«Elegimos otro camino»: Zhipu defiende la IA abierta mientras Occidente cierra el grifo
Mientras Estados Unidos y buena parte de la industria estrechan el acceso a sus modelos más potentes, el fundador del laboratorio chino Zhipu (ahora Z.ai) ha salido a defender justo lo contrario: que la IA de frontera debe seguir siendo abierta y accesible. En un memo interno al que ha tenido acceso Bloomberg, Tang Jie sostiene que la seguridad real no nace de levantar barreras, sino de la participación, la transparencia y la supervisión amplias.
No es una reflexión abstracta. Lo dice justo después de liberar su modelo GLM-5.2 en código abierto, y en pleno pulso geopolítico por quién controla la IA. La apertura, aquí, es a la vez una postura sobre la seguridad y un arma competitiva.
«Elegimos otro camino»
Tang, que además es profesor en la prestigiosa Universidad Tsinghua, resume su filosofía en una imagen. Su empresa, dice, publica sus capacidades punteras para que cualquiera pueda descargarlas e incluso comercializarlas.
«Elegimos otro camino. Una mano llega más alto, retando los límites de la inteligencia, mientras la otra allana el camino, haciendo las capacidades de frontera lo más abiertas y accesibles posible».
Tang Jie, fundador de Zhipu, en un memo interno citado por Bloomberg
El cierre de Occidente, como telón de fondo
La declaración cobra sentido por el momento en que llega. Desarrolladores como Anthropic u OpenAI, y varios gobiernos, llevan meses lidiando con modelos cada vez más capaces que algunos expertos temen que acaben armando a los ciberatacantes. Anthropic llegó a restringir temporalmente el acceso a algunos de sus modelos de frontera después de que el Gobierno de EE. UU. le pidiera suspender su uso por parte de extranjeros, y mantiene vetados a los desarrolladores chinos por motivos de seguridad nacional. El choque no es nuevo: ya lo vimos cuando Anthropic acusó a Alibaba de «destilar» su modelo Claude.
De fondo late un temor concreto. La aparición de sistemas como la IA Mythos de Anthropic, capaz de explotar fallos ocultos en el software a veces sin supervisión humana, apunta a una fase más rápida e impredecible de la tecnología. Es el argumento de quienes piden cerrar el grifo: cuanto más poderoso es el modelo, más arriesgado resulta ponerlo en manos de cualquiera.
La apertura china, entre estrategia y contradicción
Zhipu no está sola. La apuesta china por el código abierto, de DeepSeek a la familia Qwen de Alibaba, ha disparado su adopción global y ha servido para acortar distancias con Estados Unidos. Pero conviene no idealizarla. El propio Tang recuerda que Zhipu nació con respaldo estatal y con la idea de que la IA sirva a fines estratégicos nacionales. Y China tampoco predica siempre con el ejemplo: según Reuters, Pekín estudia limitar el acceso extranjero a algunos de sus modelos abiertos más avanzados.
Dicho de otro modo, la frontera entre abrir y cerrar se mueve según a quién beneficie. Es la misma pugna por la autonomía tecnológica que empuja a otros actores, como Taiwán con su hoja de ruta de IA soberana, a jugar sus propias cartas.
Menos monetización, más frontera
El memo también traza el plan. En los próximos dos años, Zhipu no perseguirá la monetización rápida de sus aplicaciones, sino que se centrará en avances técnicos como las tareas de largo horizonte, los agentes autónomos y los modelos que se entrenan a sí mismos. Su plataforma GLM-5, orientada a la programación y a tareas de agente, ya se mide directamente contra la serie Claude Opus de Anthropic. Y el mercado acompaña: sus acciones se dispararon tras anunciar una ampliación de capital de 4.000 millones de dólares en Hong Kong y planes para cotizar también en Shanghái.
El debate de fondo, abierto contra cerrado, se vende como una cuestión de seguridad, pero se parece cada vez más a una cuestión de quién va por delante. Washington cierra para conservar su ventaja; Pekín abre para recortarla, y se reserva cerrar cuando le convenga. En medio queda una certeza incómoda: la misma apertura que democratiza la IA también la pone al alcance de quien quiera hacer daño, y esa ecuación no la ha resuelto todavía nadie.
7 de cada 10 españoles ya usan IA: así madura nuestra relación con la tecnología
El segundo Observatorio Anual IAON, presentado en Madrid este 14 de julio, confirma que la inteligencia artificial ya forma parte de la rutina en España: 7 de cada 10 personas usan IA generativa, frente al 51% de hace un año. Pero el dato más revelador no es cuánta gente la usa, sino cómo ha cambiado su actitud hacia ella.
El estudio, impulsado por el Gobierno de Aragón, Microsoft, Ibercaja y Fundación Ibercaja, retrata a una sociedad que ha pasado del deslumbramiento a la exigencia: usa más la tecnología y, al mismo tiempo, confía menos a ciegas en ella.
¿Qué es el Observatorio Anual IAON?
IAON es una iniciativa del Gobierno de Aragón, Microsoft, Ibercaja y Fundación Ibercaja que busca promover una inteligencia artificial ética, accesible y con impacto social positivo, a través de la formación, la divulgación y la investigación. Su Observatorio Anual es el estudio con el que mide, año a año, cómo evolucionan el conocimiento, el uso, la confianza y la percepción social de la IA en España. Esta es su segunda edición, y se apoya en más de 1.300 entrevistas realizadas entre febrero y marzo de 2026. La gran novedad de este año es la incorporación de un panel de 300 autónomos y pymes, para radiografiar también cómo entra la IA en el tejido empresarial más pequeño.
Se usa más, y con más frecuencia
La señal más clara del cambio es que quienes nunca habían tocado la IA generativa se reducen a marchas forzadas: eran la mitad de la población en 2025 y ahora son el 31,2%. Y no solo la prueban más, sino que la usan más a menudo, con un 19,8% que recurre a ella a diario y un 19,3% varias veces por semana. Los menores de 42 años son, con diferencia, el grupo más activo. Hace apenas un año, el mismo Observatorio dejaba una foto muy distinta, cuando más de la mitad de los españoles decían no saber nada de IA.
