La inteligencia artificial dejó de ser una promesa de laboratorio. En 2025, los tres grandes laboratorios del sector —OpenAI, Google y Anthropic— lanzaron modelos que no solo responden preguntas, sino que ejecutan tareas complejas de principio a fin, toman decisiones en tiempo real y operan durante horas sin intervención humana. Para cualquier persona que trabaje, estudie o emprenda, entender qué ha cambiado este año ya no es opcional.

GPT-5, Gemini 2.5 y Claude 4: los nuevos titanes

OpenAI llegó tarde a la fiesta de 2025, pero con artillería pesada. GPT-5 supuso, según los propios datos de la compañía, una reducción de entre el 26 y el 65 % en errores factuales respecto a versiones anteriores. Lo más llamativo de su arquitectura es el sistema de enrutamiento automático: el modelo decide por sí solo cuándo necesita razonar en profundidad y cuándo puede responder al instante, combinando por primera vez la velocidad de la serie GPT con la capacidad analítica de los modelos de razonamiento. Puede procesar texto, código, imágenes, audio y vídeo de forma unificada en un solo contexto.

Google, por su parte, llegó primero con Gemini 2.5 Pro, lanzado en marzo. Su gran baza es la integración nativa con todo el ecosistema de la compañía —Workspace, Search, Maps, Gmail, Drive— y una ventana de contexto de hasta un millón de tokens, lo que le permite analizar documentos equivalentes a más de 1.500 páginas junto con vídeo y audio de forma simultánea. Según la comparativa de Artificial Analysis recogida por *La Nación*, los modelos que lideran en capacidad de razonamiento a día de hoy son Gemini 3.1 Pro y GPT-5.4, que compiten codo con codo en los principales benchmarks.

Anthropoc apostó por una dirección distinta con Claude Sonnet 4.5: en lugar de hacerlo más grande, lo hizo más autónomo. Este modelo es capaz de mantener el foco en una tarea compleja durante más de 30 horas consecutivas, frente a las siete horas de versiones anteriores. Según los analistas del sector, esto lo convierte en la opción favorita para entornos de desarrollo de software y flujos de trabajo de larga duración. Para programar, los benchmarks de SWE-Bench sitúan a Claude entre los modelos con mayor precisión del mercado.

El verdadero salto: de chatbot a agente autónomo

Si hay un concepto que define 2025 en inteligencia artificial, ese es el de agente. Ya no hablamos de sistemas que responden preguntas; hablamos de entidades que perciben un entorno, planifican pasos y ejecutan tareas sin que nadie les diga cómo hacerlo en cada momento. Consultoras como McKinsey, Gartner, IBM y Forrester coinciden en señalar a los agentes de IA como la siguiente frontera de la IA aplicada.

El dato más revelador de esta transición viene de una encuesta trimestral de KPMG publicada en 2025: el 90 % de las organizaciones globales ya habían superado la fase puramente experimental con agentes de IA, y un tercio de ellas había desplegado al menos alguno en operaciones reales. La adopción no fue gradual; fue explosiva.

En el sector financiero, los agentes especializados en trading procesaron datos de mercado en marcos de cinco y quince minutos —frente a los marcos horarios de modelos anteriores—, con resultados que llamaron la atención de analistas e inversores. En el sector industrial, estas herramientas optimizan cadenas de suministro y planifican mantenimientos preventivos a partir de alertas proactivas, reduciendo tiempos de inactividad.

Sanidad: el sector con más en juego

Ningún campo concentra más expectativas —ni más responsabilidad— que la medicina. En 2025, la IA pasó de ser una herramienta de apoyo puntual a integrarse en flujos clínicos reales. Microsoft AI presentó su sistema MAI-DxO, capaz de resolver casos clínicos complejos con una precisión del 85,5 %, muy por encima del 20 % que alcanzan de media los médicos experimentados en esas mismas pruebas, según datos publicados por Microsoft en su blog oficial.

En diagnóstico por imagen, plataformas como Aidoc o Lunit ya analizan miles de imágenes médicas por segundo en radiología, dermatología y electrocardiografía. Investigadores de la Universidad de Michigan demostraron que ciertos modelos de IA pueden detectar enfermedades cardíacas a partir de un electrocardiograma de solo diez segundos, algo que antes requería técnicas invasivas. El potencial económico es inmenso: según estimaciones recogidas por Softtek, la IA en salud podría reducir entre un 5 % y un 10 % los costes anuales del sistema sanitario, lo que equivale a entre 200.000 y 360.000 millones de dólares al año a escala global.

La carrera no ha terminado: lo que viene

El ritmo de lanzamientos en 2025 fue tan acelerado que entre GPT-5.1 y GPT-5.2 apenas medió un mes. Este ciclo de actualización casi semanal plantea un reto real para empresas y usuarios: elegir el modelo adecuado es cada vez más complejo porque las diferencias ya no se miden en meses, sino en semanas.

La siguiente batalla, según IBM, no será entre modelos aislados sino entre sistemas multiagente que coordinen equipos de IA especializados. La competencia se desplaza de la inteligencia del modelo al diseño del sistema que lo orquesta. Eso significa que saber usar estas herramientas —y entender sus límites— se está convirtiendo en una habilidad profesional tan básica como manejar una hoja de cálculo. Quien lo entienda antes, llevará ventaja.