En junio de 2025, Apple publicó un estudio innovador titulado «The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity». Este trabajo ha generado un debate significativo en la comunidad de inteligencia artificial al cuestionar la capacidad de los Large Reasoning Models (LRMs) para razonar de manera genuina. En lugar de un razonamiento lógico, el estudio sugiere que estos modelos dependen de un reconocimiento de patrones sofisticado. Este informe explora en profundidad los hallazgos del estudio, analiza críticas y perspectivas alternativas, propone mejoras potenciales para contrarrestar las limitaciones identificadas y ofrece una visión para el futuro de la investigación en IA.
¿Qué son los Large Reasoning Models?
Los LRMs son una evolución de los Large Language Models (LLMs), diseñados para abordar problemas complejos mediante un razonamiento estructurado. Modelos como OpenAI o1, o3-mini, DeepSeek-R1, Claude-3.7-Sonnet-Thinking y Google’s Thinking models utilizan técnicas como la «cadena de pensamiento» (Chain-of-Thought, CoT) y la autorreflexión para generar respuestas más deliberadas. A diferencia de los LLMs, que se centran en predecir palabras basándose en patrones, los LRMs intentan simular un proceso de pensamiento lógico, lo que los hace prometedores para tareas que requieren descomposición de problemas.
Hallazgos Clave del Paper de Apple
El estudio de Apple evaluó LRMs en entornos de rompecabezas controlados, como la Torre de Hanói, el Cruce del Río y el Mundo de Bloques, que permiten manipular la complejidad manteniendo estructuras lógicas consistentes. Los resultados destacan varias limitaciones:
1. Colapso de Precisión
Todos los LRMs evaluados mostraron una caída total en precisión más allá de un umbral de complejidad, independientemente del tamaño del modelo o los recursos disponibles. Por ejemplo, en la Torre de Hanói con 20 discos, los modelos no lograron generar soluciones correctas.
2. Límite de Escalado Contraintuitivo
El esfuerzo de razonamiento, medido por el uso de tokens de inferencia, aumentaba con la complejidad del problema hasta un punto crítico. Más allá de este umbral, los modelos reducían su esfuerzo, utilizando menos tokens, como si se sintieran «superados» por la tarea, a pesar de tener un presupuesto de tokens adecuado.
3. Regímenes de Rendimiento
Al comparar LRMs con LLMs estándar bajo el mismo cómputo de inferencia, se identificaron tres regímenes:
Baja Complejidad: Los LLMs estándar superaron a los LRMs, utilizando menos recursos y logrando mayor precisión.
Media Complejidad: Los LRMs mostraron una ventaja, ya que sus pasos de «pensamiento» adicional les permitieron resolver problemas de manera más efectiva.
Alta Complejidad: Ambos tipos de modelos colapsaron, con una precisión que caía a cero.
Régimen
Rendimiento Relativo
Ejemplo
Baja Complejidad
LLMs > LRMs (menos recursos, más precisión)
Torre de Hanói con 1 disco
Media Complejidad
LRMs > LLMs (ventaja del razonamiento)
Torre de Hanói con 8-9 discos
Alta Complejidad
Ambos fallan (precisión 0%)
Torre de Hanói con 20 discos
4. Limitaciones en Cálculos Exactos
Los LRMs no aplicaron algoritmos explícitos de manera confiable, incluso cuando se les proporcionaron. Por ejemplo, en el Cruce del Río, los modelos a menudo ignoraban restricciones lógicas, proponiendo soluciones ilógicas.
5. Análisis de Trazas de Razonamiento
El análisis de las trazas internas de razonamiento reveló que los LRMs no seguían caminos lógicos consistentes, sino que saltaban a conclusiones basadas en patrones aprendidos. Esto refuerza la idea de que su «razonamiento» es más una imitación que un proceso lógico genuino.
Ejemplos de Fallos en Rompecabezas
El estudio utilizó varios rompecabezas para evaluar los LRMs:
Torre de Hanói: Los modelos resolvieron configuraciones simples (pocos discos), pero colapsaron en configuraciones con 20 discos, que requieren 1,048,575 movimientos.
