Lo que la IA hizo mientras discutíamos sobre ella
Cáncer detectado 3 años antes, antibióticos de 46 mil millones de compuestos, 37 millones incluidos en el sistema financiero. Y varios de estos avances nacieron en Latinoamérica.
Tom Tunguz, GP de Theory Ventures, publicó hace unas semanas una columna que tomó prestado el formato de una vieja sección de Sports Illustrated: “This Week’s Sign the Apocalypse Isn’t Upon Us.” Pero invirtió el sentido. En vez de señales del fin del mundo, listó lo que la IA había anunciado en solo dos semanas. Detección temprana de cáncer de páncreas. Reducción del tiempo de desarrollo de fármacos a la mitad. Tutores que duplican el aprendizaje en la mitad del tiempo. Predicción de plagas agrícolas con 88% de precisión. Diez mil exoplanetas nuevos identificados en segundos.
Ninguna de esas cosas se logró en dos semanas. Son meses y años de trabajo que se anunciaron en ese período. Y eso es lo que lo hace interesante: si tantos resultados salen a la luz tan seguido, lo que hay debajo es una cantidad de desarrollo en paralelo que apenas estamos empezando a ver. Los anuncios se apilan porque el trabajo se viene acumulando.
La columna de Tunguz me dejó pensando. Fui más profundo. Busqué qué está pasando en medicina, en ciencia, en educación, en agricultura, en inclusión financiera, en respuesta a desastres. No solo en Estados Unidos y Europa. También en Latinoamérica.
Lo que encontré no es un escenario hipotético. Es un presente que la mayoría de los ejecutivos que conozco no tiene dimensionado.
Lo que la IA está curando
En abril de 2026, la Mayo Clinic validó una IA que detecta cáncer de páncreas hasta tres años antes del diagnóstico, usando tomografías de rutina. Tres años. En un tipo de cáncer donde la detección tardía es prácticamente una sentencia. El estudio se publicó en Gut y cambió la conversación sobre lo que significa “diagnóstico temprano.”
Pero eso fue un solo anuncio. En enero, MIT y Microsoft presentaron CleaveNet, un sistema que usa IA para diseñar nanosensores capaces de detectar enzimas cancerígenas con un test de orina casero, con el potencial de identificar hasta 30 tipos de cáncer. En abril, un equipo de McMaster y Stanford diseñó synthecin, un antibiótico completamente nuevo, efectivo contra estafilococos. La IA exploró un espacio de 46 mil millones de compuestos químicos para encontrarlo. Y en febrero, DeepRare, un sistema multiagente publicado en Nature, superó a médicos experimentados en el diagnóstico de enfermedades raras: 64.4% de acierto en el primer intento contra 54.6% de los especialistas. Los médicos avalaron el razonamiento de la IA el 95% de las veces.
La FDA lleva 1,451 dispositivos médicos con IA autorizados. Solo en 2025 aprobó 295, el récord histórico.
En Chile, la Clínica Alemana desarrolló “Alemana IA,” un asistente conversacional con más de 30 herramientas integradas que permite a los médicos consultar registros, laboratorios e imágenes en tiempo real, y “Alemana Voice,” que escucha la conversación médico-paciente y genera notas clínicas estructuradas. Trabajan en colaboración con Stanford Medicine. En México, Unima, una startup de Jalisco, creó kits portátiles con IA que diagnostican tuberculosis y dengue en 15 minutos, a un dólar por test, sin necesidad de laboratorio ni personal médico especializado. Han atendido a más de 500,000 pacientes y ya operan en Guatemala, Indonesia y Sudáfrica.
Lo que la IA está descubriendo
En febrero de 2026, Google DeepMind anunció que Gemini Deep Think había resuelto 18 problemas de investigación que llevaban años abiertos en matemáticas, física y ciencias de la computación. Uno de ellos era una conjetura de optimización que la comunidad académica daba por cierta hacía más de una década. La IA la refutó construyendo un contraejemplo combinatorio. En paralelo, lanzaron Aletheia, un workflow agéntico que genera, verifica y revisa soluciones a problemas matemáticos de forma autónoma. Lo probaron contra la base de datos de conjeturas de Erdős y resolvió cuatro que nadie había podido resolver.
No son mejoras incrementales. Son descubrimientos que no existían antes de que la IA los encontrara.
El patrón se repite en otros dominios. En Princeton, un equipo usó IA para escanear 83 millones de curvas de luz del telescopio TESS de NASA e identificó 10,091 nuevos candidatos a exoplanetas. En segundos, lo que a astrónomos les habría tomado años. En mayo, DeepMind lanzó WeatherNext 2, un modelo que genera pronósticos a 15 días con resolución de una hora, ocho veces más rápido que su versión anterior y superándola en el 99.9% de las variables. Cientos de escenarios climáticos en menos de un minuto corriendo en un solo TPU. Microsoft, por su lado, abrió el código de Aurora, un modelo de 1.3 mil millones de parámetros que genera pronósticos globales de contaminación del aire cinco mil veces más rápido que los sistemas tradicionales.
