IA, sociedad y universidad

 

ArtÍculo

El término artificial intelligence fue acuñado por John McCarthy en 1956 y desde entonces la IA ha evolucionado de modo espectacular. Nuevos tipos de inteligencia artificial han ido apareciendo y se han consolidado, como la inteligencia artificial generativa (IAG), y en los años 2024 y 2025 el gran auge de la inte­ligencia artificial agéntica (Agentic AI) y los agentes de IA.

Las tecnologías de IA moderna son muy numerosas y de gran aplicación en numerosos campos y sectores en la sociedad y en la vida diaria, con énfasis especial en la educación, formación y aprendizaje y como soporte fundamental en la universi­dad. A destacar, entre otras: aprendizaje automático (ma­chine learning, ML), aprendizaje profundo (deep learning, DL), redes neuronales y procesamiento del lenguaje natu­ral (natural language processing, NLP). Su fusión con otras tecnologías ha conducido a su implantación y despliegue masivo, y la consolidación de la IAG y la Agentic AI.

IAG: Panorámica y tendencias

La IA se ha convertido en uno de los motores de la eco­nomía mundial en el siglo XXI, siendo su rama IAG una disciplina que está llegando a la sociedad en numerosos sectores, así como a la educación e investigación, por su capacidad para la generación y creación de contenido nuevo y original a partir de datos existentes en forma de grandes volúmenes (big data). La IAG tiene la capacidad de producir contenido innovador como texto, imágenes, voz, audio, música, código de programación, etc. Ha des­pegado con el auge de los modelos de lenguaje grandes (LLM) y su explosión con la presentación del popular ChatGPT.

La inteligencia artificial generativa incorpora modelos discriminadores o transformadores entrenados en un cor­pus o conjunto de datos, capaz de mapear la información de entrada en un espacio latente de alta dimensión; ade­más, posee un modelo generador que impulsa un com­portamiento estocástico [aleatorio], creando contenidos novedosos en cada intento, incluso con los mismos estí­mulos de entrada. En resumen, la IA (Ortega, 2025: 172), se refiere a modelos y técnicas que tienen la capacidad de generar contenido nuevo y original y, dentro de este ámbito, los modelos de lenguaje a gran escala, que en su origen admitían entradas solo de texto, en la actualidad se han vuelto multimodales, admitiendo entradas diver­sas como texto, audio, vídeo, imágenes, código, etc. Los modelos más utilizados en la construcción de LLM son los modelos transformadores, entre los que se destaca el citado ChatGPT.

La IA en la sociedad: sectores de impacto y aplicaciones

Desde el principio de la década actual, la inteligencia artificial ha evolucionado considerablemente y de disci­plina centrada en investigación, fundamentalmente, ha pasado —con la ayuda de la IAG, y desde el año 2024, de la IA agéntica—, a impactar en numerosos sectores tanto de organizaciones y empresas como de la industria. Áreas de relevancia (Girón, 2023) son: medios sociales (redes sociales, blogs, pódcasts…); salud (ámbito médico y far­macéutico); logística; producción industrial y agricultura; escena económica; el empleo y la fuerza laboral.

En 2025, la IA está propiciando un cambio radical en múltiples industrias y sectores impulsando la eficiencia y la innovación con un gran impacto en el bienestar social, pero es necesario abordar los desafíos éticos y sociales aso­ciados a su uso y a su implementación para garantizar que su desarrollo beneficie a toda la sociedad y al necesario ajuste del mercado laboral.

La IA en la universidad

La inteligencia artificial se ha implantado en las univer­sidades desde su creación como disciplina científica y ha formado parte de programas de asignaturas, seminarios, talleres, cursos de grado y posgrado, másteres y doctorados en numerosas carreras de ciencias e ingeniería. El fuerte crecimiento de la IAG y la IA agéntica han marcado un nuevo rumbo a la IA, con carreras específicas de ingeniería de inteligencia artificial y se ha consolidado el rol del pro­gramador, desarrollador e ingeniero en inteligencia artifi­cial, profesiones cada vez más solicitadas por la creciente demanda de profesionales de ese ámbito.