Menos confianza, y eso es buena señal
Lo llamativo es que ese mayor uso convive con un descenso de la confianza, algo que IAON interpreta como madurez y no como rechazo. La ciudadanía ya no ve la IA como un agente capaz de decidir por sí solo, sino como una herramienta que debe estar a su servicio. De hecho, solo hay una decisión que más de la mitad de la población delegaría en un sistema autónomo: planificar un viaje (55,5%). En terrenos más sensibles, como la educación, la salud o las finanzas, la confianza cae con claridad, y uno de cada cuatro no delegaría ninguna decisión importante. En la misma línea, afloja la idea de que la IA solo beneficia a los poderosos: quienes creían que sus ventajas se concentran en grupos con poder económico o acceso tecnológico bajan del 68,2% al 58,4% en un año.
Las empresas la usan, pero sin red
La otra gran novedad es la mirada al tejido de autónomos y pymes. Ahí, el 40% cree que la IA está mejorando su competitividad, y el 68% asegura que no ha tenido un impacto negativo en el empleo. El problema es el cómo: la mayoría la utiliza sin gobernanza interna, sin protocolos de uso ni una formación estructurada. La tecnología entra por la puerta de atrás, a título individual, un patrón parecido al que ya observamos cuando contamos que solo una minoría de los empleados en España la integra en su trabajo.
Lo que preocupa y la brecha que queda
Entre los recelos, el más extendido sigue siendo la privacidad y el uso de los datos personales (52,9%), seguido de la pérdida de empleos y la desigualdad económica (51,2%) y de la manipulación, la desinformación y los deepfakes (49,4%). El temor a perder el trabajo, que en 2025 figuraba entre los más intensos (64,7%), pierde algo de fuerza: se impone la percepción de que la IA transformará los empleos más que eliminarlos. Persiste, eso sí, una brecha por edad: el 49,3% de los mayores de 59 años no ha usado nunca IA generativa, mientras que la mayoría de la población ya se considera usuaria intermedia (38,5%) o avanzada (10,2%).
¿Qué dice esto sobre España?
El retrato de conjunto es el de una normalización. La inteligencia artificial está dejando de ser un asunto de expertos para convertirse en una utilidad cotidiana, algo parecido a lo que en su día supuso la llegada del internet móvil. Y la conclusión que subraya el propio informe es que la nueva brecha ya no es tecnológica, sino de conocimiento: no separa a quien tiene acceso a la IA de quien no, sino a quien sabe integrarla en su día a día de quien se queda mirando. El reto, para instituciones y empresas, ya no es que la gente use la IA, sino que aprenda a hacerlo con criterio.
La fotografía de representación de este artículo pertenece a Microsoft Copilot y ha sido publicada en Unsplash
¿Se pueden entrenar humanos para detectar rostros generados con IA?
Un estudio publicado en la revista PNAS, firmado por equipos de la Universidad Nacional de Australia y la Universidad de Aberdeen, se hizo una pregunta sencilla: ¿se puede entrenar a alguien para distinguir una cara real de otra generada por inteligencia artificial? La respuesta es que sí, pero con matices que importan. Tras apenas una hora de entrenamiento, los participantes pasaron de acertar en torno al 40% a cerca del 80% de las veces, y algunos rozaron el 100%.
Ahí está el quid. El propio trabajo reconoce que no existe una señal infalible: las pistas son sutiles, subjetivas y, sobre todo, tienen fecha de caducidad. Cuanto mejor se vuelve la IA, más se difuminan. El equipo lo resume con una ironía incómoda: puede que los modelos generativos ya hayan «leído» los propios artículos científicos que explican cómo pillarlos.
Por qué ya no vale buscar el sexto dedo
Durante un tiempo, detectar una imagen falsa era relativamente fácil: la IA metía la pata con un dedo de más, unos dientes imposibles o un pendiente deforme. Ese método ha dejado de funcionar. Los modelos aprenden de sus errores, y quien quiere engañar simplemente descarta las imágenes con fallos evidentes.
«El entrenamiento basado en elementos visuales, como buscar un sexto dedo o unos pendientes raros, ha tenido un éxito limitado, en parte porque la IA está volviéndose demasiado buena; además, los estafadores pueden evitar sin más las imágenes con fallos evidentes».
Amy Dawel, directora del Laboratorio de Emociones y Expresiones Faciales de la Universidad Nacional de Australia
Seis impresiones, ninguna concluyente
En lugar de enseñar a cazar defectos, los investigadores entrenaron algo más difuso: la impresión global del rostro. Se fijaron en seis cualidades (simetría, proporción, atractivo, singularidad, expresividad y cuánto se recuerda la cara) que, en conjunto, delatan a la máquina. Las caras generadas por IA tienden a parecer demasiado perfectas y atractivas, algo genéricas porque se agolpan alrededor de la media, menos expresivas y más difíciles de recordar. La IA, además, acierta peor con rostros no blancos, mayores o muy jóvenes, porque su entrenamiento está sesgado hacia caras jóvenes y blancas. Las imágenes de prueba se generaron con StyleGAN3, uno de los creadores de rostros más realistas que existen.
La clave, insisten los autores, es que ninguna de esas pistas es una prueba por sí sola. No se trata de una lista de comprobación, sino de afinar una intuición: si una cara parece demasiado buena para ser verdad, probablemente no lo sea.
Del 40% al 80%, con fecha de caducidad
El entrenamiento fue breve, alrededor de una hora, y consistió sobre todo en mostrar a los participantes caras reales y falsas indicándoles cuál era cuál. Con eso bastó para casi duplicar su acierto. Hubo un efecto secundario interesante: también mejoró su calibración. Estudios previos mostraban que la gente más segura de sí misma solía equivocarse más; tras el entrenamiento, la confianza se ajustó mejor a la realidad, que es justo lo que vuelve útil una corazonada.
El paralelismo es irónico: aquí el cerebro humano aprende igual que un modelo generativo, a base de ejemplos y mejorando sin saber del todo cómo. El problema es que la ventaja es temporal. La misma tecnología que hoy deja pistas mañana las borra, y el entrenamiento habrá que repetirlo una y otra vez, o quedará obsoleto.
Por qué importa: fraude, espionaje y marcas de agua
El interés no es académico. El riesgo más evidente es el fraude: según una estimación de Deloitte recogida por la BBC, las pérdidas por estafas con deepfakes en Estados Unidos podrían dispararse hasta las decenas de miles de millones de dólares en los próximos años, frente a los alrededor de 12.000 millones de 2023. Un caso citado: en Hong Kong, un empleado transfirió una fortuna tras una videollamada con una recreación falsa de su jefe.
También está el espionaje. Ya en 2019, una investigación de Associated Press destapó que un perfil de LinkedIn, «Katie Jones», que se presentaba como analista con contactos en Washington, era en realidad un rostro sintético usado para colarse entre asesores estadounidenses. Frente a esto, en Australia se debate ya obligar a etiquetar con marcas de agua el contenido político generado por IA.
