Teléfonos inteligentes, vacunas de ARNm, cohetes reutilizables, modelos de lenguaje: los últimos 20 años han producido tecnologías que los expertos decían que estaban a décadas de distancia o que simplemente eran imposibles.
Robynne O / Pexels
En 2005, el dispositivo de consumo más poderoso que la mayoría de la gente poseía era una computadora portátil con un procesador de un solo núcleo que ejecutaba Windows XP. Se accedía a Internet principalmente a través de computadoras de escritorio, principalmente a través de conexiones DSL. Los sistemas de navegación GPS más sofisticados eran dispositivos autónomos del tamaño de libros de bolsillo. El Proyecto Genoma Humano acababa de completar su primera secuencia completa, a un costo de aproximadamente $3 mil millones, después de 13 años de trabajo por cientos de científicos en instituciones de 20 países. La idea de leer un genoma por $200 en unas pocas horas, y mucho menos editarlo con tijeras moleculares, no era ciencia ficción — ni siquiera era la ciencia ficción a corto plazo. Estaba más allá de lo que cualquiera estaba proyectando seriamente.
Veinte años es tiempo suficiente para que lo imposible se vuelva rutinario. El smartphone en los bolsillos de la mayoría de las personas hoy en día contiene más poder de computación que la supercomputadora más rápida del mundo en 1995. La plataforma de ARNm que produjo las vacunas COVID-19 en menos de un año era una tecnología que la mayoría de los ejecutivos farmacéuticos en 2005 habrían descrito como experimental y a décadas de la aplicación clínica. Los grandes modelos de lenguaje que escriben correos electrónicos, responden preguntas y generan código no estaban en ninguna hoja de ruta tecnológica seria en 2005 porque los marcos teóricos y la escala computacional necesaria para construirlos aún no existían en forma utilizable.
Esta lista cubre 15 tecnologías específicas que no existían en 2005 o existían en formas tan primitivas que su estado actual habría sido irreconocible para un observador de ese año. Cada entrada se elige porque la brecha entre 2005 y 2025 es particularmente marcada — porque la tecnología cruza un umbral que marca un cambio cualitativo genuino en lugar de una mejora lineal. Un coche más rápido no está en esta lista. Un coche que se conduce solo sí lo está.
La lista no es una celebración del progreso por sí mismo. Varias de las tecnologías aquí plantean serias preguntas — sobre privacidad, sobre equidad de acceso, sobre la seguridad de capacidades que han superado a los marcos de gobernanza diseñados para gestionarlas. Esas preguntas se señalan donde son más relevantes. El objetivo es la asombro precisa: un relato claro de lo que realmente ha cambiado, acompañado por la mezcla apropiada de asombro y preocupación que merece un cambio genuino.
Kader Azra Namuslu / Pexels
En 2005, el teléfono móvil dominante era un Nokia o un Motorola con una pequeña pantalla a color, botones físicos, una cámara que producía fotografías de aproximadamente 1 megapíxel, y la capacidad de jugar a la Serpiente. Los teléfonos inteligentes existían — BlackBerry había estado vendiendo dispositivos capaces de correo electrónico desde 2002, y un pequeño número de dispositivos Windows Mobile ofrecía acceso rudimentario a Internet — pero eran caros, lentos, difíciles de usar y utilizados por una pequeña minoría de profesionales de negocios. La idea de un teléfono que contuviera una pantalla multitáctil de alta resolución, un receptor GPS, un giroscopio, una cámara de 48 megapíxeles, un reproductor de música, un mapa, un sistema de pago, un asistente de modelo de lenguaje y un terminal de internet completo, todo en un dispositivo más delgado que un lápiz y asequible con un presupuesto de ingresos medios, habría requerido explicación en 2005 antes de que pudiera ser descrito.
El iPhone de Apple $AAPL, lanzado en enero de 2007, es el producto tecnológico citado con mayor frecuencia como el punto de inflexión de la era del teléfono inteligente, y la cita es ampliamente precisa: el iPhone estableció el factor de forma y el paradigma de interacción que definieron la categoría. Pero el iPhone fue una síntesis de tecnologías existentes — pantallas táctiles capacitivas, procesadores ARM, estándares de internet móvil, cámaras digitales, chips GPS — ensambladas en un factor de forma y un sistema operativo que los hizo funcionar juntos de manera intuitiva por primera vez. Las tecnologías habilitantes se habían estado desarrollando durante años; la síntesis fue el avance.
