Inteligencia artificial
La Gran Convergencia: Cómo la IA Conecta Cada Frontera
La Inteligencia Artificial (IA) ha encendido al mundo con su potencial para mejorar la eficiencia, reducir costos y aumentar la productividad.
Aunque para muchas personas la IA se traduce en chatbots, gracias a la accesibilidad y popularidad de herramientas de IA generativa como ChatGPT, la tecnología es mucho más amplia, con sus beneficios extendiéndose a la medicina, la fabricación, la robótica, la salud, la educación, la ciencia climática, las finanzas, el derecho, la ciberseguridad y más.
Al emular funciones cognitivas humanas como la resolución de problemas y la toma de decisiones, la IA promete transformar los sistemas subyacentes de estas industrias, donde un número creciente de organizaciones está explorando activamente las capacidades de la IA.
Una encuesta reciente de McKinsey reveló un aumento en el uso de IA, no solo en el sector tecnológico, donde ya ha superado el 90 %, sino en casi todas las industrias.
Nueve de cada diez encuestados dijeron que sus organizaciones utilizan IA de forma regular, aunque todavía está en fase de experimentación. A pesar de estar en la etapa piloto, los encuestados reportaron beneficios de costos e ingresos, con un 64 % que afirma que la IA les está permitiendo innovar.
Esta creciente adopción muestra que, incluso en una etapa tan temprana, la IA se está convirtiendo en un habilitador clave de la transformación digital.
En el panorama globalmente interconectado y competitivo de hoy, la IA permite a las empresas aprovechar el poder de diversas tecnologías digitales, como big data, computación en la nube y el Internet de las Cosas. En efecto, actúa como una tecnología convergente, acelerando el desarrollo e integración de otras tecnologías de modo que su impacto combinado sea mayor que la suma de sus partes.
Con eso, echemos ahora un vistazo a algunos avances fascinantes de la IA en diferentes sectores, cada uno mostrando cómo está cambiando el mundo.
A continuación se muestra una instantánea rápida de tres dominios donde la convergencia de la IA ya es medible.
Swipe to scroll →
| Dominio | Avance | Métrica Clave | Por Qué Importa |
|---|---|---|---|
| Microbioma y Medicina | VBayesMM mapea bacterias→metabolitos para dirigir vías de enfermedad | Red neuronal bayesiana consciente de la incertidumbre | Permite terapias personalizadas mediante metabolitos microbianos |
| Clima Espacial | Codificador‑decodificador multimodal predice el viento solar hasta 4 días antes | ≈45% de mejora de precisión frente a modelos operacionales | Mitiga el riesgo de interrupción de redes/satélites |
| Diagnósticos | Detección de glaucoma con IA vs evaluadores humanos | IA 88–90% vs humano 79–81% | Prevención más barata y escalable de la pérdida de visión |
La IA Mapea el Microbioma Intestinal a la Salud Humana (y Riesgo de CAD)
Con la ayuda de la IA, los científicos han descifrado ahora el intrincado ecosistema de bacterias intestinales y sus señales químicas, lo que permite descubrir vínculos ocultos entre las bacterias y la salud humana. Además, el nuevo sistema avanzado de IA es en realidad mejor en estudios de cáncer, obesidad y trastornos del sueño que los modelos convencionales, y muestra un enorme potencial para personalizar tratamientos según la composición microbiana de cada persona, transformando la medicina personalizada.
La capacidad de la IA para revelar patrones ocultos es particularmente notable, como en un estudio de la Universidad de Waterloo1, donde el análisis impulsado por IA de pruebas de sangre rutinarias detectó patrones que pueden hacer predicciones que salvan vidas, tanto asequibles como accesibles.
Volviendo a las bacterias intestinales, juegan un papel clave en nuestra salud, influyendo no solo en la digestión y la prevención de enfermedades, sino también en la inmunidad e incluso en nuestro estado de ánimo. Nueva investigación ha encontrado que nuestro microbioma intestinal2 también puede influir en el desarrollo de la enfermedad de las arterias coronarias, que mata a casi 20 millones de personas cada año.
