El futuro de la IA se juega ahora en dos terrenos que avanzan a velocidades distintas: el capital apuesta por compañías capaces de transformar industrias enteras, mientras el mercado laboral todavía trata de medir qué tareas cambiarán y cuándo. Entre ambos extremos aparecen nuevas empresas, agentes de software y declaraciones que rebajan algunas predicciones más tajantes sobre la automatización.
La conversación tecnológica ya no gira únicamente alrededor de quién desarrolla el modelo más potente. También se centra en quién consigue financiarlo, cómo se integra en organizaciones reales y qué grado de control humano debe acompañar a sus decisiones. Ese desplazamiento resulta especialmente relevante para seguir las discusiones de Moltbook y su entorno: detrás de cada pronóstico sobre agentes autónomos hay una mezcla de expectativas financieras, experimentos empresariales y preguntas laborales todavía abiertas.
Futuro de la IA: Anthropic se acerca al centro de la disputa financiera
Anthropic aparece como uno de los nombres que mejor condensan la carrera por la escala. Según las proyecciones recogidas en el material de referencia, la compañía podría alcanzar una valoración estimada de 965.000 millones de dólares y situarse en condiciones de superar a OpenAI hacia 2026. No se trata de un resultado confirmado, sino de una expectativa del ecosistema de startups; precisamente por eso conviene leer la cifra como un termómetro de las apuestas del mercado, no como una garantía empresarial.
La magnitud de esa valoración proyectada revela hasta qué punto los inversores están comprando una tesis de futuro: los modelos de lenguaje avanzados pueden convertirse en una capa esencial de la economía digital. Anthropic, además, se ha posicionado alrededor de la investigación en seguridad de la IA, un campo que busca hacer más fiables y controlables estos sistemas. La combinación entre capacidad técnica, seguridad y acceso a capital explica parte del interés que despierta, aunque no elimina los riesgos asociados a valoraciones construidas sobre expectativas de crecimiento muy exigentes.
El movimiento no se limita a los asistentes conversacionales. Inherent AI, fundada por antiguos investigadores de DeepMind, ha conseguido 50 millones de dólares de financiación para trabajar en aplicaciones orientadas a acelerar descubrimientos científicos. Su propuesta apunta a una vertiente distinta del sector: utilizar sistemas de IA para explorar problemas complejos en ciencia, en lugar de concentrarse solo en productividad de oficina o generación de contenidos.
La diferencia es relevante. Si estas herramientas logran reducir tiempos de investigación o ayudar a formular hipótesis útiles, su valor podría medirse en ciclos científicos más rápidos y no únicamente en ingresos por usuario. Pero el potencial no equivale todavía a resultados demostrados. La financiación permite desarrollar la apuesta; no confirma por sí sola que la tecnología vaya a producir avances sostenidos.
Los agentes pasan de la promesa autónoma a la supervisión empresarial
El segundo eje de esta evolución es la llegada de agentes capaces de ejecutar secuencias de tareas, consultar información y operar dentro de flujos de trabajo. Globant está desplegando una estrategia basada en agentes de inteligencia artificial supervisados por personas. La fórmula intenta resolver una tensión que atraviesa el discurso corporativo: aprovechar la velocidad y la escala del software sin delegar por completo el criterio profesional.
El modelo híbrido es menos espectacular que la promesa de una autonomía total, pero puede resultar más viable para empresas que necesitan trazabilidad y capacidad de intervención. Un agente que prepara un informe, clasifica solicitudes o propone una acción puede ahorrar tiempo; una persona que revisa sus resultados aporta contexto y responde cuando el sistema falla. La calidad de esa relación dependerá de cómo se definan los límites, qué datos pueda utilizar el agente y quién asuma la responsabilidad de sus errores.
Esta arquitectura también plantea una cuestión editorial y económica: la palabra “agente” puede describir desde una herramienta sencilla hasta un sistema con capacidad para encadenar decisiones. Mezclar todos esos usos alimenta expectativas difíciles de comparar. Para valorar una implementación concreta habrá que observar qué tareas realiza, qué nivel de intervención humana conserva y si genera mejoras verificables frente a los procesos anteriores.
El debate laboral se enfría, pero no desaparece
Sam Altman, director ejecutivo de OpenAI, ha reconocido públicamente que la IA no ha destruido empleos a la escala que algunos pronósticos anticipaban. La afirmación introduce un matiz necesario en una discusión dominada por titulares extremos. Que la sustitución masiva no se haya producido como se esperaba no significa que el efecto laboral sea irrelevante ni que el riesgo haya desaparecido; puede indicar que la adopción está siendo más gradual, desigual o dependiente de cada sector.
La experiencia descrita en China añade una imagen especialmente expresiva. Un ingeniero de Baidu habría diseñado un bot que, hipotéticamente, podría sustituir su propio trabajo. El episodio no permite extraer conclusiones generales sobre el empleo, pero sí expone una paradoja: quienes conocen mejor un proceso también pueden ser quienes construyan las herramientas capaces de automatizarlo. La pregunta deja de ser únicamente si una tarea puede mecanizarse y pasa a ser quién rediseña el puesto, quién supervisa el sistema y cómo se reparte el valor generado.
Para los trabajadores, la transición puede traducirse en cambios graduales de funciones antes que en desapariciones inmediatas. Algunas tareas rutinarias podrían delegarse, mientras aumentan las labores de revisión, coordinación, comunicación con clientes o resolución de excepciones. Ese escenario exige formación y planificación, pero también políticas empresariales que no presenten la adaptación como una responsabilidad individual aislada.
Las compañías, por su parte, tendrán que demostrar que sus agentes aportan algo más que una narrativa atractiva para inversores. La supervisión humana no debería convertirse en una etiqueta decorativa: requiere tiempo, acceso a los registros del sistema y autoridad real para corregir o detener una operación. Sin esas condiciones, el modelo híbrido puede conservar la apariencia de control mientras desplaza el riesgo hacia empleados que no tienen herramientas suficientes para ejercerlo.
Las valoraciones de Anthropic, la financiación de Inherent AI, la estrategia de Globant y las declaraciones sobre empleo forman parte de una misma historia, aunque no ofrezcan todavía una respuesta definitiva. El sector intenta convertir la IA en infraestructura de negocio mientras aprende dónde funcionan los agentes y dónde la intervención humana sigue siendo imprescindible. La próxima fase se medirá menos por la grandilocuencia de las promesas que por resultados comprobables, responsabilidades claras y capacidad de adaptación.
Sigue toda nuestra cobertura en IA General.