Cruce del Río: En este problema, donde se deben transportar objetos respetando restricciones (por ejemplo, un lobo y una cabra no pueden quedarse solos), los LRMs fallaron en configuraciones con solo 5 movimientos, mostrando inconsistencia.
Mundo de Bloques: Los modelos tuvieron dificultades para planificar secuencias largas de movimientos, especialmente en configuraciones complejas.
Salto de Damas: Similar a un juego de damas, los LRMs no lograron mantener consistencia en problemas que requerían múltiples movimientos lógicos.
Críticas y Perspectivas Alternativas
El paper de Apple ha recibido críticas, particularmente de Sean Goedecke en su blog «The illusion of ‘The Illusion of Thinking'». Goedecke argumenta que los rompecabezas utilizados podrían no ser ideales para evaluar el razonamiento, ya que las soluciones (como la de la Torre de Hanói con 10 discos) están ampliamente disponibles en línea, lo que sugiere una posible contaminación de datos de entrenamiento. Él propone que los LRMs podrían rendir mejor en tareas para las que fueron entrenados, como problemas matemáticos o de codificación.
Goedecke también cuestiona la interpretación del límite de escalado. Sugiere que la reducción de esfuerzo en tareas complejas podría ser una decisión estratégica, no una incapacidad. Por ejemplo, en la Torre de Hanói con 10 discos (1023 movimientos), un modelo podría optar por buscar atajos en lugar de enumerar todos los pasos, lo que no necesariamente indica una falta de razonamiento.
Además, Goedecke desafía la conclusión de que los modelos no razonan más allá de un umbral de complejidad. Compara esto con el razonamiento humano, que también tiene límites, pero aún se considera razonamiento. Argumenta que si un modelo puede razonar a través de 10 pasos, pero no 11, sigue demostrando capacidad de razonamiento.
Verificación de los Hallazgos
Sander Ali Khowaja, en su artículo en Medium «An Examination of Apple’s ‘The Illusion of Thinking'», verifica los hallazgos del paper de Apple. Confirma:
El colapso de precisión en problemas complejos.
La reducción de esfuerzo de razonamiento en tareas de alta complejidad.
Los tres regímenes de rendimiento.
La inconsistencia en el razonamiento, como resolver la Torre de Hanói con más de 100 movimientos, pero fallar en el Cruce del Río con 5 movimientos.
Khowaja también destaca las implicaciones éticas, señalando que las explicaciones fluidas de los LRMs pueden generar una falsa percepción de competencia, lo que podría llevar a una sobredependencia en aplicaciones críticas.
Mejoras Potenciales para Contrarrestar las Limitaciones
Para abordar las limitaciones técnicas identificadas, se proponen las siguientes mejoras, diseñadas para optimizar el rendimiento de los LRMs y acercarlos a un razonamiento más robusto y generalizable:
Dependencia de Patrones en Lugar de Razonamiento Algorítmico
Problema: Los LRMs dependen de patrones estadísticos en lugar de ejecutar algoritmos formales.
Mejora Potencial:
Integración de Módulos Simbólicos: Combinar transformadores con motores de inferencia lógica (e.g., sistemas expertos o solvers SAT) para ejecutar algoritmos explícitos. Por ejemplo, un módulo dedicado podría resolver la Torre de Hanói recursivamente usando la fórmula ( 2^n – 1 ).
Entrenamiento con Datos Sintéticos: Generar datasets sintéticos que enseñen a los modelos a seguir procesos algorítmicos paso a paso, reduciendo la dependencia de patrones memorizados.
Impacto Esperado: Permitiría a los LRMs aplicar reglas lógicas consistentes, mejorando el rendimiento en problemas estructurados.
Colapso de Precisión en Alta Complejidad
Problema: La precisión cae a cero en problemas con espacios de búsqueda profundos (e.g., ( O(2^k) ) en el Cruce del Río).
Mejora Potencial:
Atención Optimizada: Implementar mecanismos de atención dispersa o lineal (e.g., Linformer, con complejidad ( O(n) )) para manejar contextos largos sin pérdida de información.
