Inicio Blog Página 12

AI slop: qué es y por qué inunda internet de contenido basura

ChatGPT
-
0
AI slop: qué es y por qué inunda internet de contenido basura

Cada día se publican en internet millones de imágenes, vídeos y textos que nadie ha pensado de verdad: los genera una máquina en cuestión de segundos, en cantidades industriales y con un único objetivo, atrapar tu clic. A esa marea tiene nombre: AI slop. El término, que se podría traducir como «bazofia» o «comida para cerdos» generada por inteligencia artificial, se ha convertido en la palabra que define el lado más turbio de la revolución de la IA generativa.

Qué significa exactamente «AI slop»

El diccionario Merriam-Webster eligió slop como palabra del año 2025 y la definió con precisión quirúrgica: contenido digital de baja calidad producido normalmente en grandes cantidades mediante inteligencia artificial. En enero de 2026, la American Dialect Society la ratificó también como su palabra del año.

La clave está en esas dos ideas: baja calidad y volumen masivo. No se trata de un uso puntual y honesto de la IA para ilustrar un artículo o resumir un documento, sino de la producción en cadena de material vacío, repetitivo y sin verificar, diseñado para alimentar algoritmos y no para informar o entretener a personas. Como ya contamos cuando hablamos de que internet ya no distingue lo real, el problema no es la herramienta, sino la escala.

Ejemplos de AI slop que probablemente ya has visto

El AI slop no es una amenaza abstracta: lleva tiempo colándose en tus pantallas. Algunos casos se han hecho tristemente célebres:

  • El «Jesús gamba» de Facebook. Imágenes surrealistas de Jesucristo fundido con crustáceos inundaron la red social, acompañadas de mensajes del tipo «di amén para siete años de suerte». Absurdo, sí, pero rentabilísimo en interacciones.
  • La experiencia Willy Wonka de Glasgow. Un evento infantil promocionado con imágenes mágicas generadas por IA resultó ser un almacén medio vacío con actores leyendo un guion de «galimatías generado por IA». Los padres pidieron que les devolvieran el dinero.
  • La lista de lectura fantasma del Chicago Sun-Times. El periódico publicó una guía de lectura veraniega en la que la mayoría de los libros recomendados no existían: títulos y autores inventados por un chatbot y publicados sin que nadie los revisara.
  • El «pega el queso con pegamento» de Google. Los resúmenes automáticos del buscador llegaron a recomendar añadir pegamento no tóxico a la pizza para que el queso se adhiriera mejor, una receta sacada de un viejo chiste de internet que la IA tomó al pie de la letra.
  • Vídeos infantiles deformes. Una investigación de The New York Times de marzo de 2026 estimó que cerca del 40 % de los vídeos que YouTube recomienda a los niños son AI slop: caballos mal proporcionados que salen de huevos, narraciones sintéticas y tramas sin sentido producidas en serie.

Esta lógica de cantidad sobre calidad también alimenta fenómenos más peligrosos, desde los bulos virales hasta el odio automatizado que documentamos en cómo el racismo cabalga a lomos de la IA en TikTok o las invenciones que se propagan solas, como la «bixonimanía», una enfermedad falsa que la IA no vio venir.

Por qué se ha disparado

Tres factores explican la explosión del AI slop. El primero es el coste casi nulo: generadores de imagen y vídeo como los que reseñamos en nuestra sección de herramientas permiten crear en segundos lo que antes exigía horas de trabajo humano. El segundo es el incentivo económico: las plataformas pagan por visualizaciones, y un canal que sube decenas de clips idénticos al día puede generar ingresos publicitarios considerables. El tercero es que el público ya no siempre es humano: buena parte del contenido se fabrica para complacer a un algoritmo de recomendación, no a una persona, en una espiral que algunos llaman la «teoría de la internet muerta».

El resultado es que la IA es cada vez mejor convenciendo, como vimos en la IA que convence mejor que un humano, lo que multiplica el riesgo de que la bazofia no solo aburra, sino que engañe.

El problema para el SEO y para internet

Aquí está el verdadero peligro de fondo. Según datos citados por varios análisis del sector a comienzos de 2026, más de la mitad del contenido en inglés publicado en internet ya estaría generado por IA. Cuando los buscadores se llenan de textos optimizados pero huecos, encontrar información fiable se vuelve más difícil para todos y la propia calidad de los resultados se degrada.

Para quien crea contenido con honestidad, el AI slop es además una amenaza directa: Google y el resto de buscadores penalizan cada vez más el material sin valor añadido, y distinguir una web útil de una granja de bazofia se convierte en la nueva frontera del posicionamiento. No es casual que estén surgiendo iniciativas como The Human Made Mark, el sello que certifica el cine libre de IA, ni que las plataformas empiecen a reaccionar: YouTube ha declarado prioritario reducir el slop en 2026 y Meta ha dejado de monetizar el contenido repetitivo y no original.

Cómo reconocer el AI slop

Mientras la regulación se pone al día (España ya ha aprobado su ley de IA con multas millonarias y veto a los deepfakes), la mejor defensa es el ojo crítico. Algunas señales delatan a la bazofia: texturas anormalmente lisas o «plastificadas», fondos deformados o incoherentes, manos y objetos que desafían la física, textos con faltas o caracteres imposibles, y sobre todo titulares del tipo «el mejor barrio para vivir, según la IA» que no citan ninguna fuente real.

La conclusión la resume bien una idea que ya recogimos de Linus Torvalds, el creador de Linux: la IA es una herramienta, no un autor. Usada con criterio, multiplica la creatividad humana. Usada como churrera de contenido para algoritmos, solo produce ruido. La diferencia entre una cosa y otra es, precisamente, lo que separa una buena información del AI slop.

NVIDIA y LG colaboran para crear fábricas de IA y robótica avanzada

NotebookLM
-
0
NVIDIA y LG colaboran para crear fábricas de IA y robótica avanzada

Ayer se anunció una colaboración estratégica entre NVIDIA y el Grupo LG que busca transformar la manera en que se desarrollan los sistemas inteligentes. Ambas compañías están construyendo una infraestructura denominada fábrica de IA, diseñada para servir de base a los próximos negocios de LG en áreas como la robótica, la conducción autónoma y los servicios en la nube. Esta iniciativa integra la plataforma completa de computación de NVIDIA con la experiencia global de LG en electrónica de consumo y componentes de movilidad.

La importancia de este proyecto radica en su enfoque hacia la IA física, permitiendo que los modelos de inteligencia artificial no solo procesen datos, sino que interactúen de forma segura y eficiente con el mundo real. Al unificar el desarrollo de modelos, la simulación de robots y los gemelos digitales en un solo flujo de trabajo, las empresas pretenden acelerar la llegada de soluciones tecnológicas que mejoren la vida cotidiana y la eficiencia industrial, estableciendo un nuevo estándar en la fabricación inteligente a nivel global.

¿En qué consiste la fábrica de IA de NVIDIA y LG?

Una fábrica de IA es, en esencia, un centro de datos a gran escala diseñado específicamente para procesar volúmenes masivos de información y entrenar modelos complejos. En este caso, el proyecto se basa en la plataforma NVIDIA DSX, que proporciona la infraestructura de computación acelerada necesaria para que el Grupo LG pueda entrenar, simular y desplegar aplicaciones de IA en todas sus divisiones de negocio. No se trata solo de potencia bruta, sino de un ecosistema que conecta la creación de datos, el entrenamiento de modelos y su validación en entornos virtuales antes de pasar a la producción física.

Un pilar fundamental de esta iniciativa es el uso de gemelos digitales a escala de fábrica. Estas son representaciones virtuales exactas de entornos reales donde los ingenieros pueden probar cómo se comportará un robot o un sistema de logística sin los riesgos ni los costes de hacerlo directamente en una planta de montaje. Al integrar datos de producción reales de las sedes globales de LG con las tecnologías de simulación de NVIDIA, ambas compañías buscan crear un ciclo de retroalimentación en tiempo real que abarque desde la adquisición de materias primas hasta la entrega final al cliente.

Más allá del código: IA para el mundo físico

Este acuerdo tiene implicaciones directas en productos que pronto podrían estar en nuestros hogares y ciudades. LG Electronics está utilizando los marcos de trabajo NVIDIA Isaac Sim y NVIDIA Isaac Lab para desarrollar robots domésticos como el modelo CLoiD. Estos dispositivos están diseñados para ayudar en tareas del hogar, y gracias a la simulación en entornos virtuales físicamente precisos, pueden aprender a navegar y manipular objetos de forma segura antes de ser encendidos por primera vez en una casa real.

Además, LG está explorando el uso de NVIDIA Isaac GR00T, un modelo de lenguaje, visión y acción diseñado para que los robots humanoides o modulares posean una capacidad de razonamiento similar a la humana. Esto permitiría a las máquinas ejecutar tareas complejas siguiendo instrucciones naturales. Por otro lado, la colaboración se extiende a la conducción autónoma, donde LG Electronics trabaja para alinear sus sistemas avanzados de asistencia al conductor (ADAS) con la arquitectura NVIDIA DRIVE Hyperion, facilitando el desarrollo de vehículos definidos por software con capacidades de procesamiento en el borde mucho más potentes.

Para resolver uno de los grandes cuellos de botella de la robótica, la falta de datos de entrenamiento de calidad, LG está desarrollando una fábrica de datos de IA física. Utilizando los modelos NVIDIA Cosmos, la compañía generará datos sintéticos para aumentar y enriquecer los conjuntos de datos existentes, permitiendo que los sistemas de IA aprendan de situaciones que rara vez ocurren en la realidad pero que son críticas para la seguridad.

Infraestructura avanzada y soberanía tecnológica

El proyecto también aborda los desafíos físicos de mantener estos centros de datos en funcionamiento. LG Electronics y NVIDIA colaboran en soluciones de gestión térmica, incluyendo unidades de distribución de refrigeración (CDU) y placas de refrigeración líquida. Estas tecnologías son vitales para manejar el calor generado por los potentes chips de última generación, permitiendo el despliegue rápido de infraestructuras de supercomputación modulares y escalables.

En el ámbito del software, la unidad de investigación LG AI Research está trabajando junto a NVIDIA para mejorar EXAONE, una familia de modelos de IA soberana líderes en Corea del Sur. Al utilizar hardware avanzado como las GPU NVIDIA Blackwell y herramientas como el framework NVIDIA NeMo, LG busca optimizar estos modelos para aplicaciones empresariales. Esto incluye el servicio de chatbot ChatEXAONE, diseñado para aumentar la productividad y transformar las operaciones digitales de todas las empresas del grupo mediante agentes de IA capaces de realizar tareas de forma autónoma.

Como explican en la comunicación oficial de NVIDIA, esta alianza también involucra a otras filiales como LG Uplus, que construirá centros de datos capaces de albergar las últimas GPU, y LG Energy Solution, que colaborará en soluciones energéticas de corriente continua de 800 voltios para alimentar estas instalaciones de nueva generación.

El futuro de la producción inteligente

La unión entre un gigante del hardware y el software de IA como NVIDIA y un conglomerado industrial con la presencia de LG sugiere un camino hacia una integración más profunda de la tecnología en el mundo físico. No se trata solo de crear mejores procesadores o electrodomésticos más modernos, sino de establecer un sistema donde los datos, la simulación virtual y la realidad física estén conectados de forma permanente.

Si bien muchas de estas tecnologías aún se encuentran en fases de desarrollo o implementación temprana, la creación de estándares globales para fábricas inteligentes y sistemas de movilidad autónoma es un objetivo claro de esta alianza. Lo que viene ahora es la fase de despliegue, donde veremos si estas «fábricas de IA» logran cumplir la promesa de una producción más eficiente y una robótica más cercana y funcional para el usuario final.

Robin: la IA que acelera el descubrimiento científico en medicina

NotebookLM
-
0
Robin: la IA que acelera el descubrimiento científico en medicina

La ciencia tradicional avanza a hombros de gigantes, pero hoy esos gigantes tienen un nuevo asistente digital.

Un equipo de investigadores de FutureHouse, junto a las universidades de Oxford y Fordham, ha presentado a Robin, el primer sistema multi-agente de inteligencia artificial capaz de automatizar completamente el ciclo de descubrimiento científico en biología experimental. Hasta ahora, la IA había ayudado en tareas aisladas, pero Robin va más allá al integrar la búsqueda bibliográfica, la generación de hipótesis y el análisis de datos de laboratorio en un flujo continuo y autónomo.

En su primera prueba de fuego, este sistema ha identificado el ripasudil, un fármaco utilizado habitualmente para el glaucoma, como un candidato prometedor para tratar la degeneración macular asociada a la edad (dAMD), la principal causa de ceguera en el mundo desarrollado. Lo que a un científico humano le tomaría más de 800 horas de lectura y análisis, Robin lo resolvió en apenas 30 minutos. Este avance no solo representa un ahorro masivo de tiempo, sino que abre una nueva era en la búsqueda de tratamientos para enfermedades que hoy no tienen cura, demostrando que la colaboración entre humanos y máquinas puede transformar la velocidad de la medicina moderna.

¿Qué es Robin y cómo logra automatizar la ciencia?

Robin no es un modelo de lenguaje convencional, sino una arquitectura compleja que coordina a varios agentes especializados. El sistema funciona como un equipo de trabajo digital donde cada miembro tiene una función clara. Por un lado, utiliza agentes llamados Crow y Falcon para realizar búsquedas bibliográficas exhaustivas. Crow se encarga de resúmenes concisos, mientras que Falcon profundiza en los detalles técnicos de los estudios existentes.

La verdadera novedad reside en su capacidad para cerrar el círculo con el laboratorio. Cuando se le asigna una enfermedad, Robin propone una hipótesis y sugiere un experimento concreto. Una vez que los científicos humanos realizan el experimento en el mundo físico, los datos brutos se entregan a un tercer agente llamado Finch. Este especialista en análisis de datos es capaz de escribir código en tiempo real para interpretar resultados complejos de técnicas como la citometría de flujo o la secuenciación de ARN, conocida como RNA-seq.

A diferencia de otras herramientas, Robin utiliza un enfoque de laboratorio en el bucle (lab-in-the-loop). Esto significa que la IA no trabaja sola, sino que coordina sus hallazgos con los investigadores, permitiendo que el proceso de descubrimiento sea iterativo. Si un experimento da un resultado inesperado, Robin lo analiza y genera una nueva ronda de hipótesis mejoradas, imitando el método científico tradicional pero a una velocidad sin precedentes.

