De la promesa a la infraestructura: así se está consolidando la inteligencia artificial en 2026

Durante un par de años, hablar de inteligencia artificial era hablar de futuro. De lo que "vendría". Esta semana quedó bastante claro que ese futuro ya llegó, y que ahora vivimos en su fase de consecuencias: mil millones de personas usando estos productos todos los días, miles de millones de dólares moviéndose hacia infraestructura, y reguladores empezando a poner reglas sobre contenido que ya no siempre distinguimos si fue escrito por una persona o generado por un modelo.

Como equipo, seguimos de cerca estas señales no por curiosidad tecnológica, sino porque cada una de ellas termina convirtiéndose en una decisión que algún cliente nos pregunta cómo tomar. ¿Vale la pena construir con estas herramientas? ¿Qué tan sólida es esta ola? ¿Qué deberíamos exigirle a un proveedor de IA antes de integrarlo en nuestro producto? Hoy te contamos qué pasó y, más importante, qué creemos que significa.

La IA generativa dejó de ser un experimento: ya es la aplicación más usada del planeta

Google confirmó que Gemini superó los mil millones de usuarios activos mensuales, convirtiéndose en el producto de más rápido crecimiento en la historia de la compañía. Un dato que nos llamó la atención: el 63% de las interacciones ocurren por voz, y la plataforma genera más de 150 millones de imágenes al día (Tech Startups). ChatGPT llegó a esa misma marca poco antes.

Esto no es una anécdota de crecimiento. Es una señal de que la interacción conversacional con IA dejó de ser un caso de uso de nicho —para desarrolladores, para "power users"— y se convirtió en un canal masivo, comparable en escala a las redes sociales o al buscador tradicional.

Para las empresas, esto tiene una implicancia directa: tus usuarios ya están acostumbrados a resolver problemas conversando con un modelo. La pregunta ya no es si debes tener algún tipo de experiencia asistida por IA en tu producto, sino cómo la diseñas para que realmente aporte valor y no sea una funcionalidad decorativa. Todo parte por entender el problema que tu usuario está tratando de resolver, no por sumar un chatbot porque "hay que tener IA".

El "vibe coding" ya no es una tendencia: es un negocio de miles de millones

La startup sueca Lovable —una plataforma que permite construir software conversando con IA, en lugar de escribir código línea por línea— cerró una ronda de $400 millones a una valuación de $13.3 mil millones, liderada por Menlo Ventures y Scaleup Europe Fund (TechCrunch, Tech Startups). Su valuación se duplicó en apenas ocho meses. Hoy la plataforma aloja 60 millones de proyectos y recibe 900 millones de visitas mensuales, con ingresos anualizados cercanos a los 500 millones de dólares.

El término que se usa para describir este tipo de desarrollo es "vibe coding": expresar una intención en lenguaje natural y dejar que un modelo construya la primera versión del producto. Lovable ya está llevando esa lógica más allá del software, invirtiendo en startups de hardware.

Nos parece un dato honesto que merece un comentario honesto. Este tipo de herramientas son extraordinarias para prototipar rápido, validar una idea con usuarios reales o construir un MVP en días en lugar de meses. Eso es real y lo hemos vivido de primera mano en varios proyectos. Pero "construir rápido" y "construir bien" no son sinónimos. Un prototipo generado conversando con una IA todavía necesita arquitectura pensada, decisiones de seguridad, criterios de escalabilidad y, sobre todo, un equipo que entienda por qué el producto está resolviendo el problema correcto. La velocidad sin criterio técnico termina generando deuda que alguien tiene que pagar después, normalmente en el peor momento posible.

Aquí es donde creemos que un partner tecnológico aporta más valor que nunca: no compitiendo contra estas herramientas, sino sabiendo exactamente cuándo usarlas, cuándo complementarlas con ingeniería tradicional y cuándo decir "esto necesita más que una conversación con un modelo".

