Inicio Blog Página 20

Musk demanda a Colorado por su regulación de IA

NotebookLM
-
0
Musk demanda a Colorado por su regulación de IA

La tensión entre la innovación tecnológica y el control gubernamental ha alcanzado un nuevo nivel jurídico en Estados Unidos. La empresa de inteligencia artificial de Elon Musk, xAI, ha presentado una demanda contra el estado de Colorado para frenar la implementación de la primera ley integral en el país diseñada para regular los sistemas de IA. Esta normativa, cuya entrada en vigor está prevista para finales de junio de 2026, busca proteger a los ciudadanos de lo que denomina como discriminación algorítmica en sectores críticos como la salud, la vivienda y los servicios financieros.

Sin embargo, desde la compañía del magnate sostienen que estas reglas vulneran los derechos protegidos por la Primera Enmienda de la Constitución estadounidense, al considerar que el estado intenta forzar a los desarrolladores a adoptar posturas ideológicas específicas. El resultado de esta batalla legal podría definir el futuro de cómo se supervisan los algoritmos en el resto del mundo, marcando un precedente sobre si el código de una inteligencia artificial puede considerarse, a efectos legales, como una forma de discurso protegido.

¿En qué consiste la nueva regulación de Colorado?

La disputa se centra en una legislación pionera que el estado de Colorado aprobó con el objetivo de mitigar los sesgos en la inteligencia artificial. Esta ley impone requisitos estrictos a los desarrolladores e implementadores de sistemas de IA que toman decisiones automatizadas de alto impacto. La normativa trata de evitar que los algoritmos perpetúen prejuicios en áreas fundamentales como la educación, el empleo, la atención sanitaria, la vivienda y los servicios financieros.

Colorado se convirtió en el primer estado en aprobar un proyecto de ley tan exhaustivo, estableciendo una hoja de ruta que otros territorios planean seguir. Según el texto legal, las empresas deben realizar evaluaciones de impacto y mantener una transparencia rigurosa sobre cómo sus modelos procesan los datos para evitar resultados injustos. El objetivo es que ningún ciudadano se vea perjudicado por una decisión automatizada basada en criterios de raza, género u otras categorías protegidas.

Desde xAI, la visión es radicalmente opuesta. En la demanda presentada ante el tribunal de distrito de EE. UU. en Colorado, la empresa afirma que la ley obliga a las tecnológicas a promover las visiones ideológicas del estado, especialmente en temas de justicia racial. La compañía argumenta que las disposiciones prohíben la creación de sistemas que produzcan contenidos que el estado de Colorado considere desagradables, lo que supondría una forma de censura previa sobre el comportamiento de los modelos de lenguaje.

¿Por qué importa este juicio para la industria de la IA?

Este enfrentamiento legal no es solo una disputa corporativa, sino que representa un choque de filosofías sobre el desarrollo tecnológico. Por un lado, las autoridades buscan garantizar que la IA sea equitativa y segura para la sociedad. Por otro, empresas como xAI defienden que los modelos deben ser lo que ellos llaman máximamente buscadores de la verdad, sin verse limitados por normativas que consideran sesgadas políticamente. Las implicaciones son profundas:

  • Libertad de expresión algorítmica: Si el tribunal da la razón a xAI, se reforzaría la idea de que las respuestas de un chatbot están protegidas como discurso libre, dificultando cualquier intento estatal de regular el contenido o los sesgos de la IA.
  • Fragmentación normativa: Si Colorado gana, se validará la capacidad de los estados para imponer sus propias reglas, lo que podría crear un mosaico de leyes diferentes en cada región, complicando la operación de empresas tecnológicas a nivel nacional.
  • Responsabilidad empresarial: La ley obligaría a las compañías a auditar sus sistemas constantemente, lo que incrementa los costes operativos pero, teóricamente, aumenta la seguridad para el usuario final.

La situación se vuelve más compleja al observar el panorama político federal. Mientras estados como California y Nueva York trabajan en sus propias regulaciones, el entorno político en Washington ha mostrado tendencias hacia la flexibilización de estas normas. Algunos sectores de la administración actual han sugerido incluso una moratoria sobre las leyes estatales para evitar que frenen el progreso tecnológico frente a competidores internacionales.

Contexto y figuras clave detrás de la demanda

Detrás de este movimiento legal se encuentra xAI, la empresa que a principios de este año se fusionó con el negocio de cohetes de Musk, SpaceX. El producto estrella de la compañía es el chatbot Grok, que se promociona como una alternativa sin filtros a otros modelos de la competencia. No obstante, Grok no ha estado exento de críticas, habiendo sido señalado en diversas ocasiones por generar contenido que algunos sectores califican como ofensivo o por difundir teorías de conspiración.

La postura de la empresa ha sido defendida públicamente por figuras vinculadas al entorno de Musk. Katie Miller, antigua portavoz de xAI, manifestó que Colorado pretende forzar a Grok a seguir visiones de equidad y raza en lugar de permitir que el sistema responda basándose estrictamente en la evidencia. Según Miller, el chatbot debe responder a los datos y no a lo que denomina como regulaciones gubernamentales de izquierda.

Por su parte, el gobernador demócrata de Colorado, Jared Polis, firmó la ley en 2024, aunque lo hizo con reservas expresas. Polis ha instado a los legisladores estatales a enmendar partes del texto antes de su aplicación definitiva. Originalmente, la ley debía entrar en vigor en febrero, pero la fecha se retrasó hasta el 30 de junio de 2026 para permitir ajustes. Como informan medios especializados como The Guardian o Financial Times, la oficina del fiscal general de Colorado ha declinado hacer comentarios sobre el litigio en curso.

¿Qué significa esto para el futuro de la tecnología?

Estamos ante un momento decisivo para la gobernanza de la inteligencia artificial. La resolución de este caso determinará si los estados tienen la potestad de exigir que la tecnología sea socialmente responsable o si las empresas tienen carta blanca bajo el paraguas de la libertad de expresión. Si xAI logra la medida cautelar que solicita, la ley de Colorado podría quedar suspendida antes incluso de nacer, lo que enviaría un mensaje contundente a otros legisladores que preparan normas similares.

A medida que la inteligencia artificial se integra en procesos vitales de nuestra economía y vida diaria, la necesidad de un marco claro se vuelve urgente. Sin embargo, el desafío reside en encontrar un equilibrio que proteja los derechos civiles sin asfixiar la capacidad de innovación de las empresas. El futuro de la IA no se está escribiendo solo en laboratorios de computación, sino también en las salas de los tribunales, donde se decidirá quién tiene la última palabra sobre el comportamiento de las máquinas que pronto tomarán decisiones por nosotros.

La fotografía de representación de esta noticia ha sido publicada en Wikipedia.

Ingeniero cuestiona la capacidad de Microsoft para sostener la nueva IA

NotebookLM
-
0
Ingeniero cuestiona la capacidad de Microsoft para sostener la nueva IA

Axel Rietschin, un ingeniero con trayectoria en Microsoft vinculado al desarrollo del kernel de Windows, la virtualización y la infraestructura de contenedores, ha publicado una dura crítica sobre el estado interno de Azure. En una serie de textos difundidos en su blog personal, sostiene que la nube de Microsoft arrastra problemas de complejidad técnica, deuda acumulada y gestión deficiente que estarían afectando a su fiabilidad justo cuando la compañía compite por sostener la nueva ola de la inteligencia artificial.

Según su relato, estas carencias habrían debilitado la capacidad de Azure para responder con solidez a las exigencias de los grandes clientes de IA. Rietschin vincula ese deterioro con la decisión de OpenAI de ampliar su infraestructura más allá de Microsoft y recurrir también a proveedores como CoreWeave y Oracle. Se trata, en cualquier caso, de una interpretación del propio autor y no de una explicación confirmada por las compañías implicadas.

Rietschin se presenta como exingeniero del kernel de Microsoft y atribuye a su trayectoria experiencia directa en sistemas operativos, virtualización, computación de alto rendimiento y tecnologías de contenedores. En su perfil profesional también destaca varias patentes relacionadas con este ámbito, un elemento que refuerza el interés de sus denuncias, aunque no equivale por sí solo a una verificación independiente de sus acusaciones.

Un sistema al límite: 173 agentes y millones de fallos

Uno de los puntos más llamativos de su denuncia es el nivel de complejidad que, según asegura, ha alcanzado la arquitectura interna de Azure. Rietschin afirma que cada nodo de computación puede llegar a ejecutar hasta 173 agentes de software distintos dedicados a tareas de control y supervisión. A su juicio, esa superposición de procesos ha convertido la gestión del sistema en un entorno difícil de entender incluso para los propios equipos técnicos, con millones de cierres inesperados de procesos cada mes.

Siempre según su versión, ese peso del software de gestión estaría frenando la capacidad real de escalado de Azure. Aunque el hipervisor subyacente permitiría manejar una cifra mucho mayor de máquinas virtuales por nodo, la operativa efectiva quedaría limitada por el consumo de recursos y la inestabilidad generada por esa capa de control. En cargas de trabajo de inteligencia artificial, donde la continuidad del servicio y la baja latencia son especialmente importantes, esa fragilidad tendría un impacto directo.

Rietschin también sostiene que existen problemas de seguridad preocupantes en componentes sensibles de la plataforma. Entre ellos menciona WireServer, un servicio que, según su análisis, podría exponer en memoria datos no cifrados de varios clientes que comparten la misma infraestructura física. Se trata de una acusación especialmente delicada porque afectaría a uno de los pilares básicos del negocio en la nube: el aislamiento fiable entre clientes.

La pérdida de exclusividad y la salida hacia otros proveedores

Para Rietschin, la consecuencia más visible de este deterioro técnico sería el cambio de estrategia de OpenAI. La compañía de Sam Altman ha recurrido en los últimos meses a acuerdos con otros proveedores de infraestructura para ampliar su capacidad de cómputo, y el ingeniero interpreta ese movimiento como una señal de que Azure ya no basta por sí sola para cubrir las necesidades de los grandes modelos.

Esa lectura, sin embargo, conviene manejarla con prudencia. Que OpenAI haya diversificado su infraestructura es un hecho conocido; que lo haya hecho específicamente por fallos internos de Azure es, por ahora, una conclusión planteada por Rietschin. Aun así, su argumento apunta a una cuestión relevante para toda la industria: en la nueva carrera de la IA, la fiabilidad técnica de la infraestructura puede pesar tanto o más que las alianzas corporativas.

Si ese diagnóstico fuese correcto, las implicaciones serían profundas. Los grandes proveedores generalistas de nube podrían perder parte de su ventaja frente a empresas más especializadas en infraestructura para IA, y la estabilidad operativa pasaría a ser un criterio decisivo a la hora de repartir los contratos más estratégicos del sector.

Axel Rietschin: el autor tras la advertencia

Parte del interés que despierta esta historia está en el perfil de quien la firma. Axel Rietschin no se presenta como un observador externo, sino como un técnico con años de experiencia en áreas muy sensibles de Microsoft. En sus perfiles públicos reivindica haber trabajado en tecnologías de kernel, contenedores, virtualización y rendimiento de sistemas, además de figurar como inventor en varias patentes. Ese bagaje da contexto a sus críticas y ayuda a entender por qué sus textos han llamado la atención.

En su serie de informes técnicos titulada How Microsoft Vaporized a Trillion Dollars, Rietschin asegura además que trató de trasladar estas preocupaciones a la alta dirección de la empresa, incluyendo a Satya Nadella y al consejo de administración. Según su versión, no recibió respuesta. A partir de ahí, interpreta el silencio como un síntoma de una cultura corporativa más pendiente del relato y de la expansión comercial que de corregir los problemas de fondo de la ingeniería.

Entre los ejemplos que ofrece para ilustrar ese deterioro figura el supuesto recurso habitual a intervenciones manuales sobre servidores que, en teoría, deberían operar de forma altamente automatizada. El ingeniero afirma que entre agosto y octubre de 2024 se registraron más de 14.000 solicitudes de acceso manual, una cifra que, de ser exacta, dibujaría una dependencia muy elevada de procedimientos de emergencia dentro de una plataforma concebida para funcionar a escala global.

¿Qué significa esto para el futuro de la tecnología?

Más allá de si todas sus afirmaciones terminan o no confirmándose, la denuncia de Rietschin pone sobre la mesa una cuestión de fondo: hasta qué punto la carrera por liderar la inteligencia artificial está tensionando infraestructuras que quizá no estaban preparadas para este salto de escala. La nube no compite solo en precio o capacidad bruta; también lo hace en robustez, mantenibilidad y seguridad.

Por ahora, sus acusaciones deben leerse con cautela. Proceden de una fuente con experiencia técnica relevante, pero siguen siendo la versión de una sola persona y no una auditoría independiente. Aun así, el caso ilustra bien una idea que ya sobrevuela a toda la industria: en la era de los grandes modelos, la ventaja no será solo de quien tenga más chips, sino de quien sea capaz de sostenerlos sobre cimientos realmente sólidos.

Meta pone su superinteligencia sobre la mesa

NotebookLM
-
0
Meta pone su superinteligencia sobre la mesa

Meta ha presentado oficialmente Muse Spark, el primer modelo de su nueva familia de inteligencia artificial orientada a lo que denominan superinteligencia personal. Este lanzamiento, que llega de la mano de la recién creada unidad Meta Superintelligence Labs, marca un punto de inflexión estratégico para la compañía de Mark Zuckerberg al distanciarse de su tradicional enfoque de código abierto.

Muse Spark es un sistema nativamente multimodal, lo que le permite procesar texto e imágenes de forma fluida para tareas que van desde el asesoramiento nutricional hasta la creación de minijuegos web. El modelo ya ha comenzado a integrarse en el asistente Meta AI y se espera que llegue a aplicaciones masivas como WhatsApp, Instagram y Facebook en las próximas semanas. Con esta propuesta, la tecnológica busca recuperar el terreno frente a competidores como OpenAI y Google, tras un periodo de menor tracción con sus versiones anteriores de Llama. La noticia ha sido recibida con optimismo por los mercados, impulsando las acciones de la empresa en Wall Street mientras se define una nueva hoja de ruta centrada en la eficiencia y el razonamiento complejo.

¿Qué es Muse Spark y cómo funciona?

Muse Spark es un modelo de razonamiento multimodal nativo, lo que significa que ha sido entrenado desde el principio para entender y combinar diferentes tipos de información, como texto, imágenes y datos sensoriales. A diferencia de otros sistemas que añaden la visión como una capa externa, este modelo integra la percepción visual en su núcleo, permitiéndole interactuar con el mundo físico a través de cámaras o fotografías de una manera mucho más precisa.

El sistema introduce tres niveles de respuesta adaptados a las necesidades del usuario. El modo Instant está diseñado para consultas rápidas y sencillas de uso diario. Para tareas que requieren un análisis más profundo, como el estudio de documentos legales o científicos, se activa el modo Thinking. Finalmente, el modo Contemplating utiliza una orquestación de múltiples agentes de IA que trabajan en paralelo para resolver problemas de extrema complejidad.

Este nuevo motor de inteligencia es capaz de realizar lo que los técnicos llaman visual chain of thought o cadena de pensamiento visual. Esta función permite que la IA no solo vea un objeto, sino que razone sobre sus partes y su funcionamiento. Por ejemplo, si un usuario enfoca una cafetera averiada, el modelo puede identificar las piezas clave y generar un tutorial interactivo sobre cómo repararla, señalando los componentes exactos en la pantalla del dispositivo.