El intestino humano es claramente fascinante, pero también es un ecosistema complejo de billones de microorganismos. Además del enorme número de especies bacterianas presentes en nuestro intestino, sus interacciones con la química humana hacen que sea un desafío para los científicos comprender sus efectos.
Sin embargo, en un paso revolucionario, investigadores de la Universidad de Tokio recurrieron a la IA para abordar este problema.
Crearon un sistema de IA para comprender mejor qué bacterias producen qué metabolitos, pequeñas moléculas que actúan como mensajeros químicos y circulan por nuestro cuerpo, influyendo en el metabolismo, la inmunidad y la función cerebral, y cómo la relación entre bacterias y metabolitos cambia en diferentes enfermedades.
“Al mapear con precisión estas relaciones bacteria‑químico, podríamos desarrollar tratamientos personalizados. Imagine poder cultivar una bacteria específica para producir metabolitos humanos beneficiosos o diseñar terapias dirigidas que modifiquen estos metabolitos para tratar enfermedades.”
– Investigador del proyecto Tung Dang del laboratorio Tsunoda en el Departamento de Ciencias Biológicas
El modelo que desarrollaron es una red neuronal bayesiana llamada VBayesMM3, que aborda el desafío de identificar patrones significativos a partir de la compleja interacción entre billones de bacterias y metabolitos.
Utiliza un enfoque bayesiano para identificar exactamente qué grupos bacterianos están influyendo más en metabolitos particulares. Además, mide la incertidumbre en sus predicciones para evitar conclusiones incorrectas, lo que brinda a los científicos ideas más precisas y confiables.
Usando su enfoque de microbioma multi‑ómico bayesiano variacional (VBayesMM), el equipo ha podido identificar especies microbianas clave de manera rápida y precisa, lo que resulta en estimaciones más exactas. La implementación de inferencia variacional, por su parte, resolvió cuellos de botella computacionales, permitiendo un análisis escalable de conjuntos de datos masivos.
El equipo trabajará próximamente con conjuntos de datos químicos más completos para capturar la gama completa de productos bacterianos y superar el problema de una caída en la precisión cuando los datos de metabolitos son más extensos que los datos bacterianos.
“También buscamos que VBayesMM sea más robusto al analizar poblaciones de pacientes diversas, incorporando relaciones de ‘árbol genealógico’ bacteriano para hacer mejores predicciones y reducir aún más el tiempo computacional necesario para el análisis,” dijo Dang. “Para aplicaciones clínicas, el objetivo final es identificar objetivos bacterianos específicos para tratamientos o intervenciones dietéticas que realmente ayuden a los pacientes, pasando de la investigación básica a aplicaciones médicas prácticas.”
Ángulo de Inversión: Medicina de Precisión con Tempus AI (TEM )
En este emocionante y complejo mundo de las ciencias de la vida, Tempus AI destaca por ofrecer soluciones de medicina de precisión habilitadas por IA para la atención personalizada de pacientes.
Tempus es una empresa tecnológica que avanza la medicina de precisión y facilita el descubrimiento y desarrollo de terapias óptimas. Tiene tres líneas de productos:
- Genómica: Proporciona diagnósticos de secuenciación de próxima generación (NGS), perfilado, genotipado molecular y otras pruebas.
- Datos: Implica estructurar y desidentificar los datos generados en su laboratorio antes de la comercialización.
- Aplicaciones de IA: Proporciona diagnósticos, implementa nuevo software como dispositivo médico y despliega herramientas de soporte de decisiones clínicas.
Este año, Tempus logró varios hitos regulatorios clave, incluido obtener la autorización de la FDA para el dispositivo Tempus xR IVD que apoya el desarrollo de fármacos mediante secuenciación avanzada de ARN. Como resultado, los socios de Tempus pueden usar su ensayo de ARN para “identificar con mayor precisión qué pacientes tienen más probabilidades de responder a terapias específicas y diseñar ensayos clínicos más eficientes”.
Su plataforma actualizada de análisis de imágenes cardíacas impulsada por IA, Tempus Pixel, y el software de IA Tempus ECG‑Low EF también obtuvieron aprobaciones FDA 510(k), reforzando la posición de la compañía en diagnósticos impulsados por IA.