Búsqueda Guiada: Integrar algoritmos de búsqueda clásicos (e.g., A*, búsqueda en profundidad) en la arquitectura para explorar soluciones en problemas combinatorios.
Impacto Esperado: Mejoraría la capacidad de planificar secuencias largas, manteniendo la precisión en tareas complejas.
Límite de Escalado Contraintuitivo
Problema: Los modelos reducen el uso de tokens en problemas muy complejos, «rindiéndose».
Mejora Potencial:
Meta-Razonamiento Dinámico: Desarrollar un módulo de meta-aprendizaje que evalúe la dificultad del problema (e.g., estimando la profundidad del espacio de búsqueda) y ajuste dinámicamente el cómputo, asignando más tokens o iteraciones según sea necesario.
Refuerzo para Persistencia: Usar aprendizaje por refuerzo con recompensas que incentiven la exploración exhaustiva en problemas difíciles, en lugar de optimizar solo la eficiencia.
Impacto Esperado: Los modelos persistirían en tareas complejas, utilizando recursos de manera más efectiva.
Inconsistencia en el Razonamiento
Problema: El rendimiento varía con cambios superficiales en la redacción o valores.
Mejora Potencial:
Representaciones Abstractas: Incorporar estructuras como grafos o árboles de decisión para modelar la lógica subyacente del problema, en lugar de depender solo del texto.
Entrenamiento Robusto: Exponer a los modelos a variaciones sistemáticas (e.g., cambios en nombres, números) durante el entrenamiento para mejorar la generalización.
Impacto Esperado: Reduciría la sensibilidad a variaciones superficiales, asegurando un razonamiento más consistente.
Fragilidad ante Distracciones
Problema: Información irrelevante degrada la precisión (e.g., 65% de caída con cláusulas distractoras).
Mejora Potencial:
Filtrado de Contexto: Implementar un preprocesador que identifique y descarte tokens irrelevantes antes de la inferencia, usando técnicas como análisis de relevancia basado en atención.
Atención Focalizada: Modificar los mecanismos de atención para priorizar tokens relacionados con las restricciones lógicas del problema.
Impacto Esperado: Mejoraría la robustez en entornos ruidosos, como documentos del mundo real.
Limitaciones en el Diseño de la Arquitectura
Problema: Los transformadores carecen de estado dinámico y escalado para razonamiento secuencial.
Mejora Potencial:
Módulos de Estado Dinámico: Integrar componentes como redes neuronales recurrentes (RNN) o memorias externas (e.g., Neural Turing Machines) para rastrear estados intermedios durante el razonamiento.
Hibridación: Combinar transformadores con sistemas simbólicos o algoritmos clásicos para manejar tareas combinatorias y de planificación.
Impacto Esperado: Permitiría un razonamiento secuencial y combinatorio más robusto, superando las limitaciones estructurales.
Implicaciones para la Inteligencia Artificial General
Los hallazgos sugieren que los LRMs no están cerca de alcanzar la inteligencia artificial general (AGI). Su dependencia de patrones y su incapacidad para generalizar el razonamiento a través de diferentes tipos de problemas indican que las arquitecturas actuales tienen limitaciones fundamentales. Esto plantea preguntas sobre cómo avanzar hacia una IA más robusta y generalizable.
Visión a Futuro
El estudio de Apple y las discusiones posteriores destacan varias direcciones para la investigación futura en IA:
Métodos de Evaluación Más Robustos: Los benchmarks actuales, como los de matemáticas y codificación, pueden estar contaminados. Se necesitan nuevos métodos que evalúen el razonamiento genuino y analicen las trazas internas de los modelos.
Arquitecturas Híbridas: Combinar redes neuronales con métodos computacionales tradicionales, como la síntesis de programas o los Large Concept Models de Meta, podría superar las limitaciones actuales.
Técnicas de Entrenamiento Mejoradas: Métodos como el aprendizaje por refuerzo para el razonamiento intercalado podrían fomentar una mayor persistencia en problemas complejos y una mejor aplicación de algoritmos explícitos.
Consideraciones Éticas: Es crucial abordar el riesgo de sobredependencia en modelos que parecen competentes pero carecen de comprensión real. La transparencia sobre las capacidades y limitaciones de los modelos es esencial.