Lo que no era predecible en 2005 era la rapidez y profundidad de la adopción. Para 2024, aproximadamente 5.6 mil millones de personas en todo el mundo poseían un teléfono inteligente — aproximadamente el 70% de la población adulta mundial — y el teléfono inteligente había reestructurado el comercio, la comunicación, la navegación, el entretenimiento, las relaciones sociales y la economía de docenas de industrias en el espacio de menos de dos décadas. La velocidad de esa difusión — más rápida que cualquier tecnología de comunicación anterior, incluida el teléfono, la radio y la televisión — fue el elemento genuinamente impredecible.
El teléfono inteligente es la tecnología que hizo que todas las demás tecnologías en esta lista fueran más importantes, al distribuir el acceso al poder de computación, la conectividad y los sensores a una escala y costo que ninguna plataforma anterior había logrado.
Sanket Mishra / Pexels
En 2005, los sistemas de procesamiento de texto más sofisticados eran los motores de búsqueda — sistemas que coincidían palabras clave en consultas con palabras clave en documentos — y los sistemas de traducción automática estadística — sistemas que coincidían frases en un idioma con equivalentes estadísticamente probables en otro, produciendo traducciones que eran reconociblemente del tema correcto pero gramaticalmente torpes y semánticamente poco fiables. La idea de un sistema informático que pudiera escribir un ensayo coherente, explicar un concepto científico, generar código funcional, traducir poesía con sensibilidad a la connotación o participar en una discusión filosófica extendida con conciencia contextual no era una proyección a corto plazo. Era el tipo de capacidad atribuida a la inteligencia artificial general, que los investigadores serios en 2005 estimaban estaba a décadas de distancia como mínimo.
Los modelos de lenguaje grandes que se hicieron disponibles públicamente a partir de 2022 — GPT-3, GPT-4, Claude, Gemini y sus competidores — no son inteligencia artificial general. Son modelos estadísticos entrenados en conjuntos de datos de texto extraordinariamente grandes usando arquitecturas de transformador desarrolladas en 2017, cuyos resultados a veces se parecen al razonamiento sin constituirlo en el sentido filosófico. El debate filosófico sobre lo que son es genuino y continuo. Lo que no se debate es lo que pueden hacer: generar texto fluido, contextualmente apropiado y a menudo preciso en un rango extraordinario de dominios y formatos, a velocidades y escalas que ningún escritor humano puede igualar.
Las capacidades de estos sistemas en 2024 superan lo que la mayoría de los investigadores de IA proyectaban para 2025 o 2030 tan recientemente como 2019. Las leyes de escalamiento que predicen la capacidad del modelo como una función del cómputo de entrenamiento — establecidas empíricamente por investigadores de OpenAI — sugerían que las mejoras de capacidad eran predecibles a partir del aumento de escala, pero las capacidades específicas que surgieron en escalas específicas no eran predecibles de antemano. Los modelos de lenguaje que pasaron el examen de abogado, resolvieron problemas de matemáticas de competencia y generaron código original fueron capacidades emergentes en lugar de diseñadas.
Las implicaciones para el trabajo del conocimiento, la educación, la creatividad y la economía de la escritura, la codificación y el análisis son significativas, profundamente debatidas y aún en desarrollo.
Mufid Majnun / Pexels
En 2005, el ARNm como plataforma terapéutica era una curiosidad de investigación con un problema técnico significativo: el ARN mensajero inyectado en el cuerpo humano era degradado rápidamente por el sistema inmunológico antes de poder entregar su carga útil, haciéndolo clínicamente inútil. Los científicos que trabajaban en terapias de ARNm — Katalin Karikó en la Universidad de Pensilvania, más prominentemente — estaban persiguiendo una hipótesis que la mayor parte de la industria farmacéutica había descartado como insuficientemente prometedora para financiar a gran escala. Karikó fue degradada en Penn por su persistencia en perseguirla.
El avance técnico que hizo viables las terapias de ARNm fue el descubrimiento de Karikó y Drew Weissman en 2005 de que reemplazar uno de los cuatro nucleósidos en el ARNm con una versión modificada — pseudouridina — redujo drásticamente la respuesta inmune al ARNm sintético, permitiendo que persistiera el tiempo suficiente para ser traducido en proteína. El descubrimiento se publicó en Immunity en 2005 y ganó el Premio Nobel de Fisiología o Medicina en 2023. En el momento de su publicación, atrajo poca atención fuera del campo.