Las acciones de la empresa, con una capitalización de mercado de 12,73 mil millones de dólares, se cotizan actualmente a 72,52 $, con un aumento de casi el 112 % este año. El mes pasado, las acciones de TEM superaron la marca de los 100 $.
En cuanto a su posición financiera, Tempus informó recientemente un aumento interanual del 84,7 % en ingresos en el tercer trimestre de 2025, alcanzando 334,2 millones de dólares, mientras que el beneficio bruto aumentó un 98,4 % a 209,9 millones de dólares. La pérdida neta del trimestre fue de 80 millones de dólares. Terminó el trimestre con 764,3 millones de dólares en efectivo y valores negociables.
(TEM )
“No solo estamos creciendo a un ritmo increíble, alcanzar EBITDA ajustado positivo marca un hito importante y refleja la fortaleza de nuestro negocio subyacente,” dijo el fundador y CEO de Tempus, Eric Lefkofsky. “Una de las cosas más difíciles de hacer, y una señal de la resistencia del modelo de negocio, es poder reducir la tasa de reinversión en la empresa y aún así mantener el crecimiento, que es exactamente lo que logramos este trimestre.”
Haga clic aquí para obtener una lista de las principales empresas de big data biotecnológico.
La IA Predice Tormentas Solares con Días de Antelación — Protegiendo Redes Eléctricas y Satélites
Se ha desarrollado un modelo de IA para predecir el viento solar con mucha antelación y con mayor precisión que los métodos existentes, ayudando a proteger redes eléctricas, satélites y sistemas de navegación de eventos espaciales disruptivos y reforzando la resiliencia de nuestra infraestructura crítica.
El viento solar es la corriente constante de partículas cargadas que libera el Sol. Ocurre cuando los campos magnéticos retorcidos del Sol se contorsionan y estiran, lo que lleva a que se rompan antes de reconectarse, liberando grandes cantidades de energía.
Cuando estas partículas ganan velocidad, pueden perturbar la atmósfera terrestre. No solo pueden interferir con las redes eléctricas, sino también arrastrar satélites fuera de órbita, como ocurrió en 2022, cuando SpaceX perdió hasta 40 de sus satélites Starlink.
Las tormentas solares, por su parte, son eventos aún más poderosos, donde el Sol lanza energía, partículas y campos magnéticos al espacio. Cuando se dirigen hacia la Tierra, pueden crear una gran perturbación en su campo magnético, conocida como tormenta geomagnética. Es lo que produce los hermosos espectáculos de auroras boreales, pero también causa apagones.
El último escenario de riesgo sistémico de Lloyd’s estima que una tormenta solar severa podría exponer a la economía global a alrededor de 2,4 billones de dólares en pérdidas durante cinco años, con pérdidas esperadas de aproximadamente 17 mil millones de dólares hoy.
Esto muestra la necesidad urgente de mejorar la predicción de estos eventos. Por ello, investigadores de NYU Abu Dhabi (NYUAD) se propusieron hacerlo, con la ayuda de la IA.
Han construido un modelo de IA que puede predecir el viento solar4 hasta cuatro días antes de que ocurra el evento, con mayor precisión que los métodos actuales. El modelo se entrenó con registros históricos de viento solar e imágenes ultravioleta del Observatorio de Dinámica Solar (SDO) de la NASA.
Al analizar las imágenes del Sol para detectar patrones vinculados a cambios en el viento solar, el equipo de NYUAD logró una mejora del 45 % en la precisión de sus pronósticos comparado con los modelos operacionales actuales. Además, lograron una mejora del 20 % respecto a enfoques anteriores basados en IA.
“Este es un gran paso adelante en la protección de los satélites, sistemas de navegación e infraestructura eléctrica de la que depende la vida moderna,” dijo el autor principal del estudio, Dattaraj Dhuri. “Al combinar IA avanzada con observaciones solares, podemos ofrecer alertas tempranas que ayuden a salvaguardar la tecnología crítica en la Tierra y en el espacio.”
Ángulo de Inversión: IA de Clima Espacial con IBM (IBM )
La empresa con capitalización de mercado de 293,24 mil millones de dólares, IBM, es un proveedor global de servicios de nube híbrida e IA para ayudar a lograr la transformación digital en datos, aplicaciones y entornos donde operan.