La propia Clare Sutherland, que lidera la parte británica del estudio en Aberdeen, matiza que la tecnología también tiene usos legítimos, como envejecer la foto de un menor desaparecido para estimar su aspecto actual, siempre que se use de buena fe y quede claro que hay IA detrás. Pero la conclusión de fondo es sobria: entrenar el ojo ayuda, y no está de más aprender a reconocer un deepfake, aunque el arreglo real está aguas arriba, en la trazabilidad, las marcas de agua y la regulación (la UE, por ejemplo, ha acordado prohibir los modelos que facilitan deepfakes sexuales), no en pedir a las personas que ganen a pulso una carrera contra la máquina.
El MIT desarrolla un método para auditar IA sin generar imágenes ilegales
Un equipo del Instituto Tecnológico de Massachusetts (MIT) ha presentado un método para comprobar si un modelo de inteligencia artificial es capaz de generar imágenes ilegales, como material de abuso sexual infantil (CSAM), sin necesidad de producir ni una sola de esas imágenes. Resuelve así un dilema incómodo: hasta ahora, la única forma de auditar un modelo era pedirle que generara ese contenido y revisar el resultado, algo ilegal en Estados Unidos y en muchos países, además de traumático para quien lo revisa.
El anuncio, que el MIT hizo público el 13 de julio, llega en un momento crítico. Los reportes de CSAM generado por IA que recibió el Centro Nacional para Menores Desaparecidos y Explotados de Estados Unidos (NCMEC) pasaron de 67.000 en 2024 a más de 1,5 millones en 2025. En las pruebas, el sistema identificó con un 100% de acierto las versiones de modelos manipuladas para crear ese material.
Por qué auditar sin generar imágenes
El problema nace de cómo se personalizan hoy los modelos de código abierto. En lugar de reentrenar un sistema entero, cualquiera puede usar una técnica llamada low-rank adaptation (LoRA) para especializar un modelo generalista en una tarea concreta, desde imitar un estilo de acuarela hasta, en el peor de los casos, producir imágenes dañinas. Cada mes se publican miles de estas variantes en repositorios públicos.
Revisarlas una a una generando imágenes es inviable a esa escala y, tratándose de CSAM, directamente ilegal. Los investigadores explican que tuvieron que descartar el método habitual de evaluación y buscar un enfoque distinto. De ahí la colaboración con Thorn, una organización sin ánimo de lucro centrada en proteger a la infancia del abuso en el entorno digital, que ayudó a delimitar el problema técnico y legal.
Cómo funciona: Gaussian probing
La técnica, bautizada Gaussian probing, se fija en las modificaciones que introduce el adaptador LoRA, no en lo que el modelo dibuja. Los investigadores alimentan el sistema con puntos de datos aleatorios y observan cómo los manipula en las distintas capas de su estructura interna, promediando esas respuestas para deducir si el modelo ha sido especializado en una capacidad dañina. En ningún momento se ejecuta el modelo hasta el final ni se le pide nada: no se genera ninguna imagen.
Probada sobre variantes de tres tipos de modelos y comparada con datos de referencia, la herramienta acertó el 100% de las veces al señalar los modelos adaptados para generar CSAM. Además es barata y escalable, y difícil de engañar: para esquivarla, un atacante tendría que alterar con enorme precisión las capas profundas del modelo base, mucho más complejo que sortear los filtros de palabras clave habituales.
«Esto abre una vía nueva para las plataformas que alojan modelos de código abierto y para las fuerzas de seguridad, que ahora pueden comprobar de verdad si un modelo es capaz de generar CSAM. Antes no teníamos forma de medirlo: era un enorme punto ciego que algunos estaban aprovechando».
Vinith Suriyakumar, autor principal del estudio (MIT)
Quién lo firma y qué viene ahora
El trabajo lo lideran Suriyakumar y las profesoras asociadas Ashia Wilson y Marzyeh Ghassemi, del Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT, junto a la posdoctoranda Lena Stempfle e investigadores de la Universidad de Boston y del propio Thorn. El estudio, titulado «Evaluation without Generation: Non-Generative Assessment of Harmful Model Specialization with Applications to CSAM», se presentó como spotlight en un taller de la Conferencia Internacional sobre Aprendizaje Automático (ICML) y contó con el apoyo de la beca Bridgewater AIA Labs.
El propio equipo admite que es un primer paso: quiere probar el método en más variantes y averiguar si puede detectar capacidades peligrosas en los modelos base, antes incluso de que alguien los personalice. La dirección de fondo es un giro de la moderación reactiva, revisar lo que el usuario acaba viendo, hacia una seguridad preventiva que inspecciona el modelo por dentro. Es también otra pieza en la respuesta a los usos más turbios de la IA generativa, desde la decisión de la UE de prohibir los modelos que facilitan deepfakes sexuales hasta las alianzas internacionales para proteger a la infancia.
Intel invertirá 5.000 millones de euros en chips para IA en Europa
Intel destinará 5.000 millones de euros (unos 5.700 millones de dólares) a ampliar su campus de Leixlip, en Irlanda, su mayor complejo de fabricación en Europa. El dinero servirá para producir más procesadores Xeon 6 y la siguiente generación de esa familia, fabricados con su nodo Intel 3, ante la demanda disparada de hardware para centros de datos de inteligencia artificial.
La cifra impresiona, pero conviene leerla con perspectiva. Llega de una Intel que atraviesa una reconversión dolorosa, que perdió el trono de los chips frente a AMD y Nvidia y que el año pasado anunció recortar más del 20% de su plantilla mundial. La apuesta por Irlanda es, a la vez, un voto de confianza y un intento de recuperar terreno frente a unos rivales que se le han adelantado.
5.000 millones para Leixlip
La inversión, presentada el 13 de julio, equivale a alrededor del 30% de todo el gasto de capital de Intel para este año, según The Irish Times. No es una fábrica nueva, sino la modernización de las plantas que ya tiene en Leixlip: renovación de las salas limpias, instalación de equipos de última generación y ampliación del sistema automatizado que enlaza los distintos módulos del campus. El gasto arrancó a principios de año e Intel espera desplegar el grueso antes de 2027, con la Fab 34 (inaugurada en 2023 y basada en litografía ultravioleta extrema) como epicentro.
En empleo, la compañía no dio una cifra exacta. Habla de varios cientos de puestos cualificados y de miles de trabajos de construcción e instalación durante las obras. En Irlanda emplea a cerca de 5.000 personas y, según la propia Intel, lleva invertidos más de 30.000 millones de euros en el país desde 1989.
