La relación que tenemos con la tecnología está cambiando. Los dispositivos ya no se limitan a ejecutar órdenes o mostrar información, también pueden interpretarla, reconocer patrones, adaptarse a una situación concreta y anticipar determinadas necesidades. En este cambio, la inteligencia artificial está pasando de ser una herramienta a la que se recurre de forma puntual a convertirse en una capa integrada en las experiencias digitales.
El interés ya no se concentra únicamente en crear texto, imágenes o respuestas sofisticadas, sino en desarrollar sistemas capaces de combinar diferentes fuentes de información y participar en las tareas que realizan los usuarios. Esta evolución exige conocimientos en áreas como el Machine Learning, el Deep Learning, la visión por computador o la IA generativa, ámbitos que aborda nuestro Máster en Inteligencia Artificial Avanzada. Al mismo tiempo, el avance de la IA multimodal y de los modelos que pueden ejecutarse directamente en los dispositivos está cambiando dónde y cómo se procesa esa información, combinando capacidades locales con servicios en la nube.
En septiembre, tuvo lugar el Apple Event 2026, donde se pudo observar hacia dónde se dirige esta transformación. Más allá de los nuevos dispositivos, las capacidades presentadas en torno a Siri, Salud, Apple Watch o el procesamiento de IA muestran cómo estas tendencias empiezan a trasladarse a productos de uso cotidiano.
Siri ya no es solo un asistente
La evolución de Siri es uno de los ejemplos más claros de este cambio. Apple ya había presentado en junio la nueva generación de Siri AI, pero el evento de septiembre permitió situarla dentro de sus nuevos dispositivos. La propuesta permite relacionar información procedente de distintas aplicaciones, comprender lo que aparece en pantalla y realizar determinadas acciones dentro del ecosistema.
Este cambio desplaza el valor de la IA desde la respuesta hacia la comprensión de la situación. El objetivo ya no es únicamente contestar a una petición, sino entender qué está haciendo el usuario para ofrecer una respuesta o acción más pertinente. De esta manera, la IA se convierte en una capa transversal del sistema operativo.
La inteligencia se reparte entre el dispositivo y la nube
Esta evolución también afecta a dónde se ejecuta la IA. El iPhone 18 Pro incorpora el chip A20 Pro, con un Neural Engine de 32 núcleos, y Apple afirma que duplica la capacidad de procesamiento de IA respecto a la generación anterior. El dispositivo combina este procesamiento local con Private Cloud Compute cuando una tarea requiere mayor capacidad. Así, más allá de grandes infraestructuras en la nube, se distribuye el procesamiento entre distintos puntos. Ejecutar determinadas tareas en el dispositivo puede reducir la latencia y favorecer la privacidad, mientras que la nube permite abordar operaciones más exigentes.
Apple también está convirtiendo esta arquitectura en una plataforma para desarrolladores mediante Foundation Models Framework. El sistema permite integrar en las aplicaciones el modelo de Apple que se ejecuta en el dispositivo y acceder también a un modelo de servidor a través de Private Cloud Compute. De esta forma, la compañía facilita que otros desarrolladores construyan nuevas experiencias sobre ella.
Del registro de datos a su interpretación
Los dispositivos llevan años generando grandes cantidades de datos personales, pero la IA permite ahora convertirlos en patrones y señales que pueden resultar más comprensibles para el usuario. En este sentido, la nueva aplicación Salud utiliza Apple Intelligence para generar resúmenes y recomendaciones a partir de información relacionada con el sueño, la actividad, las constantes o el bienestar. La función Longevity, por ejemplo, analiza datos acumulados y permite consultar Health Age, mientras que los sistemas de evaluación física emplean modelos de IA basados en visión junto con datos del Apple Watch.
Esta capacidad de interpretar los datos se amplía cuando la IA combina distintas fuentes de información captadas por los dispositivos, como la voz, el sonido, la imagen, el movimiento o los datos biométricos. Un ejemplo es Audio Intelligence, que permite recuperar y transcribir los últimos segundos de una conversación mediante Live Rewind, generar resúmenes con Siri Recap o reconocer sonidos como alarmas, sirenas o el llanto de un bebé.
Esta expansión también plantea cuestiones relacionadas con la privacidad, el consentimiento y el control de los datos. Cuanto más capaz es un dispositivo de interpretar conversaciones, imágenes o señales del entorno, mayor es la necesidad de explicar qué información procesa, dónde lo hace y durante cuánto tiempo se conserva. Apple sitúa el procesamiento local y su arquitectura de nube privada como parte de su respuesta a este reto.
De generar contenido a ejecutar pequeñas tareas
Otra de las pistas sobre esta evolución aparece en funciones de iOS 27 que Apple presentó en junio y que forman parte del software de esta generación. Entre ellas se encuentran herramientas como Notify Me, capaz de supervisar una página web y avisar cuando se produce un cambio, o también, Describe an Extension, que permite crear extensiones para Safari mediante lenguaje natural.
El interés de estas funciones no está tanto en la novedad individual como en el cambio de paradigma que representan. La IA comienza a encargarse de pequeñas tareas dentro del flujo de trabajo del usuario y el asistente deja de ser únicamente una interfaz conversacional y empieza a convertirse en una herramienta capaz de intervenir en procesos cotidianos.
Hacia dónde se dirige la IA
Más que una revolución de modelos, el conjunto de anuncios de Apple en 2026, reforzado por el evento de septiembre, muestra una evolución en la forma de integrar la inteligencia artificial. El recorrido de Apple permite identificar varias tendencias:
- IA contextual: sistemas capaces de interpretar la situación del usuario, no solo su pregunta.
- IA multimodal: integración de texto e imagen en los modelos, junto con nuevas capacidades para interpretar audio y otras señales del entorno.
- Inteligencia distribuida: combinación de procesamiento local y nube según la complejidad de cada tarea.
- IA integrada: capacidades inteligentes incorporadas en aplicaciones y funciones cotidianas, en lugar de concentradas en un único asistente.
- IA orientada a la acción: sistemas que pasan de responder a ejecutar pequeñas tareas y automatizaciones.
Incluso la presentación de Apple Reference Image apunta hacia un ecosistema donde cada vez resulta más sencillo generar y modificar imágenes y en el que también cobra importancia preservar información sobre su procedencia.
Esta evolución también cambia dónde se encuentra el valor de la inteligencia artificial. Si los modelos y sus capacidades terminan estando disponibles en distintos dispositivos y plataformas, la diferenciación no dependerá únicamente de quién genere la respuesta más sofisticada, sino de quién consiga integrar mejor la IA en una experiencia concreta. Comprender el contexto, proteger los datos, reducir la fricción y convertir una capacidad técnica en una acción útil serán factores cada vez más relevantes.