Un cambio de estrategia: por qué importa este modelo

Lo que realmente destaca de este lanzamiento es el giro operativo de Meta. Tradicionalmente, la empresa ha liderado el movimiento del código abierto con su familia de modelos Llama, compartiendo su tecnología con la comunidad global. Sin embargo, Muse Spark debuta como un modelo cerrado. Esto implica que su arquitectura y código interno no serán públicos, siguiendo una estrategia similar a la de sus competidores directos para proteger sus ventajas competitivas.

Este cambio se produce tras una recepción menos entusiasta de lo esperado para Llama 4 en el año anterior. Con Muse Spark, la compañía busca optimizar sus recursos de computación. Según los datos técnicos compartidos, el nuevo modelo alcanza las mismas capacidades que sus predecesores utilizando diez veces menos potencia de cálculo, lo que lo hace significativamente más rápido y eficiente para su despliegue masivo en dispositivos móviles.

Para las empresas y desarrolladores, Meta está abriendo una vista previa privada de su API, lo que sugiere una futura vía de monetización directa. Esto permitiría a terceros integrar las capacidades de razonamiento de Muse en sus propias aplicaciones, un modelo de negocio que ya ha consolidado el éxito de compañías como Anthropic y OpenAI en el sector profesional y corporativo.

Salud, compras y superinteligencia: aplicaciones reales

Meta ha puesto un énfasis especial en cómo esta IA puede ayudar en la vida cotidiana. En el ámbito de la salud, el equipo colaboró con más de 1.000 médicos especialistas para curar los datos de entrenamiento. Esto permite que Muse Spark ofrezca respuestas más rigurosas y detalladas, como el análisis de las etiquetas nutricionales de un alimento a través de una foto o la identificación de los grupos musculares activos durante un ejercicio físico.

En el ecosistema de redes sociales, el modelo potenciará un nuevo modo Shopping. Este asistente de compras se nutre del contenido generado por creadores en Instagram y Facebook para ofrecer recomendaciones personalizadas de ropa o decoración. La IA podrá sugerir productos basándose en la estética de las imágenes que el usuario está viendo, facilitando una experiencia de descubrimiento mucho más fluida dentro de las aplicaciones.

Además, la integración con las gafas inteligentes Ray-Ban Meta permitirá que la IA se convierta en un acompañante constante. Al contar con visión en tiempo real, las gafas podrán identificar monumentos, traducir menús o incluso ayudar en el supermercado a elegir productos compatibles con una dieta específica, marcando con señales visuales aquellos alimentos recomendados directamente sobre la visión del usuario.

Contexto: el equipo y las cifras tras el lanzamiento

Detrás de este avance se encuentra la unidad Meta Superintelligence Labs (MSL), liderada por Alexandr Wang. Wang, conocido por su trayectoria en Scale AI, se incorporó a Meta tras una inversión masiva de 14.300 millones de dólares. Bajo su mando, un equipo compacto de alrededor de 100 investigadores ha trabajado durante los últimos nueve meses para reconstruir la plataforma de IA de la empresa desde cero.

El mercado financiero ha reaccionado con firmeza ante la noticia. Las acciones de Meta subieron un 6,5% en Wall Street poco después del anuncio, reflejando la confianza de los inversores en esta nueva dirección. Entidades como Bank of America han reiterado su calificación de compra para la compañía, destacando que el lanzamiento despeja las dudas sobre la capacidad de Meta para competir en la frontera tecnológica.

La inversión total de la tecnológica en infraestructura de IA para el año 2026 se sitúa en una horquilla de entre 115.000 y 135.000 millones de dólares. Estas cifras récord demuestran el compromiso de la organización con la creación de una red global de centros de datos capaces de soportar modelos cada vez más exigentes, como la próxima generación de la serie Muse que ya se encuentra en fase de desarrollo.

¿Qué significa esto para el futuro de Meta?

El lanzamiento de Muse Spark no es solo la presentación de un nuevo producto, sino el inicio de una trayectoria hacia lo que la empresa define como la era de la superinteligencia personal. Al integrar estas capacidades en plataformas con miles de millones de usuarios, Meta busca que la inteligencia artificial deje de ser una herramienta de consulta aislada para convertirse en una capa invisible que mejore la comunicación, el ocio y la productividad personal.

Aunque el modelo todavía presenta margen de mejora en áreas como la programación avanzada, su rendimiento en tareas de razonamiento lógico y percepción visual lo sitúa en una posición competitiva muy sólida. El equilibrio entre la eficiencia técnica y la utilidad práctica en dispositivos de uso diario será la clave para determinar si esta apuesta logra consolidarse frente a las alternativas ya existentes en el mercado.

Del Apolo a la IA: El salto tecnológico de 50 años en la exploración espacial

NotebookLM
-
0
Del Apolo a la IA: El salto tecnológico de 50 años en la exploración espacial

La misión Artemis II, lanzada el 1 de abril de 2026, representa el primer vuelo tripulado hacia el entorno lunar en más de cincuenta años. A diferencia de las misiones Apolo, esta travesía destaca por una integración profunda de sistemas automatizados que gestionan riesgos críticos y garantizan la seguridad de la tripulación en el espacio profundo.

Integrada por Reid Wiseman, Victor Glover, Christina Koch y Jeremy Hansen, la misión utiliza la cápsula Orion como un laboratorio avanzado donde la inteligencia artificial procesa datos de miles de sensores en tiempo real. Este desarrollo técnico, liderado por la NASA junto a contratistas como Lockheed Martin, permite que la nave opere de forma autónoma durante los periodos de silencio comunicativo tras la cara oculta de la Luna. La importancia de esta tecnología radica en su capacidad para detectar anomalías antes de que se conviertan en fallos críticos y en la simulación de impactos biológicos mediante gemelos digitales. Entender estos avances es fundamental, pues definen el modelo operativo para las futuras misiones a Marte y la nueva infraestructura comercial en órbita.

¿En qué consiste la tecnología autónoma de Orion?

El núcleo tecnológico de esta misión reside en la capacidad de la nave para tomar decisiones sin depender constantemente del control en Tierra. Durante el trayecto de 400.000 kilómetros, existen momentos críticos, como cuando la cápsula se sitúa en la cara oculta del satélite, donde la comunicación se interrumpe por unos 70 minutos. En estos intervalos, la nave utiliza rastreadores estelares y sensores ópticos vinculados a algoritmos avanzados para calcular su posición y ajustar la trayectoria de forma independiente.

La arquitectura de la cápsula Orion incorpora miles de sensores que monitorizan variables vitales como el soporte de vida, la energía y la estructura del vehículo. Estos datos son analizados en milisegundos por sistemas de mantenimiento predictivo desarrollados por Lockheed Martin, los cuales pueden anticipar anomalías en la propulsión antes de que ocurran. Esta potencia de cálculo es significativamente superior a la disponible en las misiones del siglo pasado, permitiendo una gestión de telemetría masiva que antes era impensable.

Además, la misión estrena el uso de un cerebro digital capaz de simular millones de escenarios hipotéticos simultáneamente. Esta herramienta asiste a los astronautas en la interpretación de datos complejos, actuando como un asistente que reduce su carga de trabajo. En lugar de operar manualmente cada sistema, la tripulación puede enfocarse en tareas estratégicas mientras la tecnología vigila la integridad de la misión en tiempo real.

¿Por qué es importante este cambio operativo?

La integración de la inteligencia artificial no es solo una mejora técnica, sino un cambio en la forma de explorar el cosmos. Al dotar a la nave de autonomía, se reduce la dependencia de la infraestructura terrestre, algo que será vital para misiones más lejanas donde el retraso en las comunicaciones impide el control remoto efectivo. Este modelo prepara el terreno para la llegada a Marte, donde los tiempos de respuesta desde la Tierra se miden en minutos y no en segundos.

Un componente innovador en esta ocasión es el experimento AVATAR (Respuesta Análoga Virtual de Tejido de un Astronauta). Mediante el uso de modelos biológicos digitales, los científicos pueden observar cómo reaccionan los tejidos humanos a la radiación cósmica y la microgravedad en tiempo real. Esta información permite ajustar protocolos médicos de emergencia de manera dinámica durante el vuelo. Las implicaciones de este avance incluyen:

  • Detección temprana de eventos de radiación solar con horas de antelación para proteger a la tripulación.
  • Procesamiento de datos mediante Edge Computing directamente a bordo, lo que optimiza el envío de información relevante a la Tierra.
  • Identificación autónoma de recursos lunares, como depósitos de agua o minerales, en zonas de difícil acceso.

Contexto, protagonistas y la nueva economía espacial

Artemis II es el primer paso de un ecosistema que la industria denomina New Space. A diferencia de los programas antiguos, la NASA actúa ahora como un cliente que impulsa una arquitectura industrial privada. Empresas como SpaceX y Blue Origin ya trabajan en los módulos de descenso que se utilizarán en misiones posteriores, adoptando lógicas de desarrollo más ágiles y tolerantes al error. En esta década, se estima que las inversiones en este sector han alcanzado los 150.000 millones de dólares.

Incluso la vida cotidiana se hace presente en la misión de una forma inédita. Por primera vez, la agencia ha permitido el uso de un smartphone comercial a tiempo completo: el iPhone 17 Pro Max. Tras meses de pruebas de seguridad para evitar riesgos en gravedad cero, los astronautas utilizan este dispositivo para capturar imágenes detrás de escena y selfies que buscan conectar de forma más cercana con el público. Esta estrategia ayuda a reducir la distancia psicológica entre la sociedad y la exploración espacial.

Por otro lado, la competencia tecnológica internacional también se acelera. Mientras Estados Unidos avanza con Artemis, China ha realizado pruebas con el modelo de lenguaje Qwen-3 integrado directamente en satélites, logrando procesar consultas y enviar resultados en apenas dos minutos. Este panorama refleja que la órbita terrestre se está convirtiendo en una extensión de los centros de datos terrestres, donde el poder se mide en capacidad de procesamiento.

¿Qué significa esto para el futuro?

El regreso a la Luna en 2026 confirma que la exploración espacial ha dejado de ser exclusivamente una cuestión de potencia de motores para transformarse en un reto de gestión inteligente de datos. La validación de estos sistemas autónomos en Artemis II es el requisito previo para establecer bases permanentes en la superficie lunar y, eventualmente, realizar el salto hacia otros planetas.

Aunque el panorama es alentador, la integración de sistemas inteligentes en infraestructuras críticas fuera de la Tierra plantea nuevos desafíos éticos y regulatorios. El éxito de esta nueva era dependerá de la capacidad de los Estados y las empresas para colaborar en un entorno que, cada vez más, se rige por algoritmos. Por ahora, la misión Artemis II sigue su curso, demostrando que la tecnología es el aliado indispensable para que la humanidad expanda su presencia en el cosmos de manera segura y eficiente.

La fotografía de representación de esta noticia pertenece a la NASA.

Anthropic frena el lanzamiento de Mythos por su peligrosidad

NotebookLM
-
0
Anthropic frena el lanzamiento de Mythos por su peligrosidad

La empresa Anthropic ha sorprendido a la comunidad tecnológica con un anuncio inusual: el desarrollo de su modelo de inteligencia artificial más avanzado hasta la fecha, denominado Mythos, el cual no será lanzado al público general por considerarse demasiado peligroso. Esta decisión se fundamenta en la capacidad sin precedentes del modelo para identificar y explotar fallos de seguridad críticos en software esencial que hace funcionar internet. Durante las pruebas internas, Mythos demostró una destreza técnica que supera ampliamente a sus competidores actuales, como GPT-5.4 o Gemini 3.1 Pro, alcanzando niveles de eficacia en tareas de programación que antes solo estaban al alcance de los humanos más expertos.

Lo que realmente ha encendido las alarmas es su capacidad para descubrir vulnerabilidades que han pasado desapercibidas durante décadas, como un fallo de 27 años en el sistema OpenBSD. En lugar de un despliegue abierto, Anthropic ha optado por el Proyecto Glasswing, una iniciativa de colaboración controlada con gigantes como Apple, Microsoft y Google. El objetivo es permitir que los desarrolladores de sistemas operativos y navegadores corrijan estas brechas antes de que modelos similares caigan en manos malintencionadas.

¿Qué es Mythos y por qué es tan potente?

Mythos es el sucesor directo de Opus, que hasta ahora era considerado el modelo de lenguaje más capaz de la familia Claude. Se trata de un modelo generalista de nueva generación que ha sido diseñado para llevar las capacidades de razonamiento y codificación a un nivel superior. Los datos proporcionados por la compañía revelan un salto generacional que deja atrás a las herramientas actuales del mercado.

En las pruebas de rendimiento estandarizadas, concretamente en el test SWE-bench Pro (una métrica especializada en la resolución de problemas de ingeniería de software), Mythos alcanzó una puntuación del 78%. Para poner esta cifra en perspectiva, el anterior modelo Opus 4.6 se quedaba en un 53%, mientras que competidores como GPT-5.4 de OpenAI y Gemini 3.1 Pro de Google registraron un 57,7% y un 54,2% respectivamente.

Una de las características clave que diferencia a este nuevo sistema es su nivel de autonomía. A diferencia de sus predecesores, que requerían instrucciones constantes y supervisión humana para avanzar en tareas complejas, Mythos puede tomar decisiones por sí mismo para resolver rompecabezas técnicos. Esto le permite encadenar pequeñas vulnerabilidades que por separado parecen inofensivas, pero que al combinarlas pueden resultar devastadoras.

El dilema de la seguridad y el código fuente

La razón por la cual Anthropic ha decidido mantener este motor bajo llave es su capacidad para detectar fallos de seguridad. Según los informes técnicos, el modelo ha identificado miles de vulnerabilidades de tipo zero-day (errores de software desconocidos hasta el momento por sus creadores) en prácticamente todos los sistemas operativos y navegadores web modernos.

El caso más llamativo ocurrió durante las pruebas con OpenBSD, un sistema operativo reconocido mundialmente por su enfoque extremo en la seguridad y utilizado masivamente en infraestructuras de red críticas. Mythos localizó un fallo que había permanecido oculto en el código fuente durante 27 años y que permitía bloquear máquinas de forma remota. Este hallazgo ha forzado a una actualización inmediata por parte de los desarrolladores del proyecto.

Esta habilidad no se limita a encontrar la «puerta abierta» en el sistema, sino que Mythos también es capaz de generar el código necesario para explotar dicha brecha al instante. Si esta herramienta cayera en manos de actores malintencionados, podría facilitar ciberataques a una escala y velocidad nunca antes vistas, saturando la capacidad de respuesta de los equipos de seguridad humanos.

  • Identificación autónoma de fallos críticos en software de infraestructura.
  • Capacidad para redactar parches correctivos y ataques funcionales.
  • Rendimiento superior en un 25% respecto a la generación anterior de modelos.

El Proyecto Glasswing: una alianza de gigantes

Ante este panorama, la empresa responsable de Claude ha optado por una estrategia de transparencia selectiva mediante el Proyecto Glasswing. En lugar de un lanzamiento comercial, el acceso a Mythos se limitará a organizaciones y expertos en seguridad que la compañía considere dignos de confianza.

Entre los socios confirmados se encuentran empresas de la talla de Apple, Microsoft, Google, Nvidia y Cisco, además de entidades como la Fundación Linux y AWS. El propósito es crear un frente común donde las empresas puedan utilizar la potencia de Mythos para blindar sus productos antes de que surjan otros modelos similares de código abierto o de competidores menos cautelosos.

Como explican en la página oficial de Anthropic, esta colaboración no tiene, en un principio, fines lucrativos para los investigadores. De hecho, la empresa ha anunciado donaciones a organizaciones de código abierto, como la Fundación Apache, para ayudarles a gestionar el flujo de correcciones que la IA está empezando a generar.

