Tres ejes estructuran las elecciones tecnológicas de las empresas y particulares este año: la migración hacia la criptografía post-cuántica, la entrada en vigor de la AI Act europea y el aumento del poder de la IA en el borde de la red. Estas tendencias tecnológicas ya no son prospectivas. Imponen decisiones concretas, con calendarios regulatorios ya establecidos.
Criptografía post-cuántica: calendario europeo y riesgo inmediato
La mayoría de los artículos sobre tendencias tecnológicas mencionan la computación cuántica como una promesa lejana. El tema ha cambiado de naturaleza. El riesgo denominado “cosechar ahora, descifrar más tarde” transforma la criptografía post-cuántica en una urgencia operativa: los datos cifrados hoy con los algoritmos actuales podrían ser descifrados por una futura computadora cuántica.
La Unión Europea ha establecido un calendario preciso. La transición debe comenzar a más tardar a finales de 2026, las infraestructuras críticas deben migrar a más tardar en 2030, y se busca una generalización lo más completa posible para 2035.
Un concepto está surgiendo en las arquitecturas de seguridad: la crypto-agilidad. Un artículo de ISACA publicado el 30 de septiembre de 2026 presenta esta capacidad como la facultad de reemplazar rápidamente algoritmos, certificados y componentes criptográficos sin rehacer todo el sistema. El desafío no es comprar una solución llave en mano, sino diseñar sistemas modulares capaces de absorber los cambios criptográficos venideros.
Para seguir estas evoluciones a lo largo del año, el sitio Scoopify dedicado a la tecnología informa regularmente sobre los avances en ciberseguridad y computación cuántica.
AI Act europeo: obligaciones por rol y restricciones para las empresas
La AI Act entra en su fase de aplicación general en 2026. Este reglamento no solo regula la inteligencia artificial de manera abstracta. Impone obligaciones diferenciadas según el rol de cada organización en la cadena de valor.
| Rol en la cadena | Ejemplos de obligaciones |
|---|---|
| Proveedor de sistema IA | Gestión de riesgos, documentación técnica, ciberseguridad |
| Desplegador | Supervisión humana, vigilancia post-despliegue |
| Importador / Distribuidor | Verificación de conformidad, reporte de incidentes |
La distinción entre proveedor y desplegador cambia las reglas del juego para las empresas que integran modelos de terceros en sus productos. El desplegador de un sistema IA de alto riesgo debe garantizar una supervisión humana efectiva, incluso si no ha diseñado el modelo subyacente.
Esta distribución de responsabilidades empuja a las organizaciones a mapear con precisión sus usos de la IA. Una empresa que utiliza un modelo de lenguaje para servicio al cliente y otro para análisis de riesgo crediticio no está sujeta al mismo nivel de obligación para cada uno de estos usos.
Edge IA y sistemas multi-agentes: procesamiento de datos en el borde
El procesamiento de datos en el borde de la red (edge computing) combinado con la inteligencia artificial modifica la arquitectura de los sistemas digitales. En lugar de enviar cada solicitud a un servidor en la nube remoto, los modelos IA integrados procesan los datos localmente, con una latencia reducida y sin dependencia de la conectividad.
Los casos de uso más avanzados incluyen:
- Los vehículos autónomos y drones de entrega, donde la toma de decisiones en tiempo real no tolera ningún retraso de red
- Las plataformas industriales que analizan los datos de sensores directamente en el sitio para el mantenimiento predictivo
- Los dispositivos de salud conectados que procesan señales fisiológicas sin pasar por la nube
Paralelamente, los sistemas multi-agentes están ganando madurez. Varios agentes IA especializados colaboran para realizar tareas complejas, cada uno gestionando un subdominio. Esta arquitectura distribuida a menudo se basa en plataformas de desarrollo de IA nativa, diseñadas para orquestar estas interacciones sin intervención humana constante.
Ciberseguridad preventiva: la IA como campo de batalla
La ciberseguridad en 2026 ya no se limita a la detección de intrusiones. Las plataformas de seguridad basadas en IA analizan los comportamientos de la red para anticipar ataques antes de que ocurran. Por otro lado, los atacantes utilizan las mismas tecnologías para automatizar sus ofensivas.
La IA se ha convertido simultáneamente en la herramienta de defensa y el vector de ataque. Los modelos generativos permiten crear campañas de phishing casi indetectables, mientras que los sistemas defensivos se basan en el análisis de comportamiento para detectar anomalías sutiles.
La convergencia entre ciberseguridad preventiva y migración post-cuántica crea una doble presión sobre los equipos informáticos. Los presupuestos deben cubrir tanto la modernización criptográfica como el despliegue de soluciones de detección predictiva, dos proyectos que requieren habilidades escasas.
Proveniencia digital y confianza
Un eje complementario se estructura en torno a la proveniencia digital: la capacidad de certificar el origen y la integridad de un contenido (imagen, video, documento) frente a la proliferación de deepfakes. Las empresas que producen contenido a gran escala están integrando gradualmente mecanismos de trazabilidad en sus cadenas de publicación.
- Firma criptográfica integrada desde la captura (cámara, video)
- Metadatos de origen verificables a lo largo de la cadena de difusión
- Estándares abiertos que permiten la interoperabilidad entre plataformas
Las tendencias tecnológicas de este año comparten un hilo conductor: obligan a las organizaciones a repensar sus arquitecturas, no simplemente a añadir una capa de software. La migración post-cuántica impone modularidad criptográfica. La AI Act exige un mapeo detallado de los usos. La edge IA redistribuye la potencia de cálculo. Cada proyecto tomado aisladamente parece manejable. Su simultaneidad constituye el verdadero desafío técnico de 2026.