Para 2020, cuando el SARS-CoV-2 requería una vacuna a una velocidad sin precedentes, BioNTech y Moderna $MRNA habían estado construyendo la plataforma de ARNm durante años, y la tecnología de nucleósidos modificados era su fundamento. Las vacunas contra el COVID-19 de Pfizer $PFE-BioNTech y Moderna, que recibieron autorización de emergencia en diciembre de 2020 y se administraron aproximadamente 13 mil millones de veces a nivel mundial, fueron las primeras vacunas de ARNm aprobadas para uso humano. La rapidez de su desarrollo — menos de 12 meses desde la secuencia viral hasta la vacuna autorizada — solo fue posible porque la plataforma se había construido y probado durante la década anterior.
La plataforma de ARNm tiene aplicaciones mucho más allá del COVID-19. Se están llevando a cabo ensayos clínicos para vacunas de ARNm contra la influenza, RSV, VIH, malaria y múltiples tipos de cáncer. Las vacunas personalizadas contra el cáncer de ARNm — diseñadas específicamente para el perfil de mutación del tumor de un paciente individual — se encuentran en ensayos de Fase 2 y Fase 3. La plataforma que la mayoría de la industria farmacéutica ignoró en 2005 es ahora una de las áreas más activas de desarrollo terapéutico en medicina.
Pixabay / Pexels
En 2005, cada cohete orbital que se había lanzado era, en términos prácticos, desechable. El transbordador espacial tenía orbitadores reutilizables y propulsores de cohetes sólidos, pero los motores principales se retiraban y reacondicionaban después de cada vuelo, el tanque externo se desechaba, y el costo total por kilogramo a órbita — aproximadamente $54,000 — era más alto que el de cohetes completamente desechables. El paradigma dominante en el diseño de vehículos de lanzamiento sostenía que las penalizaciones estructurales y de rendimiento de diseñar para la reutilización superaban los ahorros de costos de no reemplazar el hardware, una conclusión que la NASA, la Agencia Espacial Europea y la industria aeroespacial establecida habían alcanzado independientemente y mantenido durante décadas.
La demostración de SpaceX del aterrizaje de primera etapa de clase orbital — regresando la primera etapa del Falcon 9 a una plataforma de aterrizaje bajo descenso propulsivo controlado, tocando tierra en cuatro patas de aterrizaje y posteriormente volviendo a volar la misma etapa — en diciembre de 2015 fue el resultado de una serie de decisiones de ingeniería que el establecimiento aeroespacial había considerado técnicamente intratables o económicamente injustificables. La compañía tomó esas decisiones de todos modos, fracasó públicamente y repetidamente durante el proceso de desarrollo, y finalmente demostró que las barreras técnicas eran superables y el caso económico era convincente.
Para 2024, SpaceX había reutilizado etapas individuales de Falcon 9 más de 20 veces cada una, había demostrado la recuperación y reutilización de carenados de carga útil — el cono de nariz que protege satélites durante el ascenso — y había probado Starship, un vehículo de lanzamiento de dos etapas completamente reutilizable diseñado para transportar 100 toneladas métricas a órbita. El costo por kilogramo a órbita en Falcon 9 es aproximadamente $2,720 — una reducción del 95% desde la era del transbordador — y Starship, si logra sus especificaciones de diseño, se proyecta que reduzca los costos aún más en un orden de magnitud.
El cohete reutilizable ha reestructurado el mercado de lanzamientos comerciales, ha permitido el despliegue de constelaciones de satélites a escalas previamente imposibles, y ha reabierto la cuestión de los vuelos espaciales humanos a gran escala de manera que el paradigma de cohetes desechables había cerrado.
Satheesh Sankaran / Pexels
La edición genética —la modificación dirigida de secuencias específicas en un genoma— existía en 2005 en forma de nucleasas de dedos de zinc y, un poco más tarde, TALENs. Ambas técnicas podían editar ADN, pero ambas eran costosas de diseñar para cada objetivo específico, lentas de producir y lo suficientemente exigentes técnicamente que su uso estaba en gran medida confinado a laboratorios de investigación bien financiados que trabajaban en un pequeño número de organismos modelo. La idea de editar un gen humano en un contexto terapéutico clínico era real pero remota: una tecnología futura que la mayoría de los biólogos esperaba que existiera eventualmente, pero no pronto.
CRISPR-Cas9, descrito en su forma actual como una herramienta de edición genética en un artículo de 2012 por Jennifer Doudna y Emmanuelle Charpentier y adaptado para células mamíferas por Feng Zhang y otros en 2013, cambió el cálculo por completo. Mientras que las nucleasas de dedos de zinc requerían meses y una experiencia significativa para diseñar cada nuevo objetivo, CRISPR requería diseñar una secuencia corta de ARN, un proceso que podría completarse en días utilizando herramientas en línea, a una fracción del costo. La democratización de la tecnología de edición genética —el cambio de una capacidad confinada a laboratorios especializados a una accesible para cualquier laboratorio de biología molecular— fue inmediata y dramática.