En la educación universitaria, la inteligencia artificial permite la personalización del aprendizaje mediante pla­taformas adaptativas que identifican las necesidades indi­viduales de los estudiantes y su mejora en el rendimiento académico, y han fomentado una educación más inclusiva al proporcionar apoyo específico a estudiantes con disca­pacidades o dificultades de aprendizaje.

La IA en la CRUE

La Conferencia de Rectores y Rectoras de las Universi­dades Españolas (CRUE) es una asociación, sin ánimo de lucro, que fue creada en 1994 y que en la actualidad está formada por todas las universidades españolas públicas y privadas. Entre sus fines esenciales, destaca el de «ser re­ferente del conocimiento».

La CRUE publicó en marzo de 2024 el informe¹ La Inteligencia Artificial Generativa en la docencia universi­taria: Oportunidades, desafíos y recomendaciones. En este se destaca que la IAG es un tipo de inteligencia artifi­cial especializada en la creación de contenidos nuevos y supone un avance respecto a la IA tradicional, que se centra normalmente en la toma de decisiones basadas en entradas específicas. El informe describe un ejemplo de uso: mientras que la IA tradicional puede proponer un curso en función de las preferencias de un usuario, la generativa puede generar los contenidos de ese curso (imágenes, documentación, presentaciones, etc.). Este proceso se suele realizar a partir de descripciones en len­guaje natural que, dependiendo del resultado obtenido, deberán ser elaboradas.

El uso de la IA en la educación: informes de la UNESCO

La UNESCO ha realizado y publicado informes relativos a la inteligencia artificial y su aplicación en educación. En uno de sus informes más destacados, El uso de la IA en la educación: decidir el futuro que queremos², resalta que las herramientas de inteligencia artificial se están implantando rápidamente en los sistemas educativos de todo el mundo. Estas herramientas proporcionan grandes oportunidades para mejorar y utilizar el aprendizaje, pero su despliegue rápido representa también determinados riesgos: se suelen utilizar sin marcos normativos requeridos que protejan a educandos y docentes, y garanticen de este modo un enfoque centrado en el ser humano a la hora de utilizar las tecnologías en la educación.

Otro de los artículos de referencia de la UNESCO³, titulado La inteligencia artificial en la educación, pro­porciona el potencial necesario para abordar desafíos de la educación actual, innovar las prácticas de enseñan­za y aprendizaje, y acelerar su progreso. El mandato de la UNESCO exige intrínsecamente un enfoque de la IA centrado en el ser humano y propone «IA para todos», que debe permitir a cada usuario poder sacar provecho de la revolución tecnológica y acceder a sus beneficios, en tér­minos de innovaciones y conocimientos, así como ayudar a la solución de las desigualdades actuales en materia de acceso al conocimiento, la investigación y diversidad de expresiones culturales; y garantizar que la IA no amplíe la brecha tecnológica dentro de los países y entre ellos.

Los modelos de lenguaje grandes (LLM)

Los modelos de lenguaje grandes (LLM, large language models) son uno de los componentes principales de la IA generativa, de gran uso y desarrollo. Definiciones desta­cadas: 1) IBM indica «los grandes modelos de lenguaje (LLM) son una categoría de modelos básicos entrenados sobre inmensas cantidades de datos, lo que los hace capa­ces de comprender y generar lenguaje natural y otros tipos de contenido para realizar una amplia variedad de tareas»; 2) Gartner señala en su IT Glossary: «Un modelo de len­guaje grande (LLM) es un tipo especializado de inteligen­cia artificial que ha sido entrenado en vastas cantidades de datos (texto) para comprender el contenido existente y generar contenido original».