Esta colaboración busca mitigar lo que algunos desarrolladores describen como un tsunami de parches. Por ejemplo, el responsable del proyecto curl ha señalado que los informes de seguridad generados por IA ya están inundando a los programadores, y Mythos solo promete acelerar esta tendencia de manera exponencial.

¿Qué significa esto para el futuro de la IA?

El caso de Mythos marca un hito en la industria de la inteligencia artificial. Por primera vez, una gran empresa admite que ha creado una herramienta cuya utilidad es tan grande como su potencial destructivo, eligiendo la prudencia sobre la cuota de mercado. Aunque algunos críticos sugieren que esto podría ser una estrategia publicitaria para resaltar su superioridad técnica, los datos técnicos aportados sugieren que el riesgo es real.

El camino a seguir para Anthropic es utilizar los aprendizajes obtenidos con este modelo para mejorar la seguridad y los filtros de protección de su versión pública, Claude Opus. La visión a largo plazo es que solo otra inteligencia artificial podrá defendernos eficazmente de los ataques generados por modelos similares en el futuro.

Estamos entrando en una fase donde la carrera por la IA ya no solo se mide en velocidad o creatividad, sino en la capacidad de las empresas para controlar los poderes que están desatando. Mythos no llegará a nuestros teléfonos este año, pero su influencia ya se está sintiendo en los cimientos mismos de la seguridad digital global.

Kyndryl lanza Agentic Service Management para automatizar la gestión IT

NotebookLM
-
0
Kyndryl lanza Agentic Service Management para automatizar la gestión IT

La gestión de infraestructuras tecnológicas está a punto de experimentar una transformación profunda con el anuncio de Kyndryl el 9 de abril de 2026. La compañía ha presentado Agentic Service Management, una solución diseñada para que las empresas dejen atrás las operaciones tradicionales y adopten flujos de trabajo autónomos e inteligentes a gran escala. Este movimiento responde a una realidad preocupante detectada en el sector: aunque el 66% de las organizaciones invierte con fuerza en inteligencia artificial, casi la mitad no logra ver resultados tangibles debido a que sus métodos de trabajo siguen anclados en el pasado.

La propuesta de Kyndryl busca cerrar esa brecha mediante una gestión de servicios basada en agentes de IA que actúan con autonomía pero bajo una estricta supervisión humana. Al alinear estos sistemas con estándares internacionales de gobernanza, las empresas pueden escalar sus operaciones en entornos de nube complejos con la seguridad de que los procesos son repetibles y medibles. Es un cambio necesario para que la IA deje de ser una promesa de laboratorio y se convierta en el motor operativo de los negocios modernos.

¿Qué es la gestión de servicios basada en agentes?

Para entender esta novedad, primero debemos aclarar qué es la IA agéntica. A diferencia de los modelos de inteligencia artificial que solo responden preguntas o generan textos, los agentes son sistemas capaces de ejecutar acciones y tomar decisiones para completar una tarea compleja de principio a fin. La solución de Kyndryl evalúa qué tan preparadas están las empresas para integrar estos agentes en sus operaciones diarias.

A través de su unidad de consultoría, Kyndryl Consult, la tecnológica ofrece una evaluación de madurez que analiza el estado actual de la gestión de servicios, la seguridad y la gobernanza de una organización. Este análisis permite identificar en qué áreas es viable introducir autonomía y en cuáles es necesario reforzar los controles previos.

Uno de los puntos más relevantes de esta propuesta es su alineación con la norma ISO 42001, un estándar internacional que establece los requisitos para gestionar la inteligencia artificial de forma responsable. El diagnóstico resultante proporciona una hoja de ruta por fases para que las empresas adopten estas capacidades en entornos nativos de IA y de nube sin comprometer la estabilidad del sistema.

Por qué importa este cambio en la industria tecnológica

La realidad del mercado actual muestra una paradoja: las empresas tienen la tecnología, pero no los procesos para aprovecharla. Según datos del Kyndryl Readiness Report, muchas organizaciones intentan implementar IA avanzada sobre modelos operativos diseñados para procesos manuales, lo que genera cuellos de botella y falta de resultados.

Kris Lovejoy, responsable global de estrategia en Kyndryl, señala que es imposible escalar la IA si no existen controles claros y prácticas que se puedan repetir sistemáticamente. El cambio que propone Agentic Service Management es permitir que los agentes de IA actúen por su cuenta cuando sea apropiado, pero manteniendo siempre la supervisión de expertos humanos para gestionar los riesgos y los resultados del servicio.

Este enfoque ofrece beneficios concretos para las empresas, tales como:

  • Reducción de errores humanos en tareas repetitivas y complejas.
  • Mayor rapidez en la respuesta ante incidencias técnicas.
  • Capacidad para gestionar entornos híbridos y multicloud con mayor visibilidad.
  • Cumplimiento normativo estricto en sectores regulados como la banca o la salud.

Seguridad y confianza en entornos regulados

Detrás de este lanzamiento se encuentra la experiencia de Kyndryl como el mayor proveedor mundial de servicios de infraestructura informática, operando en más de 60 países. Para complementar la gestión de servicios, la firma ha introducido también Agentic AI Digital Trust, un marco de seguridad diseñado específicamente para proteger los datos y garantizar el cumplimiento legal.

Esta herramienta es vital para sectores donde la clasificación de la información y la protección de la privacidad son innegociables. El objetivo es que las empresas puedan confiar en que sus agentes de IA no solo son eficientes, sino que operan dentro de los límites éticos y legales establecidos por la organización.

La propia Kyndryl ya está utilizando estas capacidades de forma interna para modernizar la atención a sus clientes a través de su plataforma Kyndryl Bridge. Actualmente, sus sistemas ejecutan cerca de 200 millones de automatizaciones cada mes, apoyadas en más de 8.000 procedimientos certificados conocidos como playbooks. Estas cifras demuestran que la tecnología ya es capaz de absorber un volumen de trabajo masivo, liberando a los profesionales para tareas de mayor valor estratégico.

¿Qué significa esto para el futuro de las empresas?

Estamos presenciando el inicio de una era donde la infraestructura tecnológica se gestiona a sí misma bajo la atenta mirada de los ingenieros. El paso que ha dado Kyndryl sugiere que el futuro de la informática empresarial no reside únicamente en tener modelos de lenguaje más potentes, sino en construir la arquitectura necesaria para que esos modelos trabajen de forma segura y productiva.

A medida que más organizaciones adopten estos flujos de trabajo autónomos, veremos una transformación en el rol de los equipos de IT, que pasarán de apagar fuegos operativos a supervisar ecosistemas inteligentes. Es un camino hacia la eficiencia que, aunque complejo, parece ser la única vía para rentabilizar las multimillonarias inversiones en inteligencia artificial que están realizando las empresas de todo el mundo.

Fuzzing: la técnica que camufla el phishing en tu bandeja de entrada

NotebookLM
-
0
Fuzzing: la técnica que camufla el phishing en tu bandeja de entrada

El panorama de la ciberseguridad ha dado un giro preocupante con la sofisticación de técnicas de evasión que desafían nuestras defensas tradicionales. Según el último informe de Hornetsecurity publicado en marzo de 2026, los atacantes están perfeccionando el uso del fuzzing en campañas de correo electrónico para saltarse los filtros de seguridad. Esta técnica, basada en la aleatorización dinámica de elementos de texto, permite crear miles de variantes de un mismo mensaje malicioso, haciendo que cada uno parezca único ante los sistemas de detección.

Al mismo tiempo, hitos como el desmantelamiento de la plataforma Tycoon 2FA y la aparición de vulnerabilidades críticas en herramientas de gestión empresarial como BeyondTrust y VMware Aria demuestran que los objetivos de los cibercriminales son cada vez más estratégicos. La urgencia es clara, pues confiar únicamente en firmas o en el doble factor de autenticación convencional ya no garantiza la seguridad frente a unos delincuentes que utilizan la automatización para mantenerse bajo el radar. Entender estas tácticas es el primer paso para proteger la infraestructura digital de las organizaciones modernas.

¿Qué es el fuzzing y por qué es tan eficaz?

En el contexto de los ataques por correo electrónico, el fuzzing consiste en la aleatorización dinámica de elementos de texto dentro de los mensajes. En lugar de enviar millones de copias idénticas de un correo de phishing, algo que los sistemas de seguridad detectarían al instante, los atacantes introducen marcadores variables en sus plantillas. Estos marcadores, identificados con etiquetas como {RAND_1} o {RAND_ALPHA}, son sustituidos por valores únicos en el momento del envío mediante el uso de scripts o módulos de spambots.

Esta técnica permite variar atributos clave como el alias del remitente, el nombre visible y, lo más importante, la línea de asunto. Lo que hace que este método sea particularmente insidioso es su precisión. La aleatorización no es un proceso caótico, sino que sigue patrones limitados. Por ejemplo, los atacantes pueden configurar cadenas de texto de longitud fija o usar frases predefinidas donde solo cambian una o dos palabras. Al ajustar estos parámetros, los criminales consiguen que las campañas se mantengan justo por debajo de los umbrales que activan las alarmas de los sistemas de filtrado.

El resultado es una avalancha de mensajes con la misma intención maliciosa pero con apariencias ligeramente distintas. Esta fragmentación en miles de variantes de bajo volumen evita que los mecanismos de detección basados en clustering o agrupación identifiquen la campaña como una amenaza coordinada. Al no haber un pico de actividad claro con un único patrón, los sistemas de reputación tradicionales se vuelven mucho menos eficaces, permitiendo que el contenido malicioso alcance la bandeja de entrada del usuario final.

El fin de la era del MFA convencional

Más allá del camuflaje de los mensajes, el informe destaca un cambio en la eficacia de las medidas de protección tradicionales. Durante años, el MFA (Multifactor Authentication) se ha considerado la barrera definitiva. Sin embargo, el auge de plataformas como Tycoon 2FA ha demostrado que los atacantes han encontrado formas de sortearlo. Esta plataforma, que operaba bajo un modelo de phishing-as-a-service, utilizaba técnicas de adversary-in-the-middle (AiTM) para robar cookies de sesión de servicios como Microsoft 365 y Gmail.

Mediante un proxy transparente, los atacantes interceptan las credenciales y el token de autenticación en tiempo real. Esto les permite tomar el control total de la cuenta, incluso si el usuario tiene activado el segundo factor de verificación. Los datos son reveladores, pues se estima que el 59% de las cuentas comprometidas en este tipo de ataques tenían el MFA habilitado en el momento del incidente. Esta realidad obliga a las empresas a mirar hacia soluciones de autenticación resistente al phishing, como las passkeys basadas en el estándar FIDO2.

Además, se ha observado una tendencia denominada ATO Jumping. En esta modalidad, los atacantes utilizan una cuenta ya comprometida para enviar más correos de phishing. Al provenir de un contacto de confianza y una infraestructura legítima, estos correos eluden con facilidad los controles de reputación, aumentando drásticamente las posibilidades de que la víctima caiga en la trampa. Este tipo de ataques aprovecha la cadena de confianza entre proveedores y clientes, convirtiendo cada cuenta secuestrada en un nuevo vector de propagación.

Infraestructuras críticas en el punto de mira

No solo el correo electrónico está bajo asedio. En los últimos meses, hemos visto cómo las herramientas de gestión y monitorización se han convertido en el nuevo perímetro de seguridad. La agencia CISA ha tenido que intervenir de urgencia ante vulnerabilidades críticas en plataformas que los equipos de IT utilizan para supervisar sus redes. Un ejemplo destacado es el fallo de ejecución remota de código en BeyondTrust Remote Support, identificado como CVE-2026-1731.

Esta vulnerabilidad permitía a atacantes no autenticados ejecutar comandos en los sistemas mediante solicitudes manipuladas. La velocidad de explotación fue tal que la CISA dio un plazo de apenas tres días a las agencias federales para aplicar el parche. Casi simultáneamente, se detectó otra vulnerabilidad similar en VMware Aria Operations, catalogada como CVE-2026-22719, con una puntuación de severidad de 8,1. Estas herramientas son objetivos muy atractivos porque ofrecen una visibilidad total y un control elevado sobre la infraestructura de la empresa.

Comprometer una herramienta de soporte remoto o de monitorización cloud equivale a obtener la llave maestra de la organización. Como detallan en el National Vulnerability Database, estas fallas de inyección de comandos demuestran que los grupos de ransomware están profesionalizando su capacidad para operacionalizar exploits apenas horas después de que se hagan públicos. La ventana de tiempo para que los administradores de sistemas reaccionen se ha reducido de semanas a escasos días o incluso horas.

¿Qué significa esto para el futuro?

La conclusión es que estamos ante una ciberdelincuencia más adaptativa y técnica. El éxito de operaciones internacionales para desmantelar infraestructuras como las de Tycoon 2FA, donde colaboraron entidades como Europol y Microsoft, es una victoria significativa, pero no definitiva. Los operadores de estos servicios suelen ser resilientes, capaces de reconstruir sus servidores y cambiar de marca en poco tiempo, incorporando mejores prácticas de seguridad operativa para evitar ser capturados de nuevo.

Para las organizaciones, el camino a seguir implica ir más allá de las soluciones estáticas. Ya no basta con filtrar por palabras clave o listas negras de remitentes. Es fundamental adoptar tecnologías de protección de correo de nueva generación que realicen análisis de comportamiento e inspección profunda de contenido. Solo mediante la heurística avanzada y la evaluación continua de los riesgos de sesión se podrá hacer frente a técnicas como el fuzzing o el secuestro de tokens.

El futuro de la defensa digital no reside en una única herramienta, sino en una estrategia de capas. Implementar métodos de autenticación física, auditar constantemente los permisos de acceso y reducir la exposición de las interfaces de gestión son pasos críticos. Aunque el panorama parece complejo, la tecnología para protegernos también evoluciona. La clave será mantener una cultura de seguridad proactiva y una capacidad de respuesta rápida ante unas amenazas que, como el fuzzing, cambian de forma constantemente para intentar pasar desapercibidas.

Bixonimania: la enfermedad falsa que la IA no vio venir

NotebookLM
-
0
Bixonimania: la enfermedad falsa que la IA no vio venir

¿Alguna vez has sentido los ojos irritados tras horas frente a la pantalla? Si hubieras consultado estos síntomas con un asistente de inteligencia artificial recientemente, es muy probable que te hubiera diagnosticado Bixonimania. El problema es que esta enfermedad no existe. Fue inventada por Almira Osmanovic Thunström, una investigadora de la Universidad de Gotemburgo, para poner a prueba la fiabilidad de los modelos de lenguaje actuales. Lo que comenzó como un experimento académico con pistas deliberadamente absurdas, como agradecimientos a la Academia de la Flota Estelar de Star Trek, terminó convirtiéndose en una realidad médica aceptada por los chatbots más avanzados del mundo.

El experimento funcionó demasiado bien, demostrando que herramientas como ChatGPT, Gemini o Copilot pueden validar información falsa si esta se presenta con una apariencia profesional. Este caso no solo afecta a los usuarios que buscan consejos de salud, sino que ha llegado a contaminar la literatura científica real, provocando la retirada de artículos en revistas especializadas que citaron esta dolencia ficticia como si fuera un descubrimiento legítimo y emergente.

¿Qué es la Bixonimania y cómo nació el engaño?

