La IA agéntica está revolucionando la tecnología al permitir que los sistemas tomen decisiones y ejecuten acciones sin intervención humana directa, lo que implica nuevos riesgos y responsabilidades.
Startups españolas como Cala y Multiverse Computing destacan por aportar soluciones que mejoran la fiabilidad de los datos y la eficiencia computacional, compitiendo con grandes multinacionales.
La soberanía tecnológica se vuelve esencial: gobiernos y sectores críticos exigen que los modelos y datos permanezcan bajo control local, impulsando desarrollos propios frente a la dependencia de proveedores extranjeros.
Se prevé que para 2030 la actuación autónoma de la IA será habitual, desplazando el debate hacia la gestión de la inteligencia artificial general y su integración en el mundo físico.
A lo largo de los últimos diez años, el desarrollo de la inteligencia artificial ha conformado en sí una competición marcada por sus parámetros, alimentarlos con mayor cantidad de datos y dotarlos de una capacidad de computación cada vez más elevada.
Paradójicamente, cuanto más sofisticados y potentes se han vuelto estos sistemas, más difícil resulta comprender en profundidad qué sucede en su interior.
Sí, se ha priorizado la potencia frente al control, el impacto frente a la capacidad de decisión.
Esta evolución está transformando la forma en la que se construyen las infraestructuras digitales, condicionando las alianzas entre organizaciones y proveedores tecnológicos y planteando nuevos interrogantes sobre la autonomía y la soberanía tecnológica. En paralelo, modifica de manera poco visible el reparto de poder entre administraciones públicas, compañías y grandes plataformas tecnológicas.
La IA agéntica no solo responde, sino que también actúa. Elisenda Bou-Balust, fundadora de Cala, explica que un chatbot tradicional funciona como un sistema de preguntas y respuestas: "Le haces una pregunta, te da una respuesta y ahí termina todo. Un agente funciona más como un organizador. Le das un objetivo y él mismo descompone la tarea en pasos, usa herramientas (busca en la web, ejecuta código, accede a tu calendario), evalúa los resultados y los corrige hasta completar la tarea".
Elisenda Bou-Balust es la fundadora de Cala. En la imagen, foto de equipo.
Un chatbot es una interfaz conversacional sobre un modelo, mientras que un agente es un sistema con memoria, herramientas y decisión encadenada. Eso cambia el riesgo del juego, porque ya no hablamos solo de una respuesta incorrecta, sino de una acción incorrecta con consecuencias operativas.
A estas alturas, somos conscientes de que la IA solo puede dar resultados correctos si los datos con los que trabaja, lo son. Hoy, los agentes de IA obtienen información haciendo búsquedas web que suponen datos sin verificar, desordenados y carísimos de procesar. El resultado, en muchísimas ocasiones, es erróneo y alucinógeno.
Cala resuelve precisamente esto. "Preprocesamos la información pública (registros mercantiles, filings regulatorios, sanciones, datos de mercado etc.) y procedemos a convertirlo en hechos verificados y estructurados, para que cualquier agente pueda consultarlos directamente", traslada Elisenda. En resumen, esta startup española proporciona datos fiables para que la IA también lo pueda ser y calienta motores para convertirse, definitivamente, en un referente mundial.
Curiosamente, lo que nació como una herramienta capaz de proporcionar una ventaja competitiva se está convirtiendo, en muchos casos, en una nueva fuente de dependencia. Las organizaciones quedan cada vez más vinculadas a grandes proveedores de servicios cloud, a modelos generalistas desarrollados por terceros y arquitecturas complejas y poco transparentes sobre las que ni los equipos de negocio ni los departamentos tecnológicos tienen un control completo.
Multiverse Computing: otro nombre propio
En este sentido, otro caso de éxito desde nuestro país es el de Multiverse Computing. Se encuentran inmersos en la resolución del elevado coste computacional y la dependencia de grandes infraestructuras.
"Con nuestros modelos de IA, reducimos entre un 80 % y un 95 % el tamaño de modelos ya entrenados manteniendo prácticamente intacto su rendimiento. Esto permite ejecutar IA de forma más rápida y económica, incluso en dispositivos con recursos limitados o en infraestructuras propias. Además de reducir los costes de inferencia, facilita que los datos permanezcan dentro de la organización, algo especialmente importante en sectores regulados, industriales y de defensa", cuenta Enrique Lizaso, CEO y cofundador de Multiverse Computing.
Los modelos fundacionales dejan de ser la barrera
OpenAI, Anthropic, Google ya hicieron el trabajo pesado de entrenar modelos generalistas muy capaces y ese conocimiento es hoy materia prima, no ventaja propietaria. El valor se desplazó río abajo, en dirección a quien resuelve el problema real de una industria, quien despliega con seguridad, quien adapta el modelo a un dominio, quien lo hace correr con el coste y la latencia que exige un caso de uso concreto.
Eso es terreno de especialización, no de capital. Una startup no necesita entrenar un modelo desde cero para ganar, sino entender un problema vertical mejor que nadie y construir la capa de confianza, compresión y despliegue alrededor del modelo.
Hoy, estas startups españolas pueden competir y compiten con empresas respaldadas con miles de millones de dólares de inversión, en las capas de eficiencia, especialización y soberanía.