Los LLM son sistemas de IA diseñados para entender y generar lenguaje humano mediante modelos de apren­dizaje profundo. Utilizan grandes volúmenes de datos y algoritmos avanzados para ofrecer soluciones y crear contenidos relevantes en una variedad de aplicaciones, gracias a su capacidad para el procesamiento de lenguaje natural (PLN) y el aprendizaje profundo mediante ins­trucciones de entrada (prompts). Los modelos LLM utili­zan la arquitectura de transformador de la IAG, un con­junto de redes neuronales que consta de un codificador y un decodificador con capacidades de autoatención y au­toaprendizaje. El codificador y el decodificador extraen significados de una secuencia de texto y comprenden las relaciones entre las palabras y las frases que contiene. Los transformadores LLM son capaces de entrenarse sin supervisión y con autoaprendizaje.

Los modelos LLM poseen numerosas características entre los que destacan: gran cantidad de parámetros; en­trenamiento con grandes corpus de datos; capacidad de generación de texto; transferencia de aprendizaje; arqui­tectura de transformador; capacidad multimodal; genera­lización a diversas tareas y desafíos éticos y de sesgo (Or­tega, 2024: 180-183).

La mayoría de los LLM en 2025 son multimodales, ad­miten entradas de texto, imágenes, audio, vídeo y código. Modelos LLM propietarios populares:

– GPT-5 de OpenAI (versiones anteriores GPT-3, GPT-4, GPT-4.5) y ChatGPT.

– Claude Sonnet 4.5 de Anthropic.

– Copilot de Microsoft.

–  Gemini 2.5 de Google DeepMind.

– Command R+ de Cohere.

– PaLM.

De los modelos de LLM de código abierto, destacan: LLaMA 4 de Meta (Facebook), Falcon, Mistral, Mixtral, BLOOM.

Últimas versiones de modelos de LLM presentados en 2025:

– Claude Sonnet 4.5 de Anthropic, modelo centrado en codificación, desarrollo de software y con soporte de agentes inteligentes. Mejora en razonamiento. Esta versión se pre­sentó el 29 de septiembre de 2025.

– Sora 2 de OpenAI es un modelo de generación de vídeo a partir de instrucciones de texto y añade audio sincronizado a los vídeos. Presentado el 7 de octubre de 2025.

Normalización y regulación de la IA

La Comisión Europea propuso la EU AI Act, la primera ley de uso de la inteligencia artificial a nivel mundial, es­tableciendo un sistema de clasificación basado en riesgos.

Los sistemas de IA que se pueden utilizar en diferentes aplicaciones son analizados y clasificados de acuerdo con el riesgo que entrañan a los usuarios.

Ley de la Inteligencia Artificial de la Unión Europea⁴: evo­lución e historia

El 21 de abril de 2021, la Comisión de la Unión Euro­pea publica una propuesta para regular la IA en la Unión y, a partir de esta fecha, el Parlamento y el Consejo de la UE estudian y promueven gran número de iniciativas sobre IA. La Ley (AI Act) se aprueba por el Parlamento Europeo el 13 de marzo de 2024, se publica en el Diario Oficial de la UE (DOUE) el 12 de julio de 2024, entra en vigor el 1 de agosto de 2024 y su aplicación completa llega el 2 de agosto de 2026. La norma tiene por objeto fomentar el desarrollo y la implantación responsable de la inteligencia artificial en la Unión Europea y aborda los posibles riesgos para la salud, la seguridad y los derechos fundamentales de los ciudadanos.

La Ley de Inteligencia Artificial en España

En diciembre de 2020, el Gobierno de España presen­tó la Estrategia Nacional de Inteligencia Artificial (ENIA) con el objetivo de impulsar su desarrollo e implementar la IA en el país; en septiembre de 2023 puso en marcha la Agencia Española de Supervisión de la Inteligencia Artifi­cial (AESIA), encargada de garantizar el desarrollo, uso y supervisión de sistemas de IA de forma ética y conforme a la legislación española; y el 15 de mayo de 2024 aprobó la Estrategia IA España 2024 que da continuidad y refuerza la ENIA y marca un compromiso decidido con el avance y expansión de la inteligencia artificial. Tiene cinco palan­cas para la mejora de infraestructuras tecnológicas:

– Supercomputación.

– Modelo ALIA (alia.gob.es). Desarrollo de un modelo de lenguaje fundacional en castellano y las lenguas cooficiales.