Razonamiento Generalizable: La investigación futura debe enfocarse en desarrollar modelos que puedan razonar de manera consistente en diferentes dominios, acercándose a la AGI.
Conclusión
El paper de Apple «The Illusion of Thinking» revela que los LRMs, aunque avanzados, no razonan como los humanos, sino que dependen de patrones aprendidos. Las críticas, como las de Goedecke, sugieren que los métodos de evaluación y las interpretaciones deben ser más matizadas. Las mejoras propuestas—arquitecturas híbridas, meta-razonamiento, representaciones abstractas y entrenamiento robusto—pueden contrarrestar estas limitaciones, allanando el camino hacia modelos más confiables. Al abordar estas áreas, la comunidad de IA puede avanzar hacia una inteligencia artificial más robusta, ética y generalizable, acercándose al objetivo de la AGI.
Key Citations
Apple Machine Learning Research: The Illusion of Thinking
Sean Goedecke’s Blog: The illusion of «The Illusion of Thinking»
Sander Ali Khowaja on Medium: An Examination of Apple’s “The Illusion of Thinking”
Antes de ir tecnología por tecnología, hay que entender el lente con el que NVIDIA mira el mundo. Jensen Huang tiene un único mensaje central: los datos centers ya no son instalaciones de IT sino «fábricas de IA», sistemas industriales diseñados para convertir electricidad en tokens. «Los tokens son la nueva commodity», dijo en el GTC 2026. Todo lo que no encaja en esa visión, NVIDIA lo ignora. Lo que sí encaja, lo abraza. Data Center Frontier
IoT — Aquí sí están metidos a fondo
IoT es el territorio donde NVIDIA tiene más presencia concreta. Su apuesta se llama Jetson, la familia de computadoras de borde para IA industrial.
La serie Jetson de NVIDIA es la plataforma dominante para inferencia de IA de alto rendimiento en el borde, con el Jetson AGX Orin entregando 275 TOPS, posicionado como el módulo de IA en el borde de mayor rendimiento disponible actualmente, orientado a robótica, vehículos autónomos y sistemas de visión industrial. E&ICT Academy
En el Computex 2026, NVIDIA anunció JetPack 7.2 y soporte de NemoClaw en Jetson, haciendo la plataforma «agentic-ready» para robótica, inspección y automatización industrial. NVIDIA Blog
Los casos de uso reales ya están desplegados: inspección de fábricas con visión artificial, cámaras inteligentes en retail, monitoreo en tiempo real de infraestructura de salud, agricultura inteligente y vehículos autónomos. Socios como ABB, KUKA, Caterpillar y Medtronic ya usan Jetson en sus productos.
La visión de NVIDIA para IoT es clara: no le interesa el IoT de sensores baratos que mandan datos a la nube. Le interesa el IoT con IA embebida en el borde, donde el dispositivo mismo procesa, razona y actúa. Eso requiere sus chips.
RFID — Silencio total
Este es el dato más revelador. NVIDIA no habla de RFID. En ningún anuncio, keynote, blog post ni comunicado oficial de 2025/2026 Jensen Huang o algún ejecutivo de NVIDIA menciona la tecnología de identificación por radiofrecuencia.
¿Por qué? Porque RFID es una tecnología de identificación pasiva, de bajísimo cómputo, que no necesita GPUs ni IA sofisticada para funcionar. Es el opuesto de lo que NVIDIA vende. Para NVIDIA, si un sistema de logística usa RFID para trackear pallets, la parte interesante no es el RFID — es el modelo de IA que analiza los patrones de movimiento, predice demanda o detecta anomalías. El RFID es infraestructura previa que simplemente alimenta datos a sus sistemas.
En la visión de NVIDIA, RFID es un sensor más en el ecosistema de datos que sus plataformas consumen. No es un competidor ni un aliado — es invisible.
