoras y con mayor proyección dentro del mundo BCI. Startups como Nudge —que acaba de anunciar una ronda Serie A de US$ 100 millones, liderada por Thrive y Greenoaks— y Merge Labs —la nueva empresa de Sam Altman en este campo, donde OpenAI estaría invirtiendo cientos de millones— se ubicarán entre las más destacadas de 2026 y volverán a captar rondas importantes de financiamiento. Otros métodos no invasivos, como el habla silenciosa o la electroencefalografía (EEG), también tendrán un impulso fuerte.
En cuanto a las tecnologías invasivas, Neuralink dominó el sector durante años. Hoy, su nombre se asocia directamente con todo el campo de las interfaces cerebro-computadora. Cuenta con un equipo técnico de altísimo nivel y fue clave en el desarrollo de la BCI. Pero con el crecimiento del sector, su liderazgo absoluto empezará a debilitarse. 2026 marcará el inicio de una competencia real.
¿Por qué ocurre esto?
Neuralink se fundó en 2016. En ese momento, definió su tecnología y sus productos según el estado del arte disponible y desde entonces se mantuvo sobre esa base. Pero en los últimos años, la ciencia detrás de las interfaces cerebro-computadora avanzó de manera considerable.
La tecnología de Neuralink está basada en electrodos penetrantes: dispositivos que se insertan físicamente en el cerebro del paciente. Introducir objetos extraños en el tejido cerebral genera daño —mata neuronas y produce lesiones—, pero a cambio permite obtener datos de alta fidelidad. Esta compensación se conoce en el campo como el “índice de carnicero”: la relación entre la cantidad de neuronas que una tecnología destruye y la cantidad que logra registrar.
En los últimos años surgieron nuevas técnicas invasivas que logran resultados iguales —e incluso mejores— que los de los electrodos penetrantes, sin necesidad de introducir nada en el cerebro. Es decir, sin dañar tejido.
De hecho, dos de los cofundadores de Neuralink abandonaron la empresa para fundar nuevas startups de BCI: Ben Rapaport creó Precision Neuroscience y Max Hodak fundó Science Corporation. Ambos tomaron distancia del uso de electrodos penetrantes y de un índice de carnicero elevado porque llegaron a la conclusión de que ese no era el camino correcto para el desarrollo del sector.
“Para un dispositivo médico, la seguridad suele implicar mínima invasividad”, dijo Rapaport en una entrevista el año pasado. “En los comienzos de las interfaces cerebro-computadora existía la idea de que, para obtener datos ricos en información del cerebro, era necesario penetrarlo con pequeños electrodos en forma de aguja. Pero este método tiene una gran desventaja: causa cierto daño cerebral al insertarlos. Nos dimos cuenta de que era posible extraer información valiosa sin necesidad de causar daño”, señaló.
Precision Neuroscience trabaja con una tecnología conocida como electrocorticografía (ECoG), que consiste en colocar sensores por debajo del cráneo, directamente sobre la superficie del cerebro, sin perforarlo. Investigaciones recientes demostraron que esta técnica, aplicada en la parte superficial, puede ofrecer capacidades más sofisticadas que las alcanzadas con electrodos penetrantes.
Science Corporation, por su parte, apuesta por una tecnología todavía más ambiciosa: una interfaz neuronal biohíbrida. El sistema se basa en cultivar neuronas en laboratorio, integrarlas en una interfaz electrónica y luego implantarlas en el cerebro del paciente. Con el tiempo, esas neuronas diseñadas se integran de forma natural y generan conexiones con las del propio paciente.
Adelantarse demasiado a una nueva tecnología es un riesgo real. De hecho, es una de las causas más comunes del fracaso entre startups de alto nivel tecnológico. Es posible que Neuralink, simplemente, se haya adelantado al momento de madurez del campo BCI.
El año que viene, varios nuevos competidores en este sector van a tomar impulso. Alcanzarán hitos clínicos importantes, levantarán rondas de financiamiento millonarias y empezarán a disputar el liderazgo de mercado que hasta ahora mantiene Neuralink.
Para que no queden dudas: Neuralink está dirigida por el emprendedor más exitoso de la historia. Ya consiguió más de US$ 1.000 millones en financiación. La frase “nunca apuestes contra Elon” sigue siendo válida. Pero en 2026, el mapa de startups de interfaces cerebro-computadora será mucho más competitivo.