Para 2023, el primer medicamento basado en CRISPR, un tratamiento para la anemia de células falciformes y la beta talasemia, fue aprobado por la FDA y la Agencia Europea de Medicamentos. La terapia, que edita las propias células madre del paciente para producir hemoglobina fetal y compensar la hemoglobina adulta defectuosa, produjo curas funcionales en los participantes de ensayos clínicos que anteriormente requerían transfusiones de sangre regulares. Una niña de 11 años con anemia de células falciformes que recibió el tratamiento en un ensayo clínico estuvo libre de transfusiones durante más de dos años después.
Las aplicaciones más amplias de CRISPR, en agricultura, en investigación básica y en el dominio más especulativo de la edición de línea germinal, plantean preguntas éticas y de gobernanza que están siendo trabajadas por científicos, reguladores y éticos simultáneamente con el desarrollo de la tecnología.
Jakub Zerdzicki / Pexels
En 2005, los vehículos eléctricos existían como productos de nicho: el EV1 de General Motors $GM había sido producido y luego retirado de manera controvertida, el Prius de Toyota $TM fue un éxito comercial pero un híbrido en lugar de un eléctrico puro, y se entendía que la tecnología de baterías que limitaba su alcance y practicidad era la principal barrera para la adopción masiva. Las baterías de iones de litio, comercializadas por Sony $SONY en 1991, eran la mejor química disponible y estaban mejorando, pero se esperaba que las mejoras en densidad energética alcanzables dentro del paradigma de iones de litio fueran incrementales en lugar de transformadoras.
Lo que no se anticipó en 2005 fue la rapidez tanto del aumento de escala de la fabricación como de la reducción de costos que la industria de vehículos eléctricos impulsaría en las siguientes dos décadas. El costo de los paquetes de baterías de iones de litio cayó de aproximadamente $1200 por kilovatio-hora en 2010 a aproximadamente $115 por kilovatio-hora en 2024, una reducción de más del 90%, impulsada por el aumento de la escala de fabricación, mejoras en la química y la competencia entre fabricantes de baterías principalmente en China, Corea del Sur y Japón.
El Model S de Tesla $TSLA, presentado en 2012, demostró que un vehículo eléctrico podía lograr una autonomía superior a 400 kilómetros, un rendimiento superior al de vehículos de combustión interna comparables y una experiencia de usuario — particularmente la capacidad de actualización de software por aire — que ningún fabricante de automóviles convencional había ofrecido. El vehículo estableció que los vehículos eléctricos no eran un sacrificio sino una preferencia para un segmento creciente de consumidores.
La batería de estado sólido — que reemplaza el electrolito líquido de las baterías de iones de litio actuales con un material sólido, permitiendo mayor densidad de energía, carga más rápida, mayor vida útil y mejor seguridad — es la próxima tecnología de umbral, con Toyota, Samsung y varias startups en etapas avanzadas de desarrollo. Su comercialización, esperada para finales de la década de 2020, podría producir el cambio radical en la autonomía y velocidad de carga que haga de los vehículos eléctricos la opción inequívoca para la mayoría de los consumidores.
Anirudh / Pexels
En 2005, determinar la estructura tridimensional de una proteína — la forma plegada que determina su función biológica — requería ya sea cristalografía de rayos X $TWTR o microscopía crioelectrónica, técnicas de laboratorio que tomaban meses o años por estructura, requerían equipo especializado y colectivamente habían producido estructuras para aproximadamente 100,000 de los estimados 200 millones de proteínas en la naturaleza. El problema de predecir computacionalmente la estructura de una proteína a partir de su secuencia de aminoácidos — el problema del plegamiento de proteínas — había sido identificado como uno de los grandes desafíos de la biología desde la década de 1960 y había resistido solución a pesar de décadas de esfuerzo.
AlphaFold2 de DeepMind, presentado en la competencia de Evaluación Crítica de Predicción de Estructuras de Proteínas (CASP14) en noviembre de 2020, resolvió el problema del plegamiento de proteínas. Sus predicciones coincidían con las estructuras experimentales con un grado de precisión — medido por la puntuación GDT — que superaba el rendimiento de métodos computacionales previos por un margen tan grande que los organizadores de la competencia inicialmente cuestionaron si había ocurrido un error técnico. El sistema logró una precisión comparable a la determinación experimental para la mayoría de las proteínas probadas.