– Almacenamiento sostenible.

– Generación de modelos y corpus de datos.

– Fomento del talento.

Una vez entrada en vigor el AI Act, en marzo de 2025, el Gobierno de España aprobó el Anteproyecto de Ley para el Buen Uso y Gobernanza de la Inteligencia Arti­ficial con el objetivo de adaptar la legislación nacional al nuevo marco europeo.

Ética y privacidad de la IA

La ética en el uso de la inteligencia artificial es también un aspecto muy importante a tener en cuenta siempre en organizaciones y empresas a la hora de diseñar, crear o uti­lizar la inteligencia artificial. La organización internacional UNESCO, preocupada por la necesidad de regulación, aprobó en 2021 la recomendación sobre la ética de la in­teligencia artificial, que proporciona un marco normativo adoptado por los 194 Estados miembros de la organización.

Los rápidos avances tecnológicos en inteligencia artifi­cial han generado numerosas oportunidades a nivel mun­dial, pero también plantean profundas preocupaciones éticas que surgen del potencial que tienen los sistemas de IA para incorporar prejuicios, contribuir a la degradación climática, amenazar los derechos humanos y mucho más. Semejantes riesgos asociados a la IA ya comenzaron a su­marse a las desigualdades existentes, perjudicando aún más a grupos ya marginados. El uso de una ética de la in­teligencia artificial responsable y de aplicación requiere el cumplimiento de leyes de protección de datos y privacidad nacionales e internacionales.

Las normas de la UE sobre protección de datos son las más estrictas del mundo. En la Unión se considera que la protección de los datos personales es un derecho funda­mental. El Reglamento General de Protección de Datos (RGPD) se adoptó en 2016 y se empezó a aplicar en mayo de 2018 (consilium.europa.eu/es/policies/data-protec­tion). Es una norma de obligado cumplimiento de los Es­tados miembros para otorgar a las personas mayor control sobre sus datos personales, su privacidad y simplificar el cumplimiento para las empresas y organizaciones.

En España la Ley Orgánica de Protección de Datos y Garantías de los Derechos Digitales (LOPDGDD) —que sustituyó a la antigua Ley LOPD— entró en vigor el 6 de diciembre de 2018 y adapta el RGPD de la UE al ordena­miento jurídico español. La Agencia Española de Protec­ción de Datos, AEPD (aepd.es/informes-y-resoluciones/normativa) es la encargada de velar por la protección y pri­vacidad de los datos, y su cumplimiento (compliance).

Agentic AI y AI Agents

IBM⁵ define la Agentic AI (IA agéntica) como «un siste­ma de inteligencia artificial capaz de realizar un objetivo específico con supervisión limitada. Consta de agentes de IA (AI agents), modelos de aprendizaje automático que si­mulan la toma de decisiones humanas para resolver pro­blemas en tiempo real. En un sistema multiagente, cada agente ejecuta una subtarea específica requerida para al­canzar el objetivo y sus esfuerzos se coordinan a través de la operación conocida como AI orchestration. El término agéntica se refiere a su capacidad de actuar de forma in­dependiente con un propósito determinado».

La IA Agéntica se refiere a sistemas autónomos que pue­den tomar decisiones capaces de planificar, razonar y actuar de modo independiente para alcanzar objetivos con o sin intervención humana, que los distingue de la IA tradicional, que requiere una guía paso a paso o reglas fijas. IBM plan­tea que estos sistemas se construyen normalmente con mo­delos de lenguaje grandes (LLM) que pueden descomponer los objetivos complejos en subtareas, utilizar herramientas diversas y adaptarse a su entorno para tomar decisiones proactivas y orientadas a objetivos. En esencia, la IA agén­tica se construye con técnicas de IA generativa utilizando modelos LLM para funcionar en entornos dinámicos.

