La IA cambió: herramientas para aprender, crear, programar y trabajar con inteligencia artificial

Hace apenas unos años, usar inteligencia artificial significaba hacerle una pregunta a un chatbot y leer la respuesta. Hoy conversar es solo una de sus capacidades: hay sistemas que investigan con fuentes, crean imágenes, video y música, escriben y prueban software, y comienzan a ejecutar tareas de varios pasos por su cuenta.

Ese cambio no afecta solo a quienes trabajan en tecnología. Estudiantes, docentes, profesionales, emprendedores y organizaciones de cualquier sector tienen hoy a su alcance capacidades que hace poco requerían equipos especializados. Este artículo recorre esa evolución, de conversar con la IA a trabajar con ella, y en cada etapa presenta herramientas concretas para explorarla.

Piensa en cuáles de estas capacidades usas hoy en tus estudios o en tu trabajo. Si la IA es para ti, sobre todo, alguien con quien conversar, las siguientes secciones te ayudarán a explorar las demás.

No necesitas probar todas estas herramientas. Lo importante es comprender qué nuevas capacidades están apareciendo y comenzar a explorar aquellas que puedan ayudarte a aprender, trabajar o crear mejor.

Cada herramienta tiene una ficha con lo que hace, para quién resulta más útil, un primer ejercicio y su tipo de acceso: Gratis, Freemium (versión gratuita con límites y planes de pago), De pago o Código abierto. Los planes cambian con frecuencia: consulta siempre el sitio oficial.

1. Aprender e investigar con IA

La primera gran diferencia está en las fuentes. Un asistente general responde con lo que aprendió durante su entrenamiento; las herramientas de investigación buscan, citan y trabajan con documentos concretos. Eso las hace más útiles para estudiar, y también más fáciles de verificar.

Si vas a probar una sola herramienta de esta sección, que sea Gemini Notebook, la herramienta de Google que hasta julio de 2026 se llamaba NotebookLM. Su diferencia es que trabaja con tus propias fuentes: apuntes, artículos en PDF, libros, presentaciones, páginas web, videos de YouTube o audios. Sus respuestas se apoyan en esos materiales y te muestran de dónde sale cada afirmación.

A partir de esas fuentes puede generar resúmenes en audio (una conversación tipo pódcast), resúmenes en video, mapas mentales, guías de estudio, tarjetas de estudio, cuestionarios, infografías y presentaciones. Para un estudiante es otra manera de estudiar; para un docente, una forma rápida de preparar materiales; para un profesional, una manera de dominar en poco tiempo un informe, un manual o una normativa.

Los asistentes generales también tienen modos de investigación profunda, como Deep Research en Gemini, Deep Research en ChatGPT o Research en Claude: exploran decenas de sitios y redactan un informe con fuentes. Algunos los incluyen, con límites, en su versión gratuita.

Una regla de oro: usa estas herramientas para encontrar y comprender fuentes, pero lee los originales antes de citarlos. Incluso con citas, la IA puede resumir mal o atribuir a un estudio algo que no dice.

2. Crear con inteligencia artificial

Generar una imagen a partir de una frase ya no sorprende a nadie. El cambio importante es otro: texto, imagen, audio y video están convergiendo en sistemas multimodales, capaces de entender y producir varios formatos a la vez. Un mismo asistente puede recibir una foto y devolver un diagrama, convertir tus apuntes en un pódcast o una presentación, o generar un video con sonido a partir de una descripción.

Por eso conviene pensar menos en «la herramienta de imágenes» o «la de video», y más en qué quieres comunicar y en qué formato llega mejor a tu público.

Imagen

Además, los asistentes generales ya crean y editan imágenes dentro de la conversación: ChatGPT Images y Gemini, con su modelo Nano Banana, ambos con opción gratuita y límites. Prueba a subir la foto de una pizarra o de un boceto en papel y pedir que lo conviertan en un diagrama limpio con etiquetas en español.

Video

Es el terreno que más rápido cambia: en 2026 OpenAI cerró Sora, y Google empezó a generar el video de su app con un modelo nuevo.

Audio y voz

Música

Antes de publicar lo que crees: revisa las condiciones de cada plataforma (varias no permiten el uso comercial en su plan gratuito), indica cuando una imagen, una voz o un video fue generado con IA y nunca uses la voz o la imagen de una persona sin su permiso.

3. Programar y construir con lenguaje natural

Durante décadas, construir software significó escribir cada instrucción. Hoy podemos describir lo que queremos lograr y trabajar junto a sistemas capaces de escribir código, modificarlo, probarlo y corregirlo.

Eso no significa que programar deje de ser necesario: cambia el nivel desde el que trabajamos. Sigue siendo indispensable entender qué se está construyendo, revisar lo que la IA propone, probarlo y tomar decisiones de diseño, seguridad y calidad. Quien entiende cómo funciona el software aprovecha mucho más estas herramientas y detecta antes sus errores.

Las herramientas de esta etapa siguen tres enfoques: agentes que trabajan sobre un proyecto completo, editores de código con IA integrada y plataformas que convierten una descripción en una aplicación publicada.

Otras opciones que vale la pena conocer: Google Antigravity, una plataforma para programar con varios agentes, gratuita para uso individual, y v0 o Bolt, en la línea de Lovable.

Una recomendación: si la aplicación va a guardar datos de otras personas, pide a alguien con experiencia que revise su seguridad antes de usarla en serio.

4. Modelos que están empujando la frontera

Detrás de cada herramienta hay un modelo de IA. Los modelos frontera son los más avanzados en un momento dado: los que marcan el límite de lo que la IA puede hacer al razonar, programar o entender imágenes, audio y video. Los desarrollan pocas organizaciones, porque entrenarlos exige enormes cantidades de datos, capacidad de cómputo e inversión. Como el récord cambia cada pocos meses, la frontera es una posición que se mueve, no un producto fijo.