En julio de 2021, DeepMind lanzó AlphaFold2 como código abierto y publicó una base de datos de estructuras predichas para todas las proteínas humanas y las proteínas de 20 organismos modelo — aproximadamente 350,000 estructuras, más de las que se habían determinado experimentalmente en las seis décadas anteriores de biología estructural. Para 2022, la base de datos se había expandido a más de 200 millones de estructuras predichas, cubriendo esencialmente todo el universo proteico conocido.
El impacto en el descubrimiento de fármacos, la biología estructural y la medicina molecular es difícil de exagerar. Entender la estructura de una proteína es frecuentemente el paso limitante en el diseño de un fármaco que se una a ella; AlphaFold ha reducido ese paso de años a horas para muchos objetivos. Los investigadores han usado las predicciones de AlphaFold para acelerar el trabajo en la resistencia antimicrobiana, tratamientos para enfermedades tropicales y preguntas fundamentales en biología celular que habían sido bloqueadas por la ausencia de datos estructurales.
Vladimir Srajber / Pexels
En 2005, la demostración de vehículos autónomos más sofisticada de la historia acababa de ocurrir: el Desafío DARPA Grand Challenge, en el que cinco vehículos robot completaron un recorrido todoterreno de 212 kilómetros en el Desierto de Mojave sin intervención humana, por primera vez — cuatro intentos previos en 2004 habían visto a cada vehículo fallar dentro de los primeros 12 kilómetros. El logro fue extraordinario dentro de la comunidad robótica y completamente inaccesible para el público — el vehículo ganador, Stanley de Stanford, promedió 30 kilómetros por hora en un recorrido cerrado por el desierto sin otro tráfico.
Para 2024, Waymo — la compañía de vehículos autónomos surgida del proyecto de coche autónomo de Google $GOOGL — estaba operando un servicio comercial de robotaxi en San Francisco y Phoenix, proporcionando aproximadamente 150,000 viajes por semana a pasajeros que pagaban en tráfico urbano denso sin conductor de seguridad humano. Los vehículos habían acumulado decenas de millones de millas de operación comercial completamente autónoma. El sistema de Conducción Autónoma Completa de Tesla $TSLA había sido desplegado en aproximadamente 400,000 vehículos en forma supervisada, con una transición a operación no supervisada en condiciones limitadas que comenzó en 2024.
La brecha entre el Desafío DARPA Grand Challenge de 2005 y el servicio comercial de robotaxi de 2024 es aproximadamente la misma longitud de tiempo que la brecha entre el primer vuelo de los Hermanos Wright y la introducción del servicio aéreo comercial programado — alrededor de 19 años. La comparación no es perfecta, pero el ritmo de desarrollo ha superado la mayoría de las proyecciones de expertos desde la línea de base de 2005.
Las preguntas restantes sobre los vehículos autónomos — el marco regulatorio para la operación no supervisada, la estructura de responsabilidad por accidentes, el comportamiento en casos límite que los datos de entrenamiento no cubren — son genuinas y no resueltas. La tecnología existe. Su integración en el sistema de transporte más amplio es el trabajo en progreso.
KOS Chiropractic Integrative Health / Pexels
En 2005, las interfaces cerebro-computadora existían en forma de investigación: el consorcio BrainGate había publicado resultados en 2004 mostrando que un paciente tetrapléjico podía controlar un cursor de computadora usando señales neuronales registradas de una matriz de 96 electrodos implantada en la corteza motora. El logro fue real y científicamente significativo. También fue lento — movimientos del cursor que requerían concentración deliberada — de baja dimensión — controlando un cursor en dos dimensiones — y dependiente de hardware que tenía limitaciones prácticas significativas para la implantación a largo plazo.
El implante N1 de Neuralink, implantado por primera vez en un paciente humano en enero de 2024, demostró una calidad de señal significativamente mayor — aproximadamente 1,024 canales de electrodos en comparación con los 96 de BrainGate — y transmisión inalámbrica, eliminando los cables percutáneos que habían sido una fuente de riesgo de infección en implantes anteriores. El primer paciente, un cuadripléjico llamado Noland Arbaugh, demostró la capacidad de controlar un cursor de computadora y jugar al ajedrez y videojuegos usando el implante dentro de dos meses después de la cirugía, a velocidades comparables a las de un usuario de ratón sin discapacidad.
Las aplicaciones más especulativas — comunicación de alta velocidad entre humanos y computadoras, aumento de memoria, restauración sensorial más allá del control motor — están en líneas de desarrollo mucho más largas y enfrentan desafíos tanto técnicos como éticos que la generación actual de dispositivos no resuelve. La aplicación clínica actual — restaurar la comunicación y el control de la computadora a personas con discapacidades motoras severas — es la aplicación más estrecha y claramente justificada, y ya está produciendo resultados que habrían sido notables en 2005.