Nvidia⁶ —una de las empresas más valiosas del mun­do— considera que la IA agéntica utiliza razonamiento sofisticado y planificación iterativa para resolver autóno­mamente problemas complejos en varios pasos o etapas. Oracle⁷, otro de los grandes fabricantes de software, define la IA agéntica como un sistema de IA capaz de tomar deci­siones autónomas basadas tanto en su desempeño pasado y en su evaluación actual que necesita ejecutar tareas ope­rando con mínima intervención humana.

La IA generativa puede crear nuevos patrones y conte­nidos como texto, imágenes, vídeo, audio o código, mien­tras que la IA agéntica lleva las capacidades autónomas al siguiente nivel, utilizando un ecosistema digital de mo­delo de lenguaje grande, aprendizaje automático y proce­samiento del lenguaje natural (NLP) para realizar tareas autónomas en nombre del usuario u otro sistema. La IA agéntica se enfoca en las decisiones en lugar de en la crea­ción de contenidos nuevos, no se basa únicamente en in­dicaciones (prompts) humanas y no requiere supervisión humana. Los ejemplos de la IA agéntica en la etapa inicial incluyen vehículos autónomos, asistentes virtuales y copi­lotos con objetivos orientados a tareas.

La IA agéntica es un software que puede tomar decisio­nes y ejecutar tareas para conseguir un objeto específico. En lugar de seguir reglas rígidas y preprogramadas, pue­de planificar y completar una secuencia de acciones por sí sola. La IA generativa se refiere a modelos capaces de crear nuevo contenido, aprende de grandes volúmenes de datos existentes para crear resultados con un sonido natu­ral y humano. La IA generativa actúa de manera reactiva y responde a las entradas del usuario, pero no toma de­cisiones de manera independiente ni emprende acciones proactivas. Por el contrario, la IA agéntica está diseñada para actuar de forma autónoma, tomando decisiones y eje­cutando tareas con mínima intervención humana. Estos sistemas de IA no solo generan respuestas, sino que razo­nan, planifican y actúan en función de objetivos.

Muchas fuentes de inteligencia artificial consideran la integración de la IA generativa y la IA agéntica en organi­zaciones y empresas. Aunque ambas disciplinas seguirán funcionando de modo independiente, integradas y juntas conseguirán mejores resultados.

La IA agéntica ha traído también consigo la revolución y uso de los agentes inteligentes y agentes autónomos. Los agentes inteligentes (AI Agents) han evolucionado desde simples asistentes digitales hasta sistemas capaces de rea­lizar tareas complejas con diferentes grados de autonomía. Los agentes de IA, normalmente, se refieren a un único componente de un sistema más grande, mientras que la IA agéntica describe el marco completo que guía a los agen­tes hacia un objetivo común.

La democratización de la inteligencia artificial

La democratización de la inteligencia artificial se refiere a la capacidad de las organizaciones para acceder, utili­zar y aplicar herramientas de IA de forma autónoma sin necesidad de disponer de un equipo especializado en el sector. En esencia, democratizar la IA significa hacerla accesible, fácil de usar y practicar sin importar su expe­riencia tecnológica.

IBM⁸ (Gomstyn y Jonker) reconoce que la demo­cratización se puede considerar como una difusión más equitativa de las aplicaciones y capacidades de la IA en la sociedad y destaca tres aspectos fundamentales de la democratización de la misma:

1. La democratización del uso de la IA: las aplicaciones de IA generativa orientadas al consumidor han impulsado la democratización y que más personas se beneficien de sus capacidades en su vida diaria.
2. La democratización en el desarrollo de la IA se refiere a incluir en la creación de sistemas de IA, no solo a investigadores y desarrolladores, sino también a incluir usuarios no técnicos en sistemas de IA.
3. La democratización del gobierno de la IA se refiere a los pro­cesos, normas y barreras que ayudan a garantizar que los sis­temas y herramientas de la IA sean seguros y éticos en la IA.

Existen iniciativas internacionales reconocidas sobre la democratización de la IA como: AI Alliance, una comu­nidad internacional de desarrolladores, investigadores y usuarios que promueven una IA abierta, segura y respon­sable; y AIGA, Alianza para el gobierno de la IA lanzada en el Foro Económico Mundial en 2023.

