¿QUÉ ESTÁ PASANDO CON LA IA? ¿SE HA EXAGERADO? ¿SE PINCHÓ LA BURBUJA?
Duration
17:56
Captions
1
Language
ES
Published
Sep 18, 2025
Description
La inteligencia artificial generativa prometía cambiarlo todo, pero la realidad ha sido muy distinta. En este video analizamos el nuevo “invierno de la IA”, marcado por el fracaso de proyectos como GPT-5, la caída del hype y la desconfianza empresarial. Descubrirás por qué el 95% de las iniciativas de IA no generan retorno, cómo se está desinflando la burbuja tecnológica y qué papel juegan EE.UU., Europa y China en esta carrera global. También veremos por qué Europa corre el riesgo de quedarse rezagada frente a sus competidores por culpa de su enfoque regulador. Si quieres entender qué hay detrás del discurso oficial y hacia dónde va realmente la inteligencia artificial, este análisis es para ti. ¡No te lo pierdas! 🔴 Únete para apoyar este canal: https://www.youtube.com/channel/UCKC77AR_zWXRTE2GOD_2Uag/join_ 📽️ Subscríbete → https://bit.ly/3H3UTKe 🔔 Activa las notificaciones Y sígueme también en: 🔗 Website → https://www.marcvidal.net 🔊 Podcast → https://spoti.fi/3pQWk64 📽️ Youtube → https://bit.ly/3H3UTKe 📘 Mis libros → https://amzn.to/3r11sFQ 📷 Instagram → https://lnkd.in/dNvTFaQ 🐦 Twitter → https://lnkd.in/d3ZU6Nw 🛡️ Telegram → https://t.me/marcvidal_telegram #InteligenciaArtificial #InviernoIA #FuturoTecnológico #EuropaVsUSA #CrisisIA __ AVISO: Nada de esto debe interpretarse como asesoramiento de inversión; es solo para fines de entretenimiento. No debe interpretar ninguna opinión expresada en este canal como un incentivo específico para realizar una inversión en particular o seguir una estrategia específica, sino únicamente como una expresión de opinión. Este canal de YouTube no tiene la obligación de actualizar ni corregir la información proporcionada en estos videos. Las declaraciones y opiniones están sujetas a cambios sin previo aviso. Este canal de YouTube no recibe ninguna compensación por las opiniones expresadas.
Captions (1)
La inteligencia artificial generativa
iba a ser la gallina de los huevos de
oro. Nos prometieron productividad
infinita, negocios millonarios sin
esfuerzo y asistentes virtuales casi
omnipotentes. Pero la burbuja ha
empezado a desinflarse estrepitosamente
ante la cruda realidad. Sterpania lo
advierte en su artículo el nuevo
invierno de la inteligencia artificial
después del fiasco de GPT5. Incluso Sam
Alman tuvo que admitir públicamente que
Openei la fastidió totalmente con ese
despliegue mal gestionado. La idea de
una inminente inteligencia artificial
general se esfuma y con ella las
fantasías de empresas gigantescas de un
solo empleado y retornos asegurados que,
vamos, están desvaneciendo. Quédate
porque vamos a examinar el contexto
tecnológico, económico y geopolítico de
este momento de estancamiento y reajuste
en torno a la inteligencia artificial.
Analizaremos por qué se habla de un
posible nuevo invierno de la
inteligencia artificial y qué hay detrás
de ese 95% de proyectos de inteligencia
artificial sin retorno. También
compararemos a Estados Unidos con Europa
cómo encaran la carrera de la
inteligencia artificial, sus políticas,
sus inversiones, sus diferencias
culturales regulatorias y qué riesgos
corremos en Europa especialmente con
todo esto. Y por cierto, si quieres
acceder a los informes escritos y
detallados que complementan con más de
60 páginas estos contenidos, más cinco
vídeos exclusivos cada semana y acceder
a sesiones privadas conmigo, que
prepararemos en breve y a múltiples
ventajas que vamos incorporando poco a
poco, no lo dudes, hazte miembro del
canal que mi equipo te lo va a agradecer
y yo también. Lo dicho, no te vayas, que
lo de hoy también te interesa.
En la actualidad, solo el 13,5% de las
empresas de la Unión Europea utiliza
inteligencia artificial en su negocio.