De meses a horas: por qué esta tecnología cambia las reglas

La eficiencia es el factor que más sorprende de este desarrollo. Según el artículo publicado recientemente en Nature, el uso de Robin permite una reducción de hasta 200 veces en el tiempo dedicado a las tareas intelectuales de una investigación. Para ponerlo en perspectiva, el análisis de 551 artículos científicos que Robin completó en media hora le habría costado a un experto humano unas 540 horas de trabajo ininterrumpido.

Este ahorro de tiempo tiene implicaciones directas en la industria farmacéutica y en la salud pública. Actualmente, el desarrollo de nuevos fármacos está estancado en unos 50 lanzamientos anuales a nivel global, un ritmo que no ha cambiado significativamente en la última década. La capacidad de Robin para conectar conocimientos dispersos en la literatura científica permite identificar oportunidades de reposicionamiento de fármacos que a menudo pasan desapercibidas para los humanos debido a la excesiva especialización de las disciplinas científicas.

Un ejemplo concreto de este potencial es el descubrimiento del ripasudil para la ceguera. Aunque se sabía que este fármaco ayudaba en el glaucoma, nadie había propuesto su uso para mejorar la capacidad de limpieza de las células de la retina, un proceso llamado fagocitosis. Robin identificó esta conexión lógica y, tras ser validada en el laboratorio con células humanas, se confirmó que el fármaco aumentaba casi al doble la eficacia de este proceso vital para evitar la ceguera.

El equipo tras el proyecto y la validación del sistema

Detrás de este proyecto se encuentra FutureHouse, una organización con sede en San Francisco que cuenta con el respaldo de figuras como Eric y Wendy Schmidt. El equipo, liderado por científicos como Ali Essam Ghareeb y Samuel G. Rodriques, ha diseñado Robin con una arquitectura agnóstica respecto al modelo de lenguaje subyacente. Esto permite que el sistema pueda mejorar automáticamente a medida que surjan versiones más potentes de modelos como los de OpenAI, Anthropic o Google.

Para asegurar la fiabilidad de las conclusiones, los desarrolladores han incluido rigurosos sistemas de control. En las pruebas de validación, se comparó el rendimiento de Robin con agentes genéricos de investigación. Los resultados mostraron que, mientras otros sistemas tienden a inventar referencias bibliográficas, lo que se conoce como alucinaciones, Robin mantuvo una precisión mucho mayor gracias a sus agentes especializados de búsqueda. El código de Robin está disponible en GitHub, lo que permite a otros investigadores revisar y adaptar esta tecnología a sus propios campos.

Además, el sistema fue sometido a una prueba comparativa con Deep Research de OpenAI. Mientras que Robin identificó con éxito mecanismos específicos y fármacos potentes para la enfermedad ocular estudiada, el agente genérico no logró sugerir la inhibición de la quinasa ROCK, el mecanismo clave que Robin propuso y que resultó ser el más eficaz en las pruebas de laboratorio.

¿Qué significa esto para el futuro de la ciencia?

Aunque Robin representa un avance notable, sus creadores mantienen una perspectiva realista. Por ahora, el sistema todavía requiere que humanos expertos diseñen los protocolos detallados de laboratorio y realicen la manipulación física de las muestras. Sin embargo, el objetivo a largo plazo es que la IA pueda generar metodologías tan precisas que requieran una traducción mínima antes de ejecutarse.

El éxito de Robin en el campo de la biología sugiere que este modelo de síntesis literaria y análisis de datos podría extenderse pronto a otras áreas críticas, como la ciencia de materiales. Al automatizar las etapas más tediosas de la investigación, los científicos podrán centrarse en la interpretación creativa y en la toma de decisiones estratégicas, dejando que la IA actúe como un potente motor de búsqueda y análisis lógico.

En última instancia, este tipo de sistemas multi-agente no busca reemplazar al científico, sino liberarlo de la carga de procesar una cantidad de información que ya es inmanejable para el cerebro humano. Estamos ante una herramienta que podría ayudar a cerrar la brecha entre el descubrimiento de un conocimiento básico y su aplicación real en un tratamiento médico, salvando años de espera para los pacientes.

Google firma un contrato de 30.000 millones con SpaceX por potencia de IA

NotebookLM
-
0
Google firma un contrato de 30.000 millones con SpaceX por potencia de IA

Google ha firmado un contrato masivo con SpaceX, la empresa aeroespacial de Elon Musk. A partir de octubre de 2026, el gigante de las búsquedas desembolsará 920 millones de dólares mensuales hasta junio de 2029, lo que supone una inversión total cercana a los 30.000 millones de dólares.

Este acuerdo no busca lanzar satélites, sino garantizar el acceso a una infraestructura crítica: 110.000 chips de Nvidia destinados a potenciar sus servicios de nube y su modelo Gemini. La importancia de este movimiento radica en la creciente demanda de capacidad de cómputo, que ha llevado a Google a buscar aliados incluso entre sus competidores directos.

Al asegurar estos componentes esenciales, Google intenta evitar cuellos de botella en el desarrollo de sus agentes de IA y herramientas empresariales. Este contrato convierte a la división de IA de SpaceX en un proveedor de infraestructura fundamental para la industria, consolidando un modelo de negocio que ya atrajo a otros grandes actores como Anthropic en semanas anteriores.

¿En qué consiste el acuerdo entre Google y SpaceX?

El núcleo de esta alianza es un acuerdo de servicios en la nube mediante el cual Google alquila capacidad de procesamiento a la división de inteligencia artificial de SpaceX, conocida como xAI. Según los documentos presentados ante la Comisión de Mercado y Valores de Estados Unidos (SEC), el compromiso financiero es de 920 millones de dólares al mes. Esta cifra garantiza a la compañía el acceso a 110.000 componentes de computación de alto rendimiento, que incluyen unidades de procesamiento gráfico de Nvidia, procesadores centrales y chips de memoria.

Un detalle relevante del contrato es la cláusula de rescisión vinculada a los tiempos de entrega. Google tiene el derecho de cancelar el acuerdo si SpaceX no proporciona acceso a los chips de Nvidia Corp antes del 30 de septiembre de 2026. Existe un periodo de gracia de un mes, pero la rigidez de estas fechas subraya la urgencia que tiene el sector por disponer de hardware físico. La infraestructura se ha convertido en el nuevo campo de batalla de la tecnología.

Desde Google Cloud han definido este movimiento como un «acuerdo puntual a corto plazo». El objetivo es crear una capacidad de puente que permita satisfacer la demanda de su plataforma Gemini Enterprise. La cartera de pedidos de servicios en la nube de Alphabet se duplicó recientemente hasta superar los 460.000 millones de dólares, lo que obliga a la empresa a buscar soluciones externas para no defraudar a sus clientes corporativos mientras expanden sus propios centros de datos.

¿Por qué importa este movimiento en la industria?

Este contrato es el segundo de gran magnitud que SpaceX firma con un competidor en el ámbito de la IA en pocas semanas. El primero fue con Anthropic, la creadora del asistente Claude, por un importe de 1.250 millones de dólares mensuales. Estas operaciones confirman un cambio de tendencia: las empresas que desarrollan software de IA ya no solo compiten por quién tiene el mejor algoritmo, sino por quién tiene la potencia física necesaria para ejecutarlo.

La entrada de Google como cliente de SpaceX es estratégica por varios motivos:

  • Diversificación de proveedores: Reduce la dependencia exclusiva de sus propios centros de datos en momentos de máxima demanda.
  • Acceso a hardware escaso: Los chips H200 de Nvidia son extremadamente difíciles de conseguir y SpaceX ha logrado acumular una reserva masiva.
  • Escalabilidad inmediata: Permite a Google desplegar agentes de IA y herramientas de programación sin esperar a la construcción de nuevas plantas propias.

Para SpaceX, este negocio de infraestructura es vital para su próxima salida a bolsa en el índice Nasdaq. La empresa busca transformarse en un proveedor esencial de capacidad de cómputo, aprovechando que sus instalaciones actuales tienen un índice de uso efectivo (MFU) bajo, de apenas el 11%. Al alquilar esta capacidad ociosa a gigantes como Google o Anthropic, SpaceX rentabiliza una inversión multimillonaria en tiempo récord.

Contexto técnico y el papel de Colossus

Gran parte de esta potencia proviene de instalaciones como Colossus 1, situada en Memphis, Tennessee. Este complejo es considerado uno de los centros de datos de IA más grandes del mundo y fue construido en solo 122 días. Para entender la magnitud de la energía necesaria, la potencia informática que Google ha contratado equivale a la energía suficiente para abastecer a unos 75.000 hogares simultáneamente.

Sin embargo, este crecimiento físico no está exento de controversia. El centro de datos de Memphis utiliza turbinas de gas metano y requiere millones de litros de agua diarios para su refrigeración, lo que ha generado preocupaciones ambientales entre los residentes locales. A pesar de estos retos, la velocidad de despliegue de SpaceX le ha dado una ventaja competitiva que pocos pueden igualar.

La relación entre ambas corporaciones es curiosa, ya que Google posee aproximadamente el 5% de las acciones de SpaceX. Esto convierte a la firma de Mountain View en socia, cliente y competidora al mismo tiempo. Además del contrato terrestre, ambas empresas han mantenido conversaciones sobre el Project Suncatcher, una iniciativa para explorar centros de datos orbitales que utilicen energía solar directa en el espacio, evitando así el impacto ambiental en la superficie terrestre.

¿Qué significa esto para el futuro?

El acuerdo entre Google y SpaceX marca el inicio de una era donde la logística y la industria pesada son tan cruciales como el código. Estamos viendo cómo se forman alianzas que antes parecerían imposibles debido a la rivalidad entre sus fundadores, todo con tal de no quedarse atrás en la provisión de servicios de IA. La infraestructura necesaria para alimentar modelos como Gemini o Claude es tan vasta que requiere un esfuerzo coordinado entre los mayores actores del planeta.

Lo que viene ahora es una fase de ejecución crítica. Si SpaceX cumple con los plazos de entrega del hardware, consolidará su posición como el gran «casero tecnológico» del sector. Para los usuarios finales, esto se traducirá en servicios más rápidos y estables, pero también en un debate cada vez más intenso sobre la sostenibilidad energética de estas megaestructuras que ya consumen una parte creciente de la electricidad mundial.

Synthesia

Redacción
-
0
Synthesia

Vídeos con avatares

Modelo: Freemium

Synthesia es una herramienta de inteligencia artificial que convierte texto en vídeos presentados por avatares humanos realistas, sin cámaras, micrófonos ni actores. Es el estándar de facto del vídeo corporativo con IA: la usan más de la mitad de las empresas del Fortune 100 para cursos de formación, onboarding, comunicación interna y tutoriales de producto, sustituyendo presentaciones y documentos por vídeos que se actualizan con solo editar el guion.

El proceso recuerda a montar una diapositiva: se elige uno de los más de 230 avatares de estudio (o se crea un avatar personal a partir de una grabación propia), se escribe el guion, se selecciona una de las voces disponibles en más de 140 idiomas —el español, en todas sus variantes, está muy bien cubierto— y se añaden pantallas, imágenes o marca corporativa con plantillas. La traducción con un clic regenera el mismo vídeo en otro idioma manteniendo al presentador. La contrapartida es estilística: los avatares son correctos pero algo planos, válidos para formación y poco creíbles para contenido creativo o publicitario emocional.

El plan gratuito permite generar unos minutos de vídeo al mes con avatares limitados y marca de agua, sin uso comercial pleno. El plan Starter, de suscripción mensual con descuento anual, elimina el logo; el Creator amplía los minutos, los avatares personales y el acceso a la API; y el plan Enterprise, con minutos ilimitados, se negocia a medida.

Si el objetivo es formación escalable y multilingüe, pocas alternativas la igualan; si se busca doblaje de vídeos ya grabados, HeyGen compite con fuerza en ese terreno.

Dirección: synthesia.io

v0

Redacción
-
0
v0

Generador de interfaces

Modelo: Freemium

v0 es una herramienta de inteligencia artificial de Vercel que convierte descripciones en lenguaje natural en interfaces web funcionales. Basta con escribir lo que se quiere, por ejemplo una página de aterrizaje con formulario o un panel de control con gráficas, y genera el código en React, Next.js y Tailwind CSS con vista previa inmediata, listo para iterar con nuevas instrucciones o capturas de pantalla de referencia. Es uno de los nombres propios del llamado vibe coding, junto a Bolt y Lovable.

Funciona íntegramente en el navegador, desde v0.app. Cada proyecto se refina conversando con la IA, se puede editar el código a mano, sincronizarlo con GitHub y desplegarlo en producción con un clic gracias a la integración nativa con Vercel. El consumo se mide en créditos calculados por tokens, de modo que las generaciones complejas con los modelos grandes cuestan más que los retoques pequeños.

El plan gratuito incluye un pequeño saldo mensual de créditos y un buen número de proyectos, sin posibilidad de comprar créditos extra: una sesión compleja puede agotarlos de una sentada. El plan Premium, de suscripción mensual, añade más créditos y acceso a los modelos superiores, y los planes Team y Business, facturados por usuario, suman colaboración y mayores límites.

Para prototipar interfaces y validar ideas es difícil encontrar algo más rápido, aunque el código generado suele requerir trabajo posterior en proyectos serios y la dependencia del ecosistema Vercel no convencerá a todos los equipos.

Dirección: v0.app

945 TWh: la ONU advierte que la IA usará el 3% de la luz mundial

NotebookLM
-
0
945 TWh: la ONU advierte que la IA usará el 3% de la luz mundial

La inteligencia artificial ha dejado de ser un concepto etéreo para convertirse en una infraestructura física con una demanda energética sin precedentes. Según un reciente informe de la Universidad de las Naciones Unidas (UNU-INWEH), para el año 2030 los centros de datos que alimentan esta tecnología consumirán 945 teravatios-hora de electricidad.

Este volumen representa casi el 3% de la demanda eléctrica global proyectada para esa fecha, una cifra que triplica el consumo anual combinado de naciones como Pakistán, Bangladesh y Nigeria, donde residen más de 650 millones de personas. Sin embargo, los científicos advierten de que centrarse únicamente en la electricidad es un error de cálculo. La huella ambiental de la IA es una «triple amenaza» que incluye también un consumo masivo de agua y la ocupación de vastas extensiones de tierra.