Hace un par de meses, IBM lanzó su modelo de IA de código abierto, ‘Surya’, en colaboración con la NASA, para comprender mejor los datos recopilados de observaciones solares y predecir cómo la actividad solar afecta la tecnología espacial y la Tierra. Con Surya, la compañía está aplicando IA a la investigación de pronósticos del clima espacial y proporcionando una herramienta para ayudar a proteger las telecomunicaciones, redes eléctricas y la navegación GPS de las interrupciones causadas por la naturaleza cambiante del Sol.
(IBM )
Al momento de escribir, las acciones de IBM cotizan a 319 $, con un aumento del 42,7 % en lo que va del año. Tiene un EPS (TTM) de 8,07 y un P/E (TTM) de 38,87. IBM paga un rendimiento de dividendo del 2,14 %.
En su último trimestre, 3T25, la compañía reportó un aumento del 9 % en ingresos, alcanzando 16,3 mil millones de dólares. Su margen de beneficio bruto GAAP fue del 57,3 % y su beneficio operativo non‑GAAP del 58,7 %. El efectivo neto de actividades operativas, mientras tanto, fue de 9,2 mil millones de dólares en lo que va del año, y se reportaron 7,2 mil millones de dólares en flujo de caja libre.
“Los clientes de todo el mundo continúan aprovechando nuestra tecnología y experiencia sectorial para impulsar la productividad en sus operaciones y ofrecer valor empresarial real con IA.”
– CEO Arvind Krishna
También señaló que el negocio de IA de IBM superó los 9,5 mil millones de dólares, frente a los 7,5 mil millones del trimestre anterior.
Dónde la IA Supera a los Expertos: Medicina, Neurociencia y Educación
Los investigadores están descubriendo que la IA supera consistentemente a los expertos en diversos dominios.
Uno de esos dominios es la medicina, donde “el glaucoma sigue siendo una de las causas más comunes de pérdida de visión que no se puede reparar a nivel mundial”, y el cribado es demasiado costoso. Pero la IA podría ser la solución, espera el Dr. Anthony Khawaja, profesor del Instituto de Oftalmología del University College London y principal investigador del nuevo estudio, que informó que un programa de IA entrenado identificó correctamente a los pacientes con glaucoma aproximadamente el 90 % de las veces, comparado con el 81 % de los evaluadores humanos.
Para este estudio, tanto expertos humanos como el programa de IA evaluaron a más de 6 300 participantes, de los cuales casi 700 tenían glaucoma en al menos un ojo.
El glaucoma es el resultado de daño al nervio óptico, generalmente debido a la presión que se acumula dentro del ojo, lo que puede llevar a la ceguera total. Los expertos humanos y la IA calificaron el riesgo de glaucoma de los participantes basándose en la relación copa‑disco vertical, una medida clave de este trastorno que rastrea cambios en la estructura ocular causados por la acumulación de presión.
Según los resultados del estudio, solo el 11 % de los ojos de los participantes fueron sospechosos de tener glaucoma, coincidiendo con la proporción esperada en un cribado rutinario. Los investigadores señalaron que la precisión podría mejorarse aún más al incluir otros factores de riesgo, como la presión intraocular.
En otro estudio5, los grandes modelos de lenguaje (LLM) predijeron los resultados de estudios de neurociencia propuestos con mayor precisión que los expertos humanos, resaltando el potencial de la IA para acelerar la investigación.
En lugar de centrarse en las capacidades de respuesta a preguntas de los LLM, el estudio exploró si los modelos pueden sintetizar conocimiento para predecir resultados futuros.
Así, probaron 15 LLM de propósito general y 171 expertos humanos en neurociencia y encontraron que todos los LLM superaron a los neurocientíficos. Mientras los LLM promediaron una precisión del 81 %, los humanos promediaron el 63 %, aumentando solo al 66 % en el nivel más alto de experiencia humana. Mientras tanto, entrenar un LLM con literatura de neurociencia mejoró su precisión al 86 %.
“Sospechamos que no pasará mucho tiempo antes de que los científicos usen herramientas de IA para diseñar el experimento más eficaz para su pregunta. Aunque nuestro estudio se centró en neurociencia, nuestro enfoque es universal y debería aplicarse con éxito a toda la ciencia.”