Volveré más tarde a este dato, pues se
convertirá en el protagonista de este
relato. La realidad es que muchas
empresas han comprobado que la
inteligencia artificial generativa no es
una varita mágica prometida. Un informe
del MIT reveló que el 95% de esas
organizaciones no están obteniendo el
retorno de inversión de sus proyectos
con inteligencia artificial generativa.
Como te decía, la mayoría de esas
iniciativas fracasan o se quedan en un
piloto debido a flujos de trabajo muy
frágiles o que los modelos no aprenden
del contexto real de la empresa y a la
pobre integración con las operaciones
diarias. Es cierto que herramientas como
Chat GPT o Jithub Copilot han tenido un
uso exploratorio muy alto. Más del 80%
de las compañías lo han probado y cerca
del 40% reportaban algún despliegue
piloto. Pero las mejoras logradas son
modestas y a nivel individual no se ha
traducido en transformaciones
estructurales de los negocios. En
cambio, desarrollar soluciones de IA a
medida que realmente escalan es mucho
más complejo. Solo alrededor de 5% de
esos proyectos personalizados llegan a
producción, precisamente los que más
valor aportarían. Al ser trajes a medida
requieren mayor inversión, tiempo, lo
que reduce el retorno y hace que muchas
empresas los abandonen antes de que
maduren. De hecho, la principal barrera
para escalar no es la tecnología en sí,
ni la infraestructura, ni la regulación,
ni la falta de talento, es la capacidad
de aprendizaje de estas máquinas. La
mayoría de sistemas de IA generativa
actuales no retienen la
retroalimentación ni mejoran con el
tiempo. Ya no basta con subirse al carro
de la IA generativa por si acaso o por
marketing. Aquella fibra inicial se está
pasando y ahora se pide efectividad real
como tiene que ser. Otras evidencias
confirman el frenazo. Mira, la firma
Apollo Management observó que la tasa de
adopción de la inteligencia artificial
está bajando en muchas grandes
corporaciones que habían invertido
millones en copilotos de inteligencia
artificial. Porque los costes
infraestructura, supervisión humana,
integraciones fallidas, no compensaban.
Algunas empresas como Duolingo, incluso
Clarna, incluso ellos dieron marcha
atrás en sus ambiciosos anuncios de
sustituir todo su personal por
inteligencias artificiales. Duolingo
tuvo que recular tras el rechazo que
generó la idea entre sus propios
usuarios. Al ver que no funcionaba tan
bien, Clarna comprobó que la calidad de
su servicio al cliente caía en picado
con los chatbots de inteligencia
artificial y obligándoles a volver a la
intervención humana. Y mientras la IA
generativa empresarial se ha topado con
la cruda realidad, la vieja IA no
generativa, es decir, los recomendadores
de toda la vida, los sistemas de
detección de fraude, la optimización
logística, oye, siguen funcionando y
aportan mucho valor sin tanto ruido. La
lección es clara aquí. La tecnología
solo aporta si resuelves problemas
reales, no por su factor. Wow. Decía
Francis Bacon que la verdad es hija del
tiempo, no de la autoridad. Y con el
paso del tiempo, muchas de esas promesas
grandilocuentes de la IA Generativa se
han ido estrellando contra los hechos.
En palabras del experto Gary Marcus, las
grandes compañías finalmente lo han
entendido. La IA generativa suena
genial, pero no funciona lo
suficientemente bien como para
justificar los costes que exige. Pero el
revés no solo ha sido económico, también
ha sido técnico. Durante 2022 y 2023
vivimos un pico de euforia donde se
insinuaba que la IA general, la AI, como
le llaman por sus siglas en inglés,
estaba a la vuelta de la esquina gracias
a modelos cada vez más gigantes y más
potentes. Aquí convendría aclarar este
concepto. Ali agi se refiere a una
inteligencia artificial general,
máquinas hipotéticas capaces de realizar
cualquier tarea cognitiva al nivel o
incluso por encima de un ser humano. ni
siquiera hay consenso en cómo definirla
exactamente, pero sonaba imponente y
muchos se lo tomaron casi como un hecho
inevitable. El propio Sam Alman y otros
líderes de la industria usaron esa
promesa para justificar una carrera de
inversiones especialmente desenfrenada y
por escalar modelos, más datos, más
GPUs, más parámetros. Supuestamente ese
era el camino que conducía tarde o
temprano a la AGI, casi de forma mágica.
