Para la mayoría, la revolución de la IA sigue teniendo forma de chat. Alguien escribe una pregunta y la IA responde: resumir un documento, redactar un correo, analizar una hoja de cálculo o generar una imagen. La interfaz ha podido cambiar y los modelos son muchísimo más capaces, pero la relación de fondo sigue siendo la de siempre. En NVIDIA GTC Berlin 2026 esa relación dejó de bastar como relato completo.
Lo que se está diseñando ahora no es solo una respuesta mejor, sino la capacidad de actuar. Un agente de IA puede, en potencia, abrir un programa, recuperar información de los sistemas de la empresa, recorrer interfaces, usar herramientas, completar flujos de trabajo y coordinar a otros agentes hasta cumplir un objetivo. Cada vez se le pide menos que explique cómo hacer el trabajo y más que lo haga. Ese paso fue uno de los temas de fondo más importantes en NVIDIA GTC Berlin 2026, y abre un reto mucho mayor que construir un chatbot mejor.
Los chatbots fueron el primer acto
La IA generativa se volvió accesible porque la interacción era notablemente simple. Una pregunta, una respuesta. Los agentes cambian esa relación.
Imaginemos que se le pide a un sistema preparar un informe financiero. Hoy un asistente puede indicar cómo estructurarlo, resumir documentos que se suben o analizar cifras que se aportan. Un sistema agéntico podría ir más lejos: entrar en las aplicaciones empresariales que correspondan, recuperar los datos más recientes, abrir los archivos necesarios, ejecutar el flujo de trabajo y dejar el informe terminado para su revisión.
La distinción parece sutil. No lo es. Cuando la IA puede moverse en el mismo entorno digital que un empleado, deja de ser sobre todo una capa de información y pasa a ser una capa de ejecución. La pregunta que sigue ya no es abstracta: ¿cuánto deberíamos permitirle hacer?
Cuanto más puede el agente, más pesa el límite
Dar a un sistema de IA acceso a herramientas reales de la empresa cambia la ecuación del riesgo. Un chatbot que produce una mala respuesta es un problema. Un agente que toma la acción equivocada dentro de un sistema financiero es otro.
Si los agentes van a consultar datos de la compañía, usar software de negocio y actuar en nombre de los empleados, las organizaciones necesitan una forma de definir con exactitud qué pueden ver y qué pueden hacer. En GTC Berlin, NVIDIA presentó la OpenShell Reference Architecture, pensada de manera específica para ese problema. OpenShell reúne controles de infraestructura y de software para que las organizaciones puedan construir agentes de IA, contenerlos, observarlos y hacer cumplir las reglas que los rodean. La idea es trazar límites claros alrededor de esos agentes mientras interactúan con los sistemas de la empresa.
La siguiente gran pregunta quizá no sea cuán inteligente es el agente. Quizá sea qué se le permite hacer. Esa distinción importará más a medida que los agentes salgan de las demostraciones y entren en lugares de trabajo reales.
La IA también está aprendiendo a usar el ordenador
Hay otro desarrollo que hace posible la transición: la IA empieza a tratar con el software de un modo más parecido al de las personas. No todas las aplicaciones de negocio tienen una API moderna. Muchas empresas siguen dependiendo de software heredado, de herramientas internas y de interfaces pensadas para que alguien haga clic, escriba y navegue a mano.
Las capacidades de uso del ordenador ofrecen otra vía. En lugar de reconstruir cada sistema alrededor de la IA, un agente puede interactuar cada vez más con la interfaz que ya existe. Eso abre un universo de trabajo mucho mayor a la automatización. Una tarea que se repite y que hoy consiste en abrir una aplicación, exportar información, actualizar otro archivo y preparar un resumen podría, con el tiempo, llevarla a cabo un agente de IA sobre esas mismas interfaces.
También cambia lo que puede significar enseñar a un software. En vez de programar cada flujo paso a paso, los sistemas futuros pueden aprender tareas observando cómo las realizan las personas. Se hace la tarea una vez. La IA entiende la secuencia. La próxima vez repite el flujo. Cuando eso es posible, la interfaz entre las personas y el software empieza a ser otra.
Detrás de cada agente hay un problema de infraestructura
NVIDIA GTC Berlin 2026.
Decirle a una IA que simplemente lo haga esconde una cantidad enorme de tecnología. Los agentes necesitan modelos. Los modelos necesitan computación. Los agentes necesitan acceso a datos y a herramientas. Hacen falta identidad y permisos. Hay que vigilar sus acciones. Y millones de tareas agénticas en marcha de forma continua crean exigencias de infraestructura importantes. Por eso las fábricas de IA, el otro gran tema de GTC Berlin, importan en la historia de los agentes.
NVIDIA está desarrollando su DSX AI Factory Platform alrededor de una idea: la computación, las redes, el almacenamiento, el software, la energía y la refrigeración tienen que diseñarse y operarse como un sistema coordinado. En Berlín, NVIDIA anunció nuevas capacidades de DSX orientadas a hacer estas fábricas de IA más eficientes y más fáciles de operar a escala. El anuncio está en la noticia de NVIDIA sobre las fábricas de IA europeas y DSX. La compañía dice que la tecnología DSX puede reducir hasta un 30% la energía necesaria para producir el mismo resultado de IA, mientras que los nuevos diseños de infraestructura buscan reducir el tiempo necesario para poner capacidad de IA en producción. La revolución de los agentes, en otras palabras, no es solo una historia de software. También es una historia de infraestructura.