La Bixonimania es una condición médica ficticia descrita supuestamente como una hiperpigmentación de los párpados causada por la exposición excesiva a la luz azul de los dispositivos digitales. Según los textos falsos creados para el experimento, esta dolencia afectaría a millones de personas, provocando un tono rosado en la piel de los ojos tras frotarlos repetidamente por el cansancio visual. Sin embargo, no hay rastro de ella en la literatura médica real, ya que es una invención absoluta de un equipo de científicos suecos.

Para introducir esta idea en el ecosistema digital, Osmanovic Thunström publicó dos estudios falsos en un servidor de preprints (plataformas donde los investigadores comparten borradores de sus trabajos antes de ser revisados oficialmente) a principios de 2024. El objetivo era observar si los Modelos de Lenguaje de Gran Escala (LLM), que son los sistemas de inteligencia artificial entrenados para procesar y generar texto, eran capaces de absorber esta información falsa y presentarla posteriormente como un consejo de salud fiable para el público general.

La investigadora eligió el nombre porque le resultaba ridículo, ya que el término mania se utiliza en psiquiatría y no tiene sentido en una dolencia ocular. A pesar de que los documentos contenían frases literales advirtiendo que todo el artículo era inventado y mencionaban fondos de financiación de personajes de dibujos animados, la inteligencia artificial ignoró estas señales de alerta y comenzó a dar credibilidad a la enfermedad en cuestión de semanas.

¿Por qué importa que la IA valide una enfermedad falsa?

La importancia de este suceso radica en la confianza ciega que los usuarios y, preocupantemente, algunos profesionales están depositando en estas herramientas. Cuando los modelos de inteligencia artificial encuentran un texto que tiene una estructura académica, con tablas de datos y citas bibliográficas, tienden a darle prioridad. Esto ocurre porque se basan en Common Crawl, una base de datos gigantesca que rastrea casi todo el contenido de internet para entrenar a estas máquinas, mezclando fuentes legítimas con contenido sin verificar.

En el caso de la Bixonimania, la respuesta de los sistemas fue alarmante. Microsoft Copilot llegó a afirmar que era una condición intrigante y rara, mientras que Google Gemini recomendaba visitar a un oftalmólogo para tratarla. Perplexity, un buscador basado en IA, incluso se inventó estadísticas, asegurando que afectaba a una de cada 90,000 personas. Esta capacidad de generar detalles específicos y falsos se conoce como alucinación, y representa uno de los mayores desafíos para la seguridad de la información en la actualidad.

Las implicaciones reales son graves:

  • Los usuarios pueden recibir diagnósticos erróneos para síntomas comunes, desviándolos de tratamientos reales.
  • La industria tecnológica demuestra tener dificultades para filtrar la desinformación cuando esta imita el lenguaje técnico o profesional.
  • Se facilita la inyección de prompts, una técnica donde se manipula la salida de la IA mediante datos introducidos estratégicamente en su base de entrenamiento.

El contexto: pistas de Star Trek y una trampa científica

Lo más fascinante de este caso es el descuido deliberado que Osmanovic Thunström dejó en sus publicaciones. El autor principal de los estudios era un tal Lazljiv Izgubljenovic, un nombre ficticio cuya foto fue generada por computadora. En los agradecimientos de los artículos, se mencionaba a la profesora Maria Bohm del laboratorio a bordo de la USS Enterprise. Además, se indicaba que la investigación estaba financiada por la Fundación del Actor Secundario Bob para el Truco Avanzado.

A pesar de estos guiños evidentes a la cultura popular, la IA no fue la única engañada. Como se detalla en el reportaje original publicado en Nature, investigadores reales citaron la Bixonimania en sus propios trabajos publicados en revistas con revisión por pares. Un estudio en la revista Cureus tuvo que ser retractado recientemente tras descubrirse que incluía referencias a esta enfermedad inexistente, lo que sugiere que algunos científicos están utilizando la IA para generar bibliografía sin leer realmente los artículos que citan.

Expertos en desinformación médica, como los de la University College London, califican este experimento como una clase magistral sobre cómo operan las noticias falsas hoy en día. Si el proceso científico y los sistemas que lo sostienen no son capaces de filtrar estos datos absurdos, la integridad de la base del conocimiento humano podría estar en riesgo. El hecho de que la información falsa pareciera profesional fue suficiente para que los algoritmos la consideraran veraz.

¿Qué significa esto para el futuro de la salud y la IA?

Este experimento ha forzado a las grandes tecnológicas a reaccionar. OpenAI ha declarado que sus nuevos modelos son mucho más capaces de evitar estas trampas, mientras que Google recuerda que siempre se debe consultar a un profesional médico titulado. Sin embargo, la realidad es que el ritmo al que se lanzan nuevas versiones dificulta la creación de metodologías de prueba consistentes para evitar que estas situaciones se repitan con temas más peligrosos que una simple irritación de párpados.

El futuro de la inteligencia artificial debe pasar necesariamente por una mejora en la verificación de fuentes y una mayor transparencia sobre sus limitaciones. Aunque es tentador ver estas herramientas como enciclopedias infalibles, casos como el de la Bixonimania nos recuerdan que siguen siendo sistemas de predicción estadística, no de comprensión real. La lección para el usuario es clara: en cuestiones de salud, la última palabra siempre debe tenerla un humano experto, no un algoritmo entrenado en el vasto y a veces confuso océano de internet.

El chip capaz de habitar volcanes

NotebookLM
-
0
El chip capaz de habitar volcanes

La electrónica convencional tiene un enemigo implacable: el calor. Hasta ahora, la mayoría de los dispositivos dejan de funcionar al superar los 200 grados Celsius, una barrera térmica que ha limitado durante décadas la exploración de entornos extremos y el rendimiento de los sistemas de computación. Sin embargo, un equipo de ingenieros de la Universidad del Sur de California (USC) ha presentado recientemente un dispositivo de memoria capaz de operar a 700 grados Celsius, una temperatura superior a la de la lava fundida.

Este hallazgo, publicado en la revista Science, no solo rompe los límites físicos actuales de los microchips, sino que propone una forma de procesar inteligencia artificial con un consumo energético drásticamente inferior al actual. Al utilizar materiales como el grafeno y el tungsteno, los investigadores han logrado evitar que los componentes se degraden a nivel atómico bajo condiciones de calor extremo. Este avance es clave para misiones espaciales a planetas como Venus o para la gestión de sensores en plantas de energía geotérmica y nuclear, donde la electrónica tradicional simplemente se derrite. La posibilidad de realizar cálculos complejos en estos entornos abre una nueva frontera tecnológica.

¿Qué es un memristor de alta temperatura y cómo funciona?

El dispositivo desarrollado es un memristor, un componente a nanoescala que tiene la capacidad única de almacenar datos y realizar cálculos de forma simultánea. A diferencia de la memoria convencional, un memristor recuerda el estado de su resistencia eléctrica incluso después de que se apaga la energía, lo que lo hace extremadamente eficiente.

Para lograr que este componente sobreviva a temperaturas extremas, los ingenieros de la USC Viterbi School of Engineering diseñaron una estructura de capas microscópicas. El dispositivo utiliza tungsteno para el electrodo superior, una cerámica de óxido de hafnio en el centro y grafeno para el electrodo inferior. El tungsteno fue elegido por tener el punto de fusión más alto de todos los elementos, mientras que el grafeno aporta una resistencia térmica y mecánica excepcional.

El secreto de su durabilidad reside en la interacción entre estos materiales. En los chips normales, el calor extremo hace que los átomos de metal migren a través de las capas aislantes, creando un puente conductor que provoca un cortocircuito. Sin embargo, el grafeno actúa con el tungsteno de una forma similar a como lo hacen el aceite y el agua. Los átomos de tungsteno no pueden adherirse a la superficie del grafeno, lo que impide que se formen esas conexiones no deseadas que suelen destruir los circuitos tradicionales.

Durante las pruebas de laboratorio, el dispositivo mantuvo la integridad de sus datos durante más de 50 horas a 700 grados. Además, resistió más de mil millones de ciclos de conmutación sin mostrar signos de fatiga. Los investigadores señalan que los 700 grados fueron simplemente el límite máximo que sus equipos de medición podían registrar, lo que sugiere que el chip podría soportar temperaturas aún mayores.

¿Por qué es importante para la IA y qué cambia?

Más allá de su resistencia física, este avance tiene implicaciones directas en la eficiencia de la inteligencia artificial. Los sistemas actuales de IA, como los que alimentan a ChatGPT, dependen en gran medida de una operación matemática llamada multiplicación de matrices. Se estima que más del 92 por ciento del cómputo en estos modelos consiste en este tipo de cálculos, que en las computadoras tradicionales consumen una enorme cantidad de energía y tiempo.

Los memristores cambian las reglas del juego al procesar la información de una manera distinta. Utilizan la Ley de Ohm para realizar cálculos directamente mientras la electricidad fluye a través del componente. El resultado se obtiene de forma instantánea mediante la medición de la corriente eléctrica, lo que permite realizar tareas de aprendizaje automático varios órdenes de magnitud más rápido que los procesadores de silicio actuales.

Este nuevo diseño permite llevar esa potencia de cálculo a lugares donde antes era imposible. Algunas de las aplicaciones más prometedoras incluyen:

  • Exploración espacial profunda: Las misiones a la superficie de Venus, donde las temperaturas rondan los 460 grados, han fracasado históricamente porque los chips de silicio fallan en cuestión de horas. Este dispositivo permitiría crear sondas mucho más duraderas.
  • Energía geotérmica: Los sensores capaces de operar en rocas incandescentes a gran profundidad podrían optimizar la extracción de calor terrestre.
  • Sistemas nucleares y de fusión: El monitoreo constante en entornos de calor extremo es vital para la seguridad y eficiencia de estas plantas.
  • Industria automotriz: Aunque un coche no alcanza los 700 grados, los componentes diseñados para ese límite son extremadamente robustos y fiables a los 125 grados que suelen sufrir los sistemas electrónicos internos.

Contexto científico y desarrollo del proyecto

El proyecto ha sido liderado por Joshua Yang, profesor de la cátedra Arthur B. Freeman en la USC. Curiosamente, el descubrimiento de este mecanismo de resistencia térmica fue en parte accidental. El equipo estaba intentando crear un dispositivo de grafeno diferente que no funcionó como esperaban, pero ese error les permitió observar el comportamiento inusual de los átomos de tungsteno frente al grafeno.

El trabajo ha sido un esfuerzo colaborativo internacional bajo el paraguas del Centro CONCRETE, una iniciativa dedicada a la computación neuromórfica en entornos extremos. En la investigación han participado instituciones como el Laboratorio de Materiales de la Fuerza Aérea de los Estados Unidos en Ohio y la Universidad de Kumamoto en Japón.

Para acelerar la llegada de esta tecnología al mercado, Yang y otros coautores han fundado la empresa TetraMem. Aunque esta compañía ya está utilizando chips basados en memristores para tareas de inteligencia artificial a temperatura ambiente, la versión de alta temperatura representa una expansión lógica de sus capacidades hacia fronteras industriales y científicas más complejas.

Es importante destacar que el tungsteno y el óxido de hafnio ya se utilizan ampliamente en la fabricación actual de semiconductores. Por su parte, el grafeno está siendo desarrollado a escala industrial por gigantes como Samsung y TSMC, lo que facilita el camino para una futura producción en masa de estos componentes.

¿Qué significa esto para el futuro?

Aunque los resultados son prometedores, los investigadores mantienen una postura realista. Un sistema de computación completo requiere algo más que memoria; también se necesitan circuitos lógicos capaces de soportar el mismo calor, un área en la que todavía queda trabajo por hacer. Actualmente, estos memristores se fabrican de forma manual en entornos de laboratorio a escalas muy pequeñas, por lo que la producción industrial no ocurrirá de la noche a la mañana.

Sin embargo, este avance elimina uno de los obstáculos más antiguos de la ingeniería de materiales. Al demostrar que es posible mantener la estabilidad atómica a 700 grados Celsius, se ha abierto la puerta a una nueva generación de dispositivos que no necesitan sistemas de refrigeración masivos para funcionar. El camino hacia una inteligencia artificial más eficiente y hacia la exploración de los rincones más calurosos de nuestro sistema solar es ahora mucho más claro.

OpenAI y su ironía hablando de ética social

NotebookLM
-
0
OpenAI y su ironía hablando de ética social

OpenAI ha presentado un ambicioso documento de ideas para una nueva política industrial diseñada para la era de la inteligencia artificial. Publicado el 6 de abril de 2026, este conjunto de propuestas busca alejarse de los cambios incrementales para abordar de frente los retos de la superinteligencia. La organización argumenta que las normativas actuales no serán suficientes ante el avance tecnológico acelerado y propone un enfoque centrado en las personas que permita distribuir la prosperidad y fortalecer las instituciones.

Para dar vida a estas ideas, OpenAI no solo ha lanzado el documento, sino que ha anunciado incentivos financieros significativos: becas de investigación de hasta 100.000 dólares y créditos de API valorados en hasta un millón de dólares. Además, en mayo de 2026, abrirán un nuevo espacio de debate en Washington, DC, denominado OpenAI Workshop. Esta iniciativa importa porque marca el intento de uno de los principales actores del sector por liderar la conversación regulatoria y económica a nivel global, invitando a gobiernos y ciudadanos a participar en un proceso democrático para refinar estas propuestas iniciales antes de que la tecnología alcance niveles de capacidad difícilmente gestionables.

¿En qué consiste esta nueva política industrial?

La propuesta de OpenAI parte de una premisa clara, el camino hacia la superinteligencia (un nivel de inteligencia artificial que superaría la capacidad humana en la mayoría de las tareas) requiere algo más que simples ajustes en las leyes actuales. La organización plantea que es necesario un marco de política industrial que priorice a las personas, diseñado específicamente para expandir las oportunidades económicas y asegurar que los beneficios del avance tecnológico se compartan de manera equitativa.

A diferencia de las políticas tradicionales, que a menudo se centran únicamente en la competitividad entre naciones o en el apoyo a sectores específicos, estas ideas exploratorias buscan crear instituciones resilientes. La intención es que la IA avanzada no sea un factor de desigualdad, sino una herramienta para la prosperidad general. Para ello, han habilitado un canal directo de comunicación donde cualquier interesado puede enviar sus comentarios y valoraciones sobre estas propuestas.

El documento no se presenta como un conjunto final de reglas, sino como un punto de partida. OpenAI subraya que estas ideas deben ser refinadas y desafiadas a través de procesos democráticos. Es un reconocimiento de que las empresas tecnológicas no pueden, ni deben, dictar por sí solas las normas de convivencia económica del futuro, especialmente cuando se trata de tecnologías con un impacto tan profundo en el tejido social.

Implicaciones reales y cambios en el horizonte

Este movimiento tiene implicaciones directas para investigadores, gobiernos y el sector privado. Al ofrecer incentivos económicos tangibles, OpenAI busca movilizar a la comunidad académica para que trabaje en soluciones políticas prácticas. Las becas de investigación de hasta 100.000 dólares están pensadas para financiar trabajos que profundicen en estos conceptos de política industrial, mientras que el millón de dólares en créditos para el acceso a su tecnología permite que proyectos con menos recursos puedan experimentar con modelos avanzados.

Para el usuario medio, esto significa que el debate sobre el futuro del trabajo y la distribución de la riqueza está pasando de la teoría a la planificación institucional. Algunos de los puntos clave que se buscan desarrollar incluyen:

  • El diseño de sistemas para compartir la prosperidad económica generada por la IA.
  • La creación de programas para equipar a los trabajadores con información sobre compensaciones y nuevas habilidades.
  • El fortalecimiento de la educación para que el uso de la IA se traduzca en oportunidades reales de crecimiento personal y profesional.
  • La aplicación de estas tecnologías en la respuesta ante desastres y crisis globales.