El panorama ético de las interfaces cerebro-computadora —preguntas sobre la privacidad de los datos para señales neuronales, sobre la comercialización de datos neuronales por parte de los fabricantes de implantes, sobre el potencial de uso coercitivo o involuntario— se está moldeando mientras la tecnología se desarrolla, y los marcos de gobernanza están significativamente detrás de las capacidades técnicas.
Solen Feyissa / Pexels
En 2005, interactuar con una computadora requería entrada física: un teclado y un mouse para la mayoría de las aplicaciones, un lápiz para dispositivos de mano. El reconocimiento de voz existía en formas limitadas: Dragon NaturallySpeaking podía transcribir dictados con una precisión razonable en condiciones controladas, pero era para un solo hablante, requería entrenamiento y era completamente incapaz de entender comandos en lenguaje natural. La idea de hablar naturalmente con un dispositivo en cualquier condición ambiental, hacerle una pregunta en inglés simple y recibir una respuesta relevante hablada era el modelo de interacción de los asistentes de ciencia ficción y el futuro lejano del diseño de interfaces.
Siri, lanzado por Apple $AAPL en 2011, fue el primer asistente de voz en lograr una adopción significativa por parte del consumidor, aunque sus capacidades eran limitadas y su tasa de error alta según los estándares actuales. El Echo de Amazon $AMZN, introducido en 2014 con el asistente de voz Alexa, estableció el dispositivo ambiental siempre encendido: un altavoz en el hogar que podía responder a comandos en lenguaje natural para música, temporizadores, listas de compras, control de hogar inteligente y respuesta a preguntas, y llevó la categoría a decenas de millones de unidades vendidas en pocos años.
La integración de modelos de lenguaje grande en los asistentes de voz a partir de 2023 produjo una mejora cualitativa en la capacidad conversacional: el cambio de un sistema que coincidía con comandos a un pequeño conjunto de patrones reconocidos a uno que podía interactuar con lenguaje natural genuinamente novedoso en dominios arbitrarios, que representa un nuevo umbral cruzado desde la base de 2005.
La tendencia de la computación ambiental —extender la interacción de voz y lenguaje natural a automóviles, televisores, electrodomésticos, auriculares y eventualmente gafas— continúa difundiendo el modelo de interacción que parecía de ciencia ficción en 2005 a objetos cotidianos a un ritmo que lo normaliza más rápido de lo que la mayoría de las personas actualizan sus marcos conceptuales.
Anirudh / Pexels
En 2005, el acceso a internet de banda ancha requería la infraestructura física de una compañía de cable o telefónica: cables de fibra o cobre que llegaban al edificio, o un servicio de satélite usando satélites geoestacionarios posicionados a 35,786 kilómetros sobre el ecuador, cuya latencia de señal de aproximadamente 600 milisegundos hacía que las aplicaciones en tiempo real, incluidas las videollamadas, los juegos en línea y la navegación web interactiva, fueran efectivamente inutilizables. Las áreas rurales y los países en desarrollo sin infraestructura terrestre estaban limitados a servicios satelitales lentos, caros y de alta latencia o sin acceso de banda ancha en absoluto.
La constelación Starlink de SpaceX, que comenzó el servicio beta a finales de 2020 y alcanzó cobertura global en 2023, opera en órbita terrestre baja — aproximadamente 550 kilómetros de altitud, en comparación con los 35,786 kilómetros de los satélites geoestacionarios — reduciendo la latencia de la señal a aproximadamente 20 a 40 milisegundos, comparable a la banda ancha terrestre. Para mediados de 2024, Starlink tenía aproximadamente 3 millones de suscriptores a nivel mundial y estaba proporcionando acceso a internet en áreas remotas — estaciones de investigación en el Ártico, barcos en el mar, granjas rurales, zonas de respuesta a desastres — donde no existía una alternativa.
La escala de la constelación requerida es grande: Starlink operaba más de 6,000 satélites en 2024, con aprobación para decenas de miles más. El número de satélites en órbita terrestre baja se ha triplicado aproximadamente desde 2019, impulsado principalmente por Starlink, y las implicaciones para la astronomía — las brillantes estelas de los satélites Starlink aparecen en imágenes astronómicas de larga exposición — son una preocupación genuina que se está abordando a través de modificaciones en el diseño de los satélites y la gestión del tiempo de observación.
Las implicaciones competitivas para las telecomunicaciones son significativas. Varios gobiernos y operadores tradicionales de satélites han lanzado o anunciado constelaciones de competencia — Project Kuiper de Amazon $AMZN, OneWeb, y otros — y la competencia resultante puede continuar reduciendo el costo del acceso a la banda ancha en áreas a las que las redes terrestres nunca llegarán económicamente.