Aleria apuesta por la pila completa
Demostración de Aleria en NVIDIA GTC Berlin 2026.
Ese vínculo entre infraestructura y agentes ayuda a explicar el enfoque de Aleria, uno de los NVIDIA Cloud Partners que participan en el ecosistema europeo de IA. El mapa de ese grupo de socios está en el blog de NVIDIA sobre socios de la nube, seguridad soberana y agentes abiertos. En lugar de concentrarse en una capa aislada, Aleria construye a través de la pila: infraestructura, datos, modelos, agentes y aplicaciones. En GTC Berlin, la compañía mostró cómo se conectan esas capas para convertir la capacidad de cómputo de fondo en sistemas de IA que las empresas pueden usar de verdad.
Aleria está entre los socios de la nube que desarrollan y amplían infraestructura de IA impulsada por NVIDIA en Europa y las regiones de alrededor. También explora componentes de NVIDIA DSX OS para las operaciones de infraestructura de IA, y está entre los socios del ecosistema que respaldan la OpenShell Reference Architecture para despliegues agénticos seguros. La historia más interesante está al otro lado de esa infraestructura. La dirección de Aleria encaja con un mundo en el que la IA no queda encerrada en una ventana de chat. Los agentes pueden trabajar con los sistemas de la empresa. La IA puede ayudar en flujos de trabajo que se repiten. A los trabajadores digitales se les pueden dar roles y permisos definidos. Y las organizaciones pueden decidir dónde la aprobación humana sigue siendo necesaria. Es una propuesta muy distinta de limitarse a añadir un chatbot al lugar de trabajo.
De UAE a Europa
Eric Leandri, director general de Aleria, llevó a Berlín otra perspectiva: qué ocurre cuando las organizaciones intentan sacar la IA de las demostraciones. Habló en el panel “AI at the Point of Use” del Public Sector Executive Forum, y se apoyó en la experiencia de Aleria al desplegar IA a escala en UAE. La lección es cada vez más pertinente fuera del Golfo. Construir un prototipo de IA impresionante es relativamente fácil en comparación con integrar la IA en una organización real. Los sistemas de producción ya contienen software existente, datos sensibles, políticas de seguridad, requisitos regulatorios y empleados con distintos niveles de acceso. La IA tiene que encajar en esa realidad.
Por eso la fase siguiente puede ocuparse menos de demostraciones espectaculares de modelos y más de las preguntas menos vistosas de infraestructura, integración, permisos y fiabilidad. Esas preguntas deciden si un agente sigue siendo un experimento o se convierte en algo que la gente usa de verdad cada día.
El próximo compañero de trabajo puede ser software
Llevada lo bastante lejos, la idea cambia el propio concepto de software empresarial. Durante décadas el software ha sido una herramienta. Las personas aprenden cómo funciona, recorren sus menús y ejecutan el proceso ellas mismas. La IA agéntica invierte parte de esa relación. En lugar de aprender cada paso que exige el programa, cada vez se describe el resultado que se quiere. El software averigua cómo llegar. Y si los agentes llegan a realizar tareas repetidas por su cuenta, la línea entre software y trabajador digital se vuelve borrosa.
Eso no significa necesariamente sacar a las personas del circuito. En muchos entornos, lo realista puede ser lo contrario. La IA se ocupa de la ejecución mientras las personas definen objetivos, permisos y excepciones. El empleado interviene menos en cada clic y más en decidir qué debe ocurrir, qué se le permite hacer a la IA y cuándo tiene que intervenir un ser humano.
Lo difícil empieza ahora
La era del chatbot hizo que la IA fuera fácil de entender. La era de los agentes será más confusa. Una IA que puede responder casi cualquier cosa impresiona. Una IA que de verdad hace cosas es útil, pero también mucho más difícil de desplegar con seguridad. El sector tiene que resolver varios problemas a la vez: dar a los agentes acceso suficiente para que sean útiles, sin darles demasiado; construir infraestructura capaz de sostenerlos a escala; integrarlos con décadas de software empresarial ya existente; y decidir dónde el control humano debe seguir siendo obligatorio.
Los anuncios de NVIDIA en GTC Berlin, de las fábricas de IA y de DSX a OpenShell, muestran lo rápido que toma forma la infraestructura de este modelo de computación. El resumen de LinkedIn de NVIDIA GTC Berlin 2026 reúne el cierre público de esa semana. Empresas como Aleria trabajan en lo que viene después: conectar esa infraestructura con datos, modelos, agentes y aplicaciones que las organizaciones puedan desplegar de verdad. El primer auge de la IA enseñó a millones de personas a hablar con las máquinas. El siguiente puede enseñar a las máquinas a trabajar para nosotros. Ahí es donde el asunto se vuelve de verdad interesante.
¿Qué ocurre cuando la IA deja de ser algo con lo que se habla — y empieza a ser algo que trabaja para uno?