El futuro de la inteligencia artificial

El futuro de la inteligencia artificial se sustentará en dos grandes pilares: la inteligencia artificial generativa y la inteligencia artificial agéntica y agentes de IA capaces de gestionar tareas de forma autónoma. La generativa y, cada vez con mayor intensidad, la agéntica se integrarán en todos los sectores de la sociedad y de la industria en organizaciones y empresas para la creación de contenido, resolución de problemas y la automatización.

Seguirán persistiendo importantes retos y desafíos como generar confianza, gestionar los marcos regulatorios y abordar las considerables demandas energéticas de los modelos de IA y, de modo muy especial, gestionar el im­pacto social en el mercado laboral que requerirían nuevos puestos de trabajo y habilidades técnicas.

ChatGPT ha popularizado la inteligencia artificial ge­nerativa y su integración en la industria, la investigación científica, el cuidado de la salud y, sobre todo, en la vida cotidiana de las personas que utilizan la tecnología.

Ian LeCun⁹, científico jefe de IA en Meta (Facebook) y uno de los tres grandes padres del aprendizaje profundo, destacó los avances más significativos y emocionantes en la IA generativa y, en particular, los grandes modelos de lenguaje como GPT, Llama o Claude. Mediante el entrenamiento, estos enormes modelos generativos aprenden patrones en enormes conjuntos de datos para generar nuevas salidas o resultados. LeCun y otros investigadores están trabajando en el desarrollo de mo­delos mundiales (world models) que aprenden de la misma manera que lo hace «un bebé», viendo e interactuando con el mundo que los rodea a través de información sensual.

Sam Altman¹⁰, CEO de OpenAI, creador de ChatGPT, en una entrevista publicada en Busines Insider a finales de septiembre de 2025 predice que «la inteligencia artificial sobrepasará a la inteligencia humana en el 2030» y que «la inteligencia artificial será capaz de hacer un descubrimiento científico en algún momento en los próximos dos años». El CEO de OpenAI «se muestra optimista acerca de lo que las tecnologías de IA pueden hacer por la humanidad y pone fecha al momento en el que podremos esperar el primer gran avance científico descubierto por la IA». En esa entre­vista manifiesta que OpenAI planea desarrollar «una familia de dispositivos» para redefinir el uso de las computadoras.

IBM, a través de Tim Mucci¹¹, pronostica los avances que se podrán ver en diez años:

– Statu quo multimodal.

– Democratización de la IA y creación de modelos más fáciles.

– Aseguramiento (para evitar) alucinaciones.

– IA en el C-suite (alta dirección).

– Saltos cuánticos (Quantum leaps).

– Más allá de lo binario.

– Regulaciones y ética de la IA.

– IA Agéntica (Agentic AI).

– Uso masivo de datos.

Bernard Marr¹², uno de los grandes escritores y pensadores de las TIC [Tecnologías de la información y las comunicaciones], con numerosos libros y artículos, publicó el 29 de septiembre de 2025 sus cinco tendencias tecnológicas de impacto para 2026:

1. Disrupción de la IA: de la reacción a la reinvención.

2. La revolución de los agentes inteligentes.

3. Computación cuántica útil.

4. Resolver la crisis energética de la tecnología.

5. El factor humano.

Marr destaca el impacto de la inteligencia artificial, pero resalta que las tecnologías más significativas no se centran en tecnologías específicas, sino en el impacto que tendrá en nues­tras vidas y los cambios que traerá consigo. Reitera que ningu­na de ellas se producirá de forma aislada, pero la IA, sin duda, es el hilo conductor que las une. Considera un futuro en que la IA y las tecnologías emergentes amplificarán la creatividad, la resiliencia y el programa en lugar de abrumar a los humanos.

En otros artículos publicados en Forbes¹³, en septiem­bre-octubre de 2025, Bernard Marr destaca el auge de los agentes inteligentes y su impacto en la vida diaria, así como en organizaciones y empresas.