– Autor principal Bradley Love, profesor de Psicología y Ciencias del Lenguaje en UCL
Según investigadores de Cambridge, la IA tiene una ventaja clara en modelado predictivo y análisis de datos. Cuando se le proporciona datos oportunos en términos de volumen, variedad y veracidad, puede optimizar costos y cadenas de suministro, diseñar productos de alto rendimiento más rápido y responder a fluctuaciones del mercado en tiempo real.
“Ignorar la IA generativa en la estrategia corporativa ya no es viable,” dijeron los coautores del estudio.
Esto es solo la punta del iceberg, sin embargo, ya que otros estudios han encontrado que la IA incluso sobresale en mecánicas lingüísticas fundamentales6 pero carece de consistencia temática al evaluar ensayos, superando a expertos humanos en reconocer el dolor en ovejas7 usando la misma información visual, y igualando o superando a dermatólogos8 en diagnósticos de piel basados en imágenes.
Ángulo de Inversión: Adopción de Gemini a través de Alphabet Inc. (GOOG )
Cuando se trata de invertir en el poder de la IA, Alphabet es una opción digna, que ha liderado avances de IA a través de Google DeepMind y Google Research.
Recientemente, Google DeepMind y una empresa de tecnología educativa impulsada por IA, Eedi, publicaron una investigación exploratoria9 que muestra que la tutoría con IA en bucle humano supera al apoyo exclusivamente humano.
El ensayo se realizó en cinco aulas de secundaria del Reino Unido, donde la instrucción central fue impartida por LearnLM, el modelo generativo de IA de Google afinado para la pedagogía. Encontraron que el equipo humano‑IA era tan eficaz (93 %) para ayudar a los estudiantes a corregir inmediatamente un error como un tutor humano solo (91,2 %). El equipo también fue igualmente bueno para ayudar a los estudiantes a resolver sus conceptos erróneos subyacentes.
Al medir la “transferencia de conocimiento”, que se refiere a cómo la tutoría en un problema afecta la capacidad del estudiante para resolver uno nuevo, un tutor humano solo mejoró el aprendizaje en 4,5 puntos porcentuales, mientras que el equipo humano‑IA lo aumentó en 10 puntos porcentuales.
“Estos hallazgos marcan un hito para una IA responsable, segura y eficaz en la educación. El siguiente paso es escalar esto de un piloto exploratorio a un ensayo a gran escala.”
– Irina Jurenka, investigadora científica en Google DeepMind
Mientras tanto, el modelo multimodal de IA de la gigante tecnológica, Gemini, ha logrado varios avances, alcanzando un rendimiento a nivel de medalla de oro en la Final Mundial del Concurso Internacional de Programación (ICPC) 2025, tras una victoria con medalla de oro en la Olimpiada Internacional de Matemáticas. La aplicación insignia de IA de Google ahora cuenta con más de 650 millones de usuarios activos mensuales.
(GOOG )
Así, Google está profundamente involucrado en la innovación de IA, y esto ha ayudado a que sus acciones se disparen casi un 54 % este año, cotizando ahora justo por encima de 293 $. La empresa, con capitalización de mercado de 3,5 billones de dólares, también paga un dividendo del 0,29 %.
Recientemente, reportó ingresos de 102,35 billones de dólares para el tercer trimestre de 2025, impulsados por un sólido impulso en su negocio de nube, que se benefició de la fuerte demanda de IA. La compañía ahora planea aumentar su gasto de capital a entre 91 mil millones y 93 mil millones de dólares, después de elevar las expectativas de 75 mil millones a 85 mil millones a principios de este año. La mayor parte de sus gastos se destinan a infraestructura como centros de datos.
Conclusiones Finales
La IA ha tomado al mundo por sorpresa, pero ya no es una innovación aislada. En su lugar, sirve como tejido conectivo que enlaza un número creciente de tecnologías transformadoras. Como se mencionó anteriormente, está ayudando a descifrar los misterios del microbioma humano, a pronosticar tormentas solares y a superar a los expertos en ciencia y medicina. Sin embargo, estos avances representan solo una pequeña parte de cómo la IA está influyendo profundamente en casi todas las fronteras del esfuerzo humano.
