Son dos caminos hacia la autonomía artificial. Parecen distintos. En el fondo, convergen en la misma pregunta que define la próxima década de la IA: ¿puede un sistema de inteligencia artificial desarrollar capacidades que nadie programó?
Qué es cada una, sin rodeos
La IA Autoreplicante es un agente que puede crear copias funcionales de sí mismo: replican su arquitectura, sus parámetros, sus objetivos y sus capacidades operativas. No necesita intervención humana para propagarse. La replicación puede ser idéntica —como una copia exacta— o adaptativa, generando variantes con ajustes según el contexto donde se despliega.
La IA Evolutiva (IAE) no parte de un original que copiar sino de reglas de variación y selección. Genera poblaciones de soluciones candidatas, las somete a una función de fitness que mide su desempeño, conserva las mejores, descarta las peores y repite el ciclo durante miles de generaciones. El resultado no estaba diseñado: emergió.
La diferencia de fondo es filosófica antes que técnica. La autoreplicante conserva y multiplica. La evolutiva transforma y descarta. Una preserva el diseño original. La otra lo supera.
Lo que tienen en común
Son más parecidas de lo que parece a primera vista, y eso es precisamente lo que las hace relevantes juntas.
Las dos escapan al control lineal. Una IA autoreplicante que se propaga genera instancias que el operador original no controla directamente. Una IAE que converge a una solución de alta fitness puede llegar a comportamientos que nadie anticipó. En ambos casos, el sistema opera más allá del scope intencional de quien lo diseñó.
Las dos requieren compute masivo como variable limitante. La autoreplicante necesita recursos para instanciar copias. La evolutiva necesita ciclos de evaluación iterados —a veces millones de ellos— para que la selección converja. En 2026, con la carrera de infraestructura que describimos en La Carrera Agéntica, el compute deja de ser el cuello de botella. Eso cambia el escenario de riesgo y de oportunidad simultáneamente.
Las dos convergen en los sistemas agénticos actuales. Los agentes de producción de 2026 —Anthropic Managed Agents, Google Agent Platform, Microsoft Foundry— tienen elementos de ambos paradigmas: replican patrones de trabajo humano para arrancar rápido, y optimizan su estrategia iterativamente según resultados de ejecución. La dicotomía teórica se disuelve en el producto real.
Las dos plantean el mismo problema de evaluación. ¿Cómo sabés que una réplica es fiel y segura? ¿Cómo sabés que el resultado evolutivo es robusto y no solo localmente óptimo? La métrica de éxito —y quién la define— es el problema más difícil en ambos casos, y el que concentra la mayor parte del debate sobre alineamiento.
En qué divergen radicalmente
La primera divergencia es de origen del comportamiento. La autoreplicante transfiere comportamiento existente: lo que se propaga es conocimiento ya validado, intenciones ya definidas. La evolutiva genera comportamiento nuevo: nadie sabe exactamente qué va a producir la selección hasta que converge.
La segunda es de dominio de aplicación. La IA autoreplicante brilla donde hay un patrón de excelencia que vale la pena escalar: un agente de atención al cliente que funciona bien en Buenos Aires y hay que desplegar en 50 ciudades, o un workflow especializado que un equipo tardó meses en afinar. La IAE brilla donde el espacio de soluciones es demasiado grande para que un humano lo explore: diseño de proteínas, optimización de algoritmos matemáticos, arquitectura de redes neuronales.
La tercera divergencia —la más importante para los próximos años— es de tipo de riesgo. La IA autoreplicante hereda y amplifica los problemas del original: si el agente origen tiene sesgos, los distribuye a escala; si tiene un fallo de seguridad, lo replica en cada instancia. La IAE puede converger a soluciones correctas pero completamente opacas —nadie sabe por qué el fitness score es alto, solo que lo es— creando sistemas que funcionan pero no se pueden auditar. Dos tipos de riesgo distintos. Los dos serios. Los dos activos en producción hoy.