Para 2030, se estima que la huella hídrica asociada equivaldrá a las necesidades básicas de 1.300 millones de personas en el África subsahariana. Este escenario obliga a replantear la gobernanza de la IA, no solo como un reto técnico, sino como una cuestión urgente de justicia climática y límites planetarios.

¿En qué consiste la triple huella de la IA?

El estudio publicado por la Universidad de las Naciones Unidas introduce una visión multidimensional de la sostenibilidad tecnológica. Hasta ahora, la conversación se ha limitado casi exclusivamente a la descarbonización. No obstante, cada kilovatio-hora utilizado por un sistema de IA arrastra consigo tres impactos inseparables: emisiones de carbono, huella hídrica y huella de tierra.

Los investigadores señalan que estas tres métricas no siempre evolucionan de forma paralela. Un ejemplo claro es la transición hacia fuentes de energía bajas en carbono, como la bioenergía. Aunque este cambio puede reducir las emisiones en un 70%, tiene el efecto secundario de multiplicar el consumo de agua por treinta y la ocupación de suelo por cien. Por ello, el informe recalca que ser «bajo en carbono» no implica necesariamente ser sostenible en términos de recursos naturales básicos.

Esta infraestructura física requiere no solo energía para funcionar, sino también ingentes cantidades de agua para la refrigeración de los servidores. Para el año 2030, la huella de tierra necesaria para sostener esta demanda eléctrica superará los 14.500 kilómetros cuadrados. Esta superficie es aproximadamente el doble del área metropolitana de Yakarta, una región que alberga a más de 32 millones de habitantes.

¿Por qué el impacto es mayor de lo que pensamos?

Un factor determinante en este crecimiento es el cambio de paradigma entre el entrenamiento y el uso cotidiano de la IA. Históricamente, la atención se centraba en la energía necesaria para «entrenar» modelos como GPT-4, un proceso que consumió entre 50 y 70 GWh de electricidad. Sin embargo, la fase de inferencia, que es el funcionamiento diario de los modelos para responder a los usuarios, representa ahora entre el 80% y el 90% del consumo total.

La intensidad energética varía drásticamente según la tarea solicitada por el usuario. Según los datos del estudio de la UNU-INWEH, estas son algunas comparaciones reveladoras:

  • Una consulta de chat estándar es unas 200 veces más intensiva que una clasificación de texto básica.
  • Generar una sola imagen mediante IA requiere la misma energía que cargar una bombilla LED de 10 vatios durante 17 minutos.
  • La creación de un vídeo corto de alta complejidad consume tanta electricidad como procesar 200.000 correos de spam.

Este aumento de la demanda se ve agravado por lo que los expertos llaman el efecto rebote o Paradoja de Jevons. A medida que la tecnología se vuelve más eficiente y barata, su uso se masifica de tal forma que el ahorro individual por tarea es anulado por el crecimiento explosivo del volumen total de consultas.

El 84% de los sistemas de IA actuales no ofrece datos sobre su rastro ecológico

Contexto y actores: la brecha digital y los costes locales

El informe subraya que los beneficios y las cargas de esta expansión son profundamente desiguales. Actualmente, el 90% de la capacidad de cómputo especializada en IA se concentra en solo dos países: Estados Unidos y China. Mientras tanto, más de 150 naciones tienen un acceso nulo o muy limitado a infraestructuras soberanas de IA.

Esta concentración geográfica traslada los costes ambientales a comunidades locales que a menudo no son las principales usuarias de la tecnología. En Irlanda, por ejemplo, los centros de datos ya consumen el 21% de toda la electricidad medida del país, superando el uso conjunto de todos los hogares urbanos. En Querétaro (México) y en Uruguay, la construcción de estas instalaciones ha generado tensiones sociales debido al uso de agua potable en periodos de sequía severa.

Además de los recursos operativos, el ciclo de vida del hardware plantea un desafío inminente. Para 2030, se proyecta que la infraestructura de IA generará 2,5 millones de toneladas de residuos electrónicos anuales. Esto equivale a desechar cerca de 250 torres Eiffel cada año, un flujo de residuos que suele terminar en países con regulaciones ambientales débiles.

¿Qué significa esto para el futuro?

La intención del informe no es posicionarse contra el progreso tecnológico, sino abogar por una IA que respete los límites del planeta. Para lograrlo, la ONU propone seis principios fundamentales, entre los que destacan la transparencia obligatoria en los informes de impacto y la eficiencia por diseño.

El futuro de esta tecnología dependerá de que los gobiernos integren los centros de datos en su planificación hídrica y energética de forma rigurosa. Para los usuarios, el reto consiste en adoptar un uso consciente, eligiendo modelos más ligeros o búsquedas convencionales cuando no sea necesario el despliegue de un gran modelo de lenguaje. Solo mediante una gobernanza global coordinada se podrá asegurar que la revolución de la IA sea tan inteligente en su gestión de recursos como lo es en su capacidad de procesamiento.

La fotografía de representación de este artículo pertenece a American Public Power Association y ha sido publicada en Unsplash

El creador de Linux: «La IA es una herramienta, no un autor»

NotebookLM
-
0
El creador de Linux: «La IA es una herramienta, no un autor»

Linus Torvalds, el influyente creador de Linux, ha expresado recientemente su frustración ante el uso que algunos programadores están dando a la inteligencia artificial. Durante su intervención en el Open Source Summit North America en mayo de 2026, Torvalds dejó claro que, aunque utiliza estas herramientas en sus propios proyectos personales, le irrita profundamente escuchar que alguien afirma haber escrito el 99% de su código mediante IA. Para el ingeniero finlandés, esta tecnología debe verse como un apoyo a la productividad, similar a lo que supuso el compilador en su momento, pero nunca como un sustituto del criterio y la responsabilidad del autor.

Este fenómeno no es solo una cuestión de orgullo profesional. La proliferación de código generado automáticamente está provocando un aumento inusual en el volumen de cambios propuestos para el núcleo de Linux, llegando a saturar los procesos de revisión. Torvalds ha advertido que empezará a ser más estricto con las contribuciones que no aporten soluciones reales a fallos críticos, especialmente aquellas que se envían tarde en el ciclo de desarrollo y que solo añaden ruido innecesario a un sistema que sostiene gran parte de la infraestructura digital del planeta.

¿En qué consiste la crítica de Torvalds a la IA?

La esencia del malestar de Torvalds radica en la percepción del papel que juega la IA generativa en el desarrollo de software. El creador del kernel, que es el corazón que permite que el hardware y el software se comuniquen, compara la situación actual con la adopción de los compiladores hace décadas. Un compilador es un programa que traduce el código escrito por humanos a un lenguaje que la máquina entiende. Torvalds señala que nadie dice que el compilador escribió el código, sino que es una herramienta que multiplicó la productividad por mil. En cambio, estima que la IA apenas aporta un factor de mejora de diez.

A pesar de su escepticismo ante las promesas exageradas, Torvalds no rechaza la tecnología. De hecho, ha confesado haber utilizado herramientas de IA para crear un pequeño visualizador de audio durante sus ratos libres, una práctica que él mismo define como vibe-coding. Sin embargo, su crítica se dirige a quienes delegan la lógica del programa en la máquina sin comprender el resultado final. Para él, la programación no ha cambiado en sus fundamentos, solo ha evolucionado la manera en la que generamos las instrucciones que luego pasarán por ensambladores y compiladores hasta llegar al lenguaje binario.

El problema surge cuando esa facilidad para generar código se traduce en una falta de compromiso con el proyecto. Torvalds ha observado una tendencia preocupante: personas que utilizan IA para encontrar supuestos errores, envían un informe o una solución rápida y desaparecen sin responder a las dudas de los encargados de mantenimiento. Este comportamiento, conocido como contribuciones de paso o drive-by, genera una carga de trabajo adicional para los revisores humanos, quienes deben verificar si la propuesta es realmente útil o si simplemente introduce cambios triviales que podrían haberse evitado.

Por qué importa: el ruido que satura al código abierto

El impacto de esta tendencia ya se nota en las cifras oficiales del desarrollo de Linux. En las últimas dos versiones del sistema, el volumen de commits (que son los envíos de cambios al código) ha crecido aproximadamente un 20%. Aunque inicialmente Torvalds pensó que se debía al entusiasmo por el lanzamiento de la versión 7.0, pronto comprendió que la causa real era la madurez de las herramientas de IA, que permiten a más personas realizar contribuciones con menos esfuerzo inicial.

Este aumento de actividad ha tenido consecuencias directas en la versión candidata Linux 7.1-rc5. Este tipo de versiones son etapas intermedias de prueba antes del lanzamiento definitivo. Normalmente, en la quinta versión candidata, el flujo de cambios debería reducirse para centrarse en la estabilidad. Sin embargo, Torvalds ha señalado que esta entrega es inusualmente grande debido a correcciones triviales que no solucionan problemas graves. Las implicaciones para la industria son relevantes:

  • Proyectos de código abierto más pequeños, gestionados por una o dos personas, corren el riesgo de colapsar bajo el aluvión de informes de errores generados por IA que nadie se molesta en seguir.
  • Las listas de correo de seguridad, donde se discuten fallos críticos de forma confidencial, se están viendo inundadas por informes duplicados, ya que muchas personas utilizan las mismas herramientas de IA para buscar las mismas vulnerabilidades.
  • Existe el riesgo de que empresas utilicen estos sistemas para ganar visibilidad en la comunidad enviando parches menores de forma masiva, sin aportar soluciones de fondo.

Como explican en la página oficial de la Linux Foundation, el mantenimiento de infraestructuras críticas requiere un nivel de fiabilidad que no se puede delegar exclusivamente en procesos automatizados. Torvalds insiste en que, si un fallo se encuentra mediante IA, debe considerarse de dominio público casi de inmediato, pues es muy probable que otras cien personas hayan llegado a la misma conclusión usando los mismos algoritmos.

Contexto: de los números binarios a los modelos de lenguaje

Para entender la postura de Torvalds, es necesario recordar su trayectoria. Él comenzó su carrera escribiendo directamente en código máquina, es decir, introduciendo secuencias numéricas antes de que existieran herramientas más amigables. Esta base técnica le permite afirmar que lo importante no es el lenguaje o la herramienta utilizada, sino el conocimiento profundo de cómo funciona el sistema. Según ha declarado, incluso cuando usa IA para sus proyectos personales, termina revisando el lenguaje ensamblador resultante para asegurarse de que el código hace exactamente lo que él desea.

En el ámbito de la seguridad, Torvalds ha lanzado una advertencia contra el código cerrado o propietario. Existe la creencia de que ocultar el código lo hace más seguro, pero la inteligencia artificial es cada vez más hábil realizando ingeniería inversa. Esto significa que la IA puede analizar un programa terminado para deducir cómo fue construido y encontrar sus puntos débiles. En este escenario, el código abierto tiene la ventaja de que la comunidad puede colaborar para corregir los fallos rápidamente, mientras que en el código cerrado solo los atacantes pueden beneficiarse de los descubrimientos realizados por la IA sin que nadie más lo sepa.

La relación de Torvalds con su equipo también ha evolucionado. Aunque históricamente fue conocido por su trato duro hacia los programadores que enviaban código de baja calidad, ahora centra sus esfuerzos en la gestión de personas. En sus propias palabras, su trabajo actual consiste en coordinar el talento humano, y es una tarea en la que se niega rotundamente a utilizar la inteligencia artificial. Considera que las interacciones humanas y la creación de normas comunitarias son elementos que las máquinas no pueden replicar.

¿Qué significa esto para el futuro de la programación?

El mensaje que Linus Torvalds deja para las nuevas generaciones de desarrolladores es de un realismo sobrio. La inteligencia artificial está aquí para quedarse y es una excelente compañera para automatizar tareas repetitivas o explorar ideas rápidas, pero no elimina la necesidad de expertos que comprendan qué ocurre bajo el capó. La fiabilidad de un sistema que debe durar décadas no se construye a base de peticiones rápidas a un modelo de lenguaje, sino con una supervisión meticulosa.

A medida que avancemos, es probable que veamos una selección natural en el mundo del desarrollo. Aquellos que solo sepan generar código sin entenderlo tendrán dificultades para mantener sistemas complejos a largo plazo. Por el contrario, los profesionales que integren la IA como un complemento a su juicio crítico serán los que realmente aprovechen ese factor de productividad extra. El futuro de la programación sigue siendo humano, aunque ahora contemos con asistentes más rápidos que nunca para ayudarnos a escribir la siguiente línea.

La fotografía de representación de este artículo pertenece a una charla de Linus en Ted Talks.

arXiv castigará con un año de veto el uso negligente de IA en estudios

NotebookLM
-
0
arXiv castigará con un año de veto el uso negligente de IA en estudios

El prestigioso portal de prepublicaciones científicas arXiv ha decidido tomar medidas drásticas ante la creciente oleada de contenidos de baja calidad generados por inteligencia artificial. A partir del 6 de junio de 2026, el repositorio endurece sus normas para frenar lo que se conoce como «AI slop» o basura generada por IA sin supervisión humana.

Los moderadores del sitio ahora tienen la potestad de imponer un veto de un año a aquellos autores que suban manuscritos con errores evidentes derivados de herramientas de IA no revisadas. Esta medida no busca prohibir la tecnología, sino garantizar que los investigadores asuman la responsabilidad total de sus textos. La integridad de la comunicación científica se ha visto amenazada por un aumento exponencial de citas inexistentes y datos falsos que enturbian el ecosistema académico. En un momento donde la velocidad de publicación parece primar sobre el rigor, arXiv establece un precedente necesario para proteger la calidad de los trabajos que sirven de base para futuras innovaciones tecnológicas y médicas en todo el mundo.

¿En qué consisten las nuevas sanciones de arXiv?

La nueva política de arXiv no es una prohibición total del uso de modelos de lenguaje en la investigación, sino una declaración de guerra contra la negligencia. El portal, que funciona como un repositorio de preprints (versiones preliminares de estudios científicos que aún no han pasado por una revisión por pares formal), ha detectado que muchos autores confían ciegamente en las respuestas de la IA. Cuando los moderadores encuentren pruebas claras de que un texto contiene errores groseros generados por máquinas y no verificados por humanos, se activará un protocolo de castigo severo.

