El informe AI100 de 2026 examina cinco años de avances en inteligencia artificial y alerta sobre concentración tecnológica, automatización, ciberseguridad y aplicaciones militares. Sin embargo, una revisión de EstadoRed identifica diferencias entre riesgos documentados y proyecciones, además de una atribución sobre pérdidas por ciberdelitos que no queda respaldada por las cifras originales del FBI.
La Universidad de Stanford presentó la tercera edición de AI Goes Mainstream: The Scaling Era and the Rise of Generative AI («La IA se vuelve masiva: la era del escalamiento y el auge de la inteligencia artificial generativa»), un informe que examina las transformaciones tecnológicas, económicas y sociales ocurridas entre 2021 y 2026. El documento reconoce avances extraordinarios en programación, investigación científica y sistemas autónomos, pero también advierte sobre la concentración de poder, los riesgos militares y las consecuencias sociales de la automatización.
El estudio forma parte de One Hundred Year Study on Artificial Intelligence (AI100), un proyecto iniciado en 2014 para evaluar periódicamente la evolución de la tecnología durante un siglo. Su tercera edición fue elaborada por un panel internacional de doce especialistas, presidido por Michael Wooldridge, profesor de la Universidad de Oxford, y organizado alrededor de doce preguntas permanentes y dos análisis adicionales sobre geopolítica y escalamiento.
A diferencia de un experimento que presenta resultados obtenidos mediante una metodología única, AI100 es una síntesis de investigaciones, acontecimientos y evaluaciones de especialistas. Esta característica importa para interpretar sus conclusiones: algunas describen avances técnicos documentados, mientras otras formulan pronósticos, valoraciones sobre riesgos o recomendaciones de política pública. Su origen académico proporciona experiencia y conocimiento especializado, pero no convierte automáticamente todas sus interpretaciones en hechos demostrados.
El escalamiento encuentra nuevos límites
Uno de los principales argumentos del panel es que el paradigma tecnológico que impulsó los grandes modelos generativos durante los últimos cinco años comienza a enfrentar restricciones relacionadas con la disponibilidad de datos, el costo de entrenamiento y la infraestructura informática.
Según Stanford, el desarrollo futuro podría depender menos de entrenar modelos cada vez más grandes y más de mejorar sus métodos de razonamiento, memoria y uso de herramientas, así como de asignar mayores recursos de procesamiento durante la inferencia, es decir, cuando el sistema ya entrenado resuelve una tarea. El documento identifica a los agentes de IA como parte central de esa transformación.
El panel también destaca la creciente participación de la inteligencia artificial en investigación científica. Entre sus ejemplos se encuentran herramientas para predecir estructuras de proteínas, demostrar resultados matemáticos y apoyar el diseño experimental. Sin embargo, reconoce que la generación automatizada de resultados no elimina la necesidad de validación científica y que continúan existiendo problemas abiertos relacionados con la confiabilidad de los sistemas.
En economía, el informe advierte que la inversión en infraestructura informática se ha concentrado en unas pocas compañías y que sus efectos sobre productividad y rentabilidad todavía presentan incertidumbres. También identifica el peso estratégico de Estados Unidos y China, la disponibilidad de procesadores avanzados y la creciente importancia de los modelos de pesos abiertos. Estas conclusiones muestran una industria cuya expansión ya no depende exclusivamente de nuevas capacidades algorítmicas, sino también de capital, energía y control sobre la infraestructura.
Inteligencia artificial militar: una transformación con evidencia limitada
El documento dedica especial atención al uso militar de la inteligencia artificial. Según sus autores, los sistemas automatizados han pasado de constituir una posibilidad tecnológica a intervenir en operaciones militares reales, incluida la identificación de objetivos y el apoyo a decisiones sobre el empleo de armamento.
El informe menciona aplicaciones en conflictos de Ucrania y Gaza, así como operaciones relacionadas con Venezuela y la planificación militar estadounidense contra Irán. No obstante, el propio panel reconoce que existe poca información independiente para evaluar las afirmaciones sobre precisión y eficacia de estos sistemas.
