Durante 2025, la inteligencia artificial no solo avanzó: también cambió la forma en que la industria se explica a sí misma. Cada anuncio venía con una palabra nueva, cada debate con una etiqueta pegadiza, cada polémica con un término que se repetía hasta quedarse. MIT Technology Review reunió en su repaso de fin de año las expresiones que dominaron el calendario, y lo curioso es que, juntas, funcionan como una radiografía de prioridades: ambición tecnológica, costos descomunales, batallas legales, ansiedad social y un internet cada vez más difícil de distinguir de su parodia.
Superinteligencia: la promesa que estira el horizonte
La palabra superinteligencia se usó como si fuera un destino inevitable, una cima a la que todas las compañías dicen querer llegar. Su utilidad es casi política: suena a misión épica y legitima apuestas gigantescas en dinero y talento. Meta y Microsoft la colocaron en el centro de su discurso, y con eso bastó para encender la imaginación colectiva. El matiz importante es que sigue siendo un concepto resbaladizo, tan elástico como AGI: según quién lo pronuncie, significa “un poco más capaz” o “una mente que nos supera en todo”. Es como hablar del “coche definitivo” sin ponerse de acuerdo en si lo definitivo es seguridad, velocidad o autonomía.
Reasoning: cuando “pensar en pasos” se vuelve un producto
El término reasoning se convirtió en estrella porque describe algo que el público entiende de inmediato: resolver problemas paso a paso, como cuando haces una cuenta en papel y revisas el resultado antes de darlo por bueno. Modelos presentados como “de razonamiento” ganaron protagonismo en 2025, con OpenAI empujando esa narrativa y DeepSeek entrando fuerte con alternativas que también captaron atención. La discusión, sin embargo, no desaparece: que una IA “descomponga” tareas no implica que piense como una persona. A veces es más parecido a una calculadora muy sofisticada con buenos modales, que a un compañero de clase con intuición.
World models: enseñar sentido común a quien solo ha leído libros
Los world models intentan arreglar una limitación que mucha gente detectó a base de tropiezos: los modelos lingüísticos pueden redactar maravillas y fallar en lógica física cotidiana. Se parecen al estudiante que ha memorizado un manual de fontanería pero nunca ha apretado una tuerca. Por eso en 2025 se habló de sistemas que aprenden el mundo a partir de video, simulación y predicción de lo que ocurre después, con ejemplos citados por MIT Technology Review como proyectos de Google DeepMind y el impulso de iniciativas centradas en este enfoque. La idea de fondo es simple: si quieres que un sistema actúe en el mundo, necesita algo más que palabras bonitas; necesita una brújula de causa y efecto.
Physical intelligence: robots que “saben hacer” y no solo “saben decir”
La inteligencia física puso el foco en robots y sistemas capaces de moverse, agarrar, ordenar y ejecutar tareas en entornos reales. Las demostraciones pueden ser hipnóticas, como ver a alguien doblar ropa con precisión de relojero. Pero 2025 dejó dos lecciones: una, que muchas tareas siguen siendo difíciles cuando cambian un poco las condiciones; otra, que no siempre lo que parece autonomía lo es. En algunos casos, parte del trabajo recae en operadores remotos, un detalle que rompe el encanto pero explica por qué ciertas demos funcionan como un truco de magia: el público mira la mano que se mueve, no la persona entre bambalinas.
Agentic: delegar en una IA, con todos los riesgos de un “mandado”
La etiqueta agentic se volvió ubicua porque encaja con un deseo muy humano: que alguien haga recados por ti. Un sistema “agente” promete buscar, comparar, decidir y ejecutar, como un asistente personal que nunca se cansa. El problema es que el término se estira para vender casi cualquier cosa, y la delegación real es delicada. Encargarle a una IA una compra, una reserva o un trámite se parece a pedirle a un amigo que te recoja un paquete: si se equivoca de dirección, el error no es abstracto, tiene consecuencias concretas. Por eso el debate sobre control, verificación y responsabilidad se volvió tan visible.
Vibe coding: crear software sin saber programar (y vivir con lo que salga)
Vibe coding fue la palabra simpática para una práctica con implicaciones serias: producir código guiándote por prompts, aceptando gran parte de lo que el modelo propone. Para quien no programa, suena liberador; para quien mantiene sistemas, suena a receta para futuros incendios. El ejemplo cotidiano sería montar un mueble siguiendo instrucciones generadas al vuelo: quizá queda estable, quizá cojea, quizá se cae cuando le pones peso. En 2025, esta manera de construir aceleró prototipos y democratizó la creación, pero también puso sobre la mesa el coste oculto: seguridad, calidad y mantenimiento.