Osman Özavcı / Pexels
En 2005, las armas de energía dirigida — sistemas que proyectan un haz de radiación electromagnética o partículas para dañar o destruir un objetivo — habían estado en desarrollo por el ejército de EE. UU. y varias otras naciones durante décadas, con éxito limitado. El sistema de láser químico oxígeno-yodo (COIL) probado en el programa Airborne Laser — un Boeing $BA 747 modificado que lleva un láser de clase megavatio destinado a destruir misiles balísticos en fase de impulso — había demostrado capacidad limitada, pero consumía productos químicos líquidos, requería una gran plataforma de aeronaves y no era prácticamente desplegable.
El despliegue por parte de la Marina de EE. UU. del Sistema de Armas Láser (LaWS) a bordo del USS Ponce en 2014, y el despliegue subsecuente del sistema HELIOS más capaz a bordo del USS Preble desde 2022, demostraron armas de energía dirigida operativamente desplegables utilizando láseres de fibra de estado sólido — tecnología que había mejorado en potencia de salida y eficiencia por órdenes de magnitud desde 2005, impulsada en parte por el desarrollo de láseres de fibra industriales y comerciales. Los sistemas se utilizan principalmente para aplicaciones contra drones y pequeñas embarcaciones, donde el costo de aproximadamente $1 por disparo es favorable en comparación con el costo de interceptores cinéticos.
El contexto de la guerra de drones — la proliferación de pequeños drones comerciales adaptados para uso militar en conflictos, incluyendo Ucrania y el Medio Oriente — ha acelerado el desarrollo y despliegue de sistemas de energía dirigida al crear una categoría de amenaza para la cual las defensas cinéticas tradicionales no son económicamente sostenibles. Derribar un dron de $500 con un misil de $100,000 no es una estrategia de defensa viable indefinidamente.
Las implicaciones estratégicas de las armas de energía dirigida a niveles de potencia más altos — para defensa antimisiles, para aplicaciones antisatélite, y para denegación de área — son significativas y están siendo estudiadas por establecimientos militares a nivel mundial, con el ritmo de desarrollo de capacidades sugiriendo que los sistemas que parecían tecnología futura especulativa en 2005 se están acercando a la relevancia operativa.
Ketut Subiyanto / Pexels
En 2005, el monitoreo continuo de la salud fuera de un entorno clínico requería hospitalización o el uso de dispositivos médicos especializados — monitores Holter para el ritmo cardíaco, monitores continuos de glucosa para diabéticos — que eran voluminosos, costosos y confinados a poblaciones de pacientes de alto riesgo específicas. La idea de un dispositivo para el consumidor llevado en la muñeca que monitoreaba continuamente la frecuencia cardíaca, saturación de oxígeno en la sangre, etapas del sueño, ritmo cardíaco, temperatura de la piel y respuesta galvánica de la piel, transmitía esos datos a un teléfono inteligente, detectaba fibrilación auricular con precisión de grado clínico y llamaba a servicios de emergencia si el portador caía — todo en un dispositivo más delgado que un reloj y disponible por unos pocos cientos de dólares — no estaba en el plan de productos de ninguna empresa de electrónica de consumo en 2005.
El Apple $AAPL Watch Series 4, introducido en 2018, fue el primer dispositivo portátil para consumidores en incluir una función de electrocardiograma aprobada por la FDA — la capacidad de registrar un ECG de una sola derivación tocando la corona digital durante 30 segundos — junto con el monitoreo óptico de la frecuencia cardíaca, detección de caídas y SOS de emergencia. Para 2024, al Apple Watch se le había atribuido miles de casos documentados de detección de fibrilación auricular previamente no diagnosticada, lo que llevó a visitas médicas que resultaron en el tratamiento de una condición asociada con un riesgo significativo de accidente cerebrovascular.
Los monitores continuos de glucosa — originalmente un dispositivo médico para diabéticos tipo 1 — han sido adoptados por individuos no diabéticos como herramientas de monitoreo metabólico, y Apple, Samsung y varios fabricantes de dispositivos médicos están desarrollando monitoreo óptico de glucosa no invasivo para futuras plataformas de relojes. La trayectoria de dispositivo médico especializado a dispositivo portátil de consumo ha comprimido lo que anteriormente habrían sido cronogramas de desarrollo clínico de 20 años a ciclos de producto de cinco a siete años.