Lo más interesante es que esa frontera se está diversificando. Ya no la empujan solo unos pocos laboratorios de Estados Unidos con modelos cerrados: laboratorios chinos compiten muy de cerca, y muchos publican modelos de pesos abiertos, que cualquiera puede descargar, estudiar y adaptar.

Estos son algunos de los ecosistemas que conviene conocer, a octubre de 2026. No es un ranking: cada uno está empujando capacidades distintas.

• OpenAI (familia GPT-6, en ChatGPT): un asistente todo en uno que reúne razonamiento, programación con agentes, voz e imágenes.

• Anthropic (familia Claude 5, en Claude): agentes capaces de trabajar durante largos periodos, sobre todo en programación y trabajo con documentos, con énfasis en la seguridad.

• Google (Gemini 4, en Gemini): multimodalidad (texto, imagen, audio, video y música) integrada en sus productos; también publica modelos abiertos, la familia Gemma.

• MiniMax (MiniMax M3, en minimax.io): modelos abiertos y eficientes para agentes, junto con modelos de video, voz y música.

• Qwen, de Alibaba (Qwen3.8, en Qwen Chat): una de las familias de modelos abiertos más amplias, desde modelos pequeños hasta muy grandes.

• DeepSeek (DeepSeek-V4, en chat.deepseek.com): eficiencia y bajo costo, con modelos de pesos abiertos.

• Kimi, de Moonshot AI (Kimi K3, en kimi.com): modelos abiertos muy grandes, orientados a la programación con agentes y a la investigación.

Un detalle práctico: que un modelo tenga pesos abiertos no significa que puedas usarlo en tu computadora. Los más grandes necesitan equipos de centro de datos; los medianos sí funcionan en computadoras potentes. Y antes de usar cualquier plataforma, revisa qué hace con tus datos.

5. De asistentes a agentes

Este es, probablemente, el cambio más importante de esta etapa.

Un asistente responde y ayuda. Le preguntas, te explica, te propone un texto o un código, y tú decides qué hacer con eso.

Un agente recibe un objetivo, utiliza herramientas (un navegador, archivos, aplicaciones), toma decisiones dentro de ciertos límites y ejecuta varios pasos para completar la tarea.

Los agentes de esta sección no son equivalentes: cada uno representa una manera distinta en que está evolucionando esta idea.

Antes de darle las llaves a un agente

Un agente útil es un agente con acceso, y ese acceso es también su riesgo. Agentes como OpenClaw y Hermes ya han tenido fallos de seguridad documentados, y cualquier agente que navega puede encontrarse con instrucciones ocultas en una página o un correo. Algunas reglas básicas:

• Empieza sin conectar tu correo, tus archivos ni tus cuentas.

• Dale solo los permisos que la tarea necesita y, si puedes, pídele que consulte antes de actuar.

• Nunca le entregues contraseñas, datos bancarios ni información sensible de otras personas.

• Desconfía de lo que lee: una página web o un correo puede esconder instrucciones dirigidas al agente (lo que se conoce como inyección de instrucciones).

• Revisa siempre lo que hizo: detener un agente no deshace lo que ya ejecutó.

6. El nacimiento del «AI coworker»

El siguiente paso ya está en marcha: sistemas de IA que mantienen el contexto, tienen responsabilidades continuas, utilizan nuestras herramientas y trabajan durante horas o días, aunque cerremos la computadora. En inglés se les llama AI coworkers: compañeros de trabajo con IA.

Las grandes plataformas ya avanzan en esa dirección: Claude, de Anthropic, puede trabajar con las carpetas y aplicaciones que le autorizas y ejecutar tareas programadas; Microsoft ofrece Copilot Cowork para tareas largas dentro de Microsoft 365; OpenAI presentó los Dots, y Google anunció agentes para el trabajo en Workspace.

Delegar plantea preguntas nuevas, que conviene hacerse antes de entregar una tarea:

• ¿Qué permisos le damos y a qué información puede acceder?

• ¿Quién supervisa lo que hace, y con qué frecuencia?

• ¿Quién responde si se equivoca o causa un daño?

• ¿Cómo protegemos los datos de estudiantes, clientes o pacientes?

• ¿Qué tareas no deberíamos delegar nunca?

Estas preguntas no son técnicas: son de criterio, de ética y de organización. Por eso nos involucran a todos, no solo a quienes desarrollan tecnología.

7. ¿Qué significa todo esto para nosotros?

La tecnología está avanzando más rápido que nuestra capacidad de incorporarla de verdad en la educación, en las empresas y en el trabajo. Las herramientas llegan antes que las prácticas, los criterios y la formación para usarlas bien.

Por eso la pregunta no debería ser solamente «¿Qué puede hacer la IA?». También debemos comenzar a preguntarnos: «¿Qué sabemos hacer nosotros con lo que la IA ya puede hacer?».

Esa segunda pregunta no se responde probando herramientas, sino desarrollando criterio: saber qué delegar y qué no, cómo verificar un resultado y cómo integrar la IA en un proceso real sin perder el control ni la responsabilidad sobre él.

La IA cambió. ¿Y nosotros?

Tu siguiente paso

No intentes aprenderlas todas. Elige una herramienta relacionada con algo que haces todos los días y descubre qué cambia cuando incorporas inteligencia artificial a ese proceso.

Y si quieres ir más allá de probar herramientas y aprender a crear tus propios recursos con inteligencia artificial, tenemos dos cursos: Docentes que crean con IA, para docentes, y Crea con IA, para estudiantes, profesionales y emprendedores. Únete a la lista de espera del que se ajuste a ti.