Blockchain y crypto — Una relación peculiar
Acá la postura es interesante y un poco esquiva. En ningún momento durante el earnings call ni en el GTC 2026 Huang hizo referencia a blockchain, criptomonedas o activos digitales. Crypto Briefing
Sin embargo, hay dos conexiones indirectas que el mercado crypto aprovecha permanentemente:
1. Las GPUs de NVIDIA son la infraestructura de minería. La empresa nunca lo promueve activamente, pero sus chips son los que mueven una parte del ecosistema crypto. Huang una vez describió el bitcoin mining como «tomar energía excedente y almacenarla en una nueva forma llamada moneda» — una descripción técnica neutral, no un endoso. The Cool Down
2. La IA descentralizada lo entusiasma más. En el podcast All-In, Huang comparó a Bittensor — una red de entrenamiento de IA descentralizada en blockchain — con «una versión moderna de folding@home», el proyecto de computación distribuida para investigación científica. Dentro de las 48 horas del episodio, el sector de tokens de IA saltó un 40% en un solo día. Fue el comentario más cercano a un endoso que jamás dio sobre crypto. Phemex
Lo que sí quedó claro en el GTC 2026 es que cuando Huang habla de «tokens» no habla de blockchain: habla de unidades de output de modelos de IA. «Los tokens son ahora rentables» declaró en la conferencia de resultados — refiriéndose a que las empresas cobran más por la inferencia de IA de lo que les cuesta generarla. Crypto Briefing
La postura real de NVIDIA sobre blockchain: no le importa la tecnología en sí. Le importa si usa sus GPUs. El mining lo acepta sin entusiasmo. La IA descentralizada sobre blockchain le parece fascinante porque requiere exactamente lo que vende.
Quantum computing — Presente pero todavía lejos
En el GTC 2026, quantum computing apareció en el programa como vertical propio, con sesiones específicas sobre computación cuántica y su intersección con IA. NVIDIA está desarrollando NVQLink para conectar GPUs con QPUs (unidades de procesamiento cuántico) en sistemas híbridos. No es el centro de su negocio hoy, pero lo están monitoreando de cerca. NVIDIA Corporation
El patrón de fondo
NVIDIA tiene una regla no escrita muy consistente: si una tecnología necesita sus GPUs para escalar, la abraza. Si no, la ignora. IoT con IA en el borde: sí. Telco con AI-RAN: sí. Robots, autos autónomos, digital twins: sí. RFID, blockchain sin IA, sensores pasivos, bases de datos tradicionales: indiferencia total.
Jensen Huang lo resume en una frase que repite constantemente: «La IA está redefiniendo la computación e impulsando la mayor construcción de infraestructura de la historia de la humanidad.» Todo lo que no es parte de esa construcción, sencillamente no está en su radar.
La razón estratégica de fondo: el edge es la próxima gran oportunidad
NVIDIA ya ganó la batalla de los centros de datos. Ahora necesita el siguiente frente. Y ese frente es el borde de la red — el lugar donde los datos se crean, antes de llegar a cualquier servidor.
Jensen Huang lo dijo sin vueltas: «La IA está redefiniendo la computación e impulsando la mayor construcción de infraestructura de la historia de la humanidad — y las telecomunicaciones son las siguientes.» NVIDIA Corporation
La lógica es la siguiente: hoy la IA corre mayormente en centros de datos en la nube. Pero la próxima ola — robots, vehículos autónomos, drones, fábricas inteligentes, ciudades conectadas — necesita que la IA corra cerca de donde pasan las cosas, con latencia mínima. Y quien controla esa infraestructura de borde son las telcos, con sus miles de antenas distribuidas por todo el mundo.
«Las telecomunicaciones poseen el espacio más valioso para la IA: el borde, donde se crean los datos. Los operadores que modernicen su infraestructura serán las fábricas distribuidas de la red de IA», dijo Michael Dell de Dell Technologies, parte del ecosistema que NVIDIA está construyendo. Nokia
La plataforma de edge computing de NVIDIA generó 6.400 millones de dólares en ingresos en un trimestre, con un crecimiento del 29% interanual, impulsado por workstations Blackwell y contribuciones crecientes de robótica y automotive. El telco es la extensión natural de ese negocio. SiliconANGLE
Qué es AI-RAN y por qué es el corazón de la estrategia
RAN significa Radio Access Network — la red de acceso por radio, es decir, las antenas base que conectan los celulares. Tradicionalmente, esas antenas corren con hardware propietario especializado y cerrado.
