El lunes en Computex 2026, Jensen Huang presentó el RTX Spark Superchip: el primer procesador que integra una arquitectura de IA agéntica completa dentro de un portátil con Windows. La pregunta que me parece más interesante no es técnica. Es qué significa, en la práctica, que una sola persona tenga su propio agente operando en su máquina todo el día, con acceso a sus aplicaciones y sin enviar nada a un servidor externo.
El chip combina CPU ARM y GPU Blackwell en un único paquete, con hasta 128 GB de memoria unificada y un rendimiento declarado de un petaflop en inferencia de IA. Esa cifra no es un dato de benchmarks: es la capacidad computacional que hasta hace seis meses solo tenía sentido en un centro de datos. A partir del otoño de 2026, ese nivel de cómputo llegará en portátiles de Dell, HP, Lenovo, ASUS y Microsoft Surface. Satya Nadella apareció en el escenario junto a Huang para confirmar que Microsoft y NVIDIA construirán juntos ese nuevo paradigma bajo Windows. NVIDIA anunció también el roadmap: Vera Rubin Spark y Rosa Feynman Spark serán las dos generaciones siguientes, lo que garantiza a los fabricantes que la plataforma tiene continuidad.
Microsoft no esperó a que llegaran los portátiles de terceros. El Surface Laptop Ultra, anunciado esta semana junto al RTX Spark, es la punta de lanza de la plataforma: menos de 18 mm de grosor, menos de dos kilos, pantalla mini-LED de 15 pulgadas con relación de aspecto 3:2 y hasta 128 GB de memoria unificada. La ficha técnica es la de una estación de trabajo portátil; el peso, el de un ultrabook. Lo que Microsoft llama «cure for token anxiety» es, en términos más directos, la posibilidad de ejecutar modelos grandes en local y escalar a la nube solo cuando el modelo requiera capacidad de frontera, no como norma sino como excepción.
Lo que cambia el agente IA en el portátil para una sola persona
Los análisis sobre IA agéntica tienden a hablar de procesos organizativos, de flujos de trabajo empresariales, de automatización a escala. Hay algo anterior que merece también atención: el impacto en la productividad de un individuo cuando tiene un agente propio que conoce su contexto, aprende de sus patrones y opera localmente.
Imagina que arrancas el portátil a las ocho de la mañana. Tu agente ha estado activo en segundo plano: ha leído los correos llegados desde la noche anterior, ha identificado los que requieren respuesta urgente, ha detectado que un cliente al que enviaste una propuesta hace tres días no ha contestado y ha preparado un borrador de seguimiento. Antes de que abras el navegador, tienes un briefing de lo que necesita atención y lo que puede esperar. Tienes frente a ti a alguien que conoce tu negocio, tus relaciones y tus prioridades, y que no ha dormido.
Ahora la reunión de las diez. Tu agente está activo mientras hablas. Toma notas estructuradas, identifica los compromisos contraídos y, cuando la llamada termina, te presenta un borrador de próximos pasos asignados a cada persona. Tú lo revisas en dos minutos y lo envías. Lo que antes costaba media hora de síntesis después de cada reunión cuesta ahora cinco minutos de revisión.
La privacidad como condición de uso real
El detalle más relevante del RTX Spark es la arquitectura de inferencia local: los modelos corren en la propia máquina, sin pasar por servidores externos. Eso resuelve algo que hasta ahora era un obstáculo real para adoptar este tipo de herramientas en contextos profesionales: la información confidencial de tus clientes, tus negociaciones en curso y tus comunicaciones internas nunca salen de tu dispositivo.
Un director financiero puede pedir a su agente que analice los estados de cuentas del último trimestre y prepare un diagnóstico preliminar antes de la reunión del consejo. Un abogado puede pedirle que revise un contrato y señale las cláusulas que se desvían del estándar del despacho. Un consultor puede pedirle que cruce las notas de cinco reuniones con clientes distintos y extraiga los patrones de preocupación recurrentes. Todo eso, con datos reales, sin que ningún byte salga de su red local.
Tres escenarios para imaginar la nueva jornada de trabajo
El asistente de negociación. Tienes una reunión con un proveedor a las 16:00. Tu agente ha revisado el historial de contratos anteriores, ha identificado las condiciones que más veces se han renegociado y ha preparado una hoja de posiciones con los rangos que históricamente has aceptado y los que has rechazado. Entras a la reunión con un brief que un equipo de análisis tardaría horas en preparar.
El gestor de contexto distribuido. Trabajas con cinco clientes activos en paralelo. Tu agente mantiene un hilo de contexto por cliente: sabe lo que se habló en la última reunión, qué quedó pendiente, qué documentos se compartieron y cuándo vence el próximo entregable. Cambiar de cliente ya no requiere releer notas ni buscar en el correo. El agente devuelve el contexto en diez segundos.
El monitor de señales. Tu agente procesa en segundo plano los documentos que recibes, las actualizaciones de tu CRM, los cambios en los precios de tus proveedores y las noticias de tu sector. No como una alerta que interrumpe, sino como un informe diario que consolida lo que ha cambiado y señala lo que merece atención. La diferencia con un agregador de noticias es que el agente sabe qué es relevante para ti específicamente, porque ha estado contigo todo el día.
Sobre Surface Laptop Ultra: https://www.microsoft.com/en-us/surface/devices/surface-laptop-ultra/?OCID=oosocial_Devices_Surface_Launch_868jv0r18
Lo que todavía no sabemos
Hay una variable que los anuncios de Computex no resuelven: qué aplicaciones estarán realmente integradas cuando los primeros portátiles lleguen en otoño. La promesa técnica está clara; la densidad de integraciones prácticas, aún no. Microsoft tiene un incentivo enorme para que Office, Teams y el resto del ecosistema sean nativos en la plataforma. Los casos de uso más valiosos para un profesional independiente o una empresa pequeña dependen de que ese agente pueda hablar con su CRM, su herramienta de gestión de proyectos y su plataforma de facturación. Eso requiere APIs abiertas y tiempo de desarrollo.
La arquitectura es la más prometedora que he visto para IA local en dispositivo. El calendario de adopción real dependerá de cuánto tarda el software en alcanzar al hardware.
Si estas tendencias son relevantes para tu organización y quieres explorar cómo trasladarlas a decisiones concretas, podemos hablarlo en una sesión sin compromiso.
Este análisis forma parte de La Sociedad Artificial, la newsletter semanal de Luis Sotillos en LinkedIn sobre estrategia digital e inteligencia artificial.