La competencia por desarrollar la inteligencia artificial más capaz y autónoma ha entrado en una nueva fase crítica. En solo una semana, el ecosistema tecnológico fue testigo de dos anuncios seminales: Google presentó Gemini 3 y, de manera casi simultánea, OpenAI reveló GPT-5.1-Codex-Max, un modelo especializado que redefine el estándar para tareas de programación y razonamiento avanzado.
Este nuevo modelo no solo resuelve problemas complejos de código y matemáticas, sino que introduce una capacidad transformadora: puede trabajar de forma continua durante horas sin degradar su contexto. Según OpenAI, esta versión, dirigida explícitamente a desarrolladores de software, supera ampliamente a su predecesor, Codex, en velocidad e inteligencia.
La innovación clave reside en una técnica llamada “compactación”, que le permite operar a través de múltiples ventanas de contexto. Este mecanismo detecta cuándo la memoria está por saturarse, elimina redundancias y genera resúmenes coherentes, solucionando así uno de los mayores puntos débiles de los modelos anteriores: la pérdida del hilo en tareas extensas.
“La capacidad de mantener un trabajo coherente a largo plazo es clave para sistemas más fiables”, señaló la compañía. Esta evolución hacia agentes de IA de larga duración no es un avance aislado; es el síntoma de un cambio estructural más profundo en la industria tecnológica.
Como señala Ranjit Tinaikar, CEO de Ness, “esta evolución refleja un cambio fundamental en la economía del sector tecnológico, marcando un marcado contraste con el modelo tradicional de servicios de TI”. Ya no se trata solo de escalar infraestructura, sino de escalar capacidades cognitivas y de ejecución especializadas.
La respuesta competitiva no se hizo esperar. Anthropic presentó Claude Opus 4.5, afirmando que supera a cualquier modelo actual en programación, capacidades de agente y tareas informáticas. Diseñado como el sistema más avanzado de la compañía para ingeniería de software, Anthropic asegura que supera a Gemini 3 Pro, GPT-5.1-Codex-Max y a su propio Claude Sonnet 4.5 en benchmarks como SWE-bench, que evalúan la resolución de problemas reales en Python extraídos de proyectos de código abierto.
El futuro de la carrera por la IA autosuficiente
Puede migrar, refactorizar y revisar código con mayor precisión y en menos pasos, trabajar de forma autónoma con repositorios completos e incluso implementar funciones avanzadas desarrollando herramientas desde cero. En una prueba de fuego, Claude Opus 4.5 resolvió un examen de ingeniería que los candidatos humanos completan en dos horas, obteniendo una puntuación superior mediante computación paralela.
Pero el impacto de estos modelos trasciende la mera generación de código. Claude Opus 4.5 también demuestra mejoras del 20% en precisión y del 15% en eficiencia en modelos financieros de Excel, además de organizar bases de datos, redactar documentos extensos y planificar estrategias. Esta multifuncionalidad subraya la dirección hacia la que avanza la ingeniería de producto moderna.
“La próxima gran ola en ingeniería de producto se centrará en capacidades habilitadas por IA, no solo en la experimentación con IA”, afirma Tinaikar. El foco está pasando de la herramienta a la capacidad integral.
Este salto tecnológico está redefiniendo el perfil y el impacto de las empresas que construyen el futuro del software. “Una nueva generación de empresas de ingeniería digital ha surgido discretamente como líder en crecimiento”, explica Tinaikar.
A diferencia del modelo tradicional de servicios de TI, centrado en la reducción de costes laborales y creciendo a un ritmo del 2-3% anual, estas empresas de ingeniería de producto registran tasas de crecimiento del 9-11%. Su ventaja competitiva es la especialización profunda y la integración con el núcleo del negocio del cliente.
“La diferencia clave radica en la especialización”, subraya el CEO de Ness. “En lugar de centrarse en la reducción del coste laboral, estas empresas enfatizan la velocidad del producto, la calidad y el éxito comercial de sus clientes”.
Sus clientes son CEOs y Directores de Producto, y sus ingenieros se convierten en parte integral del núcleo intelectual del producto, lo que genera una “pegajosidad” significativa. “Las sociedades con clientes suelen durar entre 8 y 10 años, y la retención neta de ingresos supera regularmente el 100%. Una vez que estos equipos de ingeniería están integrados, eliminarlos se vuelve arriesgado y costoso”.
El motor de la ingeniería de producto
La convergencia es clara: las nuevas capacidades de IA autónoma, como las de GPT-5.1-Codex-Max y Claude Opus 4.5, se convertirán en el motor de esta nueva generación de ingeniería de producto. Están permitiendo una frontera aún más ambiciosa: el desarrollo de productos de datos.
“Estos sistemas integran canalizaciones de datos, gobernanza, integración y lógica de negocio para crear plataformas monetizables”, describe Tinaikar. Construirlos requiere un conocimiento profundo del sector, un pensamiento centrado en el producto y una alineación estratégica perfecta.
La IA acelera dramáticamente este proceso, ayudando a las organizaciones a evolucionar desde la mera creación de software hacia la creación de productos centrados en los datos. “A medida que los datos se convierten en el producto central, el conocimiento específico de cada sector se vuelve indispensable”, concluye Tinaikar. El resultado es un panorama donde empresas en sectores como finanzas, seguros y transporte adoptarán estos modelos no como herramientas externas, sino como componentes centrales de su estrategia de producto, porque en esta nueva era, comprender el problema empresarial es tan crítico como dominar la solución técnica de IA.
El Nacional