El primer nivel de sanción es una suspensión temporal pero prolongada: los autores implicados recibirán un veto de un año durante el cual no podrán subir ningún nuevo manuscrito al portal. Sin embargo, lo más duro de la norma llega después de que expire ese año de castigo. Los investigadores sancionados no podrán volver a publicar en el sitio de la forma habitual. Sus trabajos futuros deberán superar primero un proceso de revisión por pares estándar en una revista científica de prestigio o en una conferencia internacional reconocida antes de ser aceptados en la plataforma.

Este cambio estructural transforma el funcionamiento de arXiv para los infractores. Normalmente, el portal permite una difusión rápida de las ideas, pero para quienes han abusado de la IA, el camino se vuelve mucho más largo y burocrático. Con esto, los gestores del portal envían un mensaje nítido, los autores son los únicos responsables legales y éticos del contenido que firman, independientemente de las herramientas que hayan utilizado para redactarlo.

El peligro de las referencias inventadas y el AI slop

El principal motivo detrás de esta decisión es el fenómeno de las alucinaciones en los modelos de lenguaje de gran tamaño (LLM). Estas herramientas, aunque extremadamente útiles para resumir o mejorar la redacción, tienden a inventar información de forma convincente cuando no conocen la respuesta. En el ámbito académico, esto se traduce frecuentemente en la creación de referencias bibliográficas a trabajos que nunca existieron, un problema que contamina la base misma del conocimiento compartido.

Thomas Dietterich, profesor de la Universidad Estatal de Oregón, ha destacado que estas sanciones se dirigen específicamente a quienes muestran una confianza ciega en las salidas de los modelos de lenguaje. El término AI slop se utiliza para describir este flujo constante de textos mediocres, a menudo repletos de datos incorrectos, que se generan masivamente con el único fin de inflar el currículo de los investigadores o cumplir con plazos de entrega poco realistas sin dedicar tiempo a la edición y el contraste de datos.

La situación ha llegado a un punto crítico en sectores específicos como la informática. En esta disciplina, los investigadores han sido los primeros en adoptar las herramientas de IA generativa, pero también han sido los primeros en protagonizar casos problemáticos de uso indebido. El problema no es que la IA ayude a escribir un párrafo más claro, sino que se introduzcan hechos falsos o enlaces a estudios fantasma que otros investigadores podrían intentar citar, creando una reacción en cadena de desinformación científica.

Una crisis de integridad en cifras

Los datos que respaldan esta decisión son preocupantes. Un análisis reciente que examinó 111 millones de citas científicas reveló un incremento alarmante de las referencias inexistentes tras la popularización de los modelos de lenguaje. Según las estadísticas disponibles, la proporción de citas científicas falsificadas se multiplicó aproximadamente por diez entre los años 2023 y 2026. Solo durante el año 2025, se estimó que circularon unas 147.000 citas alucinadas en la literatura académica global.

Este volumen de información falsa supone una carga inmensa para el sistema de publicación, ya que los moderadores y revisores deben invertir tiempo valioso en verificar enlaces y datos que deberían ser correctos de origen. El impacto no es solo estadístico; afecta a la reputación de las instituciones y a la confianza que la sociedad deposita en los avances científicos. El auge de la IA está forzando a los repositorios digitales a comportarse más como editores tradicionales para evitar el colapso del sistema por falta de veracidad.

Además, existe una preocupación creciente sobre cómo estos textos generados de forma automática no siempre buscan la verdad, sino que en ocasiones responden a intereses de marketing o beneficios empresariales rápidos. Al inundar el mercado con estudios de apariencia profesional pero vacíos de contenido real, se corre el riesgo de que la ciencia se convierta en una herramienta de promoción en lugar de un método de descubrimiento.

  • El veto de un año afecta a todos los autores que figuren en el estudio penalizado.
  • Las citas alucinadas han crecido un 1.000 % en apenas tres años.
  • La informática es el área con más casos detectados de uso negligente de IA.

¿Qué significa esto para el futuro de la ciencia?

La medida de arXiv ha generado un intenso debate dentro de la comunidad académica. Por un lado, muchos celebran la defensa del rigor; por otro, surgen voces críticas preocupadas por las colaboraciones internacionales masivas. En estudios donde participan decenas de especialistas de diferentes países, el error o la falta de ética de un solo integrante podría arruinar la carrera de todos sus colegas debido a la responsabilidad compartida. Esto obligará a establecer procesos de control interno mucho más estrictos en cada laboratorio antes de pulsar el botón de envío.

A pesar de las posibles controversias, este paso es una señal de madurez en la relación entre humanos e inteligencia artificial. Estamos aprendiendo que delegar la creación de conocimiento en una máquina sin una supervisión crítica tiene consecuencias reales. El futuro de la investigación científica no pasa por rechazar la tecnología, sino por integrarla de manera que potencie nuestras capacidades sin sustituir nuestro juicio crítico ni nuestro compromiso con la verdad.

Lo que vemos ahora es el inicio de una nueva era de responsabilidad digital. arXiv está trazando una línea clara: la IA puede ser un copiloto excelente, pero el investigador sigue siendo el único capitán del barco. La recuperación de la confianza en los artículos científicos dependerá de que este tipo de medidas se generalicen, devolviendo el valor al trabajo bien hecho y a la comprobación minuciosa de cada dato.

La fotografía de representación de este artículo pertenece a Julia Koblitz y ha sido publicada en Unsplash

Veo

Redacción
-
0
Veo

Generador de vídeo

Modelo: Freemium

Veo es una herramienta de inteligencia artificial de Google DeepMind que genera vídeos con audio nativo a partir de texto o imágenes. A diferencia de la mayoría de sus rivales, las versiones Veo 3 y 3.1 no producen clips mudos: crean a la vez la imagen, los diálogos, los efectos y el sonido ambiente, con una sincronización labial que popularizó los vídeos hiperrealistas virales de 2025. Es el motor que late dentro de Gemini y de Flow, la herramienta de «cine con IA» de Google pensada para encadenar planos, mantener personajes coherentes entre escenas y montar secuencias más largas que los ocho segundos por clip que genera el modelo.

El flujo de trabajo es directo: se describe la escena (o se parte de fotogramas inicial y final, o de imágenes de referencia llamadas «ingredientes»), se elige la calidad y el sistema devuelve el clip en segundos. Los resultados destacan en realismo físico y en la calidad del audio, aunque siguen apareciendo errores en manos, textos en pantalla y movimientos complejos, y la duración corta obliga a montar después.

Las cuentas gratuitas reciben un pequeño saldo mensual de créditos de IA en Flow, suficiente para apenas un puñado de vídeos rápidos, siempre con marca de agua. Para uso real hay que pasar por los planes de Google: AI Plus da acceso a Veo 3.1 Fast, AI Pro incluye un paquete mensual de créditos —unas decenas de vídeos en calidad rápida— y AI Ultra multiplica ese saldo para producción intensiva.

Es la opción más sólida para quien ya vive en el ecosistema Google y quiere audio integrado sin herramientas extra; quien busque clips más largos o planes baratos quizá prefiera alternativas como Kling o Hailuo.

Dirección: aistudio.google.com/models/veo

Los robots ya aprenden solos y podrían bajar el coste del trabajo a 2 dólares por hora

NotebookLM
-
0
Los robots ya aprenden solos y podrían bajar el coste del trabajo a 2 dólares por hora

La robótica está entrando en una nueva era marcada por la IA física, una tecnología que permite a las máquinas aprender y actuar de forma autónoma sin necesidad de instrucciones humanas detalladas para cada movimiento. Este avance, que integra redes neuronales profundas en cuerpos mecánicos, promete transformar la estructura de la industria y la sociedad a nivel global.

Según proyecciones recientes presentadas en el sector, se estima que el mercado de los robots humanoides alcanzará los 4 billones de dólares para el año 2050, una cifra comparable a la actual industria automotriz. El cambio es impulsado por la reducción drástica de costes en el hardware y la capacidad de las máquinas para aprender tareas complejas, desde artes marciales hasta logística industrial, simplemente observando datos de comportamiento humano.

Empresas en China y Estados Unidos lideran actualmente la implementación comercial, mientras que potencias tecnológicas como Japón ajustan sus estrategias para no quedar rezagadas en esta carrera por la autonomía física, que ya se manifiesta en los primeros taxis autónomos y robots domésticos asequibles.

¿Qué es la IA física y cómo funciona?

A diferencia de los robots industriales tradicionales, que requieren una programación rígida y un entorno controlado, la IA física utiliza el aprendizaje autónomo para adaptarse a entornos humanos. Este sistema se basa en redes neuronales, estructuras computacionales que imitan el funcionamiento del cerebro humano para procesar información visual y sensorial en tiempo real. En lugar de escribir miles de líneas de código para cada acción, los desarrolladores alimentan al sistema con grandes volúmenes de datos de video o demostraciones físicas.

Un concepto central en este avance es el End-to-End (E2E), un método donde la inteligencia artificial recibe imágenes de cámaras como entrada y genera directamente órdenes de movimiento para los motores del robot o el vehículo. Esta técnica elimina la necesidad de descomponer manualmente las tareas en pasos lógicos, permitiendo que la máquina adquiera una suerte de intuición física. Por ejemplo, en la conducción autónoma, el sistema aprende a reaccionar ante imprevistos en calles congestionadas simplemente observando cómo lo harían conductores experimentados.

Además, están surgiendo los denominados modelos VLA (Vision-Language-Action). Estos modelos permiten que el robot no solo actúe, sino que pueda explicar con lenguaje natural por qué ha tomado una decisión determinada, como cambiar de carril porque hay un obstáculo delante. Esto ayuda a reducir el problema de la caja negra, término que se usa cuando no se comprende exactamente cómo una IA llega a una conclusión, mejorando así la seguridad y la transparencia del sistema.

Por qué este cambio es importante para el mercado

La viabilidad económica de estos sistemas está cambiando rápidamente debido a la reducción de costes en la fabricación. En el reciente Humanoid Summit celebrado en Tokio, se destacó que el coste de operación de un robot humanoide podría bajar hasta los 2 dólares por hora. Esta eficiencia económica permitiría su implementación masiva en sectores que enfrentan una escasez estructural de mano de obra, como la logística, la agricultura y el cuidado de personas mayores.

Las implicaciones reales incluyen:

  • Automatización flexible: Los robots pueden realizar múltiples tareas en una fábrica sin necesidad de reconfigurar toda la línea de producción.
  • Reducción de costes de hardware: Empresas como la china Unitree ya comercializan modelos humanoides como el G1 por unos 16.000 dólares (unos 2,5 millones de yenes), una fracción del precio de modelos anteriores.
  • Transporte autónomo: La transición tecnológica permite que vehículos comerciales operen en ciudades complejas sin mapas de alta precisión, basándose únicamente en su capacidad de aprendizaje en tiempo real.

Los protagonistas: De Tesla a los gigantes de Asia

La carrera por el dominio de la IA física tiene varios frentes abiertos. En el ámbito de la conducción, Tesla ha marcado un hito con su sistema FSD Versión 12, que sustituyó más de 300.000 líneas de código de reglas fijas por una red neuronal entrenada con millones de videos de conductores reales. Esto ha forzado a otros fabricantes a acelerar sus planes, como es el caso de Nissan, que planea lanzar servicios de robotaxis en Tokio para finales de 2026 en colaboración con la tecnológica Wayve.

Por otro lado, China ha demostrado una gran capacidad de ejecución. La empresa Unitree Robotics sorprendió al mercado con su modelo GD01, un robot de gran escala capaz de transformarse entre modos de dos y cuatro patas para circular por distintos terrenos. Según datos del sector, China ya lidera en la implementación social de estas tecnologías gracias a su sólida base industrial y la enorme acumulación de datos de sus aplicaciones domésticas.

En Japón, expertos como el profesor Tetsuya Ogata de la Universidad de Waseda señalan que, aunque el país es líder en la fabricación de hardware y componentes como los reductores de engranajes de precisión, el reto principal reside en la integración de la IA y la aceptación social de sistemas que no son 100% predecibles. La estrategia nipona se centra ahora en aprovechar sus datos de alta calidad en manufactura para entrenar modelos especializados que superen en eficiencia a los de propósito general desarrollados en otros países.

¿Qué significa esto para el futuro cercano?

El horizonte de 2050 plantea un mundo donde la IA física será una herramienta cotidiana en la gestión de almacenes, hospitales y posiblemente hogares. Sin embargo, el camino hacia esa integración requiere superar barreras importantes como la alucinación en la IA, que en el mundo físico podría traducirse en errores de movimiento o accidentes. La industria está trabajando en modelos de mundo generativos que permiten a las máquinas simular leyes físicas como la gravedad o el tiempo antes de realizar una acción real.

A medida que la tecnología madura, la distinción entre un vehículo, un dron y un robot humanoide se volverá más difusa, ya que todos compartirán el mismo cerebro digital capaz de entender el entorno físico. La clave del éxito para las empresas y países no estará solo en construir la máquina más avanzada, sino en lograr que estos sistemas sean lo suficientemente fiables y asequibles para integrarse de forma natural en el tejido económico y social actual.

Anthropic trae a España Mythos, su IA capaz de hallar fallos de seguridad

NotebookLM
-
0
Anthropic trae a España Mythos, su IA capaz de hallar fallos de seguridad

A través de la expansión de la iniciativa conocida como Project Glasswing, la compañía permitirá que cerca de 150 organizaciones en todo el mundo, incluyendo entidades estratégicas españolas, utilicen esta herramienta capaz de identificar y parchear vulnerabilidades informáticas de forma autónoma. Hasta ahora, el uso de Mythos estaba restringido casi exclusivamente a Estados Unidos y el Reino Unido debido a su potencial dual, una capacidad tan asombrosa para defender sistemas que, en manos equivocadas, podría facilitar ciberataques masivos en cuestión de minutos.

Esta apertura llega en un momento crucial para Anthropic, que acaba de iniciar los trámites para su salida a bolsa con una valoración que podría alcanzar el billón de dólares. Para España, participar en este programa no solo refuerza su posición en la gobernanza de la IA de frontera, sino que permite a sus empresas críticas protegerse ante una nueva generación de amenazas digitales que operan a una velocidad sobrehumana.

¿Qué es Mythos y cómo funciona esta tecnología?

Para entender la relevancia de esta noticia, primero debemos explicar qué es exactamente Claude Mythos Preview. Se trata de un modelo de inteligencia artificial de frontera, un término que se refiere a los sistemas más avanzados y potentes capaces de realizar tareas que antes eran exclusivas de los humanos más expertos. Mythos ha sido diseñado específicamente para analizar una base de código (el conjunto de instrucciones escritas por programadores que forman un software) con el objetivo de encontrar fallos ocultos.