La apertura del OpenAI Workshop en Washington, DC es un paso estratégico. Al situar su centro de discusión en el corazón político de Estados Unidos, la empresa busca integrar sus avances tecnológicos con la toma de decisiones legislativa, facilitando un diálogo constante entre los desarrolladores de modelos como GPT-5.3 y los reguladores.

Contexto y datos sobre la iniciativa

El anuncio llega en un momento de gran actividad para la compañía. Mientras continúan los desarrollos en su plataforma de investigación, con menciones a modelos como GPT-5 y Sora (su herramienta de generación de vídeo), la empresa parece ser consciente de que la potencia técnica debe ir acompañada de una responsabilidad social proporcional. La fecha del anuncio, abril de 2026, sitúa esta propuesta en un contexto donde la integración de la IA en la vida cotidiana es ya una realidad palpable.

Como se detalla en su sección de noticias oficiales, OpenAI ha estado trabajando previamente en áreas tangenciales como la educación y la respuesta ante desastres en Asia. Estas experiencias previas sirven de base para el documento de política industrial actual, que intenta unificar todos estos esfuerzos bajo un marco coherente que no solo hable de tecnología, sino de economía y derechos civiles.

Las cifras de los programas de becas y créditos demuestran un interés por descentralizar la investigación. Al otorgar acceso a sus herramientas de desarrollo, la organización permite que voces externas, que quizás no tengan la infraestructura técnica necesaria, puedan proponer marcos regulatorios basados en el uso real de la tecnología y no solo en suposiciones externas.

¿Qué significa esto para el futuro?

Lo que estamos presenciando es el inicio de una fase de institucionalización de la inteligencia artificial. La propuesta de OpenAI sugiere que el sector ha alcanzado un nivel de madurez tal que ya no basta con optimizar algoritmos, sino que es urgente optimizar la sociedad para su llegada. Es un enfoque ambicioso pero necesario, dado el ritmo al que avanzan los modelos de lenguaje y las capacidades de procesamiento.

El camino por delante no estará exento de críticas y desafíos. La idea de que una sola entidad privada lidere la propuesta de una política industrial global puede generar recelos razonables. Sin embargo, la invitación al debate democrático y la apertura a que sus ideas sean «desafiadas» es una señal de transparencia que será clave en los próximos meses. Lo que viene ahora es ver cómo los gobiernos y la sociedad civil recogen este guante para construir, entre todos, las reglas de juego de la era de la inteligencia.

Nutanix potencia la IA agéntica y el multicloud en el .NEXT 2026

NotebookLM
-
0
Nutanix potencia la IA agéntica y el multicloud en el .NEXT 2026

En el marco de su congreso global .NEXT 2026 celebrado en Chicago, Nutanix ha presentado una ambiciosa hoja de ruta diseñada para facilitar la adopción de la inteligencia artificial en entornos empresariales complejos,. La compañía ha desvelado importantes actualizaciones en su plataforma estrella, Nutanix Cloud Platform, con el objetivo de dar soporte a la denominada IA agéntica, una evolución de los sistemas actuales hacia modelos capaces de ejecutar tareas de forma más autónoma.

Este despliegue tecnológico, que se desarrolla entre el 7 y el 9 de abril, busca ofrecer a las organizaciones una mayor flexibilidad ante las actuales limitaciones en el suministro de hardware y la creciente necesidad de soberanía de datos,. Entre los anuncios más destacados figuran la nueva solución NKP Metal para simplificar el uso de Kubernetes, alianzas estratégicas con gigantes como NetApp y MongoDB, y un refuerzo sustancial para los proveedores de servicios en la nube que gestionan infraestructuras de GPU. Estos avances representan un esfuerzo por unificar la gestión de nubes híbridas y aplicaciones de IA bajo un modelo operativo común, permitiendo que las empresas mantengan el control sobre dónde ejecutan sus cargas de trabajo más críticas.

¿En qué consisten las novedades de Nutanix?

La pieza central de estos anuncios es la evolución de Nutanix Cloud Platform (NCP), una infraestructura diseñada para ayudar a las empresas a gestionar el crecimiento de las cargas de trabajo de inteligencia artificial en entornos de nube cada vez más fragmentados. Esta nueva versión introduce capacidades de IA agéntica, un concepto que se refiere a sistemas de inteligencia artificial que no solo responden preguntas, sino que pueden actuar como agentes para realizar procesos complejos de forma independiente,. La plataforma Nutanix Agentic AI, que llegará de forma general en la segunda mitad de 2026, integrará computación, almacenamiento y servicios de red sobre una base de virtualización segura.

Otro de los pilares presentados es NKP Metal, una extensión de su plataforma de Kubernetes orientada a la infraestructura bare metal o «servidor físico»,. Esto significa que las empresas podrán ejecutar sus aplicaciones directamente sobre el hardware, sin capas intermedias, algo fundamental para tareas que requieren una alta densidad de GPU (unidades de procesamiento gráfico), como ocurre con el entrenamiento de modelos de lenguaje. La idea es reducir la complejidad técnica de gestionar estos entornos, permitiendo que las máquinas virtuales y los contenedores de software convivan bajo un mismo mando.

En el ámbito del almacenamiento, se ha presentado Nutanix Unified Storage 5.3, que busca convertir el almacenamiento de datos en una capa de alto rendimiento necesaria para alimentar las «fábricas de IA». Además, la herramienta Data Lens 2.0 ahora incluye análisis específicos contra el ransomware, auditoría de datos y gobernanza, proporcionando una capa extra de seguridad en entornos donde la información está distribuida entre varios proveedores de nube.

¿Por qué importa este despliegue tecnológico?

La industria tecnológica atraviesa un momento de alta demanda y bajo suministro de hardware especializado. En este contexto, la propuesta de Nutanix permite a las empresas aprovechar mejor el hardware que ya poseen, ofreciendo flexibilidad para elegir entre distintos proveedores de infraestructura y servicios sin quedar atrapados en un solo ecosistema,. Esto es vital para mantener la soberanía de los datos, asegurando que la información sensible de una compañía se ejecute y almacene en lugares que cumplan con sus requisitos legales y de seguridad,.

Un cambio significativo es el apoyo al ecosistema Neocloud. Se trata de una nueva generación de proveedores de servicios en la nube que ofrecen acceso rápido a GPUs bajo demanda. Nutanix ha diseñado funciones de multitenancy (tenencia múltiple), que permiten a estos proveedores alojar a varias empresas en la misma infraestructura física de procesamiento de forma segura. Esto permite asignar recursos de manera dinámica según las necesidades de cada cliente, optimizando el uso de componentes que hoy en día son escasos y costosos.

Para los usuarios finales y empresas, esto se traduce en:

  • Una gestión simplificada de bases de datos críticas mediante la integración con MongoDB.
  • Capacidad de recuperación ante desastres más robusta y en tiempo real.
  • Posibilidad de mover cargas de trabajo entre diferentes nubes públicas, como AWS o Google Cloud, de manera más coherente.

Alianzas estratégicas y datos del sector

Uno de los movimientos más comentados en el evento de Chicago ha sido la alianza estratégica con NetApp. Este acuerdo permite integrar la gestión de datos de NetApp con la infraestructura de Nutanix, facilitando que las organizaciones escalen de forma independiente su capacidad de cómputo y su almacenamiento,. Es una solución pensada para modernizar entornos virtualizados y acelerar la migración de máquinas virtuales. Según detallan en su página web oficial, la compañía cuenta ya con más de 30.000 clientes en todo el mundo que confían en sus soluciones multicloud.

Además, Nutanix ha reforzado su programa para socios, denominado Elevate Service Provider, con herramientas como SP Central. Esta solución es especialmente relevante para los proveedores de servicios que buscan alternativas rentables tras los recientes cambios en el mercado de virtualización, ofreciendo incentivos y programas de migración certificados para facilitar la transición desde otras plataformas hacia el entorno de Nutanix.

¿Qué significa esto?

El anuncio de Nutanix en el .NEXT 2026 marca un paso claro hacia la democratización de la IA en la gran empresa. Al eliminar las barreras entre el hardware físico y la nube, y al proporcionar herramientas para gestionar la IA como una parte natural de la infraestructura, la compañía busca que la tecnología agéntica sea una realidad operativa y no solo una promesa de laboratorio.

Aunque muchas de estas capacidades estarán disponibles plenamente en la segunda mitad de 2026, la dirección es evidente: un futuro donde la infraestructura es invisible y la inteligencia artificial es capaz de gestionarse con la misma sencillez que hoy abrimos un archivo en la nube,. La apuesta por sistemas abiertos y alianzas con líderes del sector sugiere que la flexibilidad será, más que nunca, la moneda de cambio en la era de la IA.

Slackbot presenta 30 funciones de IA para empresas

NotebookLM
-
0
Slackbot presenta 30 funciones de IA para empresas

Salesforce anunció una actualización de Slackbot que introduce más de 30 nuevas capacidades diseñadas para el entorno laboral. Esta transformación busca convertir lo que antes era un asistente básico en un compañero de trabajo capaz de ejecutar acciones complejas y colaborar con los equipos. En un contexto donde las organizaciones ya utilizan múltiples herramientas de inteligencia artificial, el reto actual no es solo acceder a la información, sino lograr que esta se convierta en acciones concretas.

Slackbot se integra ahora de forma más profunda en el flujo diario, utilizando el contexto de las conversaciones, archivos e historial para ayudar en tareas que van desde la redacción de contenidos hasta la programación. Según los datos compartidos por la compañía, el impacto en la productividad es notable, con ahorros de tiempo que en algunos casos superan las 20 horas semanales por equipo. Esta evolución es relevante porque marca el paso de una IA de uso individual a una plataforma colaborativa donde personas y agentes digitales conviven en una misma interfaz.

¿Qué es el nuevo Slackbot y en qué consisten sus funciones?

La nueva versión de Slackbot se define como un asistente siempre activo que posee un conocimiento profundo del negocio. A diferencia de otras herramientas que funcionan de forma aislada, este sistema combina el razonamiento avanzado de la IA con un entendimiento completo de los canales de comunicación y el historial de la organización. Esta integración permite que el asistente aprenda de la manera particular en que trabaja cada usuario, adaptándose a sus necesidades específicas con el paso del tiempo.

Entre las 30 nuevas capacidades presentadas, destaca la capacidad de realizar transcripciones y notas de reuniones de forma automática. Al finalizar una sesión, el sistema es capaz de resumir las decisiones clave y, lo que es más importante, activar acciones de seguimiento en otros sistemas empresariales sin intervención humana adicional. Esto reduce la carga administrativa que suele seguir a cualquier encuentro laboral.

Otro avance significativo es la integración con el escritorio del usuario. Slackbot ya no vive solo dentro de la ventana de chat, sino que acompaña al empleado en todo su entorno digital. Esto le permite comprender qué se está haciendo en otras aplicaciones y ejecutar acciones en ellas, respetando siempre los permisos y niveles de seguridad ya establecidos por la empresa.

Además, se han introducido las llamadas habilidades de IA reutilizables. Estas permiten que un equipo defina una tarea una sola vez (por ejemplo, un proceso de aprobación o un análisis de datos periódico) y la automatice por completo. Slackbot es capaz de identificar de forma autónoma cuándo debe aplicar estas habilidades basándose en el contexto de la conversación, eliminando la necesidad de que un humano dé la orden manualmente cada vez.

¿Por qué es importante este cambio en la IA empresarial?

Hasta ahora, la experiencia con la inteligencia artificial en el trabajo ha sido principalmente individual: un usuario haciendo preguntas a un chat. Sin embargo, la mayor parte del trabajo relevante en una organización es colaborativo. El cambio que propone Salesforce con esta actualización es mover la IA al lugar donde ya ocurre la actividad diaria de los equipos.

Esta evolución es fundamental para las empresas que buscan convertirse en organizaciones agénticas, un término que define a aquellas donde personas, datos y agentes autónomos trabajan en armonía. Al centralizar la actividad en una única interfaz, se evita la fragmentación que se produce cuando cada departamento utiliza una herramienta de IA diferente que no se comunica con las demás.

Las implicaciones reales para la industria son considerables:

  • Ahorro de tiempo real: Empleados de empresas como Anthropic o reMarkable ya están ahorrando hasta 90 minutos diarios, lo que supone ganar más de dos meses de trabajo al año.
  • Valor económico: En el caso de Salesforce, sus propios equipos han generado más de 6,4 millones de dólares en valor de productividad gracias a estas herramientas.
  • Reducción de la fatiga digital: Al automatizar tareas repetitivas como la actualización de registros o la búsqueda de información entre miles de mensajes, los equipos pueden centrarse en tareas de mayor valor.
  • Ecosistema abierto: La conexión con el Model Context Protocol (MCP) permite que Slackbot se conecte con miles de aplicaciones de terceros y con Agentforce, ampliando su utilidad más allá de las funciones nativas de Slack.

Contexto y datos sobre el ecosistema de Salesforce

Detrás de este lanzamiento se encuentra Salesforce, una de las mayores empresas de software del mundo especializada en la gestión de relaciones con clientes o CRM. La compañía ha posicionado a Slack como el sistema operativo del trabajo, donde la confianza y la seguridad son pilares fundamentales para el despliegue de la IA.

Enrique Mazón, vicepresidente de Salesforce, ha señalado que Slackbot actúa como la puerta de entrada a esta nueva era empresarial. Según explica el directivo, contar con un compañero inteligente que coordine equipos y sistemas permite acelerar la ejecución de los proyectos de forma drástica. Los interesados en profundizar en los detalles técnicos pueden consultar el blog oficial de la compañía, donde se desgranan cada una de las funcionalidades.

El despliegue de estas capacidades se apoya en una plataforma que ya cuenta con más de 6.000 aplicaciones integradas. Esto significa que Slackbot no solo sabe lo que ocurre en los mensajes de chat, sino que puede interactuar con las herramientas que las empresas ya utilizan habitualmente, desde gestores de tareas hasta bases de datos complejas.

¿Qué significa esto para el futuro del trabajo?

Lo que estamos presenciando es la consolidación de la IA no como una herramienta externa, sino como un miembro más de la plantilla. La tendencia indica que dejaremos de ver a la inteligencia artificial como un buscador avanzado para empezar a verla como un gestor de procesos que entiende el contexto histórico y social de una empresa.

Aunque el ahorro de tiempo es el dato más llamativo, el impacto real a largo plazo reside en la capacidad de las organizaciones para que la inteligencia fluya de forma natural hacia donde se necesita. El éxito de estas innovaciones dependerá de cómo los trabajadores se adapten a supervisar agentes autónomos en lugar de realizar ellos mismos todas las tareas manuales. Lo que es seguro es que la interfaz de trabajo está cambiando para convertirse en un entorno unificado y más eficiente.

Oracle y Atlassian: la paradoja de invertir en IA mientras recortan miles de empleos

NotebookLM
-
0
Oracle y Atlassian: la paradoja de invertir en IA mientras recortan miles de empleos

La industria tecnológica atraviesa una contradicción profunda que marca el inicio de una nueva era económica. Mientras gigantes como Oracle reportan ingresos récord de 17.200 millones de dólares y un crecimiento del 243% en su infraestructura de inteligencia artificial, miles de sus trabajadores reciben correos de despido fulminantes durante la madrugada. Esta semana, se ha confirmado que Oracle ha iniciado una reestructuración que podría afectar hasta a 30.000 empleados a nivel global, sumándose a los 1.600 despidos anunciados recientemente por Atlassian en su agresivo giro hacia un modelo empresarial definido como IA-first.