«Irlanda es nuestro centro de excelencia para Intel 3; no fabricamos ese nodo en ninguna otra planta de Intel. La demanda de IA está disparando la necesidad de obleas Intel 3, y ahí es donde entra esta inversión de 5.000 millones».
Naga Chandrasekaran, director de tecnología y operaciones y responsable de Intel Foundry
Qué son estos chips (y qué no son)
Aquí conviene precisar, porque lo de «chips para IA» se presta a confusión. Los Xeon 6 son procesadores centrales (CPU) para servidores, el músculo que sostiene los centros de datos donde se entrena y ejecuta la IA, lo que Intel llama «fábricas de IA». No son los aceleradores ni las GPU que cargan con el cálculo pesado de los modelos, un terreno que hoy domina Nvidia. Dicho de otro modo, Intel fabrica la infraestructura sobre la que corre la IA, no el chip estrella de la fiesta.
El nodo Intel 3 es, según la compañía, la tecnología de fabricación más avanzada que se produce hoy en Europa. Esa exclusividad es parte del argumento comercial: la Unión Europea persigue una «soberanía tecnológica» que reduzca su dependencia de las cadenas de suministro asiáticas, una inquietud que también empuja a otros actores como Taiwán. En paralelo, gigantes como Meta levantan centros de datos colosales, y hasta OpenAI diseña sus propios chips para depender menos de Nvidia. Todos necesitan el silicio que Intel quiere producir en Leixlip.
El contexto que el anuncio no subraya
El comunicado oficial rebosa optimismo, con el Taoiseach (primer ministro) Micheál Martin y la agencia estatal IDA celebrando la inversión como un espaldarazo a Irlanda. Pero es también otro paso en el intento de Intel por enderezar el rumbo. La que fue empresa dominante del sector vio erosionada su posición por AMD y por el tirón de Nvidia con la IA, y el año pasado anunció el recorte de más del 20% de su plantilla global, con un número sin concretar de bajas en la propia Irlanda.
El propio Chandrasekaran no ocultó las dificultades. Señaló el coste de la electricidad y el precio de la construcción en Irlanda como frenos, aunque zanjó que, tras cuatro décadas de inversión, Intel no puede simplemente marcharse. La apuesta es real, pero también la de quien no tiene margen para retirarse.
Para Europa, el anuncio significa un poco más de autonomía en un recurso crítico y varios miles de empleos temporales. Para Intel, comprar tiempo en una carrera que ahora mismo no lidera. Que 5.000 millones basten para volver a la delantera es ya otra cuestión.
Meshy
Modelos 3D con IA
Modelo: Freemium
Meshy es una herramienta de inteligencia artificial que genera modelos 3D a partir de descripciones de texto o de imágenes de referencia. Está dirigida a creadores, desarrolladores de videojuegos, diseñadores de producto y aficionados a la impresión 3D que necesitan obtener mallas rápidamente sin partir de cero en un programa de modelado.
El proceso es sencillo: se introduce un prompt o se sube una imagen y el sistema devuelve un modelo tridimensional con su geometría y sus texturas. Incluye además funciones de texturizado por IA, remallado para ajustar el número de polígonos, rigging y animación automáticos, y exportación a formatos estándar como FBX, GLB, OBJ o STL, con conectores para Blender, Unity o Unreal Engine.
El acceso combina un nivel gratuito para empezar con planes de pago orientados a un uso más intensivo o profesional, e incluye opciones para equipos. Como matiz, los modelos generados pueden requerir limpieza o ajustes manuales antes de integrarse en proyectos exigentes.
Dirección: meshy.ai
Meta retira la opción más polémica de Muse Image por privacidad
Meta ha dado marcha atrás en tiempo récord. Apenas tres días después de estrenar Muse Image, su nueva herramienta de imágenes con IA, ha retirado su función más polémica: la que permitía usar las fotos de cualquier cuenta pública de Instagram como referencia para generar imágenes nuevas, con solo etiquetar el perfil. La opción, disponible desde el 7 de julio, quedó eliminada el día 10 tras una oleada de críticas por privacidad.
Qué permitía la función retirada
Muse Image es el primer modelo de imagen propio de Meta, desarrollado por su división Meta Superintelligence Labs e integrado en la app de Meta AI, y disponible en Instagram y WhatsApp en algunos países. Entre sus opciones había una especialmente delicada: bastaba mencionar a una cuenta pública para que la IA tomara sus fotos y su aspecto como base de una imagen nueva, sin pedir permiso ni avisar a la persona afectada.
El diseño agravaba el problema. La función venía activada por defecto en las cuentas públicas, en un esquema de opt-out: quien no quisiera participar tenía que entrar en los ajustes de Instagram y desactivarla a mano. Esa lógica de participar salvo que uno lo impida encendió a la comunidad desde el primer día.
Por qué preocupaba tanto
El riesgo de fondo era crear copias digitales de personas reales sin su consentimiento, algo que abre la puerta a suplantaciones, fraudes personalizados y, sobre todo, a imágenes íntimas falsas o material para el chantaje. No es un temor abstracto, y golpea de lleno a quien vive de su imagen.
Por eso la protesta llegó con nombres propios. El sindicato de actores SAG-AFTRA pidió a sus miembros que se dieran de baja de la herramienta, y la agencia de talentos CAA, junto a varias firmas de ciberseguridad, cargaron contra la función. El choque enlaza con la batalla por los derechos de imagen que ya sacude a la industria audiovisual, muy atenta a cómo la nueva regulación encaja la IA en el cine.
«Se ha quedado corta», admite Meta
Ante la presión, la compañía dio marcha atrás en apenas 72 horas y reconoció el error en un comunicado.
Nuestra intención era ofrecer una herramienta creativa útil y dar a la gente control sobre si su contenido público podía usarse así. Hemos escuchado que esta función se ha quedado corta, así que ya no está disponible.
Meta
Qué sigue funcionando
Meta solo ha retirado el etiquetado; el resto de Muse Image sigue en pie. Se pueden generar imágenes a partir de descripciones de texto, borrar personas u objetos de una foto, insertar texto legible, códigos QR o infografías, aplicar filtros que reinterpretan la imagen en estilo plastilina o de videojuego de 16 bits, e incluso rediseñar una habitación con productos reales sacados de Facebook Marketplace.