A diferencia de otras herramientas, esta IA puede detectar vulnerabilidades de forma autónoma y, lo que es más impactante, encadenarlas para entender cómo un atacante podría aprovecharlas. Según datos de la propia compañía, el modelo ya ha detectado más de 10.000 fallos de seguridad de gravedad alta o crítica en sistemas informáticos. Lo que antes requería semanas de trabajo por parte de profesionales humanos, esta IA puede ejecutarlo en apenas unos minutos, lo que agiliza enormemente la protección de los sistemas.

La iniciativa se enmarca dentro del Project Glasswing, un nombre inspirado en una mariposa de alas transparentes. La idea es que la seguridad sea visible y clara para quienes defienden los sistemas. El laboratorio de IA Anthropic decidió originalmente limitar su acceso a un grupo reducido de unas 50 empresas estadounidenses, como Microsoft, Apple y JPMorgan, por el riesgo de que el modelo pudiera utilizarse para actividades de piratería informática o espionaje.

La importancia de proteger las infraestructuras críticas

¿Por qué es tan importante que España haya conseguido acceso a esta herramienta? La respuesta reside en la protección de las infraestructuras críticas. Estos son los servicios esenciales que permiten el funcionamiento de un país, como las redes de energía, el suministro de agua, los hospitales o los sistemas de comunicaciones. Un ataque exitoso contra estas organizaciones podría ser catastrófico, afectando potencialmente a más de 100 millones de personas en todo el mundo.

Fuentes del Ministerio de Transformación Digital y de la Función Pública han confirmado que España participará en el testeo del modelo. Esto permitirá que empresas estratégicas nacionales puedan revisar si sus sistemas son vulnerables y tengan un margen de tiempo para parchear sus agujeros de seguridad antes de que este tipo de tecnologías estén disponibles para el público general. Es una medida preventiva para evitar que actores maliciosos se adelanten a las defensas estatales.

Además de España, la expansión incluye a otros 14 países, entre los que se encuentran Francia, Alemania, Italia, Japón y Corea del Sur. Instituciones de gran calado internacional como la OTAN y la Enisa (la agencia de ciberseguridad de la Unión Europea) también han obtenido acceso para fortalecer la seguridad colectiva. Se trata de una coalición global para asegurar que la inteligencia artificial se convierta en un escudo y no solo en una espada.

Un gigante valorado en un billón de dólares

Este despliegue tecnológico coincide con un hito financiero histórico para la empresa liderada por Dario Amodei. Anthropic ha presentado recientemente la documentación para su oferta pública inicial, lo que en el mundo financiero se conoce como OPV, para salir a bolsa. La compañía acaba de cerrar una ronda de financiación de 65.000 millones de dólares, elevando su valoración total a cerca de 965.000 millones de dólares.

Con estas cifras, Anthropic supera a OpenAI, la creadora de ChatGPT, como la empresa emergente de inteligencia artificial más valiosa del mundo. La rivalidad entre ambas es máxima, especialmente ahora que OpenAI ha desplegado su modelo GPT-5.5 con capacidades defensivas similares. La salida a bolsa de Anthropic, junto con las de SpaceX y OpenAI, promete desatar una gran actividad en los mercados financieros de Wall Street durante los próximos meses.

El interés de los inversores no es casual. La capacidad de Mythos para identificar fallos de seguridad nacional crítica le otorga una importancia comercial y geopolítica sin precedentes. Como señalan informes del Financial Times, la IA se ha convertido en una pieza fundamental para la seguridad nacional, lo que explica por qué gobiernos de todo el mundo han presionado para obtener acceso a los hallazgos de Anthropic.

¿Qué significa esto para el futuro de la seguridad?

A pesar de los beneficios evidentes para la defensa digital, la compañía advierte sobre un escenario futuro complejo. Anthropic estima que en un plazo de entre seis y doce meses, muchas otras empresas de IA dispondrán de modelos similares a Mythos. El riesgo reside en que algunas de estas compañías podrían lanzar sus productos sin las salvaguardas necesarias para evitar usos indebidos, lo que haría que los ciberataques fueran más frecuentes e impredecibles.

Por ahora, la estrategia de dar acceso anticipado y confidencial a gobiernos y organizaciones de confianza parece ser la vía más prudente. La meta a largo plazo es que la inteligencia artificial mejore la seguridad de todo el software existente, transformando los principios fundamentales de la ciberseguridad. En España, el Gobierno considera que participar en este programa consolida el liderazgo internacional del país en la creación de una inteligencia artificial responsable y segura.

El desafío será mantener esta ventaja defensiva mientras la tecnología sigue evolucionando a un ritmo vertiginoso. Lo que está claro es que la ciberseguridad ya no es una tarea que los humanos puedan realizar solos, ahora necesitamos que las propias máquinas nos ayuden a protegernos de ellas mismas. El futuro de nuestra privacidad y seguridad digital depende, en gran medida, de lo que aprendamos hoy con modelos como Mythos.

La imagen de representación de esta noticia ha sido generada mediante inteligencia artificial con Nano Banana.

OpenAI propone una ley federal de IA como alternativa al decreto de Trump

NotebookLM
-
0
OpenAI propone una ley federal de IA como alternativa al decreto de Trump

Mientras el presidente Donald Trump firmaba una orden ejecutiva que apuesta por la supervisión voluntaria liderada por la Agencia de Seguridad Nacional (NSA), OpenAI lanzaba un contraataque estratégico: su propio «Plan Federal para la IA de Frontera«. Esta propuesta, liderada por Sam Altman, no es solo un documento técnico, sino un manifiesto político que exige que el control de la tecnología más potente del siglo XXI recaiga en manos de instituciones civiles y democráticas, no en agencias de inteligencia.

OpenAI aboga por evaluaciones obligatorias y transparentes, chocando frontalmente con el enfoque de la Casa Blanca que prioriza la velocidad competitiva frente a China. Este enfrentamiento define una batalla crucial por quién tendrá la última palabra sobre los sistemas que podrían rediseñar nuestra economía y seguridad nacional, planteando una pregunta incómoda: ¿debe la IA ser vigilada por el Pentágono o por la sociedad civil?

¿En qué consiste el plan de OpenAI frente al de la Casa Blanca?

La propuesta de OpenAI, detallada en su documento Gobernanza Democrática de la IA de Frontera, introduce un concepto innovador llamado federalismo inverso. En lugar de inventar normas desde cero, OpenAI sugiere que el Congreso adopte los marcos legales que ya han empezado a desarrollar estados como California, Nueva York e Illinois. El objetivo es crear una ley nacional única que evite el caos de tener 50 regulaciones distintas, pero manteniendo la exigencia de esos estados.

A diferencia de la orden ejecutiva de Trump, que permite a las empresas decidir si se someten a revisión, OpenAI pide que las evaluaciones sean obligatorias para los modelos más capaces. Estas pruebas no serían realizadas por espías, sino por el Centro de Estándares e Innovación de IA (CAISI), un organismo civil dependiente del Departamento de Comercio. La idea es que la seguridad de la IA sea tratada con la misma transparencia que la de un medicamento o un avión, y no como un secreto de estado bajo llave en la NSA.

El plan establece siete requisitos mínimos para cualquier empresa que desarrolle modelos de frontera. Entre ellos destacan las auditorías independientes anuales, la protección de los denunciantes (whistleblowers) y la notificación obligatoria de incidentes críticos de seguridad. Además, pone el foco en la seguridad de los pesos del modelo, que son esencialmente las instrucciones matemáticas que hacen que una IA funcione, para evitar que caigan en manos de actores malintencionados.

¿Por qué importa este pulso regulatorio?

Este choque no es una simple diferencia de matices; es una lucha por la transparencia y el modelo de sociedad. La orden ejecutiva de Donald Trump, tras sufrir presiones de figuras como David Sacks, redujo el tiempo de revisión de los nuevos modelos de 90 a solo 30 días. Además, el gobierno ha renunciado explícitamente a crear cualquier sistema de licencias obligatorias, temiendo que esto frene la innovación frente a potencias como China.

OpenAI sostiene que este enfoque voluntario es insuficiente. Les preocupa especialmente la automejora recursiva (RSI), un fenómeno donde la IA se utiliza para mejorar su propio código, acelerando el desarrollo de forma tan rápida que podría escapar al control humano. Según el documento de la compañía, las instituciones actuales no están preparadas para la velocidad de la RSI, y solo un organismo civil fuerte y bien financiado podría monitorizar este progreso sin asfixiar la industria.

Las implicaciones de este debate para las empresas y usuarios son profundas:

  • Instituciones vs. Empresas: OpenAI afirma que las decisiones sobre el ritmo de la innovación no deben tomarlas los laboratorios privados por sí solos, sino los procesos democráticos.
  • Seguridad Nacional: Mientras Trump confía en la NSA para evaluar riesgos de ciberseguridad, OpenAI cree que el acceso a inteligencia clasificada debe combinarse con la rendición de cuentas pública.
  • Resiliencia Social: El plan propone que el gobierno invierta en capacidades de defensa (como ciberdefensa impulsada por IA) para que avancen siempre más rápido que las capacidades de ataque de los criminales.
  • Certeza Legal: Al proponer una ley federal que anule las estatales, OpenAI busca proteger a las startups de una carga burocrática excesiva que solo las grandes tecnológicas podrían soportar.

Contexto: una industria dividida y una Casa Blanca prudente

La tensión ha crecido desde que modelos como Mythos, de la empresa Anthropic, demostraron capacidades para hallar fallos de seguridad críticos en sistemas gubernamentales. Esto forzó a la administración Trump a actuar, pero su respuesta ha sido calificada de tibia por algunos sectores. Aunque empresas como Microsoft, xAI y Google DeepMind han firmado acuerdos de revisión con el Departamento de Comercio, estos siguen siendo compromisos voluntarios que pueden romperse en cualquier momento.

OpenAI, que paradójicamente es la empresa que inició esta carrera, parece ahora la más interesada en que existan reglas de tráfico claras. Sam Altman ha pasado las últimas semanas en Washington reuniéndose con legisladores de ambos partidos. Su mensaje es claro: Estados Unidos debe liderar no solo en tecnología, sino también en cómo se gobierna esa tecnología. Si el gobierno no fortalece al CAISI con presupuesto y autoridad, advierten, la seguridad quedará en un segundo plano frente a los beneficios económicos.

Por otro lado, la administración actual teme que cualquier regulación obligatoria sea vista como un freno a la innovación. El propio Trump ha declarado que su política de «América Primero» requiere dominar la IA globalmente, y que las regulaciones «onerosas» son un regalo para los competidores extranjeros. Esta división interna en Washington entre quienes priorizan la seguridad y quienes priorizan la supremacía tecnológica es la que OpenAI intenta resolver con su nueva hoja de ruta.

¿Qué significa esto para el futuro?

Estamos ante un periodo crítico de 60 días en el que las agencias federales deben concretar cómo aplicarán la orden presidencial. OpenAI está aprovechando este hueco para intentar que el Congreso actúe y eleve su propuesta de ley. La visión de la compañía es optimista pero realista: creen que la IA puede solucionar problemas que antes parecían irresolubles, pero solo si la sociedad confía en las instituciones que la vigilan.

Lo que ocurra en los próximos meses determinará si la inteligencia artificial se convierte en una herramienta transparente y regulada o en una tecnología de uso dual bajo control militar. La propuesta de OpenAI es un recordatorio de que, en una democracia, el futuro no debería decidirse en despachos cerrados de Silicon Valley ni en los sótanos de las agencias de inteligencia, sino a través de un debate público y leyes claras. La carrera por la IA de frontera no ha hecho más que empezar, y las reglas del juego están hoy más en el aire que nunca.

La fotografía de representación de esta noticia pertenece a Sebastian Pichler y ha sido publicada en Unsplash

El 84% de los sistemas de IA actuales no ofrece datos sobre su rastro ecológico

NotebookLM
-
0
El 84% de los sistemas de IA actuales no ofrece datos sobre su rastro ecológico

La inteligencia artificial se ha integrado en nuestras vidas a una velocidad sin precedentes, pero su crecimiento esconde una realidad física preocupante. Según el último informe de la Arcep publicado en mayo de 2026, el 84% de los sistemas de IA actuales no ofrece datos sobre su rastro ecológico, operando en una opacidad casi total respecto al consumo de energía, agua y materias primas.

Mientras que el 48% de la población ya utiliza estas herramientas diariamente, solo un escaso 2% de los modelos analizados proporciona información ambiental directa. Este vacío informativo llega en un momento crítico, ya que el consumo eléctrico de los centros de datos podría duplicarse para 2030 debido a la complejidad de gigantes como GPT-5.

El regulador francés advierte que, sin una transparencia real y medidas de ecodiseño obligatorias, la revolución digital corre el riesgo de chocar con los límites físicos del planeta. Entender el impacto de cada consulta es vital para asegurar que la innovación no comprometa el bienestar de las generaciones futuras.

La gran brecha de información en la industria del software

A pesar de que la IA generativa es una de las tecnologías que más inversión atrae en la actualidad, su impacto real sigue siendo un misterio para el gran público y para los propios reguladores. Como se explica en la página oficial de la Arcep, un estudio detallado sobre 754 modelos desplegados hasta principios de 2025 reveló que la inmensa mayoría de las empresas no publican ningún tipo de reporte ambiental. Solo una mínima fracción aporta datos sobre su consumo energético o su intensidad de carbono.

Esta falta de claridad se debe a varios factores, entre ellos la competencia feroz entre los gigantes tecnológicos y la ausencia de una metodología común para medir estos impactos. De los modelos analizados, un 14% ofrece datos técnicos indirectos, como el número de parámetros o el tiempo de entrenamiento, que pueden servir para realizar estimaciones. Sin embargo, el grueso de la industria se mantiene en silencio sobre cuántos recursos naturales devora cada vez que genera un párrafo de texto o una imagen hiperrealista.

El informe subraya que esta situación genera una asimetría de información que impide a los usuarios y a las empresas tomar decisiones éticas. Sin datos precisos, es imposible saber si un servicio de IA es más o menos eficiente que otro, lo que frena la competitividad basada en la sostenibilidad. Por ello, se propone que las autoridades públicas tengan el mandato de recolectar y publicar estos datos, permitiendo así una regulación basada en la evidencia.

