Por: Bobby Blumofe, vicepresidente ejecutivo y director de tecnología de Akamai
La web que conocías está siendo reescrita por agentes de IA
Hace solo un año predije que los agentes de IA cambiarían la forma en que interactuamos con la web. Ese futuro ya está aquí. Ahora el escenario está preparado para un cambio aún más profundo en 2026. En lugar de páginas, enlaces, formularios y menús, avanzaremos hacia interfaces basadas en agentes de IA que anticipan nuestras necesidades y actúan en nuestro nombre. Esto no será el fin de la web, sino su reinvención. Y así como la era punto-com creó toda una industria alrededor de la construcción de sitios web, estamos a punto de ver surgir una nueva economía centrada en el diseño, despliegue y gestión de agentes de IA. La pregunta es: ¿quién liderará esta transformación y quién corre el riesgo de quedarse atrás?
El fin de la búsqueda tal como la conocemos
Durante más de dos décadas, “googlear” definió cómo encontrábamos información en línea. No importaba lo que buscaras, Google era la puerta de entrada a internet. Pero las herramientas AI-first están reescribiendo rápidamente ese modelo. En 2026, predigo que esto podría marcar el fin de la búsqueda y de la navegación web tal como las conocemos. El familiar modelo de “clic y desplazamiento” que ha definido la web dará paso a una nueva normalidad: interfaces de chat con IA como puerta principal a internet. Para las empresas, este cambio significa competir menos por el posicionamiento y más por la visibilidad dentro de los sistemas de IA, reescribiendo las reglas de cómo descubrimos —y somos descubiertos— en línea.
El comienzo de la publicidad pagada en la IA
Llevamos décadas con posicionamiento pagado en la búsqueda web —es una gran parte de los enormes ingresos de Google—, así que ¿hay alguna duda de que la publicidad llegará también a los resultados de la IA? La pregunta no es si ocurrirá, sino cuándo y cómo. Como mínimo, empezaremos a ver a los principales LLM experimentar con posicionamiento pagado en los próximos 12 meses.
La IA empresarial ha estado dominada por el fracaso, pero no por mucho tiempo.
En 2025 se habló mucho de la IA empresarial: el 95% de los proyectos fracasaron. Gran parte de lo que genera la IA es workslop (trabajo basura). No fue el año de la IA empresarial. Pero se avecina un cambio. Las empresas dominarán la fórmula del éxito y la ejecución efectiva de la IA el próximo año.
Todo girará en torno a modelos de lenguaje especializados y a la IA como componente de herramientas específicas por industria que resuelvan problemas reales de negocio. Los LLM de propósito general tienen su lugar, pero no en las soluciones empresariales. Veremos más éxitos en 2026 gracias a los fracasos y lecciones aprendidas en 2025.
Surgirá una nueva brecha empresarial entre quienes tienen deuda de IA y quienes tienen crédito de IA
Las empresas que aprendan a usar la IA de forma productiva obtendrán enormes beneficios, mientras que las que no lo hagan se ahogarán en grandes volúmenes de contenido generado por IA sin valor (o con valor negativo), conocido como workslop. Al igual que la deuda técnica representa un costo, este workslop puede considerarse un nuevo coste: una deuda de IA.
Los agentes SLM prosperarán; los agentes LLM tendrán dificultades
En 2026, la era de los chatbots de “pregúntame lo que sea” empezará a desvanecerse. Los LLM son brillantes en algunas tareas, pero fallan de forma estrepitosa en otras. Y seamos honestos: un asistente de IA diseñado para reservar una cita médica o desarrollar código no necesita conocer la trama de todos los episodios de ¨Friends¨. Por eso veremos un cambio desde la dependencia de grandes LLM de propósito general hacia modelos de lenguaje pequeños y especializados (SLM), auto alojados. Llevo casi dos años advirtiendo que los LLM están tocando techo, y espero que el próximo año el escepticismo hacia ellos se vuelva más común, especialmente cuando los SLM ya son llamados “el futuro de la IA agentica” por NVIDIA. Las empresas adoptarán sistemas agenticos más ligeros, más baratos de ejecutar, que evitan costosas tarifas por token de los gigantes de la IA y son más fáciles de ajustar a flujos de trabajo específicos. A diferencia de los LLM masivos, los agentes construidos con código y diseño estructurados pueden ofrecer resultados más inteligentes y fiables. Los ganadores no serán los modelos más grandes, sino los más eficientes.