No se trata de una simple crisis de ahorro, sino de un cambio estructural donde el capital se desplaza de las nóminas hacia los centros de datos y la potencia de cálculo. Según el informe Project Iceberg del MIT, la automatización cognitiva en sectores administrativos representa un valor de 1,2 billones de dólares, lo que explica por qué el 70% de los ciudadanos teme por su futuro laboral. Este fenómeno sugiere que las empresas están cambiando conocimiento institucional por algoritmos, transformando radicalmente la relación entre humanos y máquinas en el mercado de trabajo actual.

La gran reconfiguración del capital tecnológico

Lo que estamos presenciando en empresas como Oracle no es un programa de eficiencia rutinario, sino una maniobra de reasignación de capital a gran escala. La compañía está dejando de ser una historia de crecimiento basada en software tradicional para convertirse en una infraestructura moldeada por kilovatios, cables y silicio. Para financiar este despliegue masivo de centros de datos, la firma ha tenido que recurrir a una financiación de 50.000 millones de dólares en deuda, lo que ha puesto una presión sin precedentes sobre sus costes operativos y su estructura de personal.

Esta estrategia implica que las tareas que antes realizaban equipos de ingeniería ahora se ejecutan mediante herramientas de programación automatizada. Durante su última llamada de resultados, los directivos de la empresa confirmaron que el uso de agentes de IA permite que equipos de ingeniería más pequeños entreguen soluciones completas con mayor rapidez. Por ejemplo, han desarrollado nuevas aplicaciones de ventas y un generador de sitios web utilizando exclusivamente estos recursos internos, lo que reduce la dependencia de la contratación masiva de programadores de nivel inicial.

En el caso de Atlassian, la situación es similar. La empresa, conocida por sus herramientas de gestión de trabajo como Trello o Jira, ha despedido al 10% de su plantilla para pivotar con fuerza hacia la inteligencia artificial. Sus fundadores han sido claros al respecto: la vara de medir lo que significa ser una empresa de software excelente ha subido en términos de velocidad y rentabilidad. Este cambio de enfoque ha dejado fuera a profesionales que incluso trabajaban en las propias líneas de desarrollo de IA de la compañía, demostrando que nadie parece estar totalmente a salvo de esta transición.

Por qué importa el Índice Iceberg en nuestra economía

Para entender la magnitud de este cambio, debemos mirar más allá de las oficinas de Silicon Valley. Un estudio reciente realizado por investigadores del MIT y el Laboratorio Nacional de Oak Ridge introduce un nuevo concepto: el Índice Iceberg. Este indicador mide el valor salarial de las tareas que la IA ya puede realizar técnicamente en cada ocupación. Lo que revela es impactante: el impacto visible de la IA en el sector tecnológico es solo la punta del iceberg, representando apenas el 2,2% del valor salarial total.

Debajo de la superficie, la automatización cognitiva oculta en sectores como la administración, las finanzas y los servicios profesionales alcanza el 11,7% del mercado laboral. Esto significa que la capacidad técnica de la IA para realizar tareas humanas es cinco veces mayor de lo que percibimos habitualmente. Las implicaciones son reales y tangibles para diversos perfiles:

  • Sector Financiero: Se proyecta que hasta el 30% de las tareas financieras rutinarias podrían estar automatizadas para el año 2030.
  • Recursos Humanos: Empresas como IBM ya han reducido personal en este departamento, sustituyendo funciones de gestión por sistemas automatizados.
  • Industria Tradicional: En estados con fuerte peso industrial, la exposición de los trabajadores administrativos de las fábricas es diez veces superior a la de los perfiles puramente técnicos.
  • Servicios al Cliente: La implementación de agentes conversacionales está transformando la necesidad de grandes centros de atención telefónica.

Voces de alerta y desconfianza social

Esta aceleración tecnológica ocurre en un contexto de escepticismo creciente entre la población. Según una encuesta nacional de la Universidad de Quinnipiac, el 70% de los estadounidenses cree que los avances en inteligencia artificial provocarán una disminución de las oportunidades laborales. La preocupación es especialmente aguda entre la Generación Z, donde el pesimismo alcanza al 81% de los jóvenes, quienes ven cómo sus habilidades recién adquiridas podrían quedar obsoletas antes de consolidar sus carreras.

La forma en que se están ejecutando estos recortes también alimenta la desconfianza. Muchos empleados de Oracle informaron haber recibido su notificación de despido a las 6 de la mañana, con un bloqueo inmediato de sus accesos a sistemas básicos como Slack o Zoom. Este tipo de prácticas, sumadas a la falta de transparencia sobre cómo se utiliza la IA internamente, hace que el 76% de la población manifieste que no confía habitualmente en la información generada por estas tecnologías.

Como explican en la información corporativa de Oracle, la misión de la empresa es ayudar a las personas a ver los datos de formas nuevas, pero para miles de sus trabajadores, esa nueva visión ha venido acompañada de una carta de despido. La paradoja es que, mientras la IA se vende como una herramienta para aumentar la productividad humana, en la práctica está sirviendo como argumento para reducir la masa salarial y priorizar la inversión en máquinas sobre el talento.

¿Qué significa esto para el futuro del trabajo?

Estamos ante un cambio de modelo donde la inteligencia se convierte en un insumo compartido entre humanos y máquinas. No es necesariamente el fin del empleo, sino una reestructuración profunda de lo que valoramos en un trabajador. El futuro próximo nos obliga a replantear las estrategias de formación y las políticas públicas de protección laboral, ya que los indicadores tradicionales como el PIB o la tasa de desempleo ya no son suficientes para captar cómo están cambiando las tareas diarias.

La tendencia actual sugiere que las empresas seguirán invirtiendo miles de millones en infraestructura mientras ajustan sus plantillas para adaptarse a una economía donde el código y el procesamiento de datos son el motor principal. El reto para la sociedad será encontrar el equilibrio entre aprovechar la innegable eficiencia de la inteligencia artificial y garantizar que el progreso tecnológico no deje atrás a la fuerza laboral que lo hizo posible. Es un camino incierto, pero la transparencia y la regulación serán fundamentales para que esta transición sea habitable para todos.

Llegan los robots biológicos con cerebro

NotebookLM
-
0
Llegan los robots biológicos con cerebro

La frontera entre la biología y la tecnología se ha vuelto más delgada con la llegada de los neurobots. Un equipo de investigadores de la Universidad de Harvard y la Universidad de Tufts ha logrado ensamblar pequeños robots biológicos que, por primera vez, integran un sistema nervioso funcional capaz de autoorganizarse.

En un estudio publicado recientemente en la revista Advanced Science, los científicos explican cómo utilizaron células de rana para construir estos organismos sintéticos, dotándolos de precursores neuronales que maduran y crean redes de comunicación eléctrica de forma espontánea. Este hito técnico permite que los robots no solo se desplacen de manera autónoma, sino que muestren comportamientos mucho más complejos que sus predecesores, los biobots.

El avance, liderado por expertos como Michael Levin y Haleh Fotowat, abre una vía inédita para la medicina regenerativa y el estudio de enfermedades neurológicas. Al utilizar células vivas como material de construcción, la ciencia está empezando a descifrar cómo la inteligencia y el movimiento pueden emerger de la materia biológica incluso en arquitecturas que no existen en la naturaleza, sentando las bases para una nueva generación de tecnología médica inteligente y biocompatible.

¿Qué es un neurobot y en qué consiste este avance?

Los neurobots representan una evolución de los sistemas vivos de ingeniería. A diferencia de los robots tradicionales fabricados con silicio y metal, estas entidades están compuestas íntegramente por material biológico. El proceso de fabricación comienza con células de la piel de la rana Xenopus laevis, un modelo clásico en la investigación biológica. Durante su fase de formación, los científicos insertan grupos de precursores neuronales en el centro de estas estructuras esféricas.

Lo que hace especial a este experimento es que los investigadores no diseñan las conexiones del cerebro del robot. Son las propias neuronas las que, en un proceso de autoorganización, extienden sus prolongaciones (axones y dendritas) para conectarse entre sí y con las células de la superficie del robot. De esta forma, las células nerviosas crean una red de comunicación interna sin seguir un plano genético predeterminado por la evolución de la especie original.

Para confirmar que esta red es funcional, el equipo utilizó técnicas de imagen de calcio, que permiten observar los pulsos eléctricos en tiempo real. Los resultados mostraron ráfagas de actividad coordinada, lo que demuestra que el neurobot posee un sistema de control centralizado. Gracias a esta red, estos entes de aproximadamente un milímetro de tamaño pueden coordinar sus movimientos a través de diminutos pelos llamados cilios, que actúan como motores biológicos para nadar.

El misterio de la plasticidad y los genes visuales

Uno de los hallazgos más inesperados del estudio, realizado por el Instituto Wyss de la Universidad de Harvard, fue la activación de genes relacionados con la visión. Mediante una técnica de análisis genético denominada secuenciación de ARN, los científicos descubrieron que los neurobots activaban de forma espontánea mecanismos moleculares propios del sistema visual, a pesar de que estos robots no tienen ojos ni una cabeza definida.

Este fenómeno sugiere una enorme plasticidad celular. Las células parecen retener una memoria genética que intentan desplegar incluso cuando se encuentran en un cuerpo artificial con una arquitectura totalmente nueva. Esta capacidad de adaptación indica que la materia viva busca constantemente formas de percibir y responder a su entorno, independientemente de la forma física que se le asigne en el laboratorio.

Además, se observó que la presencia de neuronas altera la morfología del robot. Los neurobots tienden a ser más alargados y grandes que los biobots convencionales. En términos de comportamiento, son mucho más activos y muestran patrones de movimiento repetitivos y sofisticados, en lugar de limitarse a trayectorias simples en línea recta. Los investigadores incluso probaron a administrarles fármacos que afectan al sistema nervioso, comprobando que su nivel de actividad respondía a estos estímulos químicos.

Quiénes están detrás y el contexto del proyecto

Este avance es el resultado de años de trabajo en morfología sintética. El equipo está liderado por Michael Levin, profesor de la Universidad de Tufts y director del Allen Discovery Center, y Haleh Fotowat, científica del Instituto Wyss. Levin ya fue noticia anteriormente por la creación de los xenobots, los primeros robots biológicos capaces de autorreplicarse, y los anthrobots, versiones similares construidas a partir de células humanas.

El estudio, publicado en la revista Advanced Science bajo el título Engineered Living Systems With Self-Organizing Neural Networks, ha contado con el apoyo de instituciones como el Departamento de Defensa de Estados Unidos y fundaciones como la John Templeton Foundation. La investigación forma parte de un esfuerzo global por entender las reglas que permiten a las células cooperar para construir estructuras complejas bajo condiciones no naturales.

A diferencia de los robots artificiales cuya inteligencia depende de algoritmos programados, los neurobots utilizan una inteligencia basal inherente a las células vivas. Esto significa que el «hardware» biológico es capaz de reprogramarse y aprender a resolver problemas de ingeniería en tiempo real, lo que supone un cambio importante en la forma en que entendemos la robótica y la computación biológica.

¿Qué significa esto para el futuro?

Aunque todavía estamos en una fase experimental, las aplicaciones futuras de esta tecnología son diversas. En el ámbito de la medicina, los neurobots podrían evolucionar hacia herramientas de medicina regenerativa personalizadas. En lugar de prótesis inertes, podríamos ver sistemas híbridos fabricados con las propias células del paciente, capaces de integrarse en el sistema nervioso para reparar lesiones en la médula espinal o los nervios retinianos.

Además, estos organismos podrían funcionar como plataformas avanzadas para probar nuevos fármacos neurológicos sin necesidad de utilizar animales de experimentación más complejos. Al tener un sistema nervioso funcional pero simplificado, permiten observar de forma directa cómo afectan las sustancias químicas a las conexiones neuronales y al comportamiento del organismo en su conjunto.

El futuro de la robótica parece dirigirse hacia una integración más armoniosa con la biología. El desarrollo de los neurobots nos recuerda que la inteligencia no es exclusiva de los cerebros tradicionales, sino una propiedad emergente de la vida cuando se le da la oportunidad de organizarse. Aunque el camino hacia aplicaciones comerciales es largo, la capacidad de estas neuronas para cablearse solas en entornos artificiales abre la puerta a una nueva era de tecnología viva.

Startup surcoreana recauda 400 millones para desafiar a Nvidia

NotebookLM
-
0
Startup surcoreana recauda 400 millones para desafiar a Nvidia

El dominio de Nvidia en el sector de la inteligencia artificial comienza a encontrar competidores que apuestan por la eficiencia. La startup surcoreana Rebellions ha anunciado el cierre de una ronda de financiación pre-IPO de 400 millones de dólares, elevando su capital total a 850 millones y su valoración a 2.340 millones de dólares. Esta inyección económica, liderada por Mirae Asset Financial Group y el Korea National Growth Fund, busca acelerar su expansión en Estados Unidos y la producción masiva de su plataforma Rebel100.

En un momento donde el consumo energético y la escalabilidad son críticos, Rebellions lanza sus sistemas RebelRack y RebelPOD para ofrecer infraestructura de inferencia lista para producción. Esta noticia es relevante porque marca un hito en la estrategia de Corea del Sur para liderar el hardware de IA, contando con el respaldo de gigantes como Samsung y Arm. La empresa no busca solo potencia bruta, sino demostrar que es posible ejecutar modelos de lenguaje a gran escala con un coste energético significativamente menor que el estándar actual del mercado.

¿Qué es Rebellions y su plataforma Rebel100?

Rebellions es una empresa especializada en el diseño de chips para la inferencia de IA, que es el proceso donde un modelo ya entrenado responde a las consultas de los usuarios. A diferencia de los chips diseñados para el entrenamiento masivo, su enfoque se centra en la rapidez y el bajo consumo eléctrico durante el uso cotidiano. Su pieza central es el Rebel100, un procesador basado en una arquitectura de chiplets que permite combinar varias matrices de computación para ganar potencia de forma modular.

Este chip integra tecnología punta como la memoria de gran ancho de banda HBM3e, sumando un total de 144 gigabytes de capacidad por unidad. Esto permite gestionar flujos de datos inmensos, alcanzando velocidades de transferencia de hasta 4,8 terabytes por segundo. Para facilitar su adopción, la empresa ha diseñado estos componentes bajo el formato tradicional de tarjetas PCIe, lo que permite instalarlos en servidores ya existentes sin necesidad de rediseñar toda la infraestructura del centro de datos.

La compañía no se limita a vender el silicio suelto, sino que ofrece soluciones integrales de hardware. El RebelServer, por ejemplo, agrupa ocho de estos motores de inferencia en una sola caja. Para necesidades mayores, el RebelRack combina cuatro de estos servidores para sumar un total de 32 aceleradores, entregando una potencia de 16 petaflops en precisión FP8. Estos sistemas están optimizados para funcionar con refrigeración por aire, evitando las costosas instalaciones de refrigeración líquida que requieren otros modelos de alta potencia.

¿Por qué importa este movimiento en el mercado?

La relevancia de Rebellions reside en su promesa de eficiencia. Según datos de la propia empresa, sus sistemas son capaces de ofrecer un rendimiento por vatio consumido superior al de soluciones consagradas. Comparado con el modelo H200 de Nvidia, aseguran lograr un 20 por ciento más de eficiencia en términos de operaciones por segundo por cada vatio gastado. Frente a modelos más potentes como el B200, la startup admite tener menos fuerza bruta, pero defiende que su consumo energético es casi la mitad.