A medida que converge con big data, biotecnología, computación en la nube, robótica y ciencia cuántica, la IA está acelerando el ritmo del descubrimiento y habilitando integraciones que están creando sistemas más inteligentes y un mundo más inteligente.
Haga clic aquí para aprender todo sobre la inversión en inteligencia artificial.
Referencias
1. Mussavi Rizi, M., Fernández, D., Kramer, J. L. K., Saigal, R., DiGiorgio, A. M., Beattie, M. S., Ferguson, A. R., Kyritsis, N., Torres‑Espín, A., & TRACK‑SCI. Modelando trayectorias de pruebas de sangre rutinarias como biomarcadores dinámicos para resultados en lesiones de la médula espinal. npj Digital Medicine 8:470 (2025). https://doi.org/10.1038/s41746-025-01782-0
2. Lee, S., Raza, S., Lee, E.-J., Chang, Y., Ryu, S., Kim, H.-L., Kang, S.-H., & Kim, H.-N. Genomas ensamblados a partir de metagenomas revelan firmas microbianas y vías metabólicas vinculadas a la enfermedad de las arterias coronarias. mSystems e00954-25 (2025). https://doi.org/10.1128/msystems.00954-25
3. Dang, T., Lysenko, A., Boroevich, K. A., & Tsunoda, T. “VBayesMM: red neuronal bayesiana variacional para priorizar relaciones importantes de datos multi‑ómicos de microbioma de alta dimensión.” Briefings in Bioinformatics 26(4), bbaf300 (2025). https://doi.org/10.1093/bib/bbaf300
4. Sinha, A., Dhuri, D., Vasanth, R., Hanasoge, S., et al. “Una Red Neural Codificador‑Decodificador Multimodal para Pronosticar la Velocidad del Viento Solar en L1.” The Astrophysical Journal Supplement Series 258(2): 1–? (2025). https://doi.org/10.3847/1538-4365/adf436
5. Luo, X., Rechardt, A., Sun, G., Nejad, K. K., Yáñez, F., Yilmaz, B., Lee, K., Cohen, A. O., Borghesani, V., Pashkov, A., Marinazzo, D., Nicholas, J., Salatiello, A., Sucholutsky, I., Minervini, P., Razavi, S., Rocca, R., Yusifov, E., Okalova, T., Gu, N., Ferianc, M., Khona, M., Patil, K. R., Lee, P. S., Mata, R., Myers, N. E., Bizley, J. K., Musslick, S., Bilgin, I. P., Niso, G., Ales, J. M., Gaebler, M., Ratan Murty, N. A., Loued‑Khenissi, L., Behler, A., Hall, C. M., Dafflon, J., Bao, S. D. & Love, B. C. Los modelos de lenguaje grande superan a los expertos humanos en predecir resultados de neurociencia. Nature Human Behaviour 9, 305–315 (2025). https://doi.org/10.1038/s41562-024-02046-9
6. Bouziane, K. & Bouziane, A. M. IA versus efectividad humana en la evaluación de ensayos. Discover Education 3:201 (2024). https://doi.org/10.1007/s44217-024-00320-6
7. Feighelstein M., Luna S.P., Silva N.O., Trindade P.E., Shimshoni I., van der Linden D., & Zamansky A. “Comparación entre IA y desempeño de expertos humanos en la evaluación del dolor agudo en ovejas.” Scientific Reports 15(1):626 (2025). https://doi.org/10.1038/s41598-024-83950-y (PubMed)
8. Ma, X., & Li, Z. Inteligencia artificial en dermatología: una revisión. International Journal of Dermatology and Venereology 7, 227–235 (2025). https://doi.org/10.1097/IJD.0000000000000000
9. Gomes, B., McKee, K. R., Veerubhotla, A. S., Modi, A., Rysbek, A., Huber, A., Wiltshire, S., Gillick, D., et al. “La tutoría con IA puede apoyar de forma segura y eficaz a los estudiantes: un ensayo clínico aleatorio exploratorio en aulas del Reino Unido.” arXiv pre-print (Nov 2025). Disponible en: https://storage.googleapis.com/deepmind-media/LearnLM/learnLM_nov25.pdf