La consecuencia fue una burbuja de
inversión brutal. Openi alcanzó una
valoración teórica de 500,000 millones
de dólares, Anthropic de 183,000
millones e incluso startups fundadas por
exdirectivos de esas empresas con poco
más que una presentación en PowerPoint
empezaron a valorarse en decenas de
miles de millones. Había un entusiasmo
financiado hace hace nada todo esto, eh,
por el fomo, es decir, ese miedo por
perderte algo que esté pasando. Y además
había dinero barato que inflaba una
auténtica economía del hype, de la moda.
Sin embargo, la realidad técnica no
tardó en aguar la fiesta y desmontar el
mito de esa ai inminente. Diversos
estudios académicos empiezan a exponer
las limitaciones de fondo.
Investigadores del MIT y de Harvard
mostraron que los grandes modelos de
lenguajes que se llaman LLM, no son
capaces de generalizar de verdad ni de
construir un modelo del mundo que sea
coherente. Carecen de mecanismos para la
abstracción de alto nivel o para
integrar lógica simbólica. y varios
experimentos, incluidos los de Apple, y
esto es muy importante porque Apple
siempre ha tenido el pie levantado del
acelerador de todo esto, revelaron que
sus aparentes facultades de razonamiento
no son más que una ilusión estadística,
un truco de copiar patrones aprendidos.
Por más datos y potencia de cómputo que
se les dé, estos modelos siguen sin
resolver problemas básicos. GPT5, pese
al bombo, continúa alucinando
respuestas, cometiendo errores ridículos
e incluso haciendo trampas cuando juega
la ajedrez. La última IA de Elon Musk,
Grock 4, apenas mejoró frente a la
versión previa a pesar de entrenarse con
100 veces más datos. Y el modelo gigante
Yama 4 de meta resultó ser un fracaso
pese a tener muchos más parámetros que
todos sus antecesores. ¿Qué pasa aquí?
Pues mira, Para colmo, llamar
inteligencia a lo que hacen los LLM fue,
como dice Ester Paniagua, un regalo
envenenado del marketing. En realidad
son máquinas de predicción de tokens. no
razonadores de propósitos generales, no
entienden, no correlacionan, no
planifican, no completan. ¿Por qué
generan textos entonces y a veces nos
pueden parecer muy buenos? porque han
memorizado patrones estadísticos de
millones de documentos y predicen la
siguiente palabra probable, no porque
comprendan lo que están diciendo. Por
eso, para darles alguna utilidad
práctica, hay que ponerles muletas,
afinarlos con entrenamientos
específicos, aplicar salvaguardas,
conectarlos, conectarlos a buscadores
web u otras herramientas externas,
incluso afinar el prompt, la propuesta
que le haces o la pregunta que le en la
que incidera
de su guion de entrenamiento, es muy
fácil que patinen, que digan cosas que
no son. Las mejoras son incrementales,
no son rompedoras y lo que es peor para
ellos es que la supuesta ventaja
competitiva de gastar fortunas en
entrenar un modelo gigante no dura nada
en cuestión de días. La competencia o la
comunidad open source, el código
abierto, es capaz de replicar cualquier
novedad. ni siquiera hace falta gastar
tanto. Hay modelos como el modelo chino
de dips del que hablamos aquí que han
demostrado prestaciones similares a una
fracción del coste. Que sepamos,
eso también es importante decirlo, que
sepamos. usando arquitecturas más
ligeras y eficientes. Así es como lo han
publicado. Ante esa realidad innegable,
hasta el propio Alman ha cambiado de
discurso. Dice y admite que el término
agi no es muy útil, que muchas startups
de inteligencia artificial tienen
valoraciones insanas, fruto de
inversores irracionales, algo que dejará
muchos cadáveres. Eso es lo que ha
dicho. En resumen, incluso los grandes
evangelistas de la inteligencia
artificial han comenzado a reconocer que
la cosa se les fue de las manos. Bueno,
todavía hay gente por ahí explicando que
estamos ante una especie de exmina o en
la antesala de Hal 9000 o de Skynet y no
lo estamos. Les resulte a ellos
económicamente viable decirlo una y otra
vez, pero es que no estamos ahí, no
vamos todavía ahí. Como en todo, lo
importante en esta vida es centrarse en
el uso real y potencial de una
tecnología nueva, porque es ahí donde se
debería de plantear estrategias de
beneficio empresarial, de políticas de
empleo, de análisis de cómo irá
erosionando el modelo laboral actual y
los desafíos y riesgos que corre un
mundo en el que vayamos poco a poco
perdiendo empleos que puedan hacer
humanos mejor que una máquina. va a
pasar poco a poco, más despacio de lo
que pensábamos y eso es una ventaja para
ir preparando el futuro y el mundo al
que vamos, dejando de lado la fantasía
de la AGI inmediata, ahora las empresas
empiezan a enfocarse sobre dónde la IA
sí aporta valor, dónde exactamente, en
automatizar procesos concretos,
tediosos, clasificación de documentos,
revisión de contratos, seguimiento
financiero, pagos, gestión de logística.