Bill Gates¹⁴, creador de Microsoft y en la actualidad uno de los grandes pensadores y predictores de tecnologías, asegura en una entrevista publicada en varios medios en septiembre de 2025 que, «dentro de diez años, la mayoría de las tareas humanas podrán ser realizadas por inteligen­cia artificial». Como defensor de la tecnología de IA, Gates destaca en esa misma entrevista que «es la herramienta más grande para reducir la iniquidad que haya tenido».

Síntesis final

La inteligencia artificial del futuro será la evolución e integración de la IA tradicional, la IA generativa y la IA agéntica e IA de agentes, todas ellas con características multimodales y el cumplimiento universal de normas y regulaciones de las leyes de IA, así como de una ética efi­ciente y la protección y privacidad de los datos.

---

Referencias

GIRÓN Sierra, José María: Introducción a la Inteligencia Artificial. Las tecnologías que nos cambiaran para siempre. Sekotia, 2023.

ORTEGA Candel, José Manuel: Inteligencia Artificial. Investigaciones, aplicaciones y avances. Anaya, 2024.

ROUHIANEN, Lasse: Inteligencia Artificial. 101 cosas que debes saber hoy sobre nuestro futuro. Alienta/Planeta. 2018. Octava edición, 2024.

---

Notas

1. https://www.crue.org/publicacion/la-inteligencia-artificial-generativa-en-la-docencia-universitaria/ ↩︎
2. UNESCO: El uso de la IA en la educación: decidir el futuro que queremos. https://
   www.unesco.org/es/articles/el-uso-de-la-ia-en-la-educacion-decidir-el-futuro-quequeremos ↩︎
3. UNESCO: La inteligencia artificial en la educación. https://www.unesco.org/es/
   digital-education/artificial-intelligence ↩︎
4. Unión Europea; https://artificialintelligenceact.eu/es/avances/; https://digital-
   strategy.ec.europa.eu/en/policies ↩︎
5. IBM, Cole Stryker: What is Agentic AI? https://www.ibm.com/think/topics/agentic-ai ↩︎
6. Nvidia. https://blogs.nvidia.com/blog/what-is-agentic-ai/ ↩︎
7. Oracle, Michael Chen: https://www.oracle.com/es/artificial-intelligence/agentic-
   ai/ Actualizado 17 de junio, 2025. ↩︎
8. IBM Think, Alic Gomstyn y Alexandra Jonker: Democratizing AI: What does it
   mean and how does it work? https://www.ibm.com/think/insights/democratizing-ai ↩︎
9. Adam Zewe, MIT News. What does the future hold for generative AI? https://
   news.mit.edu/2025/what-does-future-hold-generative-ai-0919 Actualizado 16 de
   septiembre, 2025. ↩︎
10. San Philipp. https://www.businessinsider.com/sam-altman-predicts-ai-agi-surpass-human-
    intelligence-2030-2025-9 26 de septiembre, 2025. ↩︎
11. Tim Mucci (IBM): The future of AI: trends shaping the next 10 years. https://
    www.ibm.com/think/insights/artificial-intelligence-future ↩︎
12. Bernard Marr: The 5 Technology Trends For 2026 Everyone Must https://www.
    forbes.com/sites/bernardmarr/2025/09/29/the-top-5-technology-trends-for-2026/
    Actualizado 2029 de septiembre, 2026. ↩︎
13. Bernard Marr: The 8 AI Trends For 2026 That Everyone Must Be Ready For Now.
    https://www.forbes.com/sites/bernardmarr/2025/09/22/the-8-biggest-ai-trends-for-
    2026-that-everyone-must-be-ready-for-now/ Actualizado 22 de septiembre, 2025. ↩︎
14. Bill Gates: National Geographic España. Entrevista en el programa de Jimmy Fallon.
    https://www.nationalgeographic.com.es/ciencia/contundente-pronostico-bill-
    gates-sobreinteligencia-
    artificial-proxima-decada_24619. Actualizado 25 de septiembre de 2025. ↩︎

---

Foto: © Shutterstock / Summit Art Creations. El archivo se puede consultar aquí