Esta distinción resulta fundamental. Que un ejército utilice herramientas de IA no demuestra que estas mejoren la precisión de sus operaciones ni que sus recomendaciones hayan sido verificadas independientemente. Tampoco implica que todo sistema de apoyo a decisiones militares funcione como un arma autónoma letal.
Stanford advierte que el uso de algoritmos para acelerar la identificación de objetivos puede reducir el tiempo disponible para evaluar las recomendaciones y dificultar la atribución de responsabilidades. El argumento adquiere relevancia en la antesala de la Séptima Conferencia de Examen de la Convención sobre Ciertas Armas Convencionales, convocada en Ginebra del 16 al 20 de noviembre, donde los Estados examinarán los próximos pasos de las negociaciones sobre armas autónomas letales.
Medios sintéticos y desinformación: una distinción necesaria
Uno de los puntos que requieren mayor precisión conceptual aparece en el apartado dedicado a la autenticidad de imágenes, audio y video. En su octava conclusión principal, Stanford vincula los medios sintéticos con los deepfakes y describe su utilización en campañas de engaño, fraude y manipulación electoral.
Los riesgos señalados son reales: existen casos documentados de clonación de voces, suplantación de identidad y contenidos audiovisuales manipulados con fines de desinformación. Sin embargo, la categoría de medios sintéticos es más amplia que la de contenidos utilizados para engañar.
De acuerdo con el marco de prácticas responsables de Partnership on AI, los medios sintéticos son contenidos visuales, sonoros o multimodales generados o modificados mediante tecnologías digitales, habitualmente inteligencia artificial. Esta definición comprende tanto usos perjudiciales como aplicaciones creativas, educativas, audiovisuales y comunicativas desarrolladas con transparencia. La condición de contenido sintético, por sí sola, no permite determinar si existe engaño.
La propia edición de AI100 introduce un matiz importante en otra sección. Al examinar las elecciones de 2024, reconoce que, aunque existieron campañas de desinformación y casos de suplantación mediante IA, los temores sobre operaciones masivas de manipulación electoral no se materializaron en la escala anticipada. El informe mantiene la preocupación por el riesgo futuro, pero distingue allí entre capacidad tecnológica disponible e impacto observado.
La diferencia tiene consecuencias para el periodismo. No resulta equivalente producir una representación audiovisual ficticia, automatizar la lectura de noticias, falsificar declaraciones de una persona o elaborar información periodística mediante sistemas de IA sometidos a verificación editorial. Estas prácticas pueden compartir herramientas tecnológicas, pero difieren en sus objetivos, procedimientos, transparencia y responsabilidades.
El debate tampoco puede resolverse suponiendo que el público acepta indistintamente todos los usos de IA. Una investigación del Reuters Institute publicada en noviembre de 2026 encontró que, en promedio entre nueve países, solamente el 12% de los encuestados se siente cómodo con noticias elaboradas completamente mediante IA; el porcentaje aumenta al 19% cuando existe alguna supervisión humana. Estos resultados documentan una preocupación real por los procesos de producción informativa, aunque no establecen que todo contenido periodístico asistido por IA sea desinformación.
Una atribución sobre cibercrimen que no respaldan los datos del FBI
La revisión de EstadoRed encontró otra diferencia significativa al contrastar el apartado de ciberseguridad con información oficial estadounidense. En la página 79, Stanford indica que las pérdidas por ciberdelitos en Estados Unidos alcanzaron aproximadamente 21 mil millones de dólares durante 2025, un incremento del 26% respecto al año anterior. El texto vincula buena parte de ese crecimiento con el uso de inteligencia artificial.
Sin embargo, el informe original del Centro de Denuncias de Delitos por Internet (IC3) del FBI presenta cifras diferenciadas. Las pérdidas totales reportadas fueron de aproximadamente 20 mil 877 millones de dólares, mientras que las denuncias clasificadas como relacionadas con inteligencia artificial representaron 893.3 millones de dólares y 22,364 quejas. Fuente: FBI, Internet Crime Report 2025, pp. 8 y 39.
