Si bien recientemente exploramos cómo los puntos de referencia tradicionales están perdiendo su influencia sobre las verdaderas capacidades de los Grandes Modelos de Lenguaje, la prueba en el mundo real no está ocurriendo en un laboratorio, sino en nuestros bolsillos. Estamos pasando de medir parámetros brutos a evaluar cómo estos modelos realmente conversan y se integran en nuestros flujos de trabajo diarios.
En Ambiente Ingegneria, hemos estado siguiendo este cambio hacia los sistemas agénticos desde hace un tiempo. Anteriormente hemos discutido la «muerte de la aplicación» y el auge de la IA de acceso profundo, pero ver estos conceptos pasar de la pizarra a los pasillos del Mobile World Congress es un cambio radical. La conversación ha cambiado: ya no se trata del dispositivo, sino del asistente invisible que vive dentro de él.
Estamos viendo una nueva generación de dispositivos, particularmente del mercado chino con modelos como Qwen3-Max-Thinking que rivalizan con Gemini 3 Pro, que eluden la capa superficial para acceder a las partes más profundas de un sistema operativo. Como ingenieros, esto nos entusiasma, pero también nos alerta sobre la soberanía digital. Cuando construimos aplicaciones web utilizando Python, Django y Flask, nuestro enfoque siempre está en la arquitectura de datos. Creemos que para que la IA sea verdaderamente útil, las bases de datos subyacentes de PostgreSQL o MySQL deben diseñarse para proteger la privacidad del usuario, no solo para alimentar un modelo insaciable.
Curiosamente, hacer que una IA «suene humana» todavía requiere un toque muy humano. Los informes de personas que ganan $600 a la semana solo por hablar con IA resaltan una verdad crucial: la retroalimentación humana matizada es la única forma de refinar RAG (Generación Aumentada por Recuperación) y las interfaces de voz. Este enfoque de «humano en el bucle» es exactamente lo que implementamos al integrar asistentes LLM en Odoo ERP o aplicaciones móviles personalizadas. Se trata de asegurar que la IA no solo sea estadísticamente precisa, sino contextualmente inteligente.
En ingeniería, confiamos en el sistema métrico porque proporciona un estándar universal y objetivo. Necesitamos el equivalente digital para la IA: métricas estandarizadas que superen el bombo publicitario de los «modelos pensantes» para garantizar que sean seguros, fiables y libres del ruido de las noticias falsas. Ya sea que estemos desarrollando un módulo Odoo personalizado o un front-end basado en React, nuestro objetivo sigue siendo el mismo: utilizar estándares claros y datos de calidad para construir herramientas en las que la gente pueda confiar realmente.
Source: https://www.abc.es/opinion/sevilla/gustavo-fuentes-despues-movil-20260312203834-nts.html