Muchos nos preguntamos, ¿no habremos
vivido ya una cosa similar antes? Sería
interesante. Y la respuesta es sí, más
de una vez. Estamos en 2025, pero el
guion parece sacado del H Cycle de
Garner, que es una teoría de las
revoluciones tecnológicas que se explica
a través de una curva de
sobreexpectación
que habla de una tecnología nueva
pasando del entusiasmo desmedido a la
decepción y luego a la productividad. En
su última versión aplicada, la IA
Generativa, podemos reconocernos. Tras
esas demos iniciales espectaculares,
vino el pico de expectativas infladas,
¿os acordáis? Y ahora nos deslizamos por
el abismo, en algunos casos de la propia
desilusión al ver que esto no va como
nos dijeron. Este bajón no es un frenazo
final, sino que es una condición para
alcanzar la madurez. Después del hype
viene algo mejor, inversión con cabeza,
expectativas realistas y una
conversación adulta sobre lo que estos
sistemas son y no son, lo que pueden
hacer y lo que no y cómo materializar su
valor. Decía Garner que la burbuja de la
IA generativa lleva desinflándose desde
el año pasado y solo sobrevivirán a la
caída aquellas aplicaciones y compañías
que realmente aporten valor, comprendan
los costes, sus límites, integren la IA
con sentido común. Esas serán las que
escalen la rampa de la consolidación,
como dice, hasta la meseta de la
productividad, por cierto. Y mientras
las demás lo que van a hacer es quedarse
por el camino. Los que crean que tienen
ahí el Santo Grial, se la van a dar. Ojo
que todavía hay quien no se ha bajado
del hype. Openei, sin ir más lejos,
acaba de firmar un contrato colosal con
Oracle, Oracle para comprar 300,000
millones de dólares en capacidad
computacional en los próximos 5 años.
Has leído bien, un montón de pasta. Y
esto sugiere que algunos van a doblar la
apesta por la fuerza bruta, quizás
esperando que la próxima generación de
modelos sí traiga el salto cualitativo,
pero no lo saben. Eh, veremos si esa
inversión gigantesca acaba
justificándose o se convierte en otro
ejemplo de sobreconfianza y sobre todo
de revaloración de acciones para alguna
de esas empresas que podría estar detrás
de muchas de estas cosas. Cada ola
tecnológica pasa por fases de euforia,
colapso y posterior madurez. La
economista Carlota Pérez lo explica en
su teoría de las revoluciones
tecnológicas. dice que tras una fase de
instalación caótica y una burbuja
financiera que estalla, viene, si todo
va bien, una fase de despliegue, edad de
oro, en la que la sociedad por fin
aprovecha la verdad de esa tecnología,
pero ya depurada, no por el rollo y la
moda. Pero lo que está claro es que
ahora estamos definiendo qué es, qué
puede ser y cómo lo va a ser. De ahí que
no tenerlo en cuenta es un suicidio. Por
eso, si hasta ahora hemos visto como la
euforia de la IA generativa dio paso a
la desilusión y como la industria está
recalibrando sus expectativas tras el
pinchazo de la burbuja, ¿qué pasaría si
Europa con ese enfoque más lento
regulador se queda definitivamente
rezagada en esa carrera tecnológica? Si
tenemos la oportunidad de aprovechar que
se ralentiza todo un poco, ¿por qué no
lo aprovechamos? Porque la revolución de
la IA también es una competición
estratégica entre bloques de poder. No
nos olvidemos, es nuestra carrera
espacial moderna. Solo que esta vez, en
lugar de cohetes y astronautas, los
protagonistas son algoritmos y
supercomputadoras. Estados Unidos
considera la IA un proyecto nacional
prioritario y quiere liderarla a toda
costa, marcar los estándares globales,
cosechar antes que nadie los beneficios
económicos y también geopolíticos.