En abril de 2026, el satélite ATENEA, desarrollado por CONAE en colaboración con universidades argentinas (UNLP, UNSAM, UBA, entre otras), voló en la misión Artemis II de NASA. Alcanzó 70,000 kilómetros de distancia de la Tierra, lo más lejos que ha llegado jamás una sonda argentina. No es un proyecto de IA puro, pero representa capacidad científica latinoamericana operando al nivel de las misiones más ambiciosas del mundo.
Lo que se está construyendo acá
En Brasil, Nubank construyó nuFormer, un modelo de crédito basado en transformers que metió a 37 millones de personas al sistema financiero formal. 28.4 millones de personas recibieron su primera tarjeta de crédito y la morosidad bajó 12% en dos años. Eso es inclusión financiera a una escala que ningún programa gubernamental de la región ha logrado, impulsada por un modelo de IA que decide mejor que los scoring tradicionales quién puede pagar y quién no.
En México, Aviva puso kioscos con IA en zonas de alto tráfico para dar microcréditos de cien a mil dólares en siete minutos. Sin papeles. Un bot con visión por computador y procesamiento de lenguaje natural evalúa al solicitante en una videollamada asistida por IA. Van más de 200,000 clientes en más de cien ciudades, con una mora de 3.1%. El BID Lab los respaldó porque resuelven un problema real: el acceso a crédito formal para personas que el sistema bancario nunca quiso atender. Konfio, también en México, usa IA para dar crédito a pymes. El 84% de sus clientes accede a su primer préstamo empresarial a través de la plataforma. Llevan casi mil millones de dólares desembolsados.
En Argentina, Kilimo lleva 72 mil millones de litros de agua ahorrados con un sistema de IA que optimiza el riego analizando datos satelitales, climáticos y de suelo. Más de 2,000 agricultores en siete países de la región. Su Irrigation Academy ha capacitado a más de 120,000 productores en tres años. Desde Córdoba.
En Chile, CONAF y CENIA desplegaron una red de cámaras con deep learning que detecta columnas de humo e incendios forestales en aproximadamente dos minutos. Tres cámaras cubren el 75% de la cuenca de Santiago. En 2026 expandieron la red a La Araucanía y Magallanes. Después de los incendios de la Región de Valparaíso, esto no es innovación académica. Es infraestructura de supervivencia.
La tasa de adopción de IA en Latinoamérica es 47%, por encima del promedio global de 45%. En México pasó de 60% a 77% en un solo año. Enter, una startup brasileña de legal-AI, se convirtió en mayo en el primer unicornio de IA de Latinoamérica con una valoración de 1.2 mil millones de dólares. Triplicó su valoración en ocho meses.
La variable que falta
Todo lo que acabo de describir tiene algo en común: existe hoy. Son productos en uso, pacientes atendidos, litros de agua ahorrados, créditos desembolsados, incendios detectados. La tecnología demostró lo que puede hacer. Esa discusión terminó.
La que sigue es más incómoda, porque no se resuelve con presupuesto ni con infraestructura.
Stanford analizó 51 implementaciones reales de IA en 41 organizaciones de siete países. La mediana de ganancia de productividad fue 71%. Pero el hallazgo que me quedó dando vueltas fue otro: el 95% de los fracasos no fueron tecnológicos. Fueron organizacionales. Empresas que tenían la herramienta, tenían los datos, tenían el presupuesto, y no lograron capturar valor. No porque la IA no funcionara. Porque la organización no se movió.
Lo he visto de cerca. En Yom me tomó más de un año lograr que la adopción dejara de ser mía y empezara a ser de toda la empresa. Boris Kraizel en Buscalibre vivió lo mismo. Su equipo más técnico fue el más difícil de mover. Lo que desbloqueó las cosas no fue un workshop ni un memo. Fue que alguien se metió primero, construyó algo que funcionaba, y lo puso enfrente del resto.
Cada ejemplo que mostré en este post tiene un líder detrás que tomó una decisión antes de tener toda la información. El equipo de CONAF que apostó por cámaras con deep learning después de los incendios de Valparaíso. Los fundadores de Kilimo que desde Córdoba construyeron una plataforma que hoy ahorra agua para más de 2,000 agricultores en siete países. Nubank, que confió en un modelo de crédito que el sistema bancario tradicional habría considerado temerario.
La IA no se adopta sola. La despliega alguien que decide moverse sin esperar a que el mercado le dé permiso. Y la distancia entre las organizaciones que capturan valor y las que no se amplía cada trimestre, no porque la tecnología se vuelva más compleja, sino porque los que ya se movieron están componiendo sobre lo que construyeron.
Todo lo que leíste en este post ya existe. No es roadmap ni proyección. Son cosas que están pasando ahora, medidas por instituciones serias, varias de ellas construidas en nuestra región. La pregunta ya no es si la IA funciona.