NVIDIA quiere reemplazar ese hardware con sus GPUs, convirtiendo las antenas en plataformas de computación general que puedan hacer dos cosas al mismo tiempo: manejar el tráfico de radio y correr cargas de trabajo de IA. Eso es AI-RAN.
La propuesta de NVIDIA busca convertir la red celular en un ordenador distribuido de alto rendimiento — una de las piedras angulares de la visión de «IA física» de Jensen Huang. Laecuaciondigital
La ventaja es enorme para las telcos: en lugar de tener infraestructura de red ociosa en horarios de baja demanda, esa capacidad de cómputo podría venderse como servicio de IA a terceros. SoftBank demostró en el MWC 2026 cómo la capacidad de cómputo sobrante en sus antenas, identificada por su orquestador AITRAS, puede usarse para correr tareas de IA de terceros — una señal de cómo los operadores podrían monetizar su infraestructura RAN más allá de la conectividad. Artificial Intelligence News
La inversión de 1.000 millones en Nokia
En octubre de 2025, NVIDIA hizo su movimiento más concreto: invirtió 1.000 millones de dólares en Nokia a 6,01 dólares por acción, anunciando una alianza estratégica para incorporar productos AI-RAN de grado comercial con tecnología NVIDIA en la cartera de RAN de Nokia, el mayor proveedor de equipos de red del mundo. AppsUser
«El próximo salto en telecomunicaciones no se limita al paso del 5G al 6G, sino a un rediseño fundamental de la red para ofrecer conectividad impulsada por IA capaz de procesar inteligencia desde el centro de datos hasta el borde», declaró Justin Hotard, CEO de Nokia. «Nuestra alianza con NVIDIA pondrá un centro de datos de IA al alcance de todos.» Infobae
Con esa inversión, NVIDIA no solo compra acciones — compra acceso directo a la cadena de suministro global de infraestructura de red y se posiciona como tecnología habilitante dentro de los equipos que las telcos ya despliegan.
La coalición del MWC 2026: el club más selecto de las telco
En el Mobile World Congress de Barcelona en marzo de 2026, NVIDIA formalizó la alianza más ambiciosa del sector. Anunció el compromiso de Booz Allen, BT Group, Cisco, Deutsche Telekom, Ericsson, MITRE, Nokia, SK Telecom, SoftBank y T-Mobile para construir la próxima generación de redes inalámbricas sobre plataformas abiertas, nativas de IA, seguras y confiables. NVIDIA Newsroom
La AI-RAN Alliance, el organismo que nuclea este ecosistema, ya cuenta con más de 130 empresas participantes. En el MWC 2026 se presentaron el triple de demos de AI-RAN que el año anterior, con 26 de las 33 demos del evento construidas sobre la plataforma NVIDIA AI Aerial. Crnasia
Los resultados de campo ya no son promesas: T-Mobile demostró procesamiento simultáneo de IA y RAN en la plataforma de NVIDIA corriendo streaming de video, IA generativa y subtítulos automáticos junto con 5G en vivo. SoftBank logró un hito técnico histórico: el primer Massive MIMO de 16 capas totalmente definido por software en hardware NVIDIA. Crnasia
El modelo para 6G y las herramientas de red autónoma
Más allá del 5G, NVIDIA está construyendo la arquitectura base para el 6G. En el MWC 2026, la compañía lanzó el Nemotron Large Telco Model (LTM), un modelo open source de 30 mil millones de parámetros desarrollado junto con AdaptKey AI, entrenado en datasets abiertos de telecomunicaciones, diseñado para razonar sobre flujos de trabajo de gestión de red y avanzar hacia redes autónomas que no solo automatizan tareas predefinidas sino que entienden la intención del operador y toman decisiones propias. Crnasia
La plataforma que NVIDIA construyó para esto se llama NVIDIA ARC — un stack tecnológico de wireless nativo de IA para 6G centrado en tecnología estadounidense, que integra CPUs Grace, GPUs Blackwell y componentes de red avanzados. 36Kr
Por qué a las telcos les conviene
El negocio tradicional de las telcos está en presión: los ingresos por conectividad pura se estancan mientras los costos de red suben. La reconversión de sus antenas en plataforma de cómputo distribuido les abre un negocio completamente nuevo. Según el propio reporte de NVIDIA sobre el estado de la IA en telecomunicaciones, el 77% de los encuestados anticipa un cronograma de despliegue significativamente más rápido para la arquitectura de redes nativas de IA que para generaciones de red anteriores. Crnasia
La apuesta de NVIDIA en telco no es filantropía tecnológica: es el intento de convertirse en la capa de GPU de toda la infraestructura inalámbrica del planeta — exactamente lo que hizo con los centros de datos entre 2020 y 2025, pero ahora repartido en millones de antenas distribuidas por el mundo.