Ejemplos concretos que existen ahora
IA Autoreplicante en operación:
Agentes de voz (Grok Voice Agent API, CallMe + Claude Code) que se instancian en múltiples sesiones paralelas replicando el mismo perfil de comportamiento
OpenAI Workspace Agents replicando el workflow de un especialista humano a escala organizacional
Sistemas multiagente donde un agente «supervisor» genera sub-agentes con sus mismas capacidades para paralelizar trabajo
IA Evolutiva en operación o investigación avanzada:
AlphaEvolve de Google DeepMind: rediseñó la multiplicación de matrices superando el algoritmo de Strassen después de más de 50 años de vigencia, usando selección evolutiva iterada sobre variantes generadas por LLMs
AlphaFold 3: usa principios de búsqueda evolutiva para predecir estructuras proteicas
Experimentos de Dan-Eric Nilsson con organismos virtuales que desarrollaron estructuras equivalentes a ojos biológicos desde cero, sin que nadie les dijera qué construir, solo aplicando presión de selección sobre miles de generaciones
Hacia dónde va cada una
La IA Autoreplicante se dirige hacia la personalización masiva de agentes especializados. El horizonte 2027-2030 es un ecosistema donde cada organización tiene réplicas digitales de sus workflows críticos: agentes que heredan el conocimiento del equipo, se despliegan en múltiples instancias y operan en su nombre para tareas de menor complejidad decisional. Los frenos más importantes son regulatorios y de identidad: ¿quién es responsable de lo que hace una réplica? ¿Puede un agente replicarse sin consentimiento explícito?
La IA Evolutiva se dirige hacia el descubrimiento científico autónomo. AlphaEvolve es el primer paso de una secuencia que puede llevar a sistemas capaces de formular hipótesis, diseñar experimentos virtuales, evaluar resultados y proponer hallazgos sin intervención humana en el loop de investigación. El debate filosófico sobre si eso constituye «ciencia real» ya empezó.
El punto de convergencia real está en los sistemas que hacen las dos cosas: replican conocimiento experto para arrancar con ventaja, y luego evolucionan más allá de ese conocimiento inicial por selección iterativa de estrategias. Los agentes agénticos de 2026 tienen esa arquitectura en embrión. En 2028-2030 será el estándar, y la pregunta sobre quién controla qué parte del ciclo —humano o máquina— será la pregunta central del diseño de sistemas.
nota conjunta entre convergencia.tech & elfinancierodigital.com
El Gemelo Digital Social anunciado por el Ministerio de Capital Humano representa una réplica virtual del sistema de políticas sociales argentinas. Alimentado por datos en tiempo real, IA y modelos predictivos, permite simular escenarios, anticipar impactos y optimizar decisiones públicas. Sin embargo, su éxito dependerá de una adaptación profunda al contexto local, marcado por alta inflación, volatilidad cambiaria, cambios frecuentes de políticas y dinámicas sociales complejas.
Cómo proceder para un Gemelo Digital Social adaptado
Para construir un gemelo digital social efectivo en Argentina, se debe seguir un enfoque por etapas que integre experiencia internacional pero priorice soberanía y relevancia local:
Diagnóstico y mapeo de datos soberanos: Comenzar con un inventario completo de bases de datos existentes (ANSES, AFIP, Ministerios, INDEC, provincias). Incorporar variables específicamente argentinas: índices de inflación mensual (IPC), fluctuaciones del dólar blue/oficial, impacto de devaluaciones y programas sociales variables.
Modelado híbrido con variables dinámicas: A diferencia de entornos estables (Europa o EE.UU.), el modelo debe incluir módulos inflacionarios y de cambios de política. Ejemplo: simular cómo una modificación en AUH o Potenciar Trabajo afecta la pobreza en escenarios de inflación del 4-8% mensual. Usar técnicas de simulación Monte Carlo adaptadas a volatilidad extrema.
Integración de capas sociales y comportamentales: Incorporar datos de movilidad social, informalidad laboral (alta en Argentina), migraciones internas y efectos culturales. Aquí se puede adaptar conocimiento de otros países, pero calibrando con datos locales para evitar sesgos (por ejemplo, modelos europeos subestiman la resiliencia informal argentina).