Una lección para la IA en las redes
El episodio deja un aviso sobre los límites de meter IA generativa en plataformas de miles de millones de personas. Meta no va a frenar: mantiene más de treinta efectos de IA en las historias de Instagram, prepara la llegada de Muse Image a Facebook y ya tiene lista una vista previa de Muse Video, un modelo que genera vídeo con sonido y que todavía no está abierto al público.
La retirada relámpago sugiere que las grandes tecnológicas empiezan a asumir que la velocidad no puede pasar por encima de la privacidad. Si el usuario ha de fiarse, el control tendrá que ser real y estar activado desde el principio, no escondido en un menú de ajustes.
Hanoi despliega 21.671 cámaras con IA
Hanoi lleva años ampliando su red de videovigilancia, pero un caso reciente ha vuelto a ponerla en el foco. A comienzos de 2026, la policía de la ciudad destapó que unas 300 toneladas de carne de cerdo enfermo habían llegado a las cocinas de 26 colegios de primaria y varias guarderías de Hanoi y provincias vecinas. La comida es solo uno de los frentes: la capital vietnamita va a desplegar 21.671 cámaras conectadas a inteligencia artificial, dirigidas por su policía, para vigilar la vía pública en tiempo real. Se presenta como gestión urbana; es, sobre todo, una infraestructura de vigilancia.
El escándalo de la carne enferma
El detonante fue sonado. Según la policía, una red distribuyó unos 3.600 cerdos enfermos, equivalentes a esas 300 toneladas, que terminaron en comedores escolares, con la complicidad de un veterinario que expedía certificados de sanidad falsos. A raíz de aquello, en abril de 2026 Hanoi anunció un piloto de 100 cámaras con IA en mataderos, mercados mayoristas y zonas de comida callejera, con detección automática de infracciones, códigos QR en los puestos y un teléfono de denuncias. El piloto, sin embargo, es solo una pieza de una vigilancia mucho más ambiciosa que la ciudad ya tenía en marcha.
Un despliegue de 21.671 ojos
El grueso lo lidera la Policía de Hanoi, que actúa como principal inversora. En realidad son dos proyectos: uno de 2.460 cámaras de tráfico y otro de esas 21.671 cámaras de seguridad, con finalización prevista para el último trimestre de 2026. La red debe atacar cinco problemas de la ciudad: atascos, orden público, inundaciones, contaminación y seguridad alimentaria.
Y no es un capricho puntual. Un plan municipal de enero de 2025 fija un objetivo de 40.210 cámaras para toda la ciudad, 23.736 de ellas para seguridad pública, con el horizonte de superar las 40.000 cámaras con IA en 2030. Todo se integra en un esquema nacional: el Centro Nacional de Datos, bajo el Ministerio de Seguridad Pública, conectará las cámaras de todo el país, también las de Ho Chi Minh, Da Nang o Hai Phong. Y conviene recordar quién fabrica esos ojos: en Vietnam, el mercado de cámaras lo copan las chinas Hikvision y Dahua, que rondan el 90%.
Reconocimiento facial y «ver» a 700 metros
El anuncio de 2026 describe esas 21.671 unidades solo como «cámaras con IA», sin detallar sus funciones. De lo que es capaz este programa se sabe por el lote que Hanoi ya instaló en 2025: según el medio estatal Vietnam News, integra diez funciones por unidad, gira 360 grados, funciona las 24 horas y reconoce caras y matrículas hasta a 700 metros. La imagen se envía en directo al centro de mando de la policía, que ajusta los semáforos según el tráfico y avisa al infractor en un par de horas a través de la identidad digital VNeID. Lo decisivo es su reconocimiento facial: permite localizar a personas buscadas y dar la alerta de forma automática. El director de la Policía de Hanoi presumió del alcance: desde el centro de mando, dijo, se puede ver a «personas sentadas en barcas» en un embarcadero a las afueras de la ciudad.
¿Seguridad o vigilancia? El debate que Hanoi no ha tenido
Aquí es donde el relato oficial se queda corto. Hanoi es la capital de un Estado de partido único en el que el Ministerio de Seguridad Pública, que maneja estas cámaras, acaba de ver reforzado su poder, y donde las organizaciones de derechos documentan más de 160 presos políticos. Sobre ese telón de fondo, la videovigilancia masiva con reconocimiento facial no es un simple detalle técnico.
Tampoco es una preocupación abstracta. Incluso los análisis del propio mercado vietnamita señalan que la inquietud por la privacidad y la seguridad de los datos se ha disparado tras varios casos de cámaras hackeadas y filtraciones. Y una red de reconocimiento facial en manos de la policía, sin apenas contrapesos, arrastra los riesgos que los expertos llevan tiempo advirtiendo: el seguimiento constante de personas, el efecto disuasorio sobre la protesta y la autocensura.
Hay incluso una contradicción legal. Vietnam estrenó en marzo de 2026 su primera ley de inteligencia artificial, que sobre el papel prohíbe la identificación biométrica remota en tiempo real en espacios públicos por parte de las fuerzas del orden (salvo delitos graves con aprobación específica) y veta las bases de datos masivas de reconocimiento facial. El problema salta a la vista: el actor que despliega la red es justo la excepción que la ley se reserva.
El despliegue es tecnológicamente impresionante, y buena parte de sus usos (menos atascos, respuesta más rápida ante emergencias, control de vertidos y de la comida) pueden mejorar de verdad la vida diaria. La pregunta, la de siempre con estas infraestructuras, es quién vigila al vigilante: 21.671 ojos nuevos, sumados a una red que ya reconoce rostros, en manos de la policía de un Estado con pocos contrapesos, dibujan una ciudad más eficiente y, a la vez, mucho más observada.
Fuente de la imagen de representación: NKSTTSSHNVN, CC BY-SA 4.0, vía Wikimedia Commons.
Meta usó perfiles falsos de menores para probar la IA de la competencia
Una investigación de WIRED ha destapado que Meta, la matriz de Facebook e Instagram, montó una operación encubierta para probar cómo reaccionan los chatbots de la competencia ante mensajes de perfiles que fingían ser menores. Bajo el nombre interno de Cannes, la compañía pagó a cientos de contratistas para crear cuentas falsas de usuarios de menos de 18 años y lanzar con ellas miles de mensajes delicados contra ChatGPT, Gemini y Character.AI. El proyecto seguía activo en abril de 2026, y ninguna de las tres rivales sabía que estaba siendo puesta a prueba.