La confianza también se está volviendo infraestructura: Anthropic activa marcas de agua invisibles en Claude

Del lado de la regulación, Anthropic anunció que, desde el 2 de agosto de 2026, todas las versiones nuevas de Claude —incluyendo la API y Claude Code— incorporan marcas de agua invisibles en los textos que generan. Son señales imperceptibles para una persona leyendo el contenido, pero detectables por máquinas, y persisten incluso si el texto se copia y pega (Interesting Engineering).

La medida responde directamente al Artículo 50 de la Ley de IA de la Unión Europea, que exige transparencia sobre contenido generado por sistemas de inteligencia artificial. Para archivos, Anthropic está usando el estándar C2PA (Coalition for Content Provenance and Authenticity), que permite verificar de forma más amplia el origen y procesamiento de un contenido.

Nos parece una noticia más relevante de lo que aparenta. Durante los últimos años, la conversación sobre IA generativa estuvo centrada casi exclusivamente en capacidades: qué tan bueno es el modelo, qué tan rápido escribe, qué tan bien programa. Esta semana empezamos a ver el inicio de una conversación distinta, sobre trazabilidad: cómo sabemos qué fue generado por una IA, cómo se audita, cómo se regula.

Para cualquier empresa que hoy publique contenido, documentación o comunicaciones apoyándose en IA generativa, esto va a dejar de ser opcional. La transparencia sobre el uso de estas herramientas se va a convertir, más temprano que tarde, en un estándar esperado por usuarios y reguladores. Preferimos adelantarnos a esa conversación que reaccionar cuando ya sea obligación.

Detrás de cámaras, la carrera de infraestructura sigue acelerando

Mientras la conversación pública se centra en productos y modelos, la inversión más pesada sigue ocurriendo en la capa de infraestructura. IBM y Together AI firmaron un acuerdo de $240 millones para construir un clúster de inferencia de IA en IBM Cloud, impulsado por aproximadamente 2,000 chips Nvidia Blackwell (Tech Startups). En paralelo, se reporta que Nvidia está desarrollando un modelo propio, Nemotron 4, con aproximadamente un billón de parámetros, lo que sugiere que incluso los fabricantes de hardware están explorando entrar directamente a la capa de modelos.

Este tipo de movimientos no suelen aparecer en los titulares que consumen los equipos de producto o negocio, pero son los que determinan el costo, la velocidad y la disponibilidad de la IA que terminamos usando todos. Cuando un cliente nos pregunta por qué cierto proveedor de IA de pronto bajó precios, mejoró tiempos de respuesta o lanzó nuevas capacidades, la respuesta casi siempre está en una inversión de infraestructura como esta, ocurrida meses antes en silencio.

Lo que esto significa para tu empresa

Si juntamos las cuatro señales de esta semana, aparece un patrón bastante claro. La IA generativa alcanzó una escala de adopción masiva. El desarrollo asistido por IA se convirtió en un negocio maduro, con capital serio detrás. La transparencia y la regulación empiezan a ponerse a la altura de la adopción. Y la infraestructura que sostiene todo esto sigue recibiendo inversiones enormes, lo que probablemente siga bajando costos y aumentando capacidades en los próximos meses.

Ninguna de estas cosas es, por sí sola, una razón para lanzarse a construir sin estrategia. Pero juntas, sí son una razón sólida para dejar de preguntarse "si" adoptar estas herramientas, y empezar a preguntarse "cómo" hacerlo bien: con criterio técnico, con foco en el problema real del usuario, y con la humildad de reconocer que la tecnología es un medio, no un fin.

Eso es exactamente lo que hacemos en Rukma Studio. No llegamos a un proyecto para sumar IA porque está de moda. Llegamos para entender qué problema necesitas resolver, y desde ahí definir en conjunto si la mejor herramienta es un modelo de lenguaje, una plataforma de desarrollo asistido, ingeniería tradicional, o —lo más frecuente— una combinación bien pensada de todo lo anterior. Si estás evaluando cómo dar este paso en tu empresa, conversemos.