Las grandes tendencias tecnológicas rara vez tienen una fecha de nacimiento nítida, pero de vez en cuando un anuncio concreto marca el momento en que una idea deja de ser una promesa de laboratorio. Para los llamados modelos del mundo, ese momento puede situarse en enero de 2025, cuando NVIDIA presentó en la feria CES (Consumer Electronics Show) de Las Vegas (EE. UU.) una familia de modelos —Cosmos— entrenados no con texto, sino con veinte millones de horas de vídeo de conducción, robótica y entornos industriales. Su propósito no era generar imágenes: buscaba enseñar a la máquina cómo se comporta el mundo físico —cómo caen los objetos, cómo se mueven unas manos, qué ocurre a continuación en una escena—. Su máximo responsable, Jensen Huang, resumió la apuesta anunciando que «el momento ChatGPT de la robótica» estaba cerca. Poco más de un año después, con nuevas versiones y otros laboratorios en la misma senda, el movimiento es claro: mientras la atención pública sigue fijada en los grandes modelos de lenguaje, la investigación ya no persigue una IA que describa mejor la realidad, sino una que aprenda cómo evoluciona.
Del mundo descrito al mundo modelado
La diferencia con los grandes modelos de lenguaje se entiende mejor por contraste. Un modelo de lenguaje aprende el mundo tal como se describe: se entrena sobre enormes cantidades de texto, sobre cómo los humanos hablan de la realidad. Un modelo del mundo, en cambio, aprende cómo se comporta esa realidad. Se alimenta de datos sensoriales de varios canales a la vez —vídeo, profundidad, movimiento— y se entrena para predecir el siguiente estado de su entorno, no para reproducir palabras. Así interioriza dinámicas, relaciones físicas y nociones de causa y efecto, y con ello puede anticipar lo que va a suceder o desenvolverse en situaciones que nunca ha encontrado.
La clave está en qué se le pide predecir. En lugar de reconstruir cada píxel de una imagen futura, estos sistemas aprenden a anticipar en un espacio abstracto de representación: retienen la estructura de lo que ocurre —cómo se mueven e interactúan los objetos— y descartan la apariencia superficial. Es la intuición que Yann LeCun formalizó en 2022 con la arquitectura conocida como JEPA (Joint-Embedding Predictive Architecture): el sistema aprende por experiencia del entorno, no por descripción.
La primera prueba se juega en la ¿industria?
Conviene bajar esta tendencia del terreno especulativo al de la producción. Los primeros efectos de los modelos del mundo se notarán en los sectores que ya generan datos continuos —la manufactura y la logística—, según el informe Top 10 Emerging Technologies of 2026 del Foro Económico Mundial. No es casual: fábricas, flotas y almacenes producen sin cesar el tipo de información —movimiento, secuencias, resultados físicos— con la que estos sistemas aprenden, y son también el lugar donde anticipar «qué ocurre a continuación» tiene un valor inmediato. La lista de primeros usuarios de Cosmos, poblada de empresas de robótica y de vehículos autónomos, apunta en esa misma dirección.
Para una economía de fuerte base industrial como la vasca, ese matiz cambia la lectura. La carrera por los grandes modelos de lenguaje se decide en un terreno —computación y datos a gran escala— concentrado en muy pocas manos y ajeno a nuestras ventajas; la IA física, en cambio, se juega cerca de donde Euskadi ya sabe operar: la fabricación avanzada, la máquina-herramienta, la automatización, la logística. El reto no es tanto competir en la del texto como situarse con criterio en la de los sistemas que aprenden del mundo físico.
Una tecnología industrial y, a la vez, una apuesta de fondo
En el plano más inmediato, los modelos del mundo son una tecnología industrial más entre las que hoy maduran: útil, acotada, con aplicaciones concretas en robótica, simulación o control de procesos. Pero en ¿la investigación? de frontera se les atribuye un papel mayor. Cada vez más voces sostienen que aprender a modelar el mundo no es una capacidad accesoria, sino un ingrediente necesario de una inteligencia artificial más general: un trabajo reciente de investigadores de Google DeepMind demuestra formalmente que cualquier agente capaz de resolver tareas complejas y encadenadas ha tenido que aprender un modelo predictivo de su entorno, y que objetivos más ambiciosos exigen modelos más precisos.
No conviene ir más lejos de lo que la evidencia permite. Que ese camino conduzca a las metas más ambiciosas que algunos anticipan —hasta el debate sobre una futura superinteligencia que ocupa ya a laboratorios como DeepMind— es una apuesta abierta, no un hecho establecido. Pero la dirección importa aunque el destino siga siendo incierto, y tiene una implicación práctica para quien decide hoy. Para un ecosistema industrial, la cuestión no es tanto tomar partido en la carrera por la frontera como reconocer que la próxima capa de la inteligencia artificial se entrenará, en buena medida, con aquello que la industria vasca produce cada día: procesos, movimiento, comportamiento del mundo físico. La ventaja no está garantizada, pero el terreno, esta vez, es más reconocible.
