En 2026, la inteligencia artificial deja de ser solo un tema de laboratorio para convertirse en un motor de innovación y cambio en la economía y la vida diaria. Las noticias del sector muestran un ecosistema en el que la IA busca acelerar la investigación, potenciar herramientas empresariales y redefinir cómo interactuamos con la tecnología, al tiempo que surgen preguntas sobre empleo y privacidad.

Un hito clave es la conversación sobre la IA que se automejora y se entrena a sí misma. OpenAI y Anthropic hablan de un investigador de IA totalmente automatizado para 2028, orientado a diseñar, entrenar y validar a su propio sucesor para crear un bucle de mejora entre generaciones. No se trata de que un modelo aprenda como un humano, sino de una cadena de generación en generación que puede acelerar la investigación. En este marco, se citan indicios de productividad creciente: aumenta la producción de código por ingeniero, se reporta que Claude puede trabajar 12 horas en una tarea, y se discute cómo la IA ya facilita tareas de ingeniería como escribir código, preparar datos, ejecutar experimentos, depurar errores, diseñar evaluaciones e interpretar resultados. Sin embargo, el consenso es que el criterio para decidir qué problemas importan y qué experimentos valen la pena sigue siendo, por ahora, humano.

Las observaciones de los textos de Clark, Anthropic y OpenAI insisten en separar dos dimensiones: la ingeniería (el código, la infraestructura y el entrenamiento) y la investigación (qué experimentos valen la pena). En la primera, la IA ya demuestra capacidades útiles; en la segunda, la decisión sobre qué investigar y qué objetivos persiguen aún no es totalmente autónoma. Esta distinción deja claro que la automejora de la IA, tal como se discute hoy, ocurriría entre generaciones y no dentro de un modelo aislado.

A su modo, estos trabajos aportan números que permiten entender el alcance de la mejora recursiva: por ejemplo, avances en productividad del código, y tiempos de ejecución que permiten que una tarea se complete con menos intervención humana. Y si bien la máquina acelera ciertos procesos, la ética, el juicio y la visión de conjunto siguen siendo humanos —algo que, según los informes, es la gran ventaja humana en la etapa actual.

En otro frente, Lisa Su, CEO de AMD, presenta una postura contundente: el mundo necesita personas que sepan para qué usar las herramientas de IA. Su mensaje, pronunciado durante la ceremonia de graduación OneMIT el 28 de mayo, subraya la importancia del propósito y la dirección en la adopción de estas tecnologías para las empresas y la sociedad.

En el ámbito de la experiencia de usuario y la memoria, OpenAI ha presentado Dreaming V3, la mayor mejora de la memoria de ChatGPT hasta la fecha. A partir de ahora, los usuarios del plan gratuito tendrán acceso a memoria persistente, algo previamente reservado a planes de pago. Dreaming V3 eleva la precisión de recuerdo factual a 82,8% en 2026 (frente a 67,9% en 2025 y 41,5% en 2024), la adherencia a preferencias a 71,3% y la capacidad de mantenerse actualizado a 75,1%. Además, la reducción de costos para servir Dreaming permite que esta memoria esté disponible para una audiencia más amplia, con la promesa de una experiencia más constante y personalizada en futuras interacciones.

Pero no todo es optimismo. OpenAI advierte sobre la apertura de estas memorias: el lanzamiento inicial es para Plus y Pro en Estados Unidos, con expansión gradual a otros planes y regiones. También se abre una nueva página de resumen de memorias para revisar y corregir datos, con preguntas sobre retención de datos brutos y duración de la conservación de información, en un contexto regulatorio que se fortalecerá en agosto de 2026 en la Unión Europea. Dreaming funciona mejor en contextos estables y repetibles, y puede no ser instantáneo cuando cambian planes o relaciones; aun así, eleva la presión competitiva sobre otros actores como Google y Anthropic para ofrecer soluciones similares sin costo o con mayor alcance.

En el frente de empleo, una noticia de RT señala que la inteligencia artificial lidera las causas de despidos en Estados Unidos, con un pronóstico que no es particularmente alentador para el empleo humano en la era de la IA. Este contexto subraya la necesidad de que las empresas y reguladores gestionen el equilibrio entre automatización y protección de puestos de trabajo.

Por último, Meta ha ocultado código de reconocimiento facial para sus gafas inteligentes en millones de teléfonos. Expertos independientes lograron replicar el algoritmo en pruebas de laboratorio y concluyen que el sistema está prácticamente listo para operar a gran escala, requiriendo apenas pequeños elementos de interfaz de usuario para activarse de forma masiva. Este avance guarda implicaciones para el uso de reconocimiento facial en dispositivos cotidianos y anticipa un momento en que estas tecnologías podrían integrarse más ampliamente en productos de consumo.

En conjunto, estas historias pintan un panorama en el que la IA acelera la investigación, transforma la experiencia de memoria y desplaza preocupaciones reales sobre empleo y privacidad. El desafío para la industria tech será acompañar estas innovaciones con gobernanza responsable, claridad sobre el uso de datos y un marco que permita aprovechar la automatización sin perder de vista el valor humano de la toma de decisiones, la ética y la visión de conjunto.