Este enfoque responde a una necesidad real de la industria, donde el acceso a la energía eléctrica se ha convertido en un cuello de botella para la expansión de la IA. Al centrarse en la eficiencia, Rebellions busca atraer a empresas que necesitan escalar sus aplicaciones sin disparar sus facturas de luz ni superar los límites de carga de sus centros de datos. Además, su compatibilidad nativa con herramientas estándar como PyTorch, vLLM y Hugging Face reduce las barreras para que los ingenieros de software adopten su tecnología sin largos periodos de aprendizaje.

Entre las implicaciones para el mercado se encuentran:

  • Reducción de costes operativos para empresas que ejecutan modelos de lenguaje de gran tamaño.
  • Facilidad de despliegue inmediato gracias al uso de chasis estándar y refrigeración convencional por aire.
  • Mayor independencia de los proveedores tradicionales estadounidenses en el suministro de infraestructura crítica.

El respaldo estratégico de los gigantes asiáticos

Detrás de Rebellions no solo hay capital riesgo, sino una alianza estratégica con los nombres más importantes de la tecnología coreana y global. Como se detalla en su página web oficial, la empresa cuenta con el apoyo de Samsung, que no solo invierte capital, sino que se encarga de fabricar físicamente los chips y suministrar las memorias necesarias. También colaboran estrechamente con Arm, utilizando sus núcleos de procesamiento para servidores en sus diseños más avanzados.

El gobierno de Corea del Sur ha identificado a Rebellions como una pieza clave de su iniciativa K-Nvidia, un proyecto nacional que planea invertir cerca de 100.000 millones de dólares para fomentar líderes locales en semiconductores de IA. De hecho, el Korea National Growth Fund ha elegido a esta startup para su primera inversión dentro de este programa, aportando unos 166 millones de dólares en la última ronda. Este respaldo institucional es fundamental en un mercado donde la escasez de componentes y el acceso a las fundiciones son desafíos constantes.

A pesar de estas cifras, la empresa mantiene los pies en la tierra respecto a los retos actuales. El director ejecutivo, Sunghyun Park, ha señalado que uno de los mayores obstáculos es asegurar el suministro constante de chips de memoria, que actualmente tienen una demanda masiva y precios al alza. No obstante, al tener a Samsung y SK Hynix entre sus inversores, consideran que están en la mejor posición posible para sortear estas dificultades logísticas.

Lo que viene ahora

El futuro próximo de Rebellions pasa por su desembarco definitivo en el mercado de Estados Unidos. La empresa ya está realizando pruebas de concepto con clientes potenciales y busca atraer a laboratorios de IA y empresas como Meta o xAI, en lugar de competir directamente con los gigantes de la nube como Microsoft o Amazon. Esta estrategia de nicho, centrada en la inferencia eficiente para grandes laboratorios, podría ser su pasaporte hacia una futura salida a bolsa.

Aunque sus promesas de ahorro energético aún deben ser validadas por análisis independientes externos, el interés que han despertado sugiere que el mercado está hambriento de alternativas. La tendencia actual no parece ser únicamente la búsqueda del chip más potente, sino del más sostenible y fácil de integrar. Si Rebellions logra demostrar que su hardware puede operar de forma estable y económica a escala global, podríamos estar ante el nacimiento de un actor relevante en el ecosistema de la infraestructura digital, equilibrando el peso tecnológico entre Occidente y Asia.

N.O.M.A.D.: la IA para salvar Internet offline

NotebookLM
-
0
N.O.M.A.D.: la IA para salvar Internet offline

Imagine un escenario donde la estabilidad de las comunicaciones globales se ve comprometida por ciberataques o desastres naturales. En este contexto, el acceso a la información se convierte en el recurso más valioso para la supervivencia y la toma de decisiones críticas. Project N.O.M.A.D., cuyas siglas significan Node for Offline Media, Archives, and Data, se presenta como una solución de ingeniería robusta diseñada para funcionar en aislamiento total. Desarrollado por Crosstalk Solutions, este proyecto de código abierto permite transformar hardware convencional en un nodo de conocimiento autónomo que integra inteligencia artificial, la Wikipedia completa y cartografía detallada sin necesidad de conectarse a la red.

No se trata simplemente de un archivo estático, sino de un ecosistema vivo que permite realizar consultas inteligentes y gestionar datos de forma local y privada. Su importancia trasciende el ámbito de los entusiastas de la supervivencia, posicionándose como una herramienta estratégica para comunidades en zonas remotas, equipos de respuesta ante emergencias y cualquier usuario que busque blindar su soberanía tecnológica frente a un futuro digital incierto. A través de un despliegue basado en contenedores, N.O.M.A.D. garantiza que la información esencial nunca se desconecte, independientemente del estado de la infraestructura global.

¿Qué es Project N.O.M.A.D. y cómo funciona?

Project N.O.M.A.D. es un servidor de conocimiento e información diseñado bajo la filosofía de offline-first. Técnicamente, se define como una computadora de supervivencia autónoma que orquesta una colección de herramientas críticas mediante el uso de contenedores Docker. El sistema centraliza todas estas capacidades en una interfaz de gestión denominada Command Center, accesible a través del navegador web, lo que facilita su uso incluso para aquellos que no son expertos en administración de sistemas.

La arquitectura del nodo permite ejecutar modelos de lenguaje de gran tamaño (LLM) de forma local utilizando el motor de inferencia Ollama. Esto significa que el usuario puede interactuar con un asistente de inteligencia artificial similar a las opciones comerciales más conocidas, pero sin enviar datos a servidores externos y sin depender de una conexión activa. Además, implementa un sistema de RAG (Generación Aumentada por Recuperación) que utiliza la base de datos vectorial Qdrant para realizar búsquedas semánticas en documentos propios, permitiendo encontrar información específica dentro de manuales técnicos o archivos médicos en cuestión de segundos.

El núcleo de su biblioteca de información se basa en Kiwix, una plataforma que permite navegar por archivos ZIM que contienen copias íntegras de sitios como la Wikipedia, guías de primeros auxilios y repositorios educativos como Khan Academy a través de la plataforma Kolibri. Todo este conjunto tecnológico se despliega sobre cualquier sistema operativo basado en Debian, siendo Ubuntu la distribución recomendada por los desarrolladores para asegurar la compatibilidad con los controladores de hardware.

Resiliencia digital e inteligencia artificial sin conexión

La gran diferencia entre N.O.M.A.D. y otros sistemas de almacenamiento de datos es su enfoque en la inteligencia activa. Mientras que un disco duro externo solo guarda archivos, este nodo permite procesarlos y razonar sobre ellos. En situaciones de emergencia, donde la velocidad de respuesta es vital, el asistente de IA puede analizar manuales de reparación o protocolos médicos complejos para ofrecer respuestas directas al usuario. Esto reduce drásticamente la carga cognitiva necesaria para gestionar grandes volúmenes de información técnica en condiciones de estrés.

Además, el proyecto aborda la necesidad de movilidad y colaboración en red local. El nodo puede configurarse como un punto de acceso WiFi, permitiendo que otros dispositivos cercanos (teléfonos móviles, tabletas u ordenadores) se conecten a la «intranet portátil» generada por el servidor. De este modo, un solo equipo con N.O.M.A.D. puede servir cartografía detallada mediante ProtoMaps a todo un equipo de trabajo en el campo, sin necesidad de routers externos o señales de satélite.

Entre las herramientas adicionales que refuerzan su carácter polivalente se encuentran:

  • CyberChef: una aplicación para el análisis y transformación de datos que permite cifrar, codificar y realizar funciones hash de forma segura.
  • FlatNotes: un sistema de toma de notas local con soporte para formato Markdown, ideal para llevar diarios de operaciones o registros técnicos.
  • Benchmark del sistema: una herramienta integrada que permite evaluar el rendimiento del hardware y comparar la velocidad de procesamiento de la IA con otros usuarios.

Contexto técnico y requisitos de hardware

A diferencia de otros proyectos similares que buscan ejecutarse en hardware de bajo coste y potencia mínima, N.O.M.A.D. está diseñado para aprovechar equipos con capacidades gráficas significativas. Aunque los servicios básicos de biblioteca y mapas pueden funcionar en un procesador de 2 GHz con 4 GB de RAM, la experiencia con inteligencia artificial requiere especificaciones más ambiciosas para ser realmente útil.

Para una ejecución óptima de los modelos de lenguaje, se recomienda el uso de procesadores AMD Ryzen 7 o Intel Core i7 acompañados de al menos 32 GB de memoria RAM. El factor determinante es la tarjeta gráfica: los desarrolladores sugieren una NVIDIA RTX 3060 o superior, ya que una mayor cantidad de memoria de vídeo (VRAM) permite cargar modelos de IA más grandes y complejos. En cuanto al almacenamiento, se aconseja contar con discos SSD de al menos 250 GB para alojar los contenedores y los pesados archivos de datos de la Wikipedia y los mapas regionales.

La instalación es notablemente sencilla para un stack tecnológico tan completo. Según se detalla en el repositorio de GitHub, el proceso se puede iniciar con un único comando en la terminal que descarga y configura automáticamente todos los servicios necesarios. Es importante destacar que el sistema requiere una conexión estable a internet durante esta fase inicial para descargar las dependencias, pero una vez completada, el nodo puede ser desconectado y transportado a cualquier lugar para operar de forma autónoma.

El proyecto se distribuye bajo la licencia Apache 2.0, lo que garantiza su carácter abierto y permite a la comunidad auditar el código para asegurar la ausencia de puertas traseras. De hecho, el sistema tiene cero telemetría integrada, respetando la privacidad del usuario al máximo nivel. Para verificar la conectividad, el software solo realiza una petición puntual a un servicio de Cloudflare durante la configuración inicial.

¿Qué significa esto para el futuro?

El auge de proyectos como N.O.M.A.D. refleja un cambio de paradigma en nuestra relación con la tecnología. Durante años, la tendencia ha sido la centralización extrema del conocimiento en la nube, lo que ha generado una dependencia crítica de infraestructuras que no controlamos. Soluciones como esta proponen un retorno a la computación local, pero potenciada por las herramientas más avanzadas de nuestra era.

Más allá de su utilidad en catástrofes o zonas de conflicto, N.O.M.A.D. ofrece una alternativa real para quienes valoran la privacidad absoluta y el control sobre sus datos. Al funcionar exclusivamente en local, elimina el riesgo de vigilancia o censura algorítmica. En última instancia, disponer de un nodo de este tipo no es solo un acto de preparación ante lo inesperado, sino una declaración de autonomía tecnológica en un mundo donde la conexión permanente se ha vuelto obligatoria pero, a veces, también frágil.

Como explican en su página web oficial, el objetivo final es que el conocimiento humano nunca se apague, asegurando que las herramientas necesarias para reconstruir o educar estén siempre al alcance de la mano, con o sin internet. La democratización del acceso a la IA y a las bibliotecas universales sin cables de por medio es ya una realidad técnica disponible para cualquier usuario con el hardware adecuado.

Hartos

Juan Eladio Hernández
-
0
Hartos

Anthropic confirma Claude Mythos: su modelo de IA más potente y avanzado

NotebookLM
-
0
Anthropic confirma Claude Mythos: su modelo de IA más potente y avanzado

Anthropic, la empresa responsable de Claude, ha confirmado accidentalmente la existencia de su modelo más avanzado hasta la fecha: Claude Mythos. La noticia surge tras una filtración masiva de casi 3.000 archivos internos debido a un error en su sistema de gestión de contenidos. Este nuevo modelo representa un cambio de escala en el rendimiento de la inteligencia artificial, situándose por encima de la familia Opus en capacidades de razonamiento académico, desarrollo de software y, especialmente, ciberseguridad.

A diferencia de lanzamientos anteriores, la compañía ha optado por un despliegue controlado y restringido a un grupo selecto de usuarios debido a los riesgos potenciales que conlleva un sistema con tal nivel de autonomía técnica. La llegada de Mythos, asociada a un nuevo nivel de capacidad denominado Capybara, marca un punto importante en la competencia por liderar el sector, aunque su alto coste computacional sugiere que aún falta tiempo para que el público general pueda acceder a él de forma masiva. Su importancia radica no solo en su potencia bruta, sino en cómo obliga a replantear las defensas digitales ante una nueva ola de herramientas capaces de explotar vulnerabilidades de forma automatizada.

Claude Mythos y el nacimiento del nivel Capybara

El descubrimiento de este modelo se produjo inicialmente a través de una filtración involuntaria que expuso borradores de anuncios oficiales e información corporativa. Según los documentos recuperados, Claude Mythos no es solo una actualización incremental, sino que introduce una nueva categoría técnica. Hasta ahora, la oferta de la empresa se dividía en tres niveles: Haiku (ligero), Sonnet (equilibrado) y Opus (potente). Mythos inaugura el nivel Capybara, diseñado para ser más grande e inteligente que cualquier versión anterior.

El nombre Mythos, según los borradores filtrados, busca evocar el tejido conectivo que enlaza el conocimiento y las ideas. En términos de rendimiento, este modelo ha logrado puntuaciones significativamente más altas que Claude Opus 4.6 en pruebas críticas. Estas evaluaciones incluyen la escritura de código informático, el razonamiento académico de alto nivel y la detección de fallos de seguridad. La empresa afirma que se trata del modelo más capaz que han construido hasta el momento, habiendo finalizado ya su fase de entrenamiento principal.

A diferencia de otros modelos que se lanzan para uso general de inmediato, Mythos está siendo tratado con una cautela excepcional. Esto se debe a que su potencia conlleva un incremento proporcional en el coste computacional. Servir este modelo es extremadamente caro para la empresa y, por extensión, lo será para sus clientes. Por ello, el equipo de ingeniería está trabajando actualmente en optimizar su eficiencia antes de permitir que llegue a una base de usuarios más amplia.

El salto en ciberseguridad: una herramienta de doble filo

Uno de los puntos más destacados de la filtración es la preocupación de Anthropic por las capacidades de Mythos en el ámbito de la seguridad informática. El modelo es capaz de descubrir vulnerabilidades en bases de código con una rapidez que supera los métodos tradicionales. Esta habilidad, aunque útil para los desarrolladores, también podría ser utilizada por actores malintencionados para ejecutar ataques a gran escala. La empresa reconoce que este sistema precede a una nueva generación de IA capaces de superar los esfuerzos actuales de los defensores digitales.

Para mitigar estos riesgos, el plan de lanzamiento se centra inicialmente en un Early Access Program (EAP) o programa de acceso temprano. Este grupo está compuesto por organizaciones especializadas en defensa cibernética. El objetivo es que estos profesionales utilicen la potencia de Mythos para reforzar sus propios sistemas antes de que modelos con capacidades similares sean de acceso común. Se trata de dar una ventaja estratégica a quienes protegen la infraestructura digital.

Las implicaciones reales de este modelo se extienden a varios campos técnicos:

  • Mejora en la detección automatizada de errores en software complejo.
  • Capacidad de razonamiento superior para resolver problemas académicos complejos.
  • Generación de código más robusto y eficiente en múltiples lenguajes de programación.
  • Análisis profundo de grandes volúmenes de datos para encontrar conexiones no evidentes.

Una brecha de seguridad que reveló el secreto

Resulta irónico que un modelo tan centrado en la ciberseguridad se haya dado a conocer por un fallo en la gestión de la información de su propia creadora. Según ha confirmado Anthropic a medios como Mashable, el origen de la filtración fue un problema con su CMS (Sistema de Gestión de Contenidos). Los datos se subieron a un Data lake (un gran repositorio de datos) que no fue marcado correctamente como privado, dejándolo accesible de forma pública en internet.