Europa, por su parte, proclama que
aspirar a ser un centro mundial de IA,
eso es lo que aspira, pero no con un
enfoque muy muy especial. Busca una IA
ética confiable y centrada en el ser
humano. Suena Suena espectacular. El
viejo continente antepone los valores
ahí los que tiene y las garantías antes
de lanzarse a innovar. Mientras tanto,
al otro lado del charco, la consigna es
innovar primero y luego ya iremos
regulando. En la práctica, Estados
Unidos elimina obstáculos para sus
innovadores. Si una norma estorba, la
revisan o la anulan. No quieren frenos
innecesarios. De hecho, Washington
impulsó la apertura de modelos de IA,
código abierto, con estrategias
nacionales y fomentando la financiación
públicoprivada para dar a startups
acceso a supercomputadoras
federales,
que se dice rápido. Es decir, si una
pequeña empresa tiene una idea genial,
se procura que nada le impida escalarla
rápido. Pero Europa, en cambio, tiene
una relación de amor, odio con la
innovación. Siempre ha sido así. La
promueve, es cierto, pero la vigila de
cerca. impulsa el I+D y apoya sus
startups con programas e inversiones
europeas, sí, pero al mismo tiempo le
mete una ley de inteligencia artificial
que está en vigor desde 2024 imponiendo
requisitos estrictos, sobre todo a los
sistemas considerados, como dicen ellos,
de alto riesgo. En teoría, es para
proteger al público. Bien, en la
práctica cumplir con esas exigencias
sale carísimo, especialmente para una
pyme. Por lo tanto, es una barrera. La
propia Comisión Europea admite que las
disposiciones para ayudar a las pymes
son muy limitadas, así que muchas
tendrán dificultades para asumir el
coste de esa conformidad. Y no olvidemos
a China, porque ellos juegan su propia
partida con un enfoque todavía más
diferente. Allí el estado y las bigtech
trabajan codo con codo, invirtiendo a lo
grande y con menos trabas legales. Pekín
ha dejado claro que ambiciona la
primacía de la inteligencia artificial.
quieren liderarla antes de llegar al
2050 y no tienen tantos reparos en
cuestiones de privacidad o libertad si
la tecnología les sirve para ganar
potencia económica o control social,
como demuestran sus sistemas de
vigilancia. Para China, la IA es un
pilar estratégico nacional y esa
determinación le permite avanzar muy
rápido, aunque siguiendo unas reglas del
juego que son obviamente muy diferentes
a las que tenemos en Occidente. Pero
bueno, ahí está. La consecuencia de esos
enfoques, dispares, es visible en las
cifras de adopción. Porque, ¿recuerdas
que te dije que apenas el 13,5% de las
empresas europeas usan inteligencia
artificial? Pues esa cifra evidencia que
Europa ya viene con retraso en esta
revolución. La reticencia al cambio
tiene raíces profundas. Comprender el
estado real de la inteligencia
artificial y sus costes auténticos es
clave. Entender que es menos de lo que
debía ser, más de lo que desearían
algunos que fuera y sobre todo muchísimo
menos de lo que va a ser, sería clave.
El tiempo, el calendario de esa
disrupción brutal es lo que hay que
medir y prever. Por eso no se entiende
la actitud de la Unión Europea. La
situación de Europa es como como entrar
en un crudo invierno. Puedes ponerte
tantas capas de abrigo, casco y
protecciones, es decir, regulaciones y
cautelas, que que no pasarás frío, pero
apenas podrás moverte. Así está Europa
frente a la inteligencia artificial
abrigándose para no sufrir daños a costa
de la velocidad. Este es el gran dilema
europeo en este invierno de la
inteligencia artificial. De cómo lo
resuelva va a depender si el viejo
continente llega vivo y fuerte a la
primavera tecnológica que está por venir
a la vuelta de la esquina o un poquito
más allá, pero viene, porque si no nos
vamos a quedar tiritando al margen
mientras otros conquistan el futuro.
Gracias por llegar hasta aquí. Te espero
en el próximo análisis para que el
futuro nos pille pensando a todos
críticamente, que es importante.
Seguimos.