Mario Yañez, experto en IA: "Ya se habla de inteligencia artificial agéntica, es decir, agentes autónomos que son capaces de desarrollar un proceso de principio a fin sin intervención humana"

Las grandes tecnológicas como Google, Amazon, Meta y Microsoft invirtieron más de 650.000 millones de dólares en inteligencia artificial durante 2026, una cifra astronómica que contrasta con la realidad de su implantación. En el programa La Linterna de COPE, el consultor de tecnología Mario Yáñez ha analizado junto a Pilar García de la Granja por qué, a pesar del enorme potencial, la IA no avanza al ritmo prometido en varios sectores clave.

Los motivos del freno

Según Yáñez, existen varias razones de tipo regulatorio, organizativas e incluso humanas. "El marco regulatorio para tecnologías que pueden afectar directamente a la vida de las personas es muy exigente", explica el experto. Se requieren evidencias sólidas de seguridad, eficacia y ausencia de sesgos antes de autorizar su uso en aplicaciones críticas.

A estas barreras se suman las dificultades técnicas. La inteligencia artificial no funciona sin grandísimos volúmenes de datos, y la calidad y estructura de estos "muchas veces no es la adecuada", señala Yáñez. Esto complica enormemente el entrenamiento de los algoritmos y la validación de los modelos para que funcionen correctamente y con garantías.

El 'humano en el bucle' y la IA agéntica

Uno de los avances más comentados es la llamada inteligencia artificial agéntica, un concepto que el propio Yáñez define como "agentes autónomos que son capaces de desarrollar un proceso de principio a final sin intervención humana y tomar todas las decisiones necesarias". Sin embargo, la industria no se atreve a dejarlo funcionar así en sectores críticos.

Ya se habla de inteligencia artificial agéntica, agentes autónomos capaces de desarrollar un proceso de principio a fin sin intervención humana"

Por este motivo, se ha acuñado el concepto de man in the loop o "el hombre dentro del bucle". Esta figura humana se encarga de supervisar y vigilar al presunto agente inteligente. Aunque esta medida resta eficiencia a los procesos, se considera un paso imprescindible para garantizar la fiabilidad de los sistemas antes de poder operar de forma completamente autónoma.

Adopción cautelosa en sectores clave

Yáñez enumera los sectores con mayores reticencias: sanidad, legal, finanzas, educación, administraciones públicas y, por supuesto, defensa. En todos ellos, la IA ya se está utilizando, pero siempre "como complemento al ser humano, no como sustituto", aclara. La clave es que la autonomía en procesos críticos nunca es total.

En sanidad, por ejemplo, la IA ayuda a automatizar procesos burocráticos o asiste en áreas como el radiodiagnóstico y en los robots de quirófano. Sin embargo, el experto subraya que "estamos muy lejos de que entremos en un quirófano y solo haya una máquina que haga todo sin ninguna persona delante de forma autónoma".

El ámbito jurídico también muestra los riesgos. En Estados Unidos, una aplicación basada en IA llamada Compass informa a los jueces sobre la probabilidad de reincidencia de los presos. Sin embargo, se ha descubierto que "el algoritmo tiene una tendencia a predecir que los afroamericanos presentan un riesgo mayor de reincidir que los blancos", lo que evidencia la importancia de desconfiar de informaciones sin el suficiente contexto y los sesgos de diseño.

En las administraciones públicas, la adopción tecnológica es más lenta, aunque en España se invirtieron más de 4.000 millones de euros en tecnología en 2025. El riesgo reputacional es enorme, ya que un algoritmo que se equivoca al conceder ayudas o gestionar impuestos "puede generar escándalos mediáticos y una pérdida de confianza", aplicando un criterio de prudencia extrema.

Respecto a la educación, la adopción es muy desigual. Existen herramientas para corrección automática o apoyo al profesorado, pero el modelo apenas ha cambiado. De hecho, ha surgido el fenómeno de la Shadow AI (IA en la sombra), donde muchos alumnos usan ChatGPT para hacer trabajos sin esfuerzo, una práctica que recuerda a cómo surgen otros fenómenos como la primera influencer creada íntegramente con IA. Esto genera un temor a deshumanizar la relación profesor-alumno y preocupación por los datos de menores.

Si un algoritmo no concede un préstamo a una persona, debe ser posible entender por qué lo ha hecho"

En finanzas y seguros, la IA se usa para detección de fraude o scoring de créditos, pero la adopción de modelos más complejos de IA generativa es prudente. Los supervisores, como el Banco Central Europeo, exigen explicabilidad, documentación exhaustiva y trazabilidad. Es decir, si un algoritmo deniega un préstamo, debe ser posible entender por qué lo ha hecho y qué datos ha usado.

Finalmente, en sectores como transporte, energía o infraestructuras críticas, la seguridad es la prioridad absoluta. Un fallo puede causar accidentes físicos o interrupciones masivas. Por ello, la IA debe pasar por estrictos procesos de certificación y demostrar que siempre existe supervisión y capacidad de intervención humana.

El debate sobre el futuro del trabajo es inevitable. Frente al discurso oficial, Mario Yáñez es tajante: "Sí va a quitar trabajo, esa es mi opinión". El verdadero problema, advierte, no es tanto el hecho en sí, sino "la velocidad a la que ocurre", es decir, una eliminación demasiado rápida de puestos de trabajo sin tiempo para la adaptación.

Para ilustrar este punto, Pilar García de la Granja apuntó un dato revelador: en 1985, IBM era la empresa más valiosa y empleaba a 400.000 personas. Hoy, NVIDIA la supera con creces, valiendo 20 veces más, pero con solo un 10% de esa plantilla. Esta comparación ilustra cómo la inteligencia artificial ha venido como un tsunami al mercado laboral, provocando una destrucción de empleo masiva.