Arquitectura tecnológica escalable y segura: Utilizar plataformas cloud híbridas con énfasis en edge computing para regiones con conectividad irregular. Priorizar estándares abiertos (como los promovidos por BIM Forum Argentina) y marcos de privacidad robustos (Ley de Protección de Datos Personales).
Mantenimiento predictivo y retroalimentación continua: El gemelo debe actualizarse en tiempo real con sensores sociales (encuestas rápidas, datos administrativos) y validar predicciones contra resultados reales, ajustando por shocks macroeconómicos.
Este enfoque aprovecha el camino ya recorrido en sectores productivos argentinos, donde los gemelos digitales se han adaptado exitosamente a la realidad inflacionaria y volátil.
Empresas y proyectos argentinos con experiencia relevante
Argentina cuenta con un ecosistema consolidado que puede alimentar el Gemelo Digital Social:
Axion Energy: Implementó gemelos digitales en refinerías (cámaras de coqueo retardado) para mantenimiento predictivo y optimización operativa, ganando premios por innovación en entornos de alta variabilidad de costos energéticos.
Cámara Empresaria del Autotransporte de Cargas (CEDAC) y APROCAM (Mendoza): Desarrollaron gemelos digitales para modelar costos por kilómetro, simular impactos inflacionarios, proyecciones y escenarios con diferentes combustibles y tipos de carga. Excelente base para módulos económicos del gemelo social.
Asociaciones de clínicas (CONFECLISA y provinciales): Usan gemelos para medir atrasos arancelarios, subsidios cruzados y efectos de políticas públicas en contextos inflacionarios.
Sector construcción e infraestructura: Empresas y estudios desarrollan gemelos completos de proyectos para simular costos, redeterminaciones y huella de carbono bajo escenarios de alta inflación y volatilidad cambiaria.
Universidades y centros tecnológicos: UNAJ, UNSAM y la mesa intersectorial de Córdoba (gobierno-empresas-universidades) avanzan en fábricas inteligentes y gemelos para pymes, con fuerte enfoque en soberanía tecnológica.
Estas experiencias demuestran que ya tenemos un camino recorrido en la adaptación de gemelos digitales a la idiosincrasia argentina, lo que reduce la necesidad de soluciones llave en mano externas y minimiza riesgos de dependencia.
Convergencia.tech: La parte tecnológica del ecosistema
Desde convergencia.tech, impulsamos esta convergencia entre lo físico y lo digital como habilitador clave del desarrollo argentino. El Gemelo Digital Social debe ser parte de un ecosistema más amplio que integre gemelos sectoriales (energía, transporte, salud, educación) hacia un modelo nacional. Apoyándonos en el análisis de elfinancierodigital.com, destacamos que la verdadera ventaja competitiva surge de combinar IA global con expertise local en volatilidad y resiliencia social.
Conclusión: Argentina está en condiciones de liderar un Gemelo Digital Social propio, más adaptado que ofertas genéricas internacionales. El desafío es avanzar con transparencia, gobernanza ética y priorizando talento y empresas nacionales. De esta forma, se transforma en una herramienta de anticipación real y no solo de observación reactiva.
Fuentes consultadas:
Chequeado.com, elDiarioAR, Ministerio de Capital Humano (anuncios oficiales, mayo 2026).
Por qué la constelación de SpaceX no es solo internet satelital sino el proyecto más disruptivo para las telecomunicaciones en décadas
Introducción: el cielo como infraestructura
Durante más de cuarenta años, la conectividad móvil dependió de un modelo simple y costoso: torres, cables, espectro licenciado y operadores con poder de mercado. Ese modelo está siendo cuestionado desde el espacio.
Starlink, el servicio de internet satelital de SpaceX, comenzó como una alternativa para zonas rurales sin fibra. Pero en 2026 su ambición quedó expuesta ante el mundo entero: en el Mobile World Congress de Barcelona, la compañía de Elon Musk anunció satélites con conectividad 5G directa a celulares comunes, sin antenas, sin SIM adicional, sin pasar por ninguna torre terrestre. La pregunta ya no es si Starlink compite con las telcos. La pregunta es cuánto tiempo tienen las telcos para adaptarse.
