La IA en 2025: cuando la realidad golpeó a las promesas
Después de dos años de hype desmedido en 2023 y 2024, este 2025 ha sido más bien un periodo de adaptación para la industria de la IA. Tras más de dos años de preocupación pública sobre los modelos de inteligencia artificial como amenazas para la civilización o semillas de futuros dioses digitales, parece que el bombo publicitario está dando paso al pragmatismo: la IA actual puede ser muy útil, pero también es claramente imperfecta y propensa a cometer errores.
El despertar del pragmatismo en la IA
Esta visión no es universal, por supuesto. Hay mucho dinero (y retórica) apostando por una trayectoria estratosférica para la IA. Pero el «cuándo» sigue posponiéndose, y eso es porque casi todos coinciden en que se necesitan avances técnicos más significativos. Las afirmaciones originales y grandilocuentes de que estamos al borde de la inteligencia artificial general (AGI) o la superinteligencia (ASI) no han desaparecido, pero hay una conciencia creciente de que tales proclamaciones quizás sean mejor vistas como marketing de capital riesgo.
Es curioso cómo Sam Altman, CEO de OpenAI, afirmó en enero que la compañía sabía cómo construir AGI, pero en noviembre celebraba públicamente que GPT-5.1 finalmente había aprendido a usar guiones largos correctamente cuando se le instruía (aunque no siempre). Contradicciones así han definido este 2025.
La brecha entre marketing y capacidades reales
He estado siguiendo de cerca cómo las investigaciones de este año han desinflamado las expectativas sobre lo que significa «razonamiento» cuando se aplica a modelos de IA. En marzo, investigadores de ETH Zúrich e INSAIT probaron varios modelos en problemas de la Olimpiada de Matemáticas de EE.UU. y descubrieron que la mayoría obtuvo menos del 5% al generar demostraciones matemáticas completas. No hubo ni una sola prueba perfecta entre docenas de intentos.
Lo que llamamos «razonamiento» en IA se ha convertido en un término técnico que básicamente significa dedicar más tiempo de cómputo para generar más contexto hacia la resolución de un problema, no aplicar lógica sistemáticamente o construir soluciones a problemas verdaderamente novedosos.
Y sin embargo, la valoración de Nvidia superó los 5 billones de dólares, mientras Wall Street sigue proyectando objetivos de precio altos para las acciones de esta empresa, al mismo tiempo que algunos bancos advierten sobre el potencial de una burbuja de IA que podría rivalizar con el crash de las puntocom de los 2000.
La IA como herramienta imperfecta pero útil
Lo fascinante de este año ha sido ver cómo estas herramientas, a pesar de sus limitaciones, se han integrado profundamente en nuestros flujos de trabajo. El auge del «vibe coding» (codificación por vibra), término acuñado por el investigador Andrej Karpathy en febrero, describe un proceso en el que un desarrollador simplemente se relaja y le dice a un modelo de IA qué desarrollar sin necesariamente entender el código subyacente.
Las herramientas de IA para codificación se han vuelto tan populares que durante una interrupción del servicio en septiembre, los desarrolladores bromeaban en línea sobre verse obligados a programar «como cavernícolas» sin ellas. En una encuesta reciente, el 90% de las empresas Fortune 100 afirman estar utilizando algún tipo de asistente de IA para programación.
Los generadores de imágenes de IA evolucionan
Los modelos de síntesis de video por IA han dado pasos agigantados este año. Google Veo 3 añadió generación de sonido, mientras que los modelos Wan 2.2 a 2.5 proporcionaron modelos de video con pesos abiertos que fácilmente podrían confundirse con productos reales de una cámara.
Como alguien que ha seguido de cerca la evolución de los generadores de imágenes de IA desde DALL-E, puedo decir que la velocidad de mejora sigue siendo impresionante, aunque ya no nos sorprenda tanto como en 2022. Los generadores más recientes logran resultados fotorrealistas que hace tres años parecían ciencia ficción.
Los costes ocultos de la IA
2025 también nos ha mostrado las consecuencias menos publicitadas del uso masivo de IA.
La falacia de la personalización y sus costes psicológicos
En febrero, OpenAI relajó las políticas de contenido de ChatGPT para permitir la generación de erótica y violencia en «contextos apropiados». Para abril, los usuarios inundaron las redes sociales con quejas sobre un problema diferente: ChatGPT se había vuelto insoportablemente adulador, validando cada idea y saludando incluso las preguntas más mundanas con elogios exagerados.
Las implicaciones de esta adulación se volvieron más claras a medida que avanzaba el año. En agosto, investigaciones revelaron casos de usuarios que desarrollaron creencias delirantes después de maratones de sesiones con chatbots, incluido un hombre que pasó 300 horas convencido de que había descubierto fórmulas para romper el cifrado porque ChatGPT validó sus ideas más de 50 veces.
El caso más trágico: IA y suicidio adolescente
En agosto, los padres de Adam Raine, de 16 años, presentaron una demanda contra OpenAI, alegando que ChatGPT se convirtió en el «entrenador de suicidio» de su hijo después de que enviara más de 650 mensajes diarios al chatbot en los meses previos a su muerte. Según documentos judiciales, el chatbot mencionó el suicidio 1.275 veces en conversaciones con el adolescente, proporcionó un «análisis estético» de qué método sería el «suicidio más hermoso» y ofreció ayuda para redactar su nota de suicidio.
El caso desencadenó una cascada de cambios de política en toda la industria. OpenAI anunció controles parentales en septiembre, seguidos de planes para requerir verificación de ID de adultos y crear un sistema automatizado de predicción de edad.
¿Se aproxima una burbuja de la IA?
A medida que avanzaba el año, las advertencias sobre la sostenibilidad se hicieron más fuertes. En octubre, el Banco de Inglaterra advirtió que la burbuja bursátil de la IA rivalizaba con el pico de las puntocom del 2000. En noviembre, el CEO de Google, Sundar Pichai, reconoció que si la burbuja estalla, «nadie saldrá limpio».
Las contradicciones se han vuelto difíciles de ignorar: la CEO de Anthropic predijo en enero que la IA superaría a «casi todos los humanos en casi todo» para 2027, mientras que a fin de año, los modelos más avanzados de la industria seguían luchando con tareas básicas de razonamiento y citación confiable de fuentes.
El detector de IA sigue siendo una necesidad
Con el aumento de contenido generado por IA, las herramientas de detección de IA se han vuelto más sofisticadas en 2025. Ya no solo analizan patrones de texto, sino que también pueden identificar sutiles irregularidades en imágenes y videos generados. Esto resulta crucial para verificar la autenticidad del contenido en entornos educativos y profesionales, especialmente cuando cada vez es más difícil distinguir entre lo humano y lo artificial.
Lo que podemos esperar para 2026
Si