Más allá de los algoritmos: el peso de la materia

Es común pensar en la IA como algo inmaterial que vive en la nube, pero su funcionamiento depende de infraestructuras físicas masivas. El entrenamiento de un modelo como GPT-3, por ejemplo, necesitó consumir cerca de 1.287 MWh de electricidad, una cifra que equivale al gasto anual de cientos de hogares. Pero el impacto no termina ahí. Los sistemas de refrigeración de los servidores consumen millones de litros de agua dulce para evitar que los componentes se fundan por el calor generado.

El coste ecológico también se mide en metales preciosos y tierras raras. La fabricación de las tarjetas gráficas especializadas, conocidas como GPU, es un proceso intensivo que genera una huella de carbono considerable antes de que el equipo se encienda por primera vez. Una sola de estas tarjetas puede emitir unos 150 kg de CO2 durante su producción. Con la llegada de modelos como GPT-5, que alcanza una complejidad de 1,7 billones de parámetros, la demanda de este hardware no para de crecer.

Un factor alarmante señalado por el informe es el efecto rebote. A medida que la IA se vuelve más eficiente y accesible, su uso se dispara de tal forma que los ahorros tecnológicos individuales quedan anulados por el aumento masivo del consumo global. De hecho, realizar una consulta a través de un sistema de IA generativa puede gastar entre 50 y 90 veces más energía que una búsqueda tradicional en Google. Esta tendencia pone en duda los objetivos de descarbonización de empresas como Microsoft o Google, que ya han admitido dificultades para cumplir sus metas climáticas para 2030.

Propuestas para un futuro digital sostenible

Ante este diagnóstico, la Arcep ha trabajado estrechamente con el PEReN (Polo de Peritaje de la Regulación Digital) para proponer una hoja de ruta clara. Una de las recomendaciones centrales es la promoción de la IA frugal. Se trata de desarrollar modelos más pequeños y especializados, conocidos como SLM (Small Language Models), que pueden ser hasta un 90% más eficientes que los modelos generalistas masivos sin perder apenas rendimiento en tareas específicas.

Además, el organismo regulador sugiere las siguientes medidas de acción inmediata:

  • Etiquetas energéticas: Implementar un sistema de etiquetado obligatorio, similar al de los electrodomésticos, que informe al usuario sobre el coste ambiental de cada consulta o servicio de IA.
  • Ecodiseño obligatorio: Integrar principios de sostenibilidad desde la fase de concepción de los algoritmos para reducir el tráfico de datos superfluo y optimizar el hardware.
  • Transparencia en la ubicación: Exigir que se revele dónde se entrenan los modelos, ya que la huella de carbono cambia drásticamente según el mix eléctrico del país (no es lo mismo usar energía nuclear en Francia que carbón en otros lugares).
  • Derecho a la desinstalación: Garantizar que los usuarios puedan desactivar las funciones de IA integradas por defecto en sus dispositivos para evitar un gasto energético innecesario.

¿Qué significa esto para los usuarios?

Estamos ante un cambio de paradigma. La era de los modelos gigantes que consumen recursos sin límite está empezando a ser cuestionada por una visión más racional. Como explica el estudio presentado por la Arcep, la clave no es frenar el progreso, sino orientarlo hacia la eficiencia. La sostenibilidad puede convertirse en una ventaja competitiva para la industria europea si logramos liderar el mercado de la IA de baja intensidad energética.

En el futuro cercano, es probable que empecemos a ver interfaces que nos avisen cuando una pregunta compleja tiene un impacto ambiental alto, sugiriéndonos alternativas más sencillas. La tecnología del mañana no solo tendrá que ser la más inteligente, sino también la que mejor se adapte a los límites de nuestro entorno. La transparencia es, por tanto, el primer paso indispensable para que la inteligencia artificial no sea el motor que acelere el agotamiento de los recursos naturales.

Gusanos informáticos con IA: la nueva amenaza que razona y se adapta

NotebookLM
-
0
Gusanos informáticos con IA: la nueva amenaza que razona y se adapta

La ciberseguridad acaba de entrar en una nueva era con la aparición de los primeros gusanos informáticos impulsados por inteligencia artificial. Un equipo de investigadores de la Universidad de Toronto y el Instituto Vector ha presentado un prototipo capaz de razonar sobre la marcha para infectar sistemas.

A diferencia de las amenazas tradicionales como el famoso WannaCry, que utilizaban un código de ataque fijo, este nuevo tipo de malware utiliza modelos de lenguaje de gran tamaño para analizar cada ordenador que encuentra y diseñar una estrategia de ataque personalizada. Este avance, detallado en un estudio reciente, demuestra que las amenazas autónomas ya no son simples teorías de laboratorio.

El experimento se realizó en un entorno controlado con 33 máquinas que simulaban una red corporativa real, donde el gusano logró propagarse con éxito identificando vulnerabilidades por sí mismo. Lo más preocupante es el cambio económico que esto supone: una vez que el atacante lanza el gusano, el coste de infectar cada nueva máquina es prácticamente cero, ya que el programa utiliza la potencia de cálculo de los propios ordenadores comprometidos para seguir pensando. Esto obliga a replantear cómo protegemos nuestras redes ante adversarios que pueden aprender y adaptarse en tiempo real.

¿Qué es un gusano con IA y cómo funciona?

Un gusano informático es un tipo de software malicioso que se replica a sí mismo para saltar de un ordenador a otro a través de una red. Hasta ahora, estos programas dependían de una lógica rígida: si el objetivo no presentaba exactamente el fallo de seguridad que el gusano sabía explotar, la infección se detenía. Sin embargo, el nuevo razonamiento generativo permite que el malware no dependa de un código estático, sino de la capacidad de analizar su entorno en tiempo real.

Este sistema utiliza lo que los investigadores llaman un andamiaje de agentes (agentic harness). Básicamente, es una estructura que rodea a un modelo de lenguaje y le permite ejecutar comandos, leer resultados y decidir el siguiente paso. En lugar de usar modelos gigantescos que requieren conexión a la nube, este gusano emplea modelos de lenguaje de peso abierto (open-weight LLMs). Estos son lo suficientemente pequeños para ejecutarse de forma local en una tarjeta gráfica común, lo que los hace independientes y difíciles de detener mediante bloqueos externos.

El proceso de ataque se divide en fases lógicas: descubrimiento de la red, identificación de fallos en el equipo objetivo, ejecución del ataque y, finalmente, la autorreplicación. Si un método falla, la IA no se rinde; analiza el error, ajusta su estrategia y vuelve a intentarlo con una variante distinta. Esta capacidad de adaptación autónoma es la que marca la diferencia respecto a cualquier malware visto anteriormente.

Por qué este avance cambia las reglas del juego

La implicación más profunda de este estudio es el cambio en la economía del cibercrimen. Históricamente, realizar ataques personalizados requería equipos de expertos humanos que dedicaban días o semanas a estudiar a una sola víctima. Con los gusanos impulsados por IA, ese esfuerzo se automatiza. El atacante solo tiene que realizar una inversión inicial para lanzar el programa; a partir de ahí, la economía de la ciberseguridad se desequilibra, ya que el coste marginal de cada nueva infección para el criminal es nulo.

Además, estos gusanos actúan como una «colmena» o enjambre. Cuando el malware toma el control de un equipo potente con una unidad de procesamiento gráfico (GPU), instala allí una copia de su «cerebro». Otros fragmentos del gusano en dispositivos más sencillos, como una impresora o una cámara inteligente, pueden conectarse a ese equipo infectado para pedirle instrucciones de razonamiento. Esta arquitectura descentralizada significa que no hay un servidor central que la policía pueda apagar para detener la propagación.

Durante las pruebas, el gusano demostró ser capaz de:

  • Identificar correctamente el 82% de las vulnerabilidades presentes en los equipos.
  • Aprovechar fallos de seguridad publicados apenas unas semanas antes del experimento, demostrando que puede aprender de información nueva.
  • Resolver problemas técnicos de forma creativa, como modificar su propio código para saltarse bloqueos de seguridad internos.

El experimento «FakeCorp» y sus creadores

Detrás de este hallazgo se encuentra un equipo liderado por investigadores de la Universidad de Toronto y el Instituto Vector, incluyendo nombres como Jonas Guan, Tom Blanchard, Hanna Foerster y Hengrui Jia, bajo la supervisión de Nicolas Papernot. Para demostrar la viabilidad de la amenaza de forma segura, crearon una red aislada llamada FakeCorp.

Esta red ficticia contaba con 33 máquinas virtuales que incluían servidores Linux, entornos Windows y dispositivos del Internet de las Cosas (IoT). Los investigadores introdujeron fallos de configuración comunes y vulnerabilidades reales documentadas por organizaciones como CISA y MITRE. Los resultados fueron contundentes: en solo siete días de operación autónoma, el gusano logró comprometer la mayoría de la red, llegando a replicarse hasta en siete generaciones sucesivas.

Es importante destacar que el equipo siguió estrictos protocolos éticos. El estudio se realizó en servidores sin conexión a internet y se notificó a las autoridades del Gobierno de Canadá antes de su publicación para que pudieran prepararse ante este nuevo tipo de riesgos.

¿Qué significa esto para el futuro?

Estamos ante un aviso preventivo para la industria tecnológica y los legisladores. La llegada de adversarios generativos autónomos significa que las defensas tradicionales, basadas en parches estáticos, podrían no ser suficientes. Si un gusano puede leer un boletín de seguridad y crear un ataque en cuestión de horas, las empresas deben acelerar drásticamente su capacidad de respuesta.

La solución a largo plazo parece residir en adoptar principios de confianza cero (Zero Trust) y una micro-segmentación de las redes más agresiva, limitando el movimiento que estos programas necesitan para saltar de un equipo a otro. Aunque el panorama parece desafiante, los mismos investigadores sugieren un enfoque realista: usar la propia IA para detectar estos patrones de comportamiento y cerrar las brechas antes de que un gusano las encuentre. La carrera entre el ataque y la defensa acaba de ganar una velocidad sin precedentes.

Hackean Instagram usando el propio chat de soporte de Meta AI

NotebookLM
-
0
Hackean Instagram usando el propio chat de soporte de Meta AI

La seguridad en redes sociales ha enfrentado un desafío inesperado tras descubrirse que el sistema de soporte automatizado de Meta podía ser manipulado para facilitar el robo de cuentas en Instagram. Varios atacantes consiguieron tomar el control de perfiles ajenos mediante una técnica asombrosamente sencilla, pedirle directamente al chatbot de inteligencia artificial de la compañía que vinculase una nueva dirección de correo electrónico a un nombre de usuario específico.

Este incidente, reportado inicialmente por medios especializados, pone de manifiesto los peligros de otorgar excesiva autonomía a las herramientas de inteligencia artificial en procesos críticos como la gestión de credenciales. Entre las víctimas se encuentran cuentas de alto perfil, incluyendo un antiguo perfil de la Casa Blanca vinculado a Barack Obama que permanecía inactivo desde el año 2017.

Aunque Meta ya ha implementado una corrección para cerrar esta vulnerabilidad, el suceso ha generado un debate necesario sobre los límites de la automatización en el servicio al cliente y la facilidad con la que los sistemas diseñados para ayudar pueden ser explotados por actores malintencionados que utilizan herramientas para ocultar su rastro.

¿En qué consistía este fallo de seguridad?

El núcleo del problema reside en la capacidad de decisión que Meta otorgó a su herramienta de Meta AI dentro de las funciones de soporte técnico. Según los informes que han salido a la luz, el proceso de ataque era desconcertantemente directo. Los atacantes no necesitaban conocimientos avanzados de programación o explotación de código complejo, simplemente interactuaban con el chat de soporte basado en inteligencia artificial.

Durante estas conversaciones, el atacante solicitaba al bot el cambio de la dirección de correo electrónico asociada a una cuenta de Instagram. Al proporcionar el nombre de usuario de la víctima, la inteligencia artificial, diseñada para agilizar trámites administrativos y mejorar la experiencia del usuario, procedía a realizar el cambio sin las verificaciones de identidad que un agente humano o un sistema de seguridad más robusto habrían exigido. Una vez que el correo electrónico era modificado, el atacante tenía el control total para restablecer la contraseña y expulsar al propietario legítimo.

Para evitar ser detectados por los sistemas de geolocalización y seguridad de Meta, los perpetradores utilizaron servicios de VPN (Red Privada Virtual). Esto les permitía enmascarar su ubicación real y simular que las peticiones provenían de lugares distintos, dificultando el rastreo de las actividades ilícitas. Esta combinación de manipulación de la lógica de la IA y herramientas de ocultación básica resultó ser suficiente para vulnerar la seguridad de una de las plataformas más grandes del mundo.

¿Por qué importa este incidente y qué cambia?

Este suceso es una señal de alerta para toda la industria tecnológica. La integración de la inteligencia artificial generativa en funciones de atención al cliente busca reducir costes y tiempos de espera, pero este caso demuestra que la eficiencia no puede ir en detrimento de la seguridad. Cuando se le da a una IA la potestad de modificar datos sensibles, como el correo de recuperación de una cuenta, el riesgo de ingeniería social aumenta exponencialmente.

Las implicaciones para los usuarios son directas. Si un sistema automatizado puede ser convencido mediante lenguaje natural para entregar las llaves de nuestra identidad digital, las medidas tradicionales de protección como las contraseñas complejas pierden parte de su valor. Esto obliga a las empresas a replantearse qué funciones deben permanecer bajo estricta supervisión humana y cuáles pueden ser delegadas a algoritmos.

Entre los cambios que este tipo de incidentes impulsa, destacan:

  • Revisiones más estrictas de los permisos de escritura de los chatbots de soporte.
  • Implementación de sistemas de verificación multifactor obligatorios antes de cualquier cambio de datos críticos realizado por una IA.
  • Mayor transparencia sobre qué procesos están siendo gestionados por humanos y cuáles por máquinas.

Contexto y responsables de la investigación

La vulnerabilidad fue sacada a la luz gracias a la labor periodística de 404 Media, quienes obtuvieron testimonios y vídeos que circulaban por la red donde se demostraba lo sencillo que resultaba realizar el ataque. Posteriormente, medios de referencia como TechCrunch confirmaron que Meta ya ha tomado cartas en el asunto y que la sutil brecha ha sido sellada.