Este descuido expuso casi 3.000 activos, incluyendo detalles sobre eventos exclusivos para directivos, información de empleados y, lo más relevante, el borrador del blog donde se presentaba a Claude Mythos. Aunque parte de la información correspondía a anuncios antiguos o descartados, la revelación del nivel Capybara ha captado la atención de toda la industria. La empresa tuvo que confirmar la veracidad de los datos tras un informe inicial publicado por la revista Fortune.

A pesar de este incidente, la comunicación oficial de la empresa, que puede consultarse de forma habitual en el blog de la empresa, mantiene una línea de prudencia. Insisten en que la seguridad es su prioridad número uno y que no acelerarán el lanzamiento global de Mythos hasta estar seguros de que los beneficios superan los riesgos potenciales. La transparencia sobre estas dudas es una característica poco común en un mercado que suele premiar la rapidez por encima de la precaución.

¿Qué significa esto para el futuro de la IA?

La aparición de Claude Mythos confirma que la carrera por modelos cada vez más grandes y capaces no se ha detenido, pero también muestra que estamos llegando a un punto donde la potencia bruta empieza a ser difícil de gestionar. La decisión de Anthropic de limitar el acceso basándose en criterios de seguridad y coste refleja una maduración en la industria. Ya no basta con ser el más inteligente; ahora es necesario ser sostenible económicamente y seguro para el entorno digital.

Lo que viene ahora es una fase de expansión lenta. Durante las próximas semanas, más clientes de la API de Claude recibirán acceso al modelo de forma gradual, siempre bajo la supervisión de la compañía. El éxito de Mythos no se medirá solo por sus resultados en los bancos de pruebas, sino por su capacidad para ayudar a construir un ecosistema digital más resistente. Mientras tanto, el resto de los usuarios tendrá que esperar a que los avances en eficiencia permitan que la inteligencia del nivel Capybara sea accesible desde cualquier dispositivo.

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

MuleSoft Connect Madrid: el camino hacia las empresas agénticas con IA

NotebookLM
-
0
MuleSoft Connect Madrid: el camino hacia las empresas agénticas con IA

El pasado 27 de marzo, Madrid se convirtió en el epicentro del debate sobre la autonomía empresarial en el evento MuleSoft Connect: AI. En el espacio La Salle, un centenar de líderes tecnológicos se reunieron para explorar el concepto de empresa agéntica, un modelo de negocio donde la inteligencia artificial no es solo una herramienta de consulta, sino un conjunto de agentes capaces de ejecutar tareas y coordinarse de forma autónoma.

Ricardo Usaola, responsable de MuleSoft en Iberia, destacó que la clave del éxito reside en la orquestación de aplicaciones y la gestión de datos gobernados. En un entorno donde la información suele estar fragmentada, establecer una base sólida es fundamental para que la IA opere con seguridad. Este encuentro no solo presentó visiones teóricas, sino casos reales de organizaciones como Europ Assistance o Singular Bank, que ya integran estas tecnologías.

La relevancia de este avance radica en la capacidad de transformar la complejidad técnica en procesos ordenados y eficientes, marcando el inicio de una era donde los protocolos de IA y las APIs permiten una interacción constante y segura entre sistemas, redefiniendo la productividad en el sector corporativo.

¿Qué es el modelo de empresa agéntica y cómo funciona?

La transición hacia una empresa agéntica implica un cambio de mentalidad en la arquitectura de sistemas. No se trata simplemente de añadir un chat inteligente a una página web, sino de integrar agentes de Inteligencia Artificial que puedan operar sobre una red de aplicaciones preexistentes. Estos agentes actúan como empleados digitales especializados que pueden tomar decisiones basadas en datos en tiempo real.

Para que estos agentes sean eficaces, necesitan lo que en el sector se denomina una capa de contexto. Esta capa permite que los datos que antes estaban aislados en diferentes departamentos o programas (datos fragmentados) cobren sentido para la IA. La plataforma de MuleSoft actúa aquí como una puerta de enlace segura, asegurando que cada interacción sea rastreable y cumpla con las normas de seguridad de la organización.

El funcionamiento se basa en la gobernanza unificada. Esto significa que la empresa tiene el control total sobre qué información maneja la IA y bajo qué reglas lo hace. Sin este nivel de control, los agentes autónomos podrían cometer errores por falta de información precisa o por acceder a datos no autorizados. Por ello, la orquestación es el pilar que permite coordinar a personas, aplicaciones y agentes en un mismo flujo de trabajo.

En este ecosistema, las APIs (interfaces de programación de aplicaciones) siguen siendo fundamentales. Funcionan como los conectores que permiten que los nuevos protocolos de IA «hablen» con los sistemas antiguos de la empresa. De este modo, la tecnología agéntica no obliga a borrar todo lo anterior, sino que construye una capa inteligente sobre la infraestructura que la empresa ya posee y utiliza a diario.

Por qué la orquestación de agentes cambia las reglas del negocio

La capacidad de coordinar agentes autónomos impacta directamente en la agilidad operativa. Cuando una empresa logra que sus herramientas se comuniquen entre sí de forma fluida, los tiempos de respuesta se reducen drásticamente. Esto es especialmente visible en sectores como el de seguros o la banca, donde la gestión de grandes volúmenes de datos es una constante y los errores pueden tener costes elevados.

Durante el evento, se presentaron ejemplos concretos de cómo esta tecnología se aplica en el mundo real. Organizaciones con estructuras complejas están encontrando en la IA agéntica una solución para organizar sus procesos internos. Algunos de los beneficios que se han identificado en la implementación de estos sistemas incluyen los siguientes puntos clave:

  • Reducción de silos de información: Al conectar aplicaciones dispersas, los agentes tienen una visión completa del negocio para tomar mejores decisiones.
  • Automatización de tareas complejas: Los agentes no solo sugieren acciones, sino que pueden ejecutarlas, como procesar una reclamación o actualizar un perfil de riesgo.
  • Seguridad y confianza: El uso de una gobernanza centralizada asegura que el uso de la IA cumpla con los estándares legales y de privacidad más estrictos.
  • Escalabilidad: Permite añadir nuevas capacidades de inteligencia sin necesidad de rediseñar toda la red de software de la compañía.

Empresas como Europ Assistance, Singular Bank, VM España y Group CTT han servido como testimonios de este cambio. Para estas entidades, la inteligencia artificial ya no es un proyecto de futuro, sino una realidad operativa que ayuda a gestionar la relación con el cliente y la eficiencia interna. La clave no es la IA por sí sola, sino cómo se integra con el resto del software corporativo.

Contexto: el respaldo técnico detrás de la propuesta agéntica

Detrás de esta visión se encuentra la infraestructura de Salesforce, compañía que ha integrado a MuleSoft como su motor de conectividad. Con más de 16 años de trayectoria en el mercado, MuleSoft ha pasado de ser una herramienta de integración de datos a convertirse en la base sobre la que se construyen las interacciones autónomas de la IA moderna.

Un paso importante en esta estrategia ha sido la reciente adquisición de Informatica por parte del grupo. Esta operación busca fortalecer la capacidad de las empresas para enriquecer sus datos con el contexto específico de su negocio. Si la IA no entiende el contexto particular de una empresa (sus clientes, sus productos, su historia), sus respuestas serán genéricas y poco útiles para la toma de decisiones estratégicas.

El evento Connect: AI Madrid también contó con el apoyo de grandes consultoras y socios tecnológicos, lo que refleja el interés del sector por estas soluciones. Entre los patrocinadores figuraron nombres como Deloitte, NTT Data, Capgemini e Indra Group. Este respaldo indica que la implementación de agentes de IA es vista como una prioridad de inversión para las grandes corporaciones en los próximos años.

La propuesta técnica se centra en convertir la complejidad de las redes de datos actuales en un orden lógico. Al utilizar protocolos de seguridad unificados, las empresas pueden confiar en que la autonomía de sus agentes de IA no comprometerá la integridad de su información sensible. Es una evolución natural de la transformación digital que comenzó hace una década.

¿Qué significa esto para el futuro de la integración?

Estamos entrando en una fase donde los negocios operarán sobre una red sofisticada de APIs y agentes autónomos que interactúan entre sí a cada segundo. El concepto de «empresa agéntica» define a aquellas organizaciones que logran que sus sistemas funcionen de forma coordinada, permitiendo que la inteligencia artificial trabaje sobre cimientos sólidos y datos fiables.

El futuro de la integración ya no se mide solo por la capacidad de mover datos de un punto A a un punto B. Ahora, el éxito se define por la capacidad de dotar a esos datos de inteligencia activa. La tendencia apunta hacia sistemas cada vez más autónomos, pero siempre bajo la supervisión y las reglas de gobernanza definidas por los responsables humanos de la organización.

A medida que estas herramientas se vuelven más accesibles, es probable que veamos una adopción masiva en medianas empresas que buscan optimizar sus procesos sin aumentar drásticamente su plantilla. La IA agéntica, apoyada en una orquestación robusta, promete ser el motor que permita a las empresas navegar en un mercado global cada vez más saturado de información y necesitado de respuestas rápidas.

Gemini 3.1 Pro lidera en seguridad frente al código generado por IA

NotebookLM
-
0
Gemini 3.1 Pro lidera en seguridad frente al código generado por IA

La era del vibe coding, caracterizada por la extrema rapidez en el desarrollo de software, enfrenta un serio desafío de seguridad. Un reciente informe de Armis Labs, denominado Trusted Vibing Benchmark, ha puesto a prueba a 18 modelos de IA generativa en 31 escenarios distintos, revelando que el 100% de ellos falla al generar código seguro para situaciones críticas.

Este estudio, publicado en marzo de 2026, destaca que incluso los sistemas más avanzados presentan vulnerabilidades que podrían exponer a las organizaciones a ciberataques sistémicos. Entre los resultados, el modelo Gemini 3.1 Pro de Google se posiciona como el líder indiscutible en protección, logrando reducir drásticamente los errores graves frente a sus competidores comerciales y de código abierto.

Sin embargo, la investigación advierte que la confianza ciega en el desarrollo autónomo está aumentando la deuda técnica. El 77% de los responsables de tecnología confía en la integridad de este código de terceros, a pesar de que un 16% admite no saber si ha sido verificado exhaustivamente. Este panorama subraya la necesidad de implementar controles de seguridad nativos para evitar que la velocidad de desarrollo comprometa la estabilidad empresarial.

¿Qué es el Trusted Vibing Benchmark?

El Trusted Vibing Benchmark es una investigación exhaustiva realizada por la división Armis Labs para evaluar la capacidad de los modelos de lenguaje actuales en la creación de software seguro. A diferencia de otras pruebas, este análisis se centra en funciones atómicas, es decir, pequeñas piezas de código que forman la base de aplicaciones más complejas.

La metodología utilizada se basa en el uso de herramientas como OpenCode, un entorno de desarrollo agnóstico que permite simular cómo un programador interactúa con la IA en varios turnos de conversación. Los expertos evaluaron 18 modelos diferentes, incluyendo gigantes comerciales como los de Anthropic, Google y OpenAI, además de las principales alternativas de código abierto.

Para medir el riesgo, se utilizaron métricas basadas en las CWE (Common Weakness Enumeration), que son categorías estandarizadas de vulnerabilidades de software. El estudio puso especial énfasis en los fallos relacionados con el OWASP Top 10, una lista que identifica los diez riesgos de seguridad más críticos para las aplicaciones web a nivel mundial.

Los líderes y los rezagados en la carrera de seguridad

Los resultados del informe muestran una variabilidad notable entre los diferentes proveedores. El modelo Gemini 3.1 Pro ha sido calificado como el mejor de su clase, logrando una mejora de tres veces respecto a otros competidores. Destaca especialmente por haber evitado por completo la generación de fallos múltiples compuestos, una situación peligrosa donde un solo bloque de código contiene varias vulnerabilidades graves.

Por otro lado, la familia OpenAI Codex, que incluye versiones avanzadas de GPT-5, ha demostrado ofrecer la base de seguridad más consistente del mercado. Aunque no alcanzan los picos de rendimiento de los modelos más recientes de Google, se mantienen de forma fiable en el cuartil superior de la clasificación, manteniendo los escenarios de alto riesgo bajo control.

En el extremo opuesto se encuentran algunos modelos que, a pesar de su elevado coste o popularidad, presentan riesgos inaceptables. Versiones anteriores como Claude Sonnet 4.5 o incluso Gemini 2.5 Pro (que tiene un coste de 12.28 dólares por millón de tokens) mostraron tasas de error alarmantes. Según los investigadores, esto se debe a veces al fenómeno del reward hacking, donde el modelo prioriza que el código funcione a que sea seguro.

El sorprendente valor del código abierto

Uno de los hallazgos más interesantes de la investigación es la alta competitividad de los modelos de código abierto. Sistemas como Qwen 3.5, Minimax M2.5 y Kimi K2.5 ofrecen un rendimiento en seguridad que iguala o incluso supera a modelos propietarios mucho más caros.

Estos modelos pueden llegar a ser hasta 30 veces más baratos, con costes tan reducidos como los 0.67 dólares. Para organizaciones con presupuestos limitados, estas opciones representan una alternativa mucho más segura que utilizar versiones antiguas de modelos premium. No obstante, se recomienda que estos sistemas se ejecuten de forma local para minimizar otros riesgos en la cadena de suministro.

  • Eficiencia de costes: Modelos como Qwen 3.5 mantienen una baja densidad de fallos críticos a una fracción del precio.
  • Resiliencia: El ecosistema abierto ha demostrado ser capaz de evitar fallos en cascada de manera efectiva.
  • Alternativa real: Superan en fiabilidad a variantes premium más antiguas de grandes proveedores estadounidenses.

Contexto y puntos ciegos universales

A pesar de los avances, existen lo que Armis denomina «puntos ciegos universales». Hay escenarios específicos donde todos los modelos probados fallaron sin excepción. Esto incluye tareas relacionadas con los excesos de búfer de memoria, sistemas de autenticación de usuarios y la carga de archivos de diseño.

El fallo más recurrente detectado fue la CWE-770, referida a la asignación de recursos sin límites. Esto significa que la IA rara vez incluye por defecto restricciones de memoria o límites de tamaño de archivos, lo que deja a las aplicaciones vulnerables a ataques de Denegación de Servicio (DoS). El código autónomo actual sigue siendo insuficiente para el desarrollo a gran escala sin supervisión.

Para mitigar estos riesgos, la compañía recomienda el uso de soluciones como Armis Centrix para seguridad de aplicaciones, que utiliza análisis impulsado por IA para detectar y corregir estas brechas en tiempo real. La transición de una gestión basada en escáneres tradicionales hacia una gestión de riesgos real se vuelve indispensable en este nuevo paradigma.

¿Qué significa esto para el futuro?

La conclusión es clara: la seguridad no puede ser una idea secundaria en el desarrollo con inteligencia artificial. Aunque modelos como Gemini 3.1 Pro han dado pasos significativos, la realidad es que incluso los mejores sistemas generan código vulnerable en más del 30% de los casos. Las empresas deben ser conscientes de que el uso de estas herramientas genera una deuda técnica inmediata que requiere revisión humana o automatizada.

El futuro de la programación probablemente no pase por abandonar estas herramientas, sino por integrarlas en un ecosistema de seguridad mucho más robusto. La tendencia indica que los modelos seguirán mejorando, pero mientras persistan los puntos ciegos en tareas críticas, la figura del desarrollador experto en seguridad seguirá siendo el último y más importante filtro antes de que cualquier línea de código llegue a producción.

1...192021...87Página 20 de 87