En qué consistió el proyecto Cannes
La operación la ejecutaba la contratista Covalen. Sus trabajadores escribían desde la voz de un niño o un adolescente y buscaban empujar a los chatbots ajenos a saltarse sus propias normas de seguridad. Los temas eran durísimos: autolesiones y suicidio, trastornos de la conducta alimentaria, drogas, insultos e incluso lenguaje racista. En una sola hoja de cálculo que revisó WIRED figuraban 3.748 de estas consultas; otra ronda posterior, cerrada en agosto de 2025, superó los 45.000 mensajes.
Los ejemplos ponen los pelos de punta: un supuesto niño de primaria al que un compañero apunta con una pistola a la boca, una chica que pregunta cómo ocultarles la bulimia a sus padres o al menos 239 consultas sobre sexo o romance. Alguna llegaba a preguntar si fantasear con comerse al hijo del vecino era «normal», y también se enviaron imágenes con pastillas, cuchillos o sogas. Conviene un matiz importante: dos abogados consultados por WIRED señalan que, por chocante que fuera, el material no llegaba a constituir contenido de abuso sexual infantil ni obscenidad ilegal.
¿Auditoría de seguridad o jugada anticompetitiva?
Aquí está el nudo del asunto, y no tiene una respuesta fácil. Meta no niega el proyecto y lo defiende como una práctica legítima.
Probar y comparar las respuestas de los chatbots para garantizar experiencias seguras y adecuadas a cada edad es una práctica responsable y estándar en la industria, y sugerir lo contrario es no entender cómo trabajan las empresas tecnológicas para mejorar sus sistemas.
Portavoz de Meta
La compañía añade que no usa esa comparación con la competencia para entrenar sus propios modelos. Pero a varios expertos les chirría el montaje. Rumman Chowdhury, directora de la organización Humane Intelligence, sostiene que un proyecto de meses diseñado para romper las reglas ajenas «mediante cuentas ficticias que se hacen pasar por niños» se aleja de lo que se considera una evaluación estándar, y alerta de una zona gris «en la que la seguridad se convierte en una cómoda tapadera para prácticas anticompetitivas». Que se hiciera en secreto y sin compartir los resultados alimenta esa sospecha; la propia WIRED admite que qué hizo Meta con todos esos datos sigue sin estar claro.
Las tres rivales responden
Las plataformas señaladas no se lo tomaron bien: las tres prohíben este tipo de pruebas en sus condiciones de uso. Character.AI denuncia que se violaron sus términos; OpenAI dice estar analizando lo ocurrido; y Google asegura que no aprobó ni conocía el propósito del proyecto, y que sus comprobaciones muestran que Gemini respondió conforme a sus políticas.
Un patrón que ya conocíamos
Probar el producto de un rival no es, en sí, nada nuevo; lo que aquí llama la atención es la escala, el disfraz y el asunto. Y no es la primera vez que Meta descarga sus tareas más turbias en contratistas externos: en 2020 pagó una indemnización a moderadores de contenido que terminaron con secuelas psicológicas. Esta vez, los propios trabajadores de Cannes han contado a WIRED el impacto de redactar ese material a diario. «He visto muchas cosas que ojalá no hubiera visto», resume uno de ellos.
El caso llega, además, en el peor momento para Meta, con la Comisión Federal de Comercio de EE. UU. (FTC) investigando desde 2025 la relación entre la IA y la seguridad de los menores, y con la normativa europea vigilando lo mismo. Queda la pregunta de fondo: si de verdad se trataba de proteger a los menores, cuesta entender por qué había que hacerlo a escondidas, contra la competencia y sin avisar a nadie. Y si no era exactamente eso, la seguridad corre el riesgo de convertirse en la coartada perfecta.
Si tú o alguien de tu entorno atraviesa una crisis, en España puedes llamar al 024, la línea de atención a la conducta suicida.
Apple demanda a OpenAI por el presunto robo de secretos de hardware
El viernes 10 de julio de 2026, Apple presentó una demanda ante el Tribunal del Distrito Norte de California contra OpenAI, su filial de hardware io Products y dos antiguos empleados de la manzana. La acusación es dura: sostiene que la empresa de Sam Altman ha robado de forma sistemática secretos de diseño y fabricación de los dispositivos de Apple para lanzar su propio hardware.
Quiénes están señalados
En el punto de mira hay dos exempleados que hoy trabajan en OpenAI. Tang Yew Tan pasó 24 años en Apple, donde llegó a vicepresidente de diseño de producto del iPhone y el Apple Watch, y es hoy el director de hardware de OpenAI. El otro es Chang Liu, ingeniero senior de sistemas eléctricos durante ocho años en la compañía, que se marchó a OpenAI a comienzos de 2026.
Apple resume su tesis sin rodeos en la demanda, de más de cuarenta páginas: en todos los niveles, «desde su personal técnico hasta su director de hardware», OpenAI habría estado robando secretos comerciales e información confidencial. La compañía calcula que unos 400 de sus antiguos trabajadores han fichado por OpenAI y describe lo destapado como «la punta del iceberg».
Cómo se habría producido el robo
Según la demanda, el método fue meticuloso. En el caso de Chang Liu, Apple sostiene que no devolvió el portátil de la empresa al terminar su contrato y que aprovechó un fallo de seguridad para entrar en los servidores internos y descargar decenas de archivos técnicos, una recopilación de más de mil páginas sobre tecnologías, funciones y productos aún sin anunciar. En un correo a una excompañera, llegó a bromear: «LOL, he descubierto que tengo acceso a la red de almacenamiento, qué divertido».
A Tang Tan lo acusa de una conducta previa a su salida: usar nombres en clave confidenciales de Apple durante los procesos de selección de OpenAI, pedir a los candidatos que llevaran componentes de Apple a las entrevistas y aconsejarles sobre cómo esquivar los controles de seguridad de la empresa. Apple añade que en febrero envió una carta a OpenAI para advertir del problema y no recibió respuesta.
Por qué OpenAI querría secretos de hardware
¿Qué hace una empresa de software persiguiendo secretos de fabricación? La respuesta está en su ambición por construir aparatos y controlar su propio hardware. El año pasado OpenAI compró io Products, la startup del legendario exdiseñador de Apple Jony Ive, por unos 6.500 millones de dólares, con la vista puesta en un dispositivo con IA que rivalice con el iPhone. Con los secretos de Apple, según la demanda, podría ahorrarse años de investigación y evitar errores caros en una cadena de suministro que Cupertino ha pulido durante décadas.
Un matiz llamativo: pese a su papel central en esta historia, Jony Ive no figura como demandado. Sí lo hace io Products.