Primera movida: conectividad donde las telcos no llegan
La estrategia de Starlink no comenzó atacando al corazón del negocio telco. Comenzó por sus flancos más débiles: las zonas sin cobertura.
Con más de 10.000 satélites activos en órbita baja (LEO) a 550 km de altitud, frente a los 35.786 km de los satélites geoestacionarios tradicionales, Starlink logró algo que sus predecesores no pudieron: latencia comparable a una conexión ADSL terrestre, de entre 25 y 50 ms, con velocidades de descarga de 50 a 250 Mbps según el plan y la ubicación.
Para ponerlo en contexto frente a las telcos:
Tecnología
Velocidad bajada
Latencia
Cobertura
Fibra óptica
300–1.000 Mbps
5–10 ms
Urbana/suburbana
4G LTE telco
20–150 Mbps
30–50 ms
Urbana/parcial rural
5G telco
100–1.000 Mbps
10–20 ms
Urbana (cobertura limitada)
Starlink residencial
50–250 Mbps
25–50 ms
Global, incluye zonas sin telco
Starlink Kit Mini
50–200 Mbps
25–60 ms
Portátil, global
Starlink D2C (fase actual)
hasta 20 Mbps
40–70 ms
Donde hay acuerdo con MNO socio
Starlink D2C (satélites V2, 2026–27)
hasta 150 Mbps
~30 ms
Global con 5G satelital
La diferencia fundamental es que Starlink no necesita infraestructura en el suelo. Un agricultor en la Patagonia, un barco en el Atlántico Sur o un equipo de rescate en la Puna tienen exactamente el mismo acceso que alguien en un edificio de Buenos Aires con fibra óptica.
El Kit Mini —una antena portátil del tamaño de un libro, con router WiFi integrado, IP67, operativa entre -30°C y 50°C— es hoy el primer producto que reemplaza funcionalmente una conexión 4G de campo sin depender de ninguna telco. No usa SIM. No necesita acuerdo con Claro ni Movistar. Se conecta directamente a los satélites y entrega WiFi a cualquier dispositivo en su radio. Es el «reemplazo de línea celular» que muchos usuarios en zonas remotas están adoptando.
Segunda movida: monitoreo IoT y el M2M satelital
Si la primera movida atacó la conectividad de consumo en zonas sin cobertura, la segunda apunta al negocio que las telcos consideraban más cautivo: el Internet de las Cosas (IoT) y las comunicaciones máquina a máquina (M2M).
El mercado M2M tradicional funcionaba así: un módulo SIM de telco en un sensor agrícola, una unidad de rastreo de flota o un medidor de gas, conectado a una red LTE a través de torres convencionales. Funciona perfecto en ciudades. Pero un sensor de nivel de agua en un embalse en Mendoza, una baliza en un campo de soja en Mato Grosso o un monitor de temperatura en un frigorífico rural son dispositivos que las telcos terrestres simplemente no pueden servir de manera confiable.
Starlink anunció que su tecnología Direct to Cell es compatible con módems estándar CAT-1, CAT-1 Bis y CAT-4, los mismos módulos LTE que se usan hoy en millones de dispositivos M2M en todo el mundo. Esto significa que, en las zonas donde Starlink tenga operadores socios habilitados, esos módulos pueden «ver» el satélite como si fuera una torre celular más, sin cambio de hardware, sin reconfiguración especial.
Los segmentos de aplicación más claros son:
Agroindustria: sensores de humedad, temperatura y presencia en campos alejados; monitoreo de silos; control de riego automatizado en zonas sin cobertura.
Transporte y logística: rastreo de flotas en rutas nacionales con cobertura intermitente; control de temperatura en camiones frigoríficos; telemetría de maquinaria pesada.
