De la conversación a la ejecución: 7 tendencias de IA para 2026.

Definir las tendencias sobre inteligencia artificial que veremos en 2026 es, como poco, un ejercicio de riesgo. En un ecosistema donde cada semana hay noticias nuevas, nuevos modelos, nuevas herramientas que probar… Es difícil predecir.

Aún así, nuestros equipos de DatIA y de Goodly se han puesto manos a la obra y han recopilado las 7 tendencias sobre IA que debemos seguir la pista sí o sí durante los próximos meses.

1 GenBI: ahora por fin puedes "hablar" con tu base de datos

¿Habrá llegado a su fin uno de los principales problemas en Business Intelligence? Durante años, incluso décadas, si una persona quería acceder a un dato que no estaba en su dashboard, tenía una dependencia casi total de un/a analista técnico que tuviese tiempo de generar y compartir ese reporte.

La tendencia del GenBI (Generative Business Intelligence) ha llegado para romper ese cuello de botella. La idea es sencilla, pero con un gran potencial detrás: conectar los LLMs a nuestros datos empresariales para poder hacer preguntas en lenguaje natural.

¿El reto? Evitar que la IA se invente los datos (las famosas alucinaciones). La solución que se impondrá en 2026 es el uso de una capa semántica. Actúa como “un traductor”: le da al modelo información del contexto, las reglas de negocio, los modelos de datos, ejemplos de consultas verificadas… necesario para que, cuando preguntemos por el "ROI de la campaña de verano", la IA sepa exactamente qué tablas cruzar y nos devuelva el dato preciso, no una estimación creativa.

Nuestro compañero Roberto Torena ya nos habló en el blog el año pasado de GenBI. Si quieres profundizar en este tema, te recomendamos su post. Y si eres más de vídeo, aquí te cuenta en tan solo 2 minutos todo lo que necesitas saber sobre Generative Business Intelligence.

2 El retorno al on premise (o por qué la IA vuelve a casa)

Durante años, la nube fue el destino preferido por los equipos de desarrollo. Pero muchas organizaciones están sacando sus procesos de IA de la nube pública para traerlas de vuelta a sus propios centros de datos.

¿Por qué? Por privacidad, control de costes y soberanía. A nadie le gusta enviar datos confidenciales a una API de terceros cuyo precio puede fluctuar.

Gracias a la optimización de modelos (que cada vez requieren menos hardware) y a herramientas como Ollama o vLLM, desplegar una IA potente en servidores locales ya no es una pesadilla de ingeniería.

En 2026, tener nuestro "propio GPT" on premise será lo normal. Es el caso, por ejemplo, de la marca L’Oréal, que ha desarrollado L’Oréal GPT, una plataforma interna de inteligencia artificial que facilita la automatización de tareas, la creación de contenidos y la atención al cliente. Nos contaron en nuestro podcast cómo lo hicieron y qué impacto ha tenido en la compañía.

Si habitualmente sigues nuestro blog, sabrás que, relacionado con esta tendencia, hemos publicado varios posts sobre Ollama. Te los dejamos por aquí por si quieres probar esta herramienta:

• Ejecutando LLMs en local: primeros pasos con Ollama
• Ejecutando LLMs en local: Ollama avanzado
• Ejecutando LLMs en local: LM Studio

3 El fin de la amnesia artificial: Feedback Automático

Si alguna vez has desplegado un chatbot, sabrás la frustración que se genera al indicar con un “pulgar abajo” una respuesta incorrecta y ver que el modelo la repite incluso al día siguiente.

Hasta hace poco, si corregíamos a un asistente hoy, mañana volvería a cometer el mismo error porque su "cerebro" (el modelo entrenado) es estático. Cambiarlo requería un reentrenamiento demasiado costoso y lento.

La tendencia del círculo virtuoso del feedback automático cambia esto. No se trata de reentrenar el modelo cada noche, se trata de permitir que el sistema actualice su contexto o "libro de instrucciones" basándose en lo que ocurre.

Si un agente falla y el usuario le da un "pulgar abajo", el sistema analiza el error y se crea una nueva regla para no repetirlo en el contexto. Es el paso de una IA estática a una que realmente aprende de la experiencia diaria.

Para apoyar esta aproximación, hay herramientas de observabilidad como LangSmith o LangFuse. De ellas también hemos hablado en nuestro blog de una manera más extendida, si quieres saber cómo funcionan y qué ventajas tienen, te recomendamos su lectura.

4 David contra Goliat: los modelos open source ya no son los "hermanos pequeños"

Hace apenas dos años, si queríamos inteligencia real, teníamos que pagar a OpenAI o Anthropic. Los modelos abiertos (open source) eran interesantes, pero claramente inferiores en razonamiento.