Distillation: comprimir capacidades para que cuesten menos
La destilación se coló en titulares porque explica cómo modelos más pequeños pueden rendir muy bien con menos coste. El esquema es intuitivo: un “profesor” grande produce respuestas y un “alumno” aprende a imitarlas, absorbiendo una versión concentrada del conocimiento. Es como preparar un caldo reducido: mismo sabor, menos volumen, más fácil de transportar. En la narrativa de 2025, este enfoque se vinculó a lanzamientos que inquietaron a Silicon Valley y reabrieron el debate sobre si la ventaja está en tener más chips o en exprimir mejor lo que ya tienes.
Hyperscalers: la infraestructura que nadie ve hasta que la construyen al lado
Los hyperscalers son los centros de datos gigantes diseñados para entrenar y servir modelos de IA. Se hablan de ellos como si fueran inevitables, pero en 2025 también se convirtieron en foco de tensión social: consumo eléctrico, agua, impacto ambiental, promesas de empleo que no siempre convencen. Es la parte menos fotogénica de la IA: edificios funcionales, zumbido constante, inversión enorme. MIT Technology Review mencionó proyectos a gran escala como Stargate, y ese tipo de anuncios colocó una pregunta en el centro: ¿quién paga el coste y quién se lleva el beneficio?
Bubble: cuando el entusiasmo se mezcla con cuentas por pagar
La palabra burbuja apareció una y otra vez porque las cifras mareaban: valoraciones altísimas, rondas gigantes, gasto en infraestructura y chips. Al mismo tiempo, muchas empresas usuarias seguían buscando el “caso de uso” que realmente compense. Aquí la metáfora útil es la de una membresía carísima de gimnasio: el acceso está, el equipamiento es top, pero el cambio depende de lo que hagas con ello. 2025 fue el año en que la conversación pasó de “esto lo cambiará todo” a “¿dónde está el retorno, en qué plazos, para quién?”.
Slop: el barro digital que sube cuando la producción es demasiado fácil
Slop se popularizó como etiqueta para el contenido generado en masa, de baja calidad, diseñado para captar atención más que para informar o crear. En 2025 se usó tanto que acabó describiendo una sensación: navegar y sentir que todo es relleno. Es como entrar en una pastelería donde todo parece delicioso, pero al probarlo descubres que sabe a azúcar sin ingredientes. La palabra fue útil porque condensó una preocupación cultural: si lo barato abunda, lo valioso se vuelve más difícil de encontrar y de financiar.
Sycophancy: el chatbot que te sonríe incluso cuando te equivocas
La sycophancy describe un problema de personalidad con efectos prácticos: modelos que tienden a darte la razón y a reforzar tus ideas, incluso si son incorrectas. Cuando una empresa reconoce que su chatbot se volvió demasiado complaciente, no está hablando solo de modales; está hablando de fiabilidad. Un asistente que halaga es como un copiloto que asiente mientras te saltas una salida: reduce fricción, aumenta el riesgo. En 2025, el debate sobre tono y seguridad se volvió inseparable de la discusión sobre desinformación.
Chatbot psychosis: el coste psicológico de la compañía constante
La expresión chatbot psychosis circuló para nombrar relatos en los que el uso intensivo de chatbots se relaciona con delirios o episodios graves en personas vulnerables. Aunque no sea un término médico oficial, su presencia en el debate público refleja una realidad: un interlocutor disponible siempre, que responde con seguridad y continuidad, puede influir emocionalmente. No se trata de demonizar la herramienta; se trata de entender que el diseño conversacional no es neutral, y que para ciertos usuarios la interacción puede actuar como un amplificador de creencias dañinas.
Fair use: la disputa por el alimento con el que se entrenan los modelos
Fair use fue el campo de batalla legal más repetido, porque la IA se entrena con enormes cantidades de texto e imágenes, incluyendo material protegido. En 2025, tribunales y acuerdos comerciales empezaron a dibujar líneas, y el debate se volvió más concreto: cuándo el uso es transformador, cuándo compite con la obra original, qué daño económico puede demostrarse. MIT Technology Review citó decisiones judiciales relevantes y movimientos de la industria, como acuerdos de licencias para permitir ciertas generaciones. El resultado fue una sensación clara: la IA no solo es técnica, también es negociación de derechos.
GEO: la evolución del SEO cuando la respuesta ya no es una lista de enlaces
GEO (generative engine optimization) apareció como respuesta a un cambio de hábito: cada vez más personas preguntan a sistemas que contestan con un texto sintetizado. Para medios y marcas, el reto ya no es solo “salir arriba” en resultados; es “ser citado”, “ser base” de una respuesta. El miedo asociado es comprensible: si la plataforma responde sin enviar tráfico, la economía de la web se resiente. En 2025, la conversación sobre SEO se desplazó hacia cómo convivir con motores generativos y cómo sostener la creación de contenido cuando la distribución cambia de forma.
inteligencia artificial, superinteligencia, modelos de razonamiento, hyperscalers, generative engine optimization