Inteligencia Artificial Aplicada
Transformamos datos en decisiones inteligentes con modelos explicables y personalizados.
Desde sistemas de recomendación hasta agentes autónomos, nuestra IA está diseñada para generar valor real en industrias como banca, salud y seguros.
¿Dónde se encuentra tu organización?
Experimental AI - (XAI)Árbol Evolutivo de la IA Generativa (2017–2025)
│
├── **2017: Transformer (Vaswani et al.)** ← *Base de todos los LLMs modernos*
│ │
│ ├── **1. Rama GPT (OpenAI)**
│ │ ├── 2018: GPT-1 (117M parámetros)
│ │ │ ├── 2019: GPT-2 (1.5B)
│ │ │ │ ├── 2020: GPT-3 (175B)
│ │ │ │ │ ├── 2022: ChatGPT (GPT-3.5)
│ │ │ │ │ ├── 2023: GPT-4 (multimodal)
│ │ │ │ │ │ ├── 2024: GPT-4 Turbo (128k contexto)
│ │ │ │ │ │ └── 2025: GPT-5 (rumorado: >300B, multi-agente)
│ │ │ │ │ ├── 2021: Codex → GitHub Copilot
│ │ │ │ │ └── 2023: ChatGPT Plugins → GPTs personalizados
│ │ │ └── 2022: InstructGPT (fine-tuning con RLHF)
│ │ │
│ │ └── **Derivados y Extensiones de GPT**
│ │ ├── 2023–2024: **Claude** (Anthropic)
│ │ │ ├── Claude 1 → 2 → 3 (2024, contextos largos)
│ │ ├── 2023: **Sage** (Poe, Quora)
│ │ ├── 2024: **Grok** (xAI - Elon Musk, integrado en X)
│ │ ├── 2024: **Groq** (motor LPU, ultra rápido inference)
│ │ └── 2025: **GPT Agents** → integración con acciones web, APIs y memoria
│ │
│ ├── **2. Rama BERT (Google)**
│ │ ├── 2018: BERT (Bidirectional Encoder)
│ │ │ ├── 2019: RoBERTa (Meta), ALBERT, DistilBERT
│ │ │ └── 2020: T5 (Text-to-Text Transfer Transformer)
│ │ │ └── 2023: FLAN-T5 (fine-tuning con instrucciones)
│ │ ├── 2022: PaLM (540B)
│ │ │ └── 2023: PaLM-2
│ │ │ └── 2023: Gemini 1.0 (nace Gemini, multimodal)
│ │ │ ├── 2024: Gemini 1.5 (1M tokens, más estable)
│ │ │ └── 2025: Gemini 2.0 (multimodal completo: texto, imagen, audio, video)
│ │ └── Otros modelos Google: UL2, RETRO (recall via memory)
│ │
│ ├── **3. Rama Open-Source / Efficient LLMs**
│ │ ├── EleutherAI
│ │ │ ├── 2020: GPT-Neo
│ │ │ ├── 2021: GPT-J (6B)
│ │ │ ├── 2022: GPT-NeoX (20B)
│ │ │ └── 2023: Pythia (accesibilidad + reproducibilidad)
│ │ ├── Meta
│ │ │ ├── 2022: OPT (175B)
│ │ │ ├── 2023: LLaMA-1 (7B–65B)
│ │ │ │ ├── Alpaca (Stanford), Vicuna (finetuned)
│ │ │ ├── 2023: LLaMA-2 (70B, licencia comercial)
│ │ │ └── 2024: LLaMA-3 (con >400B parámetros previsto)
│ │ ├── Mistral
│ │ │ ├── 2023: Mistral 7B
│ │ │ └── 2024: Mixtral (MoE de expertos activados)
│ │ ├── Falcon (TII, EAU, 40B–180B)
│ │ ├── DeepSeek (China)
│ │ │ ├── 2024: DeepSeek-V2 (236B)
│ │ │ ├── DeepSeek Coder (optimizado para código)
│ │ │ └── 2025: DeepSeek-V3 (esperado)
│ │ └── Otros: Phi-2 (Microsoft, 2.7B), OpenChat, RWKV (RNN + Transformer)
│ │
│ └── **4. Otros Modelos Notables y Alternativos**
│ ├── 2021: MT-NLG (Microsoft/NVIDIA, 530B)
│ ├── 2023: XGen (Salesforce, económico y eficiente)
│ ├── 2024: Command R+ (Cohere, RAG optimized)
│ ├── 2025: Mamba (State-space model, alternativa a Transformers)
│ ├── 2025: Project Starline (Google, IA multimodal conversacional con presencia)
│ └── Apple (rumorado modelo multimodal privado para dispositivos 2025)
│
└── **Tendencias 2025**
├── **Multimodalidad total**: texto, imagen, audio, video y sensores
├── **Agentic AI**: IA con autonomía operativa → AutoGPT, BabyAGI, Devin, ChatDev
├── **Memoria y contexto extendido**: modelos con “long-term memory” y 1M+ tokens
├── **Integración con herramientas**: navegación, ejecución de código, control de apps
├── **Modelos especializados**: en medicina, derecho, programación, ingeniería
├── **Personalización a escala**: LLMs personales con privacidad local
├── **Infraestructura**: Groq (LPU), Cerebras, Graphcore, NVIDIA H200, AI edge devices
├── **Nuevas arquitecturas**: MoE (Mixture of Experts), SSM (State Space Models)
├── **Regulación e IA alineada**: AI Act (UE), Biden Order (EE.UU.), NIST
└── **Evaluaciones éticas**: Red teams, interpretabilidad, IA responsable y sesgos
