En este blog, podcast y vídeo exploramos el resumen de noticias de inteligencia artificial del 24 al 30 de marzo.
Lo de Google No se Puede Creer: Gemini 2.5 Pro en tareas de transformación de datos vs SOTA
Lo de Google No se Puede Creer: Gemini 2.5 Pro en tareas de transformación de datos vs SOTA
¡Hola a todos y todas!
El 25 de marzo (HOY), Google presentó su nuevo modelo, Gemini 2.5 Pro. A continuación, te explicaré en qué consiste para mantenernos informados.
Gemini 2.5 Pro
Gemini 2.5 Pro es el modelo de inteligencia artificial más avanzado de la familia Gemini, diseñado para afrontar tareas complejas mediante un razonamiento “pensante” que descompone y analiza paso a paso cada problema. Su capacidad multimodal le permite integrar y procesar datos de texto, imágenes, audio, video e incluso código, ofreciendo respuestas completas y contextualizadas. Además, cuenta con un amplio contexto de hasta 1 millón de tokens (con planes de expandirlo a 2 millones), lo que le permite manejar grandes volúmenes de información en una sola interacción.
En comparación con Gemini 2.0 —que operaba de manera similar a modelos como GPT‑4.5, generando respuestas a partir de un razonamiento implícito sin desglosar el proceso— Gemini 2.5 Pro representa una evolución significativa. Ahora, el modelo muestra de forma transparente su capacidad para “pensar” y razonar, compitiendo de tú a tú con otros modelos avanzados como o1-mini de OpenAI o DeepSeek R1. Estas mejoras en razonamiento, codificación y procesamiento multimodal lo posicionan como una opción líder para tareas complejas en áreas como matemáticas, ciencia y desarrollo de software, marcando la vivida “guerra fría” digital en la era de la inteligencia artificial.
¿Cómo Acceder a Gemini 2.5 Pro?
Actualmente, es posible acceder a este modelo a través de Google AI Studio, dado que se encuentra en una fase reciente de desarrollo. Inicialmente, se utiliza Google AI Studio y luego llega a Gemini , lo cual se espera que ocurra en breve. La imagen dinámica a continuación ilustra el proceso de acceso desde Google AI Studio.
En resumen, debes ingresar al siguiente enlace: https://aistudio.google.com/. Luego, en el extremo derecho, selecciona Gemini 2.5 Pro Experimental 03-25. En la parte inferior de la pantalla encontrarás el chat para comenzar a interactuar con esta inteligencia artificial.
Transformación de Datos
Realizaremos una prueba sencilla utilizando este modelo, centrada en una tarea común de transformación de datos: la separación de nombres y apellidos compuestos.
Aunque puede parecer una tarea trivial, en la práctica resulta bastante compleja debido a la diversidad de estructuras y variaciones que presentan los nombres en distintos idiomas. Incluso si nos enfocamos únicamente en el idioma español, ya encontramos suficientes desafíos.
Cabe destacar que, cuando el nombre no es compuesto, también pueden surgir dificultades al momento de realizar una división precisa. A continuación, analizaremos un ejemplo representativo:
1 | Roberto Agustin Miguel Santiago Samuel Trujillo Veracruz El nombre anterior es completamente real; de hecho, pertenece al bajista de la banda Metallica. No es un ejemplo inventado. Aunque no contiene partes compuestas con preposiciones o artículos, su división es sencilla debido a los espacios que separan cada componente.
Sin embargo, el panorama cambia cuando en tu columna de datos aparecen nombres como el siguiente:
1 | Juan de Dios Camilo Agustin Miguel Trujillo de la Palma y Pinar-Pombo-Pombo II El Prompt
A medida que los modelos de inteligencia artificial evolucionan, se vuelven más sofisticados y capaces de interpretar instrucciones cada vez más ambiguas.
Por esta razón, evaluaremos el comportamiento del modelo ante un prompt deliberadamente impreciso.
Si bien puede considerarse un ejemplo de mala formulación, es importante destacar que, mediante técnicas adecuadas de ingeniería de prompts, es posible guiar al modelo hacia resultados precisos en la mayoría de los casos.
A continuación, se presenta el prompt que utilizaremos en esta prueba:
1 | Divide el siguiente nombre en sus nombres y apellidos: "Juan de Dios Camilo Agustin Miguel Trujillo de la Palma y Pinar-Pombo-Pombo II", el formato de salida debe ser un JSON con estructura similar a: 2 | 3 | { 4 | "Primer Nombre", 5 | "Segundo Nombre", 6 | ... 7 | "Primer Apellido", 8 | "Segundo Apellido", 9 | ...10 | } El resultado generado por Gemini se muestra en la imagen adjunta a continuación:
- ¿Cuál es tu apreciación sobre la precisión de este resultado?