Infraestructura crítica: telemetría SCADA en plantas de energía, represas y ductos; monitoreo de torres de alta tensión; sistemas de alerta temprana en zonas de riesgo hídrico.
Marítimo y pesca: seguimiento de embarcaciones fuera del rango de cobertura costera; monitoreo de redes y capturas; comunicaciones de emergencia.
El impacto competitivo es directo: las telcos cobran actualmente por planes M2M que van desde unos pocos dólares hasta decenas de dólares por SIM mensual, con contratos por volumen. Si Starlink logra servir esos mismos módulos a través de sus satélites —y con el espectro propio adquirido de EchoStar por 17.000 millones de dólares en septiembre de 2025— la necesidad del intermediario telco se reduce drásticamente.
¿Es D2C una solución temporal o el modelo definitivo?
Esta es la pregunta estratégica del sector, y la respuesta honesta tiene dos capas.
En el corto plazo, D2C necesita a las telcos. La tecnología Direct to Cell funciona hoy en alianza con operadores como T-Mobile en Estados Unidos y Entel en Chile y Perú. El usuario final sigue con su línea de siempre; Starlink actúa como una capa adicional que se activa automáticamente cuando no hay señal terrestre. Las telcos son el canal, el billing, el acuerdo regulatorio. Sin ellas, D2C no llega al usuario.
En el largo plazo, el modelo apunta a independizarse. En septiembre de 2025, SpaceX adquirió el espectro radioeléctrico de EchoStar —el operador detrás de Boost Mobile— por 17.000 millones de dólares. Eso no fue una compra de infraestructura: fue la compra de licencias de frecuencias, el activo más regulado y escaso del negocio telco. Con ese espectro propio, Starlink tiene la base legal para operar como operador móvil independiente en Estados Unidos, sin necesitar ningún acuerdo con T-Mobile o cualquier otra telco.
Ya existen 133 acuerdos entre operadores de telecomunicaciones y compañías satelitales para desarrollar soluciones de conectividad híbrida, según un estudio de GSMA Intelligence publicado en enero de 2026. Muchos de esos acuerdos se leen como estrategia defensiva de las telcos: si no podés vencer a Starlink, aliarte con él antes de que te desplace. Deutsche Telekom firmó en el MWC 2026 un acuerdo para extender cobertura 5G satelital Starlink a más de 140 millones de clientes en 10 países europeos. Vodafone, por su parte, apostó a una jugada alternativa creando SatCo junto a AST SpaceMobile, con sus propios satélites 5G en órbita baja.
El panorama que se configura para 2028–2030 no es el fin de las telcos, pero sí el fin de su monopolio sobre la conectividad en zonas sin infraestructura, y potencialmente el comienzo de la competencia directa en zonas urbanas donde hoy dominan sin rivales.
¿Se impondrá el equipo propio de Starlink?
Para el usuario común en zona urbana con buena cobertura 4G/5G, el dish de Starlink probablemente nunca sea el dispositivo principal. La fibra y el 5G terrestre ganan en precio, latencia y estabilidad donde existen.
Pero para todos los demás casos —y son muchos más de lo que la industria telco suele admitir— el equipo de Starlink ya está ganando:
Zonas rurales y remotas sin fibra ni 4G estable: el Kit Estándar o el Kit Mini son hoy la única opción con velocidades comparables a una conexión urbana.
Movilidad extrema —flotas, barcos, expediciones, zonas de emergencia—: el Kit Mini portátil no tiene competidor real en su segmento.
Conectividad de respaldo empresarial: cada vez más empresas instalan un dish Starlink como backup ante cortes de fibra o saturación de red móvil.
IoT industrial en zonas sin cobertura: cuando los módulos certificados para D2C estén disponibles (estimado 2027–2028), el mercado M2M satelital podría crecer exponencialmente.
La pregunta no es si el equipo Starlink se impondrá globalmente como reemplazo del celular. La pregunta es si las telcos podrán defender su modelo de negocio en todos los segmentos donde Starlink ya les está comiendo terreno.
