Red Hat construyó un negocio de 34 000 millones de dólares basado en Linux. IBM lo compró. Lo que validó el acuerdo fue una hipótesis que se había mantenido durante cuatro décadas: que las empresas que obtenían un enorme valor del código compartido seguirían financiando, por interés propio, los proyectos de los que dependían. Esa hipótesis se encuentra ahora en peligro. No porque alguien haya decidido dejar de financiar el código abierto, sino porque la industria que más lo financiaba, el SaaS, está siendo desmantelada por la industria que más depende de él, AI.

En un artículo anterior, exploré cómo ocho equipos de investigación independientes llegaron a la misma conclusión: en lugar de crear sistemas de memoria en torno al modelo, se debe entrenar al propio modelo para que gestione la memoria como una habilidad aprendida. El entrenamiento posmemoria —que utiliza el aprendizaje por refuerzo en la fase posterior al entrenamiento— produce agentes que deciden qué almacenar, eliminar, consolidar y recuperar, todo ello optimizado para la realización de tareas.

El entrenamiento posmemoria ha sido uno de mis principales intereses durante los últimos meses. Si has seguido mis últimos artículos sobre gestión del contexto, arquitecturas de memoria y la recurrente pregunta de por qué los agentes se deterioran después de los 50 años, este artículo es donde convergen todos esos hilos. El patrón original era bastante claro. Ocho equipos de investigación independientes llegaron a la misma conclusión: dejar de construir sistemas de memoria en torno al modelo y entrenar al propio modelo para gestionar la memoria como una habilidad aprendida. Esa convergencia fue significativa.

Al echar la vista atrás al año 2025, una cosa está clara: Inteligencia Artificial data ya no data herramientas experimentales que se encuentran en los márgenes de las organizaciones. Han pasado a ocupar un lugar decisivo en el núcleo del funcionamiento, la competencia y la creación de valor de las empresas. El ritmo de adopción lo dice todo. A finales de 2025, aproximadamente una de cada seis personas en todo el mundo había utilizado AI generativa, según el informe AI Report de Microsoft. En las empresas, el impulso fue aún mayor, ya que casi el 70 % de las organizaciones globales implementaron AI generativa AI al menos una función empresarial a mediados de año. Lo que comenzó como proyectos piloto aislados ha evolucionado rápidamente hasta convertirse en capacidades integradas que afectan a la toma de decisiones, la interacción con los clientes y la eficiencia operativa.

En el deporte, data AI asocian principalmente con el rendimiento en el campo: análisis de los jugadores, modelización táctica y prevención de lesiones. La tecnología ha ampliado los límites de los logros deportivos, permitiendo a los atletas superar sus límites anteriores. Entonces, ¿por qué no hay más organizaciones deportivas que apliquen el mismo razonamiento al negocio del deporte? El deporte es una industria del entretenimiento muy competitiva en la que las ganancias marginales en áreas como la participación de los aficionados, los contenidos, las operaciones y la toma de decisiones comerciales pueden ser tan importantes como los resultados.

La tecnología es real, pero aún inmadura. La trayectoria es clara, pero el calendario no lo es. La mayoría de las organizaciones que implementen AI de larga duración AI 2026 aprenderán lecciones costosas. Algunas pocas obtendrán ventajas genuinas. La diferencia se reducirá a tres cosas: dónde la implementan, cómo la gestionan y si comprenden lo que realmente significa «autónoma» en la práctica.