Si tomaste una decisión sobre IA hace un año basándote en lo que los modelos sabían hacer entonces, esa decisión está obsoleta. Y si la tomaste basándote en lo que no sabían hacer, probablemente lo está aún más.
El salto de doce meses, en números
El AI Index 2026 de Stanford HAI — noveno informe anual, el índice de referencia del sector — mide la progresión con benchmarks estables. Dos cifras resumen el año:
- En SWE-bench Verified, que mide la resolución de issues reales de repositorios de GitHub, el rendimiento pasó del 60% a cerca del 100% en un solo año.
- En OSWorld, que evalúa agentes operando un ordenador de verdad, el éxito en tareas subió del 12% al 66%.
El segundo dato es el que debería cambiar tu planificación. Un 12% de éxito es una curiosidad de laboratorio. Un 66% es algo que ya puedes poner detrás de un proceso, siempre que diseñes para el 34% restante.
La capacidad es irregular, no uniforme
Aquí está la parte que casi nadie cuenta. El mismo informe recoge que los mejores modelos leen correctamente un reloj analógico sólo el 50,1% de las veces. Una tarea que cualquier niño de ocho años resuelve.
Esto no es una anécdota graciosa: es la característica más importante de la tecnología con la que trabajas. La capacidad de estos sistemas no es una línea que sube, es un perfil dentado. Son sobrehumanos en tareas de razonamiento simbólico denso y mediocres en cosas que nos parecen triviales porque nuestra percepción visual está cableada para ellas.
La consecuencia práctica: no puedes extrapolar. Que un modelo apruebe preguntas de ciencia de nivel doctorado no te dice nada sobre si va a saber interpretar el albarán escaneado de tu proveedor. La única forma de saberlo es probarlo con tus datos. Siempre.
El mercado se ha aplanado por arriba
A marzo de 2026, los modelos punteros de Anthropic, xAI, Google, OpenAI, Alibaba y DeepSeek están agrupados en un margen de 25 puntos Elo en las tablas de Arena. La ventaja del mejor modelo estadounidense sobre los competidores chinos es del 2,7%.
Traducción para quien compra tecnología: la elección de modelo ha dejado de ser una decisión estratégica. Cuando seis proveedores están a un pelo unos de otros, la competencia se desplaza a coste, latencia, fiabilidad y condiciones de tratamiento de datos. Que son, casualmente, los criterios que siempre deberían haber mandado.
Esto también significa que atarte a un proveedor hoy tiene menos sentido que nunca. Diseña la integración para que cambiar de modelo sea un cambio de configuración, no un proyecto.
Quién construye esto
Más del 90% de los modelos frontera relevantes de 2025 salieron de la industria, no de la academia. La inversión privada en IA en Estados Unidos alcanzó los 285.900 millones de dólares en 2025.
Es un dato a tener en cuenta cuando evalúes la permanencia de un proveedor: el ritmo de gasto es insostenible para la mayoría de los actores. Parte de los nombres de hoy no estarán dentro de tres años, y tu arquitectura debería sobrevivir a eso.
Qué hacer con esto
- Revalida lo que descartaste hace un año. Los casos de uso que rechazaste por “el modelo no llega” merecen una segunda prueba. Muchos ya llegan.
- No extrapoles de benchmarks a tu negocio. Construye un set de evaluación con tus propios casos antes de comprometerte con nada.
- Trata el modelo como commodity. La ventaja competitiva está en tus datos y tu flujo de trabajo, no en qué API llamas.
- Diseña para el fallo. Con un 66% de éxito en tareas de agente, el diseño del caso de error es el producto.
La capacidad ha dejado de ser el cuello de botella en la mayoría de los proyectos que vemos. El cuello de botella es saber qué preguntarle.