Ahora, modelos como la serie DeepSeek (ya hablamos de ello a principios de año en nuestro podcast) o las últimas iteraciones de Llama, han demostrado que se puede tener un buen rendimiento sin pagar licencias privativas ni ceder nuestros datos.

Esto democratiza la innovación: este 2026, veremos startups y grandes empresas construyendo productos increíbles sobre modelos abiertos, sin pasar por el peaje de los costes por token de las grandes APIs.

De hecho, una de esas grandes empresas es Red Hat, que nos contó en nuestro podcast cómo están desarrollando plataformas de inteligencia artificial abiertas y empresariales para dar soporte a esta nueva tendencia.

5 La IA como especialista en arquitectura de software (Vibe Coding y Low code)

Crear flujos de IA robustos picando código, línea a línea, es lento y propenso a errores. La industria se mueve hacia la abstracción mediante plataformas low-code o hacia nuevo paradigma de la programación asistida por IA, donde la propia IA es quien "pica" el código.

Combinando ambas aproximaciones, en lugar de arrastrar cajitas manualmente, le decimos a la IA: "Necesito un agente que lea Jira y me resuma las tareas". La IA traduce esa intención en el "plano" técnico (JSON o YAML) que la plataforma low-code necesita.

Pasamos de la IA que escribe scripts (indicando cómo queremos hacerlo) a la IA que genera esos planos (indicando qué queremos hacer). Es más robusto, más fácil de mantener y hace que el desarrollo sea mucho más ágil.

Si estás buscando herramientas basadas en IA, el año pasado en nuestro blog hablamos de algunas de ellas:

• ¿Qué hay detrás del hype del Vibe Coding?
• Cursor AI, el IDE para la gente productiva
• Cascade de Windsurf: guía y buenas prácticas

Si te interesan las plataformas Low-Code para generación de soluciones de IA generativa, en este post analizamos esta tendencia:

• Plataformas de IA generativa: cómo elegir la más adecuada.

6 Del chat al navegador: agentes que "hacen" cosas

Ya es totalmente normal pedirle cosas a la IA en una ventanita de chat. El siguiente paso es que la IA salga de ahí y tome el control del navegador.

Hablamos de agentes con capacidad para "ver" la web igual que nosotros/as, loguearse con nuestras credenciales y ejecutar flujos de trabajo complejos.

Para entenderlo bien, pongamos un ejemplo, le decimos a nuestro navegador: "Bájate las facturas de los proveedores de este mes del portal y súbelas a la carpeta de Drive". No es que la IA nos diga cómo hacerlo, es que lo hace ella. Es la evolución natural de la automatización robótica (RPA).

Si quieres saber cómo se puede llevar todo este cambio a un entorno empresarial, nuestro equipo de Goodly nos habló en el podcast de la solución de Google “¡Descubre Agentspace de Google! El futuro de los agentes de IA en tu empresa”.

Además, en este otro capítulo de nuestro podcast “Apasionados por la tecnología”, tuvimos la oportunidad de charlar con Pol Algueró, de AWS, y hablar también de las soluciones de AWS: Bedrock Agents y Agent Core.

7 El fin del mantenimiento de código tedioso

Se calcula que los equipos de desarrollo pasan la mitad de su tiempo manteniendo código antiguo o actualizando librerías. Es necesario, pero aburrido. La tendencia de los agentes de mantenimiento autónomo viene al rescate.

No hablamos de un linter que nos avisa de un error. Hablamos de agentes proactivos que detectan una vulnerabilidad, buscan la versión parcheada, actualizan el código, refactorizan si algo se rompe, pasan los tests y nos dejan la Pull Request lista para aprobar. Los equipos de desarrollo dejarán de ser los "conserjes" del código para centrarse en construir valor nuevo.

Ya hay herramientas, como OpenRewrite, que permiten automatizar refactorizaciones masivas de código Java de forma segura. Si te pica la curiosidad, tenemos un post introductorio sobre esta herramienta: Aprendiendo a escribir nuestras propias recetas con OpenRewrite.

¿Qué nos espera ahora?

Si algo nos dicen estas 7 tendencias es que la IA se está volviendo invisible pero omnipresente. Ya no se trata de cuál es el modelo más listo, sino de quién lo integra mejor en los procesos reales de negocio. 2026 va a ser el año en el que la IA pase de “hablar” a “trabajar”.

¿Cuál de estas tendencias crees que impactará más en tu sector? ¿Crees que hay alguna importante que nos hayamos dejado fuera? Te leemos en los comentarios.