Conclusión: el satélite como infraestructura de base
Lo que está ocurriendo con Starlink en 2026 es estructuralmente diferente a lo que ocurrió con los satélites de generaciones anteriores. No es una tecnología cara y lenta para nichos extremos. Es una red con velocidades comparables al 4G avanzado, latencia aceptable para la mayoría de los casos de uso, y cobertura genuinamente global.
La primera movida —conectividad allá donde las telcos no llegaron— ya está consolidada. La segunda movida —IoT y M2M satelital sin SIM de telco— está en marcha. La tercera movida —operar como telco independiente con espectro propio— está en el horizonte regulatorio.
El cielo ya es infraestructura. Las reglas del juego en telecomunicaciones no volverán a ser las mismas.
Nvidia y Corning han anunciado una importante asociación a largo plazo para expandir la fabricación de soluciones de conectividad óptica en Estados Unidos, enfocada en la creciente demanda de infraestructura de inteligencia artificial (IA). Este proyecto busca reemplazar progresivamente los cables de cobre tradicionales por fibras de vidrio (fibra óptica) en los centros de datos de IA, mejorando la eficiencia energética y el rendimiento.
La colaboración incluye la construcción de tres nuevas plantas de manufactura avanzada en Carolina del Norte y Texas, dedicadas exclusivamente a productos ópticos para Nvidia. Estas instalaciones aumentarán la capacidad de fabricación de conectividad óptica en EE.UU. en 10 veces y la producción de fibra en más del 50%. Se espera que generen más de 3.000 empleos de alta calidad.
¿Por qué reemplazar el cobre por fibra de vidrio en la IA?
En los sistemas de IA a escala de rack de Nvidia, como el próximo Vera Rubin, hay aproximadamente 5.000 cables de cobre que conectan los chips. Estos cables consumen mucha energía, generan calor y limitan la velocidad a distancias cortas. La fibra óptica de Corning transmite datos mediante fotones en lugar de electrones, lo que reduce significativamente el consumo energético (hasta 5-20 veces menos) y permite mayor ancho de banda y eficiencia.
Esta transición hacia co-packaged optics (óptica empaquetada conjuntamente) representa un avance clave para los centros de datos hyperscale. Nvidia busca mover la inteligencia a «la velocidad de la luz», optimizando el rendimiento de sus GPUs en entornos de IA de alto rendimiento.
Inversión de Nvidia en Corning
Como parte del acuerdo, Nvidia invierte hasta 3.200 millones de dólares en Corning, incluyendo un compromiso inicial de alrededor de 500 millones de dólares a través de warrants y derechos para adquirir acciones. Esto fortalece la cadena de suministro y posiciona a Corning como proveedor clave para la expansión de la IA.
Impacto en las acciones de Corning
Sí, las acciones de Corning subieron fuertemente tras el anuncio el 6 de mayo de 2026. Reportes indican ganancias intradía de entre 9% y 17%, alcanzando máximos históricos cerca de los 190 dólares por acción. Esta reacción refleja la confianza del mercado en el rol creciente de Corning en la infraestructura de IA más allá de los chips.
Este impulso se suma al sólido desempeño previo de Corning, impulsado por otros contratos de IA con grandes tecnológicas.
Beneficios para la industria y la economía
La alianza no solo acelera la innovación en conectividad para IA, sino que también refuerza la manufactura estadounidense en un sector estratégico. Reduce la dependencia de suministros extranjeros y apoya el crecimiento sostenible de los centros de datos, que enfrentan desafíos energéticos crecientes.
Analistas ven este movimiento como parte de una tendencia más amplia donde la óptica reemplaza al cobre en la próxima generación de sistemas de IA, beneficiando a proveedores como Corning y posicionando a Nvidia como líder en eficiencia.
En resumen, el proyecto entre Nvidia y Corning es real, estratégico y ya está en marcha. Representa un paso fundamental hacia centros de datos de IA más rápidos, eficientes y sostenibles, con un claro impacto positivo en el valor de Corning.
AI1 año ago
Nano1 año ago
AI6 meses ago
AI1 año ago