El formato Agent Skills, creado por Anthropic y liberado como estándar abierto en diciembre de 2025, se convirtió en cuestión de meses en la manera dominante de darle memoria procedimental a los agentes de inteligencia artificial. Más de 35 herramientas lo adoptaron, el ecosistema creció de cero a más de 500.000 skills disponibles en menos de seis meses, y gigantes como Google, Microsoft, OpenAI y Elastic ya lo integraron en sus plataformas. La pregunta que define el trabajo con IA en 2026 ya no es «¿puede el modelo hacer esto?», sino «¿sabe el modelo cómo hacerlo de la forma correcta para mi contexto?».
El problema que Agent Skills vino a resolver es uno que cualquier persona que trabaje con herramientas de IA reconoce de inmediato: cada vez que abrís una conversación, empezás de cero. Tenés que volver a explicar quién sos, qué hacés, cómo querés las cosas, cuál es el formato de salida esperado. La IA produce algo brillante. Y al día siguiente, amnesia total. Este ciclo de repetición constante no es solo frustrante: tiene un costo económico real. Cuando se paga por uso de API en dólares, cargar el mismo contexto una y otra vez significa tokens tirados a la basura antes de que el agente haga nada productivo. Un servidor MCP con muchas herramientas puede consumir más de 50.000 tokens solo en definiciones al inicio de cada sesión. Los skills resolvieron esto con una lógica elegante que la industria abrazó a una velocidad inusual.
La mecánica es simple al punto de parecer obvia en retrospectiva. Un skill es una carpeta con un archivo obligatorio llamado SKILL.md, que contiene metadatos mínimos (nombre y descripción) e instrucciones sobre cómo ejecutar una tarea específica. Opcionalmente puede incluir subcarpetas con scripts ejecutables, documentación de referencia, templates y otros recursos. Lo central del diseño es el concepto de «progressive disclosure»: los agentes no cargan el contenido completo de todos los skills al arrancar, sino que en la etapa de descubrimiento solo leen el nombre y la descripción de cada skill disponible, lo que consume apenas entre 30 y 50 tokens por skill inactivo. Cuando una tarea coincide con la descripción de un skill, recién entonces el agente carga el SKILL.md completo al contexto, con instrucciones de entre 500 y 5.000 tokens. Esto permite tener decenas de skills instalados sin que el costo de contexto explote. La comparación con el enfoque anterior es contundente: un desarrollador puede tener 40 skills disponibles con un impacto mínimo en el contexto cuando no son relevantes, algo que antes era estructuralmente imposible.
Anthropic publicó la especificación como estándar abierto el 18 de diciembre de 2025, replicando el mismo movimiento que había hecho con el Model Context Protocol (MCP), que también fue donado como estándar abierto a la Agentic AI Foundation bajo la Linux Foundation junto con OpenAI y Block. La reacción del ecosistema fue inmediata y masiva. En las primeras 24 horas del lanzamiento, un repositorio de skills en GitHub pasó de 85 a más de 250 entradas. Vercel Labs publicó skills oficiales de Next.js y React el mismo día. En las semanas siguientes, Google adoptó el formato en Gemini CLI y en su IDE Antigravity, construido sobre el equipo de Windsurf que adquirió por 2.400 millones de dólares. Microsoft lo integró nativamente en VS Code y GitHub Copilot. OpenAI, competidor directo de Anthropic, adoptó una arquitectura idéntica en ChatGPT y Codex CLI, replicando la estructura de archivos y metadatos de forma exacta. Hoy el formato es compatible con más de 35 herramientas, entre ellas Claude Code, Cursor, Gemini CLI, GitHub Copilot, Roo Code, Goose, Amp, Tabnine, Letta, OpenHands, Spring AI, Laravel Boost, Kiro, Factory, Qodo, Databricks Genie Code, Snowflake Cortex Code y varias más. La ruta más compatible entre agentes es .claude/skills/, que reconocen Cursor, OpenCode y GitHub Copilot además de su propio directorio nativo.