"A la hora de comprimir esos modelos, adaptarlos a un dominio, desplegarlos donde el cliente necesita que vivan sus datos…ahí el capital de los grandes no decide quién gana. Nuestra ventaja concreta viene de aplicar matemáticas de física cuántica, redes tensoriales, a un problema de ingeniería de software. Es decir, cuánto se puede reducir un modelo sin perder lo que importa. Es una ventaja construida en investigación, no una que se copie viendo un producto. A eso se suma entender de cerca sectores regulados europeos (defensa, energía, banca) con exigencias de soberanía de datos", reivindica Enrique Lizaso.
"La revolución de la IA agéntica está más cercana a la electricidad que a las apps o el cloud, por las implicaciones socioeconómicas que tiene y tendrá en la sociedad"
Elisenda Bou-Balust, fundadora de Cala
En palabras de Elisenda Bou-Balust, hasta la fecha, construir un producto digital dependía de contar con equipo técnico, tiempo de desarrollo e inversión considerable, lo cual limitaba quién podía llevar una idea al mercado.
"Con la IA, la barrera de entrada ha bajado drásticamente. Se puede conseguir mucho más con equipos más pequeños, y el conocimiento del problema pasa a ser el requisito. Quien entiende bien un sector o una necesidad concreta está mucho más cerca de poder construir la solución. Esto abre el mercado a un perfil de fundador mucho más amplio, a desarrollar también negocios y soluciones que antes, quizás, eran impensables. Y con cada mejora de modelo fundacional, la barrera sigue bajando, por lo que es una oportunidad fantástica".
La CEO de Cala considera que el error es asumir que las startups españolas no tienen acceso a esa inversión de las grandes extranjeras. "El capital tiene cada vez más capilaridad geográfica, estamos asistiendo a rondas en empresas de nuestro país lideradas por los grandes nombres del venture capital global. Y desde luego, creo que el argumento de 'ser más baratos' ya no funciona. El mejor talento compite en un mercado mundial y cuesta lo mismo desde donde sea. Además, con la IA el juego ha cambiado: necesitas menos gente pero excepcional, y esas personas cobran a precio global", añade.
Está convencida de que la revolución de la IA agéntica está más cercana a la electricidad que a las apps o al cloud, por las implicaciones socioeconómicas que tiene y tendrá en la sociedad. "Aunque si hablamos del boom en cuanto al número de productos de software, entonces sí, veremos algo parecido al nacimiento de las apps, con un impacto mucho mayor porque cambia la manera de aprender, trabajar y decidir en nuestro día a día”, especifica.
Intentar hacer otro ChatGPT
La computación, la financiación y el talento, son los principales hándicaps que afrontan las startups dedicadas a la IA agéntica. "Son proyectos tan masivos que exigen un esfuerzo sostenido y coordinado de muchísimos actores… públicos y privados, durante años. El verdadero cuello de botella es la capacidad de articular todo ese ecosistema porque nada de lo anterior se consigue en el mercado abierto, sino a través de acuerdos con gobiernos, con grandes tecnológicas, proveedores de energía e infraestructura".
Otro de los principales escollos es confundir interfaz con producto. El responsable de Multiverse Computing lo tiene claro: envolver un modelo de terceros en un chat con marca nueva no es una empresa, es una capa fina que cualquiera replica en semanas y que el propio proveedor del modelo puede absorber en su próxima actualización.
Equipo de Multiverse Computing.
"Otro error es no tener tesis de coste: si el margen depende enteramente de lo que cobre un proveedor de modelos por token, no hay negocio defendible. El tercero es ignorar la distribución: gana quien ya tiene la relación con el cliente, no quien tiene el modelo más nuevo", afirma.
Preguntados sobre si los inversores españoles entienden este mercado, ambos entrevistados coinciden en responder que la adopción es desigual.
"Hay fondos que ya distinguen entre una capa fina sobre un modelo y una ventaja técnica defendible, y otros que siguen valorando las rondas de IA por comparables de Silicon Valley sin mirar si el negocio subyacente tiene foso. El ecosistema español ha avanzado mucho en los últimos años, pero sigue siendo más conservador con el riesgo técnico profundo, como el nuestro, que con capas de aplicación fáciles de explicar en una reunión de una hora", traslada Enrique.
Soberanía tecnológica
Más allá, la soberanía tecnológica ha pasado a ser un requisito de compra, no un argumento de marketing. Gobiernos, bancos y operadores de infraestructura crítica en Europa y Oriente Medio piden explícitamente que el modelo, los datos y la inferencia se queden dentro de sus fronteras o su nube privada.
Eso descarta de raíz cualquier solución que dependa de enviar datos a una API de un proveedor extranjero. Es exactamente el terreno donde compiten los modelos de IA de estas startups españolas, que al estar optimizados, pueden ser ejecutados localmente en la propia infraestructura del cliente.
"Hoy, los modelos fundacionales están concentrados en pocas empresas, casi todas americanas y chinas, lo cual genera una dependencia estratégica, porque quien no controla la tecnología, depende de las decisiones y los precios de otros. Para Europa, esto es un desafío, pero también define oportunidades. Habrá una demanda creciente de soluciones soberanas que pasan por modelos abiertos, infraestructura propia, datos que no salen del país o del continente. Sectores como sanidad, banca o administración pública lo van a exigir", añade Elisenda.
Mirando a un horizonte cada vez más cercano, los expertos apuntan a que en 2030 nadie hablará de ‘IA agéntica’ como categoría. "Que la IA actúe y ejecute tareas será lo normal, igual que hoy nadie destaca que una empresa use internet. Creo que la conversación se habrá movido a AGI, es decir, cuánto falta, qué implica, cómo lo gestionamos...así como a robótica, porque la IA habrá saltado ya del software al mundo físico", aventura la responsable de Cala.