31 de marzo de 2026

El austríaco Peter Steinberger, creador de OpenClaw, predice que 2026 marcará el auge de los agentes de IA en China, capaces de realizar tareas cotidianas. Sin embargo, la ciberseguridad plantea interrogantes sobre la implementación de estas herramientas.

En la pantalla todo ocurre demasiado rápido como para apreciarlo. Un clic, una lista se ordena, una búsqueda se completa, una recomendación aparece. Detrás de esos milisegundos de aparente magia, uno de los protagonistas silenciosos es un algoritmo con nombre de fórmula uno: quicksort, el método de ordenación que desde los años sesenta mueve los datos como si dirigiera un ballet de alta precisión.

Durante siete décadas, la historia del software puede leerse como una cadena de lenguajes que cambiaron la forma de pensar las máquinas. De Fortran a Python, cada generación de código ha reflejado las necesidades –y las obsesiones– de su tiempo. Hoy, con la irrupción de la inteligencia artificial, se asoma una nueva categoría: lenguajes híbridos, en los que programar podría implicar tanto escribir código como dialogar con un modelo de IA.

Bitcoin nació de un documento de apenas nueve páginas publicado en octubre de 2008 en una lista de correo de criptografía. El autor firmaba como Satoshi Nakamoto. No aportó foto, ni currículo, ni referencias. Solo un PDF y, semanas después, el código fuente de un sistema monetario que funcionaba sin bancos, sin Estados y sin una autoridad central.

Durante las últimas dos décadas, una palabra de seis letras se ha infiltrado en universidades, laboratorios, startups, gigantes tecnológicos y hasta en oficinas de estadística de gobiernos: Python. Lo utilizan físicos que buscan nuevas partículas, bancos que detectan fraudes, medios que analizan desinformación y estudiantes que escriben sus primeras líneas de código.

Desde poemas al estilo de García Lorca hasta retratos fotorrealistas de personas que no existen o canciones que imitan a artistas famosos: la inteligencia artificial generativa ha pasado en pocos años de los laboratorios a los celulares de millones de personas. ¿Cómo “aprenden” estas máquinas?