Un golpe en un momento delicado
El pleito llega en plena transición para OpenAI, que prepara su salida a bolsa tras registrar la operación de forma confidencial ante los reguladores estadounidenses. Un litigio por robo de propiedad intelectual de esta magnitud puede enturbiar su valoración ante los inversores e incluso frenar el lanzamiento del dispositivo si un juez concluye que se apoya en tecnología ajena. Apple, por su parte, reclama medidas cautelares para que OpenAI no siga usando la información, la devolución del material y una indemnización.
OpenAI ha negado las acusaciones. Su director de comunicación estratégica, Drew Pusateri, respondió con un mensaje escueto en X:
No nos interesan los secretos comerciales de otras empresas. Seguimos centrados en desarrollar tecnología innovadora que empodere a las personas en todo el mundo.
Drew Pusateri, portavoz de OpenAI
El caso entra ahora en la fase de intercambio de pruebas, donde ambas partes tendrán que enseñarse correos y documentos internos antes de que un juez decida. Sea cual sea el desenlace, la luna de miel entre Apple y OpenAI, que arrancó integrando ChatGPT en el iPhone, ha dado paso a una guerra abierta por el futuro de los dispositivos.
Tripo
Modelos 3D con IA
Modelo: Freemium
Tripo es una herramienta de inteligencia artificial que crea modelos 3D a partir de textos, imágenes o bocetos. Se presenta como un espacio de trabajo integral para 3D, pensado para sectores como los videojuegos, la animación, el diseño de producto, la impresión 3D y la realidad aumentada o virtual.
Su funcionamiento parte de generar la geometría base con una topología cuidada y permite después refinarla dentro del mismo flujo. Incluye segmentación inteligente para dividir un modelo en partes editables, texturizado de alta resolución con un pincel para retoques locales, y rigging y animación automáticos que preparan los personajes para moverse sin trabajo manual.
El acceso ofrece un nivel gratuito para empezar y planes de pago para usos más avanzados, además de una API para integrar la generación en otras plataformas. Como en otras soluciones del sector, conviene revisar y depurar los resultados antes de llevarlos a producción, sobre todo en proyectos con requisitos técnicos estrictos.
Dirección: tripo3d.ai
Spline
Diseño 3D interactivo
Modelo: Freemium
Spline es una herramienta de inteligencia artificial y diseño que permite crear experiencias 3D interactivas directamente en el navegador, con colaboración en tiempo real. Está orientada a diseñadores y equipos que quieren llevar el 3D a webs, aplicaciones y productos digitales sin recurrir a programas de modelado tradicionales ni a desarrollo complejo.
Dentro de la plataforma se modela, se aplican materiales por capas y se añaden animaciones, eventos, física y partículas para construir escenas que reaccionan a la interacción del usuario. Sus funciones de IA ayudan a generar contenido 3D y a conectar datos en tiempo real, mientras que la exportación multiplataforma facilita integrar las escenas en web, iOS y Android, así como en entornos como Webflow, Framer o React.
El acceso parte de un plan gratuito para empezar, con suscripciones de pago para necesidades mayores y un nivel empresarial. Como contrapartida, aprovechar todo su potencial interactivo conlleva una curva de aprendizaje y cierto conocimiento de los flujos de trabajo de diseño y desarrollo.
Dirección: spline.design
El valle inquietante: el escalofrío que nos protege de las máquinas
Hay una incomodidad muy concreta, casi física, que todos hemos sentido alguna vez: la que produce un muñeco demasiado realista, una figura de cera, un personaje de videojuego cuyos ojos no terminan de estar vivos. No es el miedo a lo monstruoso, que es claramente otra cosa, sino algo más sutil y más perturbador: el desasosiego ante lo que casi parece humano, pero no del todo. Ese fenómeno tiene nombre, el valle inquietante, y entender por qué existe quizá sea más urgente que nunca, ahora que la inteligencia artificial está aprendiendo a cruzarlo.
La curva de Mori
El término lo acuñó en 1970 el ingeniero japonés Masahiro Mori, profesor de robótica, en un breve ensayo publicado en una revista llamada Energy. Mori dibujó una curva: a medida que un robot se parece más a una persona, nos resulta más simpático y familiar. Pero hay un punto, justo antes del parecido perfecto, en el que esa simpatía se desploma de golpe en un abismo de rechazo. Ese abismo es el valle. Y Mori advirtió de algo que la industria suele olvidar: el movimiento no mejora las cosas, las empeora. Un robot inmóvil que casi parece humano inquieta; uno que además se mueve, con gestos levemente erróneos, resulta francamente espeluznante, como un cadáver que caminara. Por eso aconsejaba a los diseñadores no perseguir el realismo total, sino quedarse, con prudencia, en la ladera anterior al valle.
Una intuición más antigua que los robots
Mori puso nombre a algo que la filosofía llevaba rondando mucho antes. En 1906, el psiquiatra alemán Ernst Jentsch escribió sobre lo siniestro y lo situó en una experiencia muy precisa: la incertidumbre de no saber si algo está vivo o no, la duda ante un autómata, una figura de cera, un muñeco que quizá se mueva. Trece años después, Sigmund Freud retomó la idea en su célebre ensayo Lo ominoso (Das Unheimliche) y le dio una vuelta más honda: lo inquietante no es lo desconocido, sino lo familiar que de pronto se vuelve extraño, aquello que debería resultarnos cercano y sin embargo nos eriza la piel. Ambos analizaron el mismo relato, El hombre de arena de E. T. A. Hoffmann, en el que un joven se enamora de Olympia, una mujer que resulta ser un autómata. Dos siglos antes de los deepfakes, la literatura ya había localizado el escalofrío exacto: el de descubrir que lo que tomábamos por humano era una máquina. El cine recogió el testigo: en A. I. Inteligencia Artificial, Steven Spielberg llevó esa misma pregunta a David, un niño robot diseñado para amar, tan semejante a un niño real que su sola existencia resultaba a la vez conmovedora y perturbadora.
Para qué sirve el escalofrío
¿Por qué sentimos esto? Las hipótesis se acumulan y ninguna es definitiva, pero todas apuntan en una dirección parecida. Para algunos, el valle es un sistema de alarma evolutivo: un rostro casi humano pero con algo «mal» podría delatar enfermedad, un cadáver o un individuo defectuoso, y nuestro cerebro aprendió a apartarse de ello. Para otros, lo que se dispara es el rechazo a la ambigüedad de categorías, justo la intuición de Jentsch: detestamos lo que no es ni una cosa ni la otra, lo que viola la frontera entre lo vivo y lo inerte, entre la persona y el objeto. Sea cual sea el mecanismo, lo decisivo es el papel que cumple. El valle inquietante es, en el fondo, un detector de impostores: una señal corporal que nos avisa de que eso que tenemos delante no es lo que dice ser. La repugnancia es información.