El caso cobró especial relevancia al conocerse que varias cuentas verificadas y de gran importancia histórica se vieron comprometidas. Entre ellas, un perfil que perteneció a la administración de la Casa Blanca durante el mandato de Barack Obama. Aunque el perfil no había tenido actividad desde hace siete años, su captura por parte de terceros demuestra que incluso las cuentas inactivas son objetivos valiosos para los atacantes que buscan legitimidad o acceso a información histórica.

Este incidente ocurre en un momento en el que Meta y otros gigantes tecnológicos están invirtiendo miles de millones de dólares en mejorar sus modelos de lenguaje. La carrera por dominar el mercado de la IA a veces lleva a despliegues apresurados. Mientras tanto, la comunidad investigadora sigue centrada en entender aspectos más profundos de esta tecnología, como el desarrollo de conciencia de máquina, un área que está recibiendo una atención creciente por parte de compañías líderes a nivel mundial.

¿Qué significa esto para el futuro de la IA?

El hackeo de Instagram a través de Meta AI nos enseña que estamos en una fase de aprendizaje crítico. La inteligencia artificial es una herramienta poderosa para procesar información, pero todavía carece de la malicia necesaria para detectar engaños humanos sofisticados o simples peticiones fraudulentas que se salen de su programación ética inicial. El futuro no pasa por abandonar el soporte automatizado, sino por construir sistemas con capas de seguridad que entiendan el contexto y la sensibilidad de las acciones que ejecutan.

A corto plazo, es probable que veamos una vuelta a modelos híbridos donde la IA filtre las peticiones sencillas pero requiera una validación humana para cambios de configuración críticos. La lección para los usuarios es clara, la seguridad de nuestras cuentas no solo depende de nuestras propias prácticas, sino de la robustez de las herramientas que las plataformas ponen a nuestra disposición. La tecnología seguirá avanzando y es vital que la ciberseguridad evolucione al mismo ritmo para proteger nuestra vida digital.

La fotografía de representación de esta noticia pertenece a Solen Feyissa y ha sido publicada en Unsplash

Trump firma finalmente su orden sobre IA tras frenar un plan más restrictivo

NotebookLM
-
0
Trump firma finalmente su orden sobre IA tras frenar un plan más restrictivo

El presidente de Estados Unidos, Donald Trump, ha firmado finalmente su orden ejecutiva centrada en la inteligencia artificial. Este documento, rubricado el martes 2 de junio de 2026, establece un marco de colaboración sin precedentes entre la Casa Blanca y las grandes firmas del sector. El objetivo principal es evaluar los modelos de IA más avanzados antes de que lleguen al gran público, poniendo el foco en la seguridad nacional y la ciberseguridad.

La medida surge tras semanas de intensos debates internos y llega después de que el mandatario frenara un borrador previo por considerarlo excesivamente restrictivo. En un momento donde la carrera por el liderazgo tecnológico es global, Washington opta por un enfoque que busca proteger las infraestructuras críticas sin asfixiar la innovación de sus empresas con licencias estatales obligatorias. Esta decisión no solo define el rumbo de la industria en territorio estadounidense, sino que envía un mensaje claro al resto del mundo sobre cómo la mayor potencia económica planea gestionar los riesgos de los sistemas de inteligencia artificial de última generación.

¿En qué consiste el nuevo marco para la inteligencia artificial?

La orden ejecutiva firmada recientemente establece un sistema de supervisión que prioriza la vigilancia técnica sobre la restricción administrativa. El núcleo de la propuesta es un mecanismo de colaboración público-privada que permitirá al Gobierno de los Estados Unidos analizar los modelos de inteligencia artificial más potentes antes de que sean distribuidos comercialmente. El Ejecutivo busca identificar posibles vulnerabilidades o capacidades imprevistas que puedan comprometer la estabilidad del país.

Para operativizar este control, se ha anunciado la creación de un «centro de intercambio de información de ciberseguridad». Este organismo servirá como punto de encuentro para que las agencias federales y las empresas tecnológicas compartan datos sobre amenazas y hallazgos técnicos. Además, el texto otorga un plazo de 60 días a organismos clave como el Departamento del Tesoro, la NSA (Agencia de Seguridad Nacional), la CISA (Agencia de Seguridad de Infraestructura y Ciberseguridad) y el NIST (Instituto Nacional de Estándares y Tecnología) para diseñar un procedimiento clasificado de evaluación.

Este procedimiento tendrá como meta definir qué sistemas entran en la categoría de «modelo de frontera». Bajo este término se agrupan aquellas herramientas con capacidades computacionales tan elevadas que su impacto podría trascender el uso civil y afectar directamente a la defensa o la economía nacional. Al tratarse de un proceso clasificado, los detalles técnicos de estas evaluaciones se mantendrán bajo reserva para no comprometer la seguridad de las propias infraestructuras que se pretenden proteger.

¿Por qué importa este cambio y qué implica para el sector?

Lo más relevante de esta orden no es solo lo que incluye, sino lo que ha decidido dejar fuera de forma deliberada. La Administración ha optado por descartar los sistemas de autorización gubernamental obligatoria para el desarrollo de IA. Esto significa que, por el momento, no se exigirán permisos previos o licencias estatales para que una empresa pueda empezar a trabajar en un nuevo modelo, una posibilidad que se había barajado en borradores anteriores y que generaba una fuerte oposición en Silicon Valley.

Esta decisión tiene implicaciones directas para la industria:

  • Protección de la competitividad: Se busca que las empresas estadounidenses mantengan su ventaja frente a competidores internacionales, especialmente ante el avance de potencias como China.
  • Seguridad por diseño: Al involucrar a la NSA y al NIST en las evaluaciones, se introduce un rigor técnico en la fase de desarrollo que antes quedaba exclusivamente en manos de las juntas directivas privadas.
  • Menor burocracia inmediata: Las startups y gigantes tecnológicos evitan un proceso de licitaciones que podría ralentizar los ciclos de innovación, que en el campo de la IA se miden en semanas, no en años.

El enfoque adoptado sugiere que la Casa Blanca confía en la autorregulación asistida, donde el Estado actúa como un observador con capacidades de intervención técnica, pero no como un guardián administrativo que bloquee la entrada al mercado. Es un equilibrio delicado que intenta responder a los riesgos de ciberseguridad, como el uso de la IA para ataques informáticos a gran escala, sin frenar el motor económico que representa esta tecnología.

El contexto político y los nombres detrás de la norma

La gestación de esta orden ejecutiva ha sido compleja. Apenas una semana antes de su firma, el presidente Trump detuvo un borrador mucho más ambicioso. Los sectores más moderados de su equipo consideraban que las exigencias de aquel documento inicial eran demasiado estrictas y podían perjudicar la hegemonía tecnológica de Estados Unidos. La versión final es, por tanto, una solución intermedia fruto de negociaciones que se extendieron hasta las últimas horas.

En este proceso han tenido un papel fundamental figuras del entorno empresarial y político. Por un lado, el inversor y asesor tecnológico David Sacks, conocido por su postura favorable a una regulación mínima para fomentar la innovación. Por otro, Ryan Baasch, director adjunto del Consejo Económico Nacional. Ambos impulsaron la cláusula que impide que la norma sea interpretada como una vía para implantar licencias o mecanismos de aprobación obligatorios por parte del Estado.

La influencia de estos perfiles refleja la intención del Gobierno de alinear sus políticas de seguridad nacional con los intereses de crecimiento del sector tecnológico. La Administración sostiene que, si bien la inteligencia artificial fortalece al país, los desafíos que plantea requieren una respuesta coordinada que no puede darse de espaldas a los creadores de estas herramientas.

¿Qué significa esto para el futuro de la IA?

La firma de esta orden ejecutiva indica que Washington ha decidido ganar tiempo. En lugar de establecer leyes permanentes y rígidas en un campo que cambia casi a diario, el Gobierno prefiere reforzar la vigilancia y la evaluación de riesgos a corto plazo. Es un periodo de observación donde se pondrán a prueba las capacidades de las agencias federales para entender y supervisar sistemas que, en muchos casos, superan los conocimientos técnicos del personal estatal.

Lo que viene ahora es una fase de implementación técnica. En los próximos dos meses veremos cómo se configuran esos criterios para definir un «modelo de frontera». El futuro de la IA en Estados Unidos parece encaminado a un modelo de libertad supervisada, donde la innovación tiene vía libre siempre que no toque las líneas rojas de la seguridad del Estado. Es una apuesta por el liderazgo a través de la agilidad, aunque queda la duda de si este marco será suficiente para contener los riesgos éticos y sociales que van más allá de la ciberseguridad pura.

España activa cinco nodos para llevar la IA a sectores estratégicos

NotebookLM
-
0
España activa cinco nodos para llevar la IA a sectores estratégicos

El Ministerio para la Transformación Digital y de la Función Pública anunció la puesta en marcha de cinco nodos sectoriales que extenderán las capacidades de la Factoría de Inteligencia Artificial del Barcelona Supercomputing Center (BSC-CNS) a todo el país.

Esta iniciativa, que cuenta con una inversión de 2,7 millones de euros, busca que las pequeñas y medianas empresas, así como organizaciones de sectores críticos, puedan integrar soluciones de IA en sus procesos diarios. Mediante la colaboración de cinco centros tecnológicos de referencia, el proyecto AI4ES pretende dinamizar el ecosistema tecnológico nacional a través de acciones virtuales y eventos presenciales en diversas ciudades.

La importancia de este despliegue radica en su capacidad para conectar el conocimiento científico de alto nivel con las necesidades reales del mercado en áreas como la salud, la energía o la agricultura. Con el primer taller programado para el 16 de junio, comienza una etapa de acompañamiento técnico que pretende transformar la productividad industrial española mediante el uso estratégico de los datos y los algoritmos.

¿En qué consisten los nuevos nodos sectoriales de IA?

Los nodos sectoriales son estructuras de dinamización y acompañamiento diseñadas para facilitar que la tecnología no se quede solo en los laboratorios. Su función principal es actuar como un puente entre la infraestructura científica de la Factoría de Inteligencia Artificial y el tejido empresarial, especialmente las pymes que a menudo encuentran barreras de entrada para adoptar estas innovaciones.

Para lograr este despliegue, se ha seleccionado a una agrupación estratégica de cinco centros tecnológicos bajo la marca AI4ES. Estos centros trabajarán de forma coordinada, aunque cada uno asumirá el liderazgo de un área específica. Esta estructura permite que el conocimiento especializado llegue de forma más directa a las empresas de cada vertical económica, asegurando que las soluciones propuestas sean útiles y aplicables.

La red está compuesta por el Instituto Tecnológico de Informática (ITI) en Valencia, la Fundación CTIC de Asturias, Eurecat en Cataluña, el Instituto Tecnológico de Galicia (ITG) y Tecnalia en el País Vasco. Estos centros cuentan con el reconocimiento oficial del Ministerio de Ciencia, Innovación y Universidades dentro del programa RED CERVERA, lo que avala su capacidad científica en proyectos de investigación y desarrollo.

La actividad de estos nodos no será exclusivamente física. Se ha diseñado un modelo híbrido que combina la dinamización virtual con eventos presenciales distribuidos por toda la geografía española. De esta manera, se pretende que cualquier organización, independientemente de su ubicación, pueda beneficiarse de los recursos tecnológicos y científicos que ofrece el Barcelona Supercomputing Center.

Por qué importa este despliegue en la industria

La integración de la inteligencia artificial en los sectores estratégicos es un factor determinante para la competitividad económica actual. Hasta ahora, el uso de grandes modelos de computación estaba reservado a grandes corporaciones o centros de investigación avanzada. Al abrir estas capacidades, se busca que sectores como el de la salud, pharma y biotech puedan acelerar el descubrimiento de nuevos tratamientos o mejorar la precisión diagnóstica.

En el ámbito de la energía, el uso de algoritmos avanzados permite optimizar el consumo y mejorar la gestión de las redes eléctricas, algo fundamental para la transición hacia modelos más sostenibles. Por otro lado, el nodo dedicado a la agricultura, clima y economía azul trabajará en soluciones que ayuden a mitigar los efectos del cambio climático y a hacer más eficiente la producción primaria.

El impacto también llegará al sector de las finanzas y legal, donde la automatización y el análisis de grandes volúmenes de datos pueden mejorar la detección de riesgos. Asimismo, el nodo de comunicación y media se centrará en los retos actuales de la industria informativa, facilitando herramientas para la gestión de contenidos y la lucha contra la desinformación en entornos digitales.

Para asegurar que este proyecto tenga un impacto real, se han definido tres objetivos estratégicos fundamentales:

  • Análisis sistemático: Identificar de forma anual las necesidades específicas de cada sector para adaptar las herramientas tecnológicas.
  • Creación de soluciones aplicadas: Fomentar el desarrollo de proyectos que tengan un impacto medible en los productos o servicios de las empresas.
  • Conexión directa: Facilitar que las pymes puedan utilizar los recursos del BSC-CNS de manera sencilla y eficiente.

Contexto y centros responsables detrás del proyecto

La iniciativa ha sido impulsada por el Ministerio para la Transformación Digital y de la Función Pública, a través de la Secretaría de Estado de Digitalización e Inteligencia Artificial (SEDIA). La inversión total de 2,7 millones de euros se ha canalizado mediante la adjudicación a la Unión Temporal de Empresas (UTE) AI4ES, encargada de la ejecución técnica del proyecto.

Cada centro tecnológico aportará su especialización regional y técnica al conjunto nacional. Por ejemplo, Tecnalia coordinará las acciones en salud y biotecnología desde el País Vasco, mientras que la Fundación CTIC liderará los temas de agricultura y clima desde Asturias. Eurecat se encargará del área de medios en Cataluña, el ITG impulsará la energía desde Galicia y el ITI valenciano gestionará los sectores financiero y legal.

Esta colaboración solidaria busca que los recursos no se dupliquen y que cada sector tenga un referente claro al que acudir. La Factoría de Inteligencia Artificial actúa como el núcleo tecnológico que provee la capacidad de cómputo y el conocimiento científico necesario para que estos nodos puedan proponer soluciones de vanguardia a las empresas españolas.

El proyecto también contempla una estrecha relación con las organizaciones representativas de cada sector. No se trata solo de ofrecer tecnología, sino de entender la realidad de las asociaciones empresariales y clústeres sectoriales para que la adopción de la IA sea orgánica y responda a problemas reales de negocio y no solo a tendencias tecnológicas pasajeras.

¿Qué significa esto para el futuro de la IA en España?

La puesta en marcha de estos nodos marca el inicio de una fase de maduración en la estrategia nacional de inteligencia artificial. El primer hito relevante será el workshop online del próximo 16 de junio, donde se presentará formalmente el programa a todas las empresas interesadas. Este evento será participativo y servirá para recoger los primeros retos y necesidades que los nodos deberán abordar de manera prioritaria.

Además, antes de que finalice el año, se celebrará un evento híbrido en Barcelona que incluirá talleres de networking diseñados específicamente para pymes. El objetivo es que la tecnología deje de ser percibida como un elemento lejano y se convierta en una herramienta de trabajo cotidiana que aporte valor añadido y mejore la productividad de los trabajadores en sectores tradicionales.

El éxito de esta iniciativa dependerá en gran medida de la capacidad de los nodos para movilizar al ecosistema y demostrar casos de uso prácticos. Con un enfoque centrado en la colaboración y la descentralización, España busca fortalecer su soberanía tecnológica y asegurar que los avances en supercomputación tengan un retorno directo en la economía real y en el bienestar de la ciudadanía.

Martin Scorsese se une a Black Forest Labs para usar IA en el cine

NotebookLM
-
0
Martin Scorsese se une a Black Forest Labs para usar IA en el cine

Martin Scorsese, una de las figuras más respetadas de la historia del cine, ha sorprendido a la industria al anunciar su papel como asesor de la startup de inteligencia artificial Black Forest Labs. A sus 83 años, el director de clásicos como Taxi Driver defiende el uso de herramientas generativas para agilizar procesos creativos complejos, como la creación de storyboards y la comunicación de su visión artística a sus colaboradores directos.

Esta noticia ha generado una intensa división de opiniones entre sus seguidores y profesionales del sector. Mientras unos ven en este paso una evolución natural de la tecnología aplicada al arte, otros expresan su preocupación por el impacto ambiental y económico que la IA puede tener en Hollywood.

El respaldo de una leyenda como Scorsese no solo es un movimiento empresarial, sino que marca un hito en el debate sobre la legitimidad de estas herramientas en el cine de autor, demostrando que incluso los cineastas más tradicionales están explorando nuevas fronteras tecnológicas para enriquecer la narrativa visual y optimizar los recursos de producción.

Un puente entre la tradición y la tecnología generativa

La colaboración consiste en la integración de la inteligencia artificial generativa en las fases iniciales del desarrollo cinematográfico. Scorsese ha comenzado a utilizar estas herramientas principalmente para elaborar storyboards, que son las secuencias de ilustraciones que sirven de guía visual para cada escena de una película. Según se ha podido ver en demostraciones recientes, el director emplea el software para generar bocetos rápidos que capturan la composición y la atmósfera que desea transmitir antes de encender una sola cámara.

Para un cineasta, la capacidad de traducir una idea mental en una imagen tangible en cuestión de segundos representa un cambio en la dinámica de trabajo. En lugar de depender de largos ciclos de dibujo manual o descripciones verbales abstractas, la herramienta de Black Forest Labs permite crear representaciones visuales que sirven como punto de partida para el equipo técnico. Esto no sustituye el trabajo final, sino que actúa como un lenguaje visual intermedio para mejorar la inteligencia cinematográfica colectiva del set.

Scorsese enfatiza que estas herramientas son extensiones de la creatividad humana y no reemplazos. El uso de la IA permite que el diseñador de producción, el director de arte y el director de fotografía comprendan con una precisión mucho mayor lo que el director tiene en mente. De este modo, el proceso de previsualización se vuelve más ágil, permitiendo que la toma de decisiones sea más fluida y reduciendo la fricción entre la visión conceptual y la ejecución técnica en el rodaje.

Eficiencia y visión: el impacto en la producción cinematográfica

La incorporación de esta tecnología busca resolver uno de los mayores retos de las grandes producciones: el tiempo y el presupuesto. Scorsese ha recordado su experiencia en películas como Uno de los nuestros (Goodfellas), señalando que disponer de estas facilidades en 1990 le habría permitido encontrar soluciones visuales mucho más rápido. La rapidez en la previsualización evita el desgaste de los equipos de trabajo y optimiza el uso de los fondos financieros, algo crítico en una industria donde cada minuto de producción tiene un coste elevado.

Este cambio tiene implicaciones reales para varios departamentos en la industria del cine:

  • Optimización del tiempo: Reducción de las jornadas dedicadas a la revisión de bocetos y correcciones de arte preliminares.
  • Claridad conceptual: Mejora la comunicación entre el director y los jefes de departamento al ofrecer referencias visuales de alta fidelidad desde el primer día.
  • Exploración creativa: Permite probar diferentes ángulos, iluminaciones y composiciones de forma digital antes de invertir en decorados físicos o iluminación real.

Para las empresas del sector, este movimiento sugiere que la IA puede ser una aliada en la gestión de recursos. No se trata únicamente de crear imágenes, sino de usarlas como una herramienta de gestión de proyectos que permite visualizar el resultado final de forma temprana. Esto ayuda a identificar posibles problemas logísticos o narrativos antes de que se conviertan en errores costosos durante la fase de fotografía principal.

Black Forest Labs y la trayectoria tecnológica de Scorsese

Aunque Scorsese es conocido por su defensa de la preservación del cine clásico, nunca ha sido ajeno a la innovación técnica. En el pasado, ya integró la animación 3D en la película La invención de Hugo y utilizó de forma extensiva el rejuvenecimiento digital (de-aging) en El irlandés para permitir que sus actores interpretaran versiones jóvenes de sí mismos. Su vinculación con Black Forest Labs es, por tanto, una continuación de su interés por las herramientas que expanden el lenguaje visual.

Black Forest Labs es una startup estadounidense que busca empujar los límites de la creación de experiencias más profundas para el público. Aunque no se ha aclarado si Scorsese es también un inversor financiero, su papel como asesor creativo proporciona a la empresa una validación institucional de primer nivel. No obstante, el anuncio ha despertado críticas en plataformas sociales. Usuarios y profesionales han expresado su decepción citando preocupaciones sobre el impacto ambiental del entrenamiento de estos modelos y los posibles efectos negativos en la economía laboral de Hollywood.

El debate se centra en si el uso de estas herramientas podría acabar desplazando a los artistas de storyboard tradicionales o si, como argumenta el director, simplemente les proporciona una base más sólida sobre la cual trabajar. La industria se encuentra en un momento de transición donde la legitimidad de la IA generativa está bajo la lupa, y la opinión de figuras de la talla de Scorsese inclina la balanza hacia una integración técnica consciente, aunque no exenta de polémica.

El futuro de la creación visual en Hollywood

La entrada de Scorsese en este terreno indica que la discusión sobre la inteligencia artificial en el arte está pasando de una fase de rechazo absoluto a una de exploración práctica. Como bien señala el director, el cine es un medio joven, con apenas 125 años de historia, y su evolución técnica es una constante inevitable. La clave para el futuro cercano parece estar en el equilibrio: utilizar la tecnología para eliminar las tareas mecánicas y tediosas, permitiendo que el talento humano se centre en la toma de decisiones artísticas de alto nivel.

Lo que viene ahora es un periodo de observación. El éxito de esta colaboración se medirá en cómo estas herramientas se integran en los próximos proyectos de Scorsese y si otros directores de su generación siguen su ejemplo. La industria audiovisual camina hacia un modelo híbrido donde la experiencia de los grandes maestros y el potencial de los algoritmos deberán coexistir para seguir contando historias que emocionen a la audiencia de formas siempre nuevas.

¿Tu piso impecable sin pagar un euro? El nuevo trueque de datos de Shift

NotebookLM
-
0
¿Tu piso impecable sin pagar un euro? El nuevo trueque de datos de Shift

¿Imaginas que alguien limpie tu casa a fondo sin cobrarte ni un solo euro? Esta es la propuesta de Shift, una startup de inteligencia artificial que ha comenzado a ofrecer servicios de limpieza gratuitos en Nueva York. Sin embargo, no se trata de un acto de altruismo, sino de un intercambio comercial directo: el usuario recibe un hogar impecable y, a cambio, permite que los trabajadores graben cada uno de sus movimientos.

Mediante el uso de cámaras instaladas en dispositivos que los empleados llevan en la cabeza, la empresa recolecta información valiosa sobre cómo los humanos interactuamos con los objetos cotidianos, desde fregar platos hasta doblar la ropa. Este experimento, que pronto llegará a ciudades como Londres o Múnich, marca un punto de intervención nuevo en la industria tecnológica.

Ya no solo se trata de navegar por internet para alimentar algoritmos, sino de abrir las puertas de nuestra privacidad física para que la próxima generación de robots domésticos aprenda a manejarse en el mundo real. En un mercado donde la información es el activo más codiciado, el salón de tu casa podría ser la próxima gran fuente de entrenamiento para la IA.

El trueque: limpieza a fondo por metraje real

El funcionamiento de este servicio es, en apariencia, muy sencillo. Los residentes de Nueva York pueden reservar una cita a través de la plataforma de la compañía en menos de un minuto. Una vez confirmada, un profesional de la limpieza acude al domicilio para realizar tareas que van desde pasar la aspiradora hasta fregar el baño o recoger la cocina. La particularidad reside en el equipo que porta el trabajador: un accesorio que la empresa denomina «sombrero mágico». Este dispositivo cuenta con una cámara integrada que registra todo el proceso desde el punto de vista del limpiador, capturando sus manos y la forma en que manipula cada objeto.

Según los responsables de la empresa, el valor de estos vídeos grabados en primera persona es tan alto que compensa totalmente el coste del servicio profesional. Como explican en su página web oficial, el objetivo es recopilar metraje real para ayudar a que los futuros robots del hogar comprendan la complejidad de un entorno doméstico. A diferencia de un laboratorio controlado, una casa real presenta retos constantes: calcetines en el suelo, platos de diferentes formas o muebles dispuestos de manera irregular. Para una inteligencia artificial, estas variaciones son fundamentales para un aprendizaje robusto.

La oferta incluye casi cualquier tarea doméstica imaginable. Los limpiadores pueden encargarse de tareas como:

  • Doblado de ropa y organización de armarios
  • Limpieza profunda de baños y cocinas
  • Lavado de platos y organización de la nevera o despensa
  • Recogida de juguetes y orden general de las habitaciones
  • Limpieza de cristales, espejos y superficies

Curiosamente, la empresa señala que cuanto más sucia o desordenada esté la casa, mejor, ya que los entornos especialmente difíciles proporcionan datos de mayor calidad para el entrenamiento de los algoritmos. No obstante, los profesionales tienen libertad para declinar cualquier tarea específica con la que no se sientan cómodos.

Por qué tus platos sucios son el tesoro de la IA

Hasta ahora, gran parte del avance de la inteligencia artificial se ha basado en datos digitales, como textos, fotos y vídeos extraídos de internet. Pero para que un robot pueda moverse por una cocina y fregar un plato sin romperlo, necesita entender la física del mundo real. Este cambio de enfoque hacia la recolección de datos físicos es lo que motiva la estrategia de Shift. Al grabar a profesionales realizando tareas cotidianas, la empresa está creando una biblioteca de movimientos humanos que servirá de guía para los sistemas de visión artificial y control motor de las máquinas.

Este modelo de negocio plantea una evolución en la economía de los datos. Si antes pagábamos por servicios con nuestra información de navegación o nuestros gustos personales, ahora estamos empezando a pagar con la geometría de nuestra intimidad. Algunas de las implicaciones que este cambio conlleva son la aceleración en la creación de robots domésticos eficaces y la apertura de nuevas fronteras para el entrenamiento de la IA, que ya no se limita a lo que escribimos o vemos, sino a lo que hacemos físicamente.

Shift no pretende quedarse solo en la limpieza. Según las declaraciones del co-CEO y cofundador, Bercan Kilic, la startup planea expandir este modelo a otros sectores como la fontanería, la cocina o incluso la construcción. La idea subyacente es la misma: cada hogar limpiado hoy establece los cimientos para un hogar que se limpie solo mañana.

Privacidad y contexto detrás del proyecto

La entrada de cámaras en el ámbito privado del hogar genera dudas legítimas sobre la seguridad de la información. Ante esto, Shift asegura que la privacidad está protegida mediante procesos de anonimización automática. La empresa utiliza sistemas para desenfocar rostros, nombres y cualquier información sensible que pueda aparecer en pantallas de ordenadores, teléfonos móviles o documentos de identidad antes de que el metraje sea utilizado para el entrenamiento.

Es importante destacar que los limpiadores no son empleados directos de Shift. La startup funciona como una plataforma tecnológica que conecta a profesionales independientes, verificados por sus socios, con los usuarios. Actualmente, la compañía ya cuenta con una red de más de 10.000 colaboradores repartidos en más de 15 países, quienes reciben pagos por subir vídeos realizando diversas actividades cotidianas a través de su aplicación móvil.

Aunque el servicio gratuito de limpieza ha comenzado en Nueva York, los planes de expansión son inmediatos. Ciudades como San Francisco, Londres, Zúrich y Múnich serán las próximas en recibir esta oferta. Esto sugiere que la demanda de datos de alta calidad para robótica es una prioridad global para la industria tecnológica, que está dispuesta a asumir costes operativos significativos para obtenerlos.

¿Qué significa esto para el futuro?

Estamos asistiendo a un experimento social y tecnológico de gran escala. La propuesta de Shift nos obliga a reflexionar sobre el valor que otorgamos a nuestra privacidad frente a la comodidad de un servicio gratuito. Si bien la idea de un hogar que se mantenga solo es un objetivo que la tecnología persigue desde hace décadas, el camino para lograrlo parece pasar por una fase de observación masiva de nuestras rutinas más mundanas.

A corto plazo, es probable que veamos más empresas adoptando modelos similares donde el pago no es monetario sino informativo. El éxito de esta iniciativa dependerá no solo de la calidad de los robots que ayuden a entrenar, sino de su capacidad para mantener la confianza de los usuarios mientras sus cámaras recorren los rincones más privados de nuestras casas. El futuro de la robótica doméstica se está diseñando hoy, bayeta en mano, en los apartamentos de Nueva York.

La fotografía de representación de esta noticia pertenece a Kowon vn y ha sido publicada en Unsplash

1...111213...87Página 12 de 87