La diferencia no demuestra que el uso delictivo de IA se limite a esa última cantidad. El FBI advierte que muchas víctimas pueden desconocer si los responsables utilizaron inteligencia artificial, por lo que existe la posibilidad de subregistro. Sin embargo, tampoco atribuye al uso de IA la mayor parte de los 20 mil 877 millones de dólares perdidos ni establece que esa tecnología explique principalmente el aumento anual.
En consecuencia, los datos originales permiten confirmar la existencia de pérdidas asociadas con delitos que incorporan IA, pero no respaldan por sí solos la atribución causal más amplia que presenta Stanford. Este contraste ilustra una dificultad metodológica frecuente en los informes sobre tecnologías emergentes: una cifra general sobre daños puede adquirir un significado diferente cuando se relaciona con una tecnología específica sin distinguir adecuadamente la magnitud documentada, la participación estimada y la causalidad demostrada.
El informe también reconoce oportunidades creativas y límites del conocimiento
La lectura crítica del documento no implica que sus autores ignoren los beneficios de la inteligencia artificial. En su análisis de la economía creativa, Stanford reconoce que las herramientas generativas han reducido costos de producción, permitido que más personas participen en actividades antes reservadas a profesionales especializados y creado nuevas posibilidades para las industrias audiovisuales, el diseño y la programación. También admite que todavía no existe una respuesta definitiva sobre los efectos de estas tecnologías en los salarios y el empleo creativo. Fuente: AI100, pp. 76-77.
Los autores también reconocen errores en sus pronósticos anteriores. En una revisión de la edición de 2021, admiten que el panel no anticipó adecuadamente la magnitud del crecimiento de los grandes modelos de lenguaje y las interfaces conversacionales. Esta evaluación retrospectiva constituye una aportación del proyecto, porque permite examinar cómo evolucionan las expectativas científicas frente a desarrollos tecnológicos que pueden superar o contradecir los consensos establecidos.
El documento también contiene una declaración de transparencia sobre su producción: sus autores utilizaron herramientas de IA para transcribir y resumir reuniones, revisar textos, apoyar la redacción y comparar sus conclusiones con informes anteriores. Stanford afirma que el documento fue escrito por personas y que los sistemas automatizados se emplearon como asistentes durante diferentes etapas de trabajo.
La declaración permite identificar otro aspecto de la relación entre investigación académica e inteligencia artificial: las mismas instituciones que estudian sus riesgos también incorporan estas herramientas en sus procesos de producción intelectual. La cuestión no es únicamente determinar si se utilizó IA, sino establecer qué funciones desempeñó y cómo se verificaron los resultados.
El valor del informe y los límites de su interpretación
AI100 ofrece una revisión de amplio alcance sobre una tecnología que ha transformado sus capacidades, su presencia social y su importancia geopolítica en un periodo de cinco años. Su contribución reside en reunir perspectivas de especialistas y contrastar pronósticos anteriores con acontecimientos recientes.
No obstante, el documento combina análisis de hechos observables, resultados de investigaciones externas y valoraciones prospectivas. Esta combinación es habitual en los estudios de prospectiva tecnológica, pero exige distinguir qué conclusiones están respaldadas por evidencia empírica, cuáles representan interpretaciones de los especialistas y cuáles describen escenarios todavía inciertos.
La comparación con los registros originales del FBI muestra por qué esa distinción importa. Asimismo, el tratamiento de los medios sintéticos plantea la necesidad de utilizar categorías que permitan diferenciar el engaño deliberado de otras formas de producción audiovisual y periodística asistida por IA.
Stanford reconoce en su última conclusión que el informe podría quedar desactualizado rápidamente debido a la velocidad del desarrollo tecnológico. Esa advertencia también puede extenderse a sus marcos de interpretación: a medida que aparecen nuevas capacidades, aplicaciones y formas de organización, las categorías utilizadas para describir la inteligencia artificial requieren revisión.
El desafío no consiste solamente en identificar los riesgos de una tecnología en expansión, sino en construir mecanismos de investigación capaces de distinguir sus capacidades reales, sus usos concretos y sus consecuencias demostrables. La autoridad de una institución académica no sustituye ese proceso de verificación.
