José ZegarraUna demostración de Odyssey permitió a dos personas interactuar dentro de un entorno generado por la IA. Más allá del videojuego, la propuesta apunta a entrenar agentes y desarrollar sistemas capaces de actuar en espacios físicos. El desafío será comprobar cuánto de lo aprendido en una simulación funciona fuera de ella.
Lima, Perú, 22 de octubre de 2026.— AWS presentó su visión del futuro de la inteligencia artificial durante su encuentro global del pasado 17 de septiembre: combinar infraestructura de cómputo, servicios de modelos y herramientas para agentes que faciliten el desarrollo de nuevas aplicaciones. Matt Wood, director de IA y Tecnología de AWS, acompañó el planteamiento con una demostración de Odyssey, una startup que desarrolla modelos capaces de generar entornos interactivos. aboutamazon.com
En el escenario, Wood y Oliver Cameron, director ejecutivo de Odyssey, utilizaron controles para recorrer un mismo mundo virtual desde perspectivas diferentes. El sistema, denominado Agora-2, respondía a sus acciones en tiempo real. La demostración ilustró una línea de investigación que busca ampliar la Inteligencia Artificial desde la generación de respuestas hacia la simulación de situaciones donde personas y agentes pueden interactuar.
Lo que estamos haciendo hoy en AWS con la IA es exactamente lo que hicimos con la computación en la nube: hacer que esta tecnología se distribuya ampliamente y se democratice para todos”, dijo Wood.
Table of Contents
Qué es un modelo de mundo y por qué importa
Un modelo de lenguaje aprende a predecir la siguiente palabra más probable en una oración. Un modelo del mundo aprende a predecir el futuro más probable de un mundo”, explicó Cameron.
La comparación ayuda a entender la propuesta. En lugar de producir únicamente texto, estos sistemas intentan representar cómo cambia un entorno cuando alguien actúa sobre él: qué ocurre al desplazarse, mover un objeto o interactuar con otro participante.
Odyssey desarrolla esta tecnología a partir de observaciones visuales y datos de interacción. Su modelo Odyssey-3 busca aprovechar ese aprendizaje en tareas físicas y virtuales. La empresa presenta aplicaciones en robótica, vehículos y drones, entre otros ámbitos; esas capacidades deben evaluarse según la tarea y las condiciones de cada prueba. No equivalen a una autonomía general demostrada para cualquier situación. odyssey.systems
Para una organización, el interés está en la posibilidad de ensayar antes de intervenir. Un entorno simulado podría servir para explorar cómo se comporta un agente frente a otros participantes o ante cambios en su entorno. Su utilidad dependerá de que reproduzca con suficiente fidelidad las condiciones relevantes para la tarea.
Agora-2: varios participantes dentro de una misma simulación
Según Odyssey, Agora-2 admite hasta 20 participantes, entre humanos y agentes. Su presentación pública lo describe como una versión preliminar de investigación que mantiene un estado compartido: las acciones de un participante afectan lo que experimentan los demás. Fuente: odyssey.systems
Hay una precisión importante detrás de la expresión «sin motor de juegos». Odyssey explica que entrenó Agora-2 con capturas de Diablo II, asociadas a acciones y estados del juego. Durante la simulación, el modelo genera la experiencia aprendida, en lugar de depender de un motor convencional para ejecutar ese entorno.
Esto no significa que el sistema se haya construido sin referencias previas. La propia compañía lo describe como un motor de juego aprendido. La diferencia está en cómo produce las interacciones y mantiene el mundo compartido.
Cameron comparó el momento con una etapa temprana de expansión tecnológica: “Creo que estamos en la cúspide de un momento GPT-3 para los modelos del mundo”. Es una expectativa del ejecutivo sobre su adopción, no una medida concluyente de madurez comercial.
La infraestructura que AWS quiere poner detrás
El planteamiento de Wood reúne tres componentes que cumplen funciones distintas dentro del desarrollo de la IA:
| Componente | Función principal | Qué debe evaluar una empresa |
|---|---|---|
| AWS Trainium | Aceleradores especializados para cómputo de IA. | Rendimiento y costo con su propia carga de trabajo. |
| Amazon Bedrock | Acceso a modelos y herramientas para desarrollar aplicaciones de IA. | Calidad, latencia y costo del modelo elegido. |
| Amazon Bedrock AgentCore | Servicios para desplegar y operar agentes. | Permisos, integración, observabilidad y control de acciones. |
Bedrock y AgentCore cubren necesidades diferentes. Acceder a un modelo permite generar resultados; operar un agente exige, además, gestionar sus conexiones con herramientas y datos, sus autorizaciones y el seguimiento de lo que hace. La documentación de AWS sitúa estas funciones entre las capacidades de AgentCore. AWS
De acuerdo con el comunicado, Odyssey-3 se entrena y opera sobre Trainium3. La empresa reporta una utilización de la capacidad de cálculo del modelo superior al 80%. Ese indicador describe aprovechamiento computacional bajo determinadas condiciones: por sí solo no demuestra mayor precisión, menor costo total ni superioridad frente a cualquier alternativa.
Tampoco sería adecuado concluir que otro hardware no puede sostener entrenamientos prolongados. Una comparación útil requiere considerar el modelo, el software, la configuración del clúster y el costo de completar la misma tarea.
El desarrollador también cambia de trabajo
El encuentro incluyó una conversación entre Peter Steinberger, creador de OpenClaw, y Francesca Vásquez, vicepresidenta de AWS. El tema fue cómo cambia el desarrollo cuando los agentes asumen parte de la ejecución.
La consecuencia para los equipos es concreta: además de escribir código, necesitan definir objetivos, proporcionar contexto y comprobar resultados. Una tarea terminada por un agente todavía requiere criterios de aceptación, pruebas y responsables.
En la práctica, pedir que un agente corrija un error de software es apenas el comienzo. El equipo debe determinar si la corrección resuelve el problema, introduce fallas adicionales o accede a información que no necesitaba. La velocidad adquiere valor cuando esas comprobaciones acompañan la ejecución.
Qué significa para Perú y Latinoamérica
Para las empresas peruanas y latinoamericanas, esta evolución abre posibilidades de experimentación en logística, manufactura, minería y formación técnica. Son campos de aplicación potencial para el futuro, no reslat resultados locales acreditados por este anuncio.
Una primera evaluación debería concentrarse en un problema delimitado y medible. Antes de conectar un modelo con equipos físicos, conviene comprobar la fidelidad de la simulación, los errores que comete y la intervención humana necesaria. También será importante comparar el costo del aprendizaje virtual con las herramientas que la organización ya utiliza.
La nube puede facilitar el acceso al cómputo, pero el conocimiento del proceso sigue estando en las personas: operadores, ingenieros, desarrolladores y especialistas del negocio. Su participación será decisiva para identificar cuándo una simulación representa la realidad y cuándo ofrece una imagen convincente que todavía necesita validación.
Los lectores pueden consultar la presentación de Agora-2, el desarrollo de Odyssey-3 y la documentación de Amazon Bedrock AgentCore para profundizar en estas diferencias.
Tu Opinión Nos Importa 🗣️
Si pudieras ensayar un proceso de tu organización en un entorno virtual antes de llevarlo a la práctica, ¿cuál elegirías? Me interesa conocer qué evidencia necesitarías para confiar en sus resultados.
Comparte tu opinión con nuestros hashtags #ItusersAwards2026 y #superfan.
Apoya al Periodismo Independiente
¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457