Los datos producidos por la adopción generalizada de dispositivos portátiles tienen implicaciones para la investigación en salud poblacional — Apple e instituciones de investigación han realizado estudios inscribiendo a millones de usuarios de Apple Watch para estudiar la fibrilación auricular, la salud menstrual y otras condiciones — que no eran posibles con dispositivos de monitoreo clínico más pequeños y costosos.
Planet Volumes / Unsplash
En 2005, la computación cuántica era un marco teórico con demostraciones experimentales limitadas — los investigadores habían factorizado el número 15 usando un procesador cuántico de 7 qubits, y la figura líder del campo, Peter Shor, había demostrado que una computadora cuántica lo suficientemente grande podría romper la encriptación RSA en tiempo polinómico. La brecha entre esas demostraciones y algo que se acercara a la computación cuántica práctica se entendía como enorme, y la mayoría de los físicos situaban a las computadoras cuánticas comercialmente útiles décadas en el futuro, si es que eran alcanzables.
La barrera específica era la decoherencia — la tendencia de los sistemas cuánticos a perder su estado cuántico a través de la interacción con el entorno, haciendo que el cálculo sea poco confiable antes de completarse. Construir procesadores cuánticos con suficientes qubits, con suficiente fidelidad y con corrección de errores capaz de superar la decoherencia había resistido todos los enfoques de ingeniería intentados.
Para 2024, Google $GOOGL, IBM $IBM y varias startups, incluidas IonQ y Quantinuum, habían construido procesadores en el rango de 50 a 1,000 qubits, con tasas de error lo suficientemente bajas como para ejecutar algoritmos cortos de manera confiable. La demostración de supremacía cuántica de Google en 2019 —realizando un cálculo específico en 200 segundos que la compañía afirmó le tomaría 10,000 años a la supercomputadora clásica más rápida del mundo— fue cuestionada por IBM bajo el argumento de que el cálculo clásico no era tan lento como se afirmaba, pero el resultado subyacente de demostrar un procesador cuántico realizando una tarea más rápido que cualquier alternativa clásica fue aceptado como genuino.
Las aplicaciones prácticas de la computación cuántica —romper los estándares actuales de cifrado, simular sistemas moleculares para el descubrimiento de fármacos, optimizar la logística a escalas que las computadoras clásicas no pueden manejar— permanecen en un cronograma de desarrollo que la mayoría de los investigadores actualmente sitúan en la década de 2030. Pero la distancia entre 2005 y 2024 en la capacidad del hardware cuántico se mide en órdenes de magnitud, y la trayectoria es una que la comunidad de investigación de 2005 no proyectó con nada parecido a esta velocidad.
SAUL LOEB / Getty Images
En 2005, la realidad aumentada —la superposición de información digital sobre el mundo físico, visible a través de una pantalla transparente— existía principalmente como un concepto de investigación. Las demostraciones académicas usaban auriculares voluminosos que pesaban varios kilogramos, conectados a computadoras externas, con un campo de visión limitado, baja precisión de seguimiento y calidad visual comparable a un televisor de baja resolución visto en el borde de la pantalla. La tecnología era una categoría de demostración, no una categoría de producto.
Google $GOOGL Glass, lanzado como una Explorer Edition en 2013 y descontinuado para consumidores en 2015, fue el primer intento serio de consumo de una vestimenta de realidad aumentada: un marco ligero con una pequeña pantalla de prisma visible en la parte superior derecha del campo de visión. Su fracaso fue en parte tecnológico, en parte social: la pantalla estaba limitada a superposiciones simples, la duración de la batería era corta y las gafas equipadas con cámara producían un malestar público significativo sobre la vigilancia en entornos sociales. El producto reveló tanto el potencial como los obstáculos de la categoría.
Las gafas inteligentes Ray-Ban de Meta $META, lanzadas en 2023 y actualizadas con un asistente de IA integrado en 2024, tomaron un enfoque diferente: priorizar el factor de forma de las gafas de sol convencionales sobre la capacidad de visualización, ofreciendo una cámara, micrófono, altavoces e integración de IA sin una superposición visual. Vision Pro de Apple $AAPL, introducido en 2024, fue en la dirección opuesta: un auricular de realidad mixta de alta calidad con capacidad de superposición visual completa, diseñado principalmente para la productividad y el entretenimiento en lugar de un uso constante.
El punto de convergencia —gafas ligeras con una pantalla transparente de alta calidad, integración de IA siempre activa y aceptabilidad social— sigue siendo un objetivo de desarrollo para todas las principales compañías tecnológicas, y la inversión en la categoría sugiere que el concepto de investigación de 2005 llegará a una forma de consumo masivo dentro de los próximos cinco a diez años de formas que los observadores de 2005 no podrían haber predicho a partir de los prototipos disponibles.