Para mi y según lo esperado, es un resultado sorprende y bastantea acertado, te lo dejo aquí:
1 | { 2 | "Primer Nombre": "Juan", 3 | "Segundo Nombre": "de Dios", 4 | "Tercer Nombre": "Camilo", 5 | "Cuarto Nombre": "Agustin", 6 | "Quinto Nombre": "Miguel", 7 | "Primer Apellido": "Trujillo", 8 | "Segundo Apellido": "de la Palma", 9 | "Tercer Apellido": "Pinar-Pombo-Pombo",10 | "Sufijo": "II"11 | } El modelo ubicó correctamente cada uno de los cinco nombres en su respectiva posición. Además, mantuvo el segundo nombre compuesto, “De Dios”, incluyendo la preposición, lo cual es excelente.
En cuanto a los apellidos, el resultado fue realmente destacable. El primer apellido fue identificado de forma precisa, y el segundo, “de la Palma”, se conservó con sus preposiciones, tal como se esperaba.
Incluso el tercer apellido, aunque algo más complejo —“Pinar-Pombo-Pombo”—, fue interpretado de manera acertada como una sola unidad.
Además, el modelo reconoció que “II” no formaba parte del nombre ni de los apellidos, y lo clasificó correctamente como un sufijo.
En resumen, este era exactamente el resultado que esperaba… y aun así logró sorprenderme gratamente.
Si tuviera que asignarle una calificación del 0% al 100% en términos de precisión —considerando que hay 9 componentes en total— le daría un 100%.
Gemini 2.5 Pro Vs SOTA
Comparemos el resultado con el state of the art (SOTA), es decir, con el estado actual de los modelos más avanzados en razonamiento. En concreto, lo contrastaremos con o3-mini-high de OpenAI, o3-mini de OpenAI y DeepSeek R1 de DeepSeek.
Vamos primero con o3-mini-high; a continuación, se presentan los resultados obtenidos:
Veamos ahora el resultado de DeepSeek R1:
El Resultado
Lo anterior corresponde al resultado del primer prompt enviado a cada uno de los modelos, sin ajustes ni indicaciones adicionales.
Es importante tener en cuenta que, dependiendo de la iteración, del momento del envío y de actualizaciones internas menores, estos resultados pueden variar.
Sin embargo, como primera impresión —una prueba rápida y sin intervenciones—, Gemini 2.5 Pro me ha sorprendido gratamente.
A continuación, presento un breve resumen de esta “prueba de primer vistazo”:
Quiero destacar que lo anterior fue una prueba sencilla, rápida —incluso podríamos decir algo burda—, pero útil para obtener una primera impresión del modelo.
No se trata de un benchmark formal como tal, aunque me ha llevado a reflexionar sobre la importancia de construir nuestro propio benchmark de transformación avanzada de datos, más allá del uso de Power Query o del lenguaje M en su nivel básico o intermedio, con el fin de evaluar este tipo de modelos en nuestra área: el análisis de datos.
Cuéntame en los comentarios qué te ha parecido. ¿Crees que sería valioso crear un benchmark específico para nuestro sector? Tal vez más de uno, incluso.
¡Experimenta y comparte tus resultados!
En cualquier caso, ahora sí, revisemos los benchmarks generales oficiales proporcionados por Google:
Conclusiones
En definitiva, la llegada de Gemini 2.5 Pro marca un antes y un después en la evolución de los modelos de inteligencia artificial, sobre todo en tareas de transformación de datos. Más allá de la demostración de poder tecnológico, su desempeño invita a reflexionar sobre la necesidad de diseñar benchmarks más completos y especializados para evaluar con mayor precisión el impacto real de estas herramientas en el análisis de datos. Al final, la experiencia práctica de cada usuario será la prueba más contundente de su eficacia y alcance, en un panorama cada vez más competitivo y dinámico.
Recomendación
- ¿Quieres dominar el presente y prepararte para el futuro? Entonces no puedes dejar pasar esta oportunidad: Descubre el libro Análisis de Datos con Inteligencia Artificial, una obra pionera que marca un antes y un después en el camino de un analista de datos profesional. No es teoría vacía, es conocimiento aplicado al mundo real.
¿Aún no has dado tus primeros pasos en IA? Empieza sin miedo y sin pagar nada: Te invito a tomar el curso 100% gratuito Introducción a la Inteligencia Artificial. Con este curso, no solo aprenderás lo esencial, sino que también descubrirás el estilo, la calidad y el enfoque práctico que nos define en Power Elite Studio.
Bibliografía
- Google. (2025). Gemini 2.5 Pro Experimental 03-25. Recuperado de https://blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/
- Caballero Sierra, Miguel Alberto. (2025). Análisis de Datos con Inteligencia Artificial. Power Elite Studio. Recuperado de https://powerelite.studio/libros/analisis-de-datos-con-inteligencia-artificial/