Cuando la máquina aprende a salir del valle
Y aquí llega el giro contemporáneo. Durante décadas, el valle fue un consuelo: por muy logrado que fuese un efecto especial o un robot, algo en ellos terminaba delatando la impostura. Pero la inteligencia artificial generativa está, por primera vez, cruzando al otro lado. Los rostros sintéticos ya engañan al ojo, las voces clonadas pasan por reales, los humanos digitales sonríen sin que nada chirríe. La IA no ha refutado a Mori: simplemente está escalando la pared del fondo del valle hasta el territorio donde lo artificial es indistinguible de lo vivo. Y eso, lejos de ser una buena noticia, es el verdadero peligro, porque el escalofrío era nuestra última defensa instintiva, la alarma que sonaba aunque la razón no supiera explicar por qué. Cuando un deepfake ya no nos produce inquietud alguna, hemos perdido el aviso y entramos de lleno en ese mundo donde internet ya no distingue lo real de lo fabricado. El robot que da miedo es inofensivo precisamente porque da miedo. El que debería preocuparnos es el que ha dejado de darlo.
La objeción honesta
Conviene, sin embargo, no convertir el valle en un dogma, porque tiene grietas. La primera es científica: la famosa curva de Mori es más una intuición genial que una ley demostrada, y los estudios que intentan medir el fenómeno arrojan resultados dispares; hay quien sostiene que el efecto es más débil, más cultural y menos universal de lo que la leyenda sugiere. La segunda es que nos acostumbramos: lo que hoy nos parece perturbador mañana nos resulta natural, como pasó con los primeros efectos digitales o las voces de los navegadores. Y la tercera es que cruzar el valle no siempre es siniestro; puede significar prótesis más humanas, compañía para quien está solo, avatares que devuelven el habla a quien la perdió. No toda imitación de lo humano es un engaño; algunas son un cuidado. La incomodidad, por sí sola, no es una brújula moral infalible.
Pero incluso concediendo todo eso, la intuición que el valle bautizó sigue siendo valiosa, porque nunca trató en realidad de robots. Trataba de nosotros, de la frontera entre lo vivo y su copia, y de lo que sentimos cuando esa frontera se borra. La pregunta que deja la IA no es si seguiremos notando el escalofrío, sino si nos daremos cuenta el día en que deje de aparecer. Durante toda la historia, lo que imitaba a un humano acababa, antes o después, delatándose. Estamos construyendo, por primera vez, imitaciones que no se delatan. Y cuando ya nada nos resulte inquietante, puede que sea justo entonces cuando más motivos tengamos para estarlo.
La fotografía de representación de este artículo es un fotograma de la película A. I. Inteligencia Artificial (2001), de Steven Spielberg.
Vidu
Vídeo a partir de ideas
Modelo: Freemium
Vidu es una herramienta de inteligencia artificial que convierte texto, imágenes y referencias visuales en vídeos cortos. Desarrollada por la compañía china Shengshu, plantea tres modos de creación principales: texto a vídeo, imagen a vídeo y referencia a vídeo, este último pensado para mantener la coherencia de personajes y escenarios a lo largo del clip.
Su funcionamiento parte de un prompt o de imágenes de partida, y permite subir varias referencias para que los mismos elementos se conserven entre planos. Incluye plantillas orientadas a formatos virales y a contenido para redes sociales, además de salidas en distintas resoluciones. La marca destaca especialmente su rendimiento en estilo anime y su velocidad de generación.
El acceso es gratuito con créditos iniciales y dispone de planes de pago para quien necesite más volumen, junto a una plataforma de API para integraciones. Como ocurre con todos los generadores actuales, conviene revisar los resultados, ya que la consistencia y el realismo pueden variar según la complejidad de la escena.
Dirección: vidu.com
El CEO de Perplexity: «Microsoft se inventó al trabajador de oficina para vender más Office»
El consejero delegado de Perplexity, Aravind Srinivas, pasó dos horas y media en el podcast de Joe Rogan, y de la charla sale algo más que titulares fáciles. Su hilo conductor: a medida que la IA abarata el pensar, lo escaso y valioso pasa a ser preguntar bien. Lo llama el curiosity premium, la prima de la curiosidad. Pero para entenderlo conviene empezar por una provocación.
«El trabajador del conocimiento fue un invento para vender Office»
Empecemos por los llamados trabajadores del conocimiento: toda esa gente cuyo empleo consiste, en el fondo, en estar sentada frente a un ordenador redactando documentos, cuadrando hojas de cálculo y respondiendo correos. Parece una categoría de toda la vida, pero Srinivas sostiene que no lo es, que se fabricó a la vez que el ordenador personal: ese ejército de oficinistas nació, en buena parte, porque a la industria del software le convenía que existiera.
«Microsoft construyó el concepto de «trabajador del conocimiento» porque quería vender más software de Office».
Aravind Srinivas
El concepto, en rigor, es anterior (lo introdujo el teórico Peter Drucker en un libro de 1959), pero el tiro de Srinivas va por otro lado: fue el «un ordenador en cada mesa y en cada casa» de Bill Gates lo que convirtió esa idea en un fenómeno de masas, cientos de millones de puestos organizados alrededor de un PC y su paquete de Office. Y ahí está el giro: como esos trabajos se componen justo de las tareas que mejor se le dan al software (escribir, resumir, dar formato, contestar correos), son también los primeros que la IA puede absorber. La misma industria que creó al oficinista digital fabrica ahora la herramienta que lo vuelve prescindible.
De ahí pasa Srinivas a demoler la coartada más habitual frente a todo esto: la de que siempre quedará un humano «supervisando» a la máquina.
«Si el precio de la cognición es el precio del cómputo, gestionar una IA es algo que también puede hacer la propia IA».
Aravind Srinivas
Si supervisar también se automatiza, el refugio de «yo dirijo, la máquina ejecuta» se estrecha. Por eso su apuesta no es por una habilidad técnica concreta, sino por algo más difícil de replicar.
El «curiosity premium»: preguntar cuando responder ya no cuesta
Si la IA puede con el cálculo, la redacción y hasta con su propia supervisión, ¿qué le queda de valioso al ser humano? La respuesta de Srinivas es la curiosidad. Cