Icono del sitio Technocio

De 2026 a 2027: cuando el verdadero avance tecnológico está en lo que podemos hacer con él

Por: Nicolás Cánovas, Director Senior de AMD para América Latina.

Al acercarnos al cierre de 2026, es natural mirar hacia atrás y preguntarnos qué cambió realmente durante el año. En tecnología, probablemente una de las respuestas más evidentes sea la inteligencia artificial. No porque haya aparecido ahora, sino porque hemos comenzado a verla abandonar definitivamente el terreno de la experimentación para integrarse en infraestructuras, procesos y dispositivos que utilizamos todos los días.

Pero quizás el cambio más interesante sea otro. La IA está dejando de estar asociada a un único lugar. Hoy puede ejecutarse en grandes centros de datos y servicios en la nube, pero también en infraestructura empresarial, sistemas ubicados en el borde e incluso directamente en nuestros computadores. La industria está avanzando hacia una inteligencia cada vez más distribuida, capaz de ubicarse allí donde tenga mayor sentido procesar los datos y tomar decisiones.

Eso nos entrega una primera señal respecto de lo que veremos en 2027: el próximo paso de la inteligencia artificial no dependerá únicamente de crear modelos cada vez más grandes o disponer de una mayor cantidad de cómputo. También dependerá de nuestra capacidad para utilizar el tipo de procesamiento adecuado para cada necesidad.

Durante mucho tiempo pensamos la evolución tecnológica principalmente en términos de velocidad. Más capacidad de procesamiento significaba mejores computadores y sistemas más avanzados. Esa lógica sigue siendo importante, pero hoy se está complementando con otra: la especialización.

CPU, GPU, NPU y otros motores de cómputo pueden asumir tareas distintas y trabajar de forma complementaria. En una PC con IA, por ejemplo, estos componentes pueden distribuir diferentes cargas, permitiendo que determinadas funciones de inteligencia artificial se ejecuten directamente en el dispositivo. En grandes infraestructuras ocurre algo similar a otra escala: procesamiento general, aceleración, memoria, redes y software tienen que funcionar como partes de un mismo sistema.

Esto es relevante porque transforma la conversación desde “cuánto cómputo tenemos” hacia “cómo utilizamos ese cómputo”. Y, en mi opinión, será una de las preguntas centrales de los próximos años.

La ciencia ofrece quizá uno de los mejores ejemplos de por qué esto importa. La convergencia entre inteligencia artificial y computación de alto rendimiento está permitiendo abordar problemas cada vez más complejos mediante simulación, análisis de datos y modelos avanzados. Sistemas como Frontier, El Capitan o LUMI están siendo utilizados en investigación científica, desde estudios climáticos hasta aplicaciones vinculadas a salud, materiales y otras disciplinas. LUMI, por ejemplo, ha permitido avanzar tanto en modelamiento climático como en investigaciones relacionadas con detección y tratamiento del cáncer.

En Chile, el Laboratorio Nacional de Computación de Alto Rendimiento logró duplicar el rendimiento de investigación científica por watt al modernizar su infraestructura de procesamiento. Más que la cifra en sí misma, lo relevante es lo que representa: cuando entregamos a investigadores más capacidad para procesar información de manera eficiente, también ampliamos el tipo y la complejidad de las preguntas que pueden intentar responder.

Ahí está, a mi juicio, una de las dimensiones más relevantes de esta evolución tecnológica. La potencia de cómputo no debería ser un fin en sí misma. Su valor aparece cuando permite acelerar un descubrimiento, analizar información que antes era demasiado compleja, mejorar un proceso industrial o crear herramientas que ayuden a las personas a trabajar de una manera diferente.

Esa capacidad, además, está acercándose cada vez más al usuario. Durante años nos acostumbramos a pensar que la inteligencia estaba principalmente en la nube. Ahora comenzamos a entrar en una etapa más híbrida, donde una parte del procesamiento puede seguir ocurriendo en grandes infraestructuras, mientras otra puede realizarse directamente en donde se generan los datos.

Las PC con IA son una expresión cotidiana de este cambio. Al integrar motores dedicados para determinadas cargas de inteligencia artificial, pueden ejecutar funciones compatibles directamente en el dispositivo, con ventajas asociadas a capacidad de respuesta y privacidad, además de permitir experiencias que no necesitan depender permanentemente de una conexión con la nube.

No significa que una arquitectura vaya a reemplazar a la otra. Todo lo contrario. Creo que lo que veremos con mayor claridad hacia 2027 será una convivencia cada vez más natural entre nube, centro de datos, borde y procesamiento local. Algunas tareas necesitarán enorme capacidad de cómputo centralizado; otras encontrarán mayor eficiencia ejecutándose cerca de los datos o directamente en el dispositivo. La oportunidad estará en poder elegir.

Y para que esa libertad sea real, hay un elemento que a veces recibe menos atención que el hardware: el software.

Podemos desarrollar procesadores y aceleradores cada vez más capaces, pero su impacto depende de que desarrolladores, empresas, universidades e instituciones puedan utilizarlos. Por eso, la apertura del ecosistema será tan importante como el rendimiento. Las plataformas abiertas permiten trabajar con marcos conocidos, portar aplicaciones y escalar desde entornos iniciales hacia sistemas de múltiples nodos.

Desde AMD hemos hablado de llevar la inteligencia a todas partes. Pero esa idea no debería interpretarse simplemente como llevar más tecnología a más dispositivos. Para mí, significa algo más amplio: conseguir que la capacidad de cómputo adecuada esté disponible donde pueda generar valor, desde un investigador ejecutando una simulación compleja hasta una empresa automatizando procesos o una persona utilizando herramientas de IA directamente desde su computador.

2026 también nos confirmó que para lograrlo ninguna compañía puede avanzar sola. La siguiente etapa de la IA necesitará colaboración entre quienes desarrollan silicio, software, modelos, infraestructura, aplicaciones y soluciones para industrias específicas. Precisamente por eso, las plataformas abiertas y la posibilidad de elegir entre distintos entornos de implementación se están convirtiendo en aspectos centrales de esta nueva etapa.

Para América Latina, esta transformación representa además una oportunidad especialmente relevante. Nuestro desafío no debería limitarse a adoptar las tecnologías que se desarrollan en otros lugares. Necesitamos fortalecer capacidades locales, infraestructura, talento y ecosistemas capaces de utilizar estas herramientas para resolver nuestros propios desafíos.

Al comenzar a mirar hacia 2027, por eso, creo que deberíamos medir el avance tecnológico de una manera un poco diferente. No solamente por la cantidad de procesamiento que somos capaces de alcanzar, sino por lo que esa capacidad nos permite hacer.

¿Podemos investigar más rápido? ¿Podemos resolver problemas que antes estaban fuera de nuestro alcance? ¿Podemos hacer que una empresa sea más productiva, que un científico analice más información o que una persona acceda a herramientas que hasta hace poco necesitaban infraestructura especializada?

Esas son las preguntas que realmente importan.

Si 2026 confirmó hasta dónde puede extenderse la inteligencia artificial, 2027 tendrá que mostrarnos hasta dónde podemos llegar con ella. Y ahí estará el verdadero indicador de progreso: no en tener tecnología por el solo hecho de tenerla, sino en nuestra capacidad de convertirla en descubrimientos, productividad, conocimiento y nuevas posibilidades para las personas.

Salir de la versión móvil