La dimensión empresarial del formato es donde el impacto se vuelve más tangible. En la mayoría de los equipos de desarrollo, el conocimiento sobre «cómo hacemos las cosas acá» vive en la memoria de las personas: convenciones no escritas, decisiones de arquitectura tomadas años atrás, criterios de code review que varían según quién los aplica. Cuando alguien se va, se lleva sus prompts. Cuando alguien nuevo entra, empieza de cero. Los skills permiten externalizar ese conocimiento en artefactos versionables y compartibles que el agente aplica automáticamente. Un desarrollador nuevo puede instalar el set de skills de la empresa y tener acceso inmediato a los estándares y convenciones vigentes sin que ningún colega tenga que explicárselos. Elastic, por ejemplo, lanzó un conjunto de skills bajo licencia Apache 2.0 que cubre cinco áreas del Elastic Stack, desde interacciones con la API de Elasticsearch hasta la gestión de dashboards en Kibana, y lo publicó bajo el argumento de que «el conocimiento de los agentes debe ser abierto». La comunidad de ciberseguridad, por su parte, ya cuenta con un repositorio de 754 skills en producción repartidas en 26 dominios, que incluyen desde Cloud Security y Threat Hunting hasta Web Application Security, todas siguiendo la especificación abierta de agentskills.io y compatibles con Claude Code, Codex CLI, Cursor y OpenCode.
El uso práctico demuestra hasta dónde puede llegar el formato cuando está bien implementado. Un skill correctamente escrito permite pedirle al agente que entre a Stripe, recopile datos de un trimestre completo y genere automáticamente los importes para las declaraciones impositivas con el detalle por casilla, o que limpie y deduplique un dataset de scraping en JSON y produzca un informe Excel listo para presentar, o que siga el proceso interno de code review del equipo sin que el desarrollador tenga que volver a explicarlo. Las únicas reglas que la comunidad identificó como críticas para que un skill funcione bien son dos: la descripción tiene que ser específica sobre qué hace y cuándo se activa (una descripción genérica como «ayuda con datos» confunde al agente), y no puede haber dos skills con descripciones superpuestas dentro del mismo proyecto. Un skill mal escrito no solo no ayuda: consume tokens sin aportar valor y puede producir resultados inconsistentes. La especificación recomienda que el SKILL.md completo no supere los 5.000 tokens para mantener el balance entre riqueza de instrucciones y eficiencia de contexto. Para instalar skills desde repositorios externos, el ecosistema cuenta con una CLI que se ejecuta con npx skills y detecta automáticamente qué agentes están instalados en el sistema para colocar los archivos en el lugar correcto sin intervención manual.
El equipo de Claude Code en Anthropic, que desarrolló el formato originalmente, tiene hoy cientos de skills en uso activo interno y lo describe como el punto de extensión más utilizado de la herramienta. La especificación vive en agentskills.io, con documentación pública que cubre el quickstart, la especificación completa del formato, buenas prácticas de escritura, evaluación de calidad de output, optimización de descripciones para activación confiable, uso de scripts dentro de skills, y una guía para desarrolladores que quieren integrar el formato en sus propios agentes. El código fuente y la comunidad se concentran en github.com/agentskills/agentskills, con un servidor de Discord activo para discusión y soporte. En menos de seis meses, lo que empezó como una feature de Claude Code se convirtió en el estándar de facto para darle expertise de dominio a los agentes de IA, independientemente de qué modelo o herramienta se use.
AI1 año ago
Nano1 año ago
AI7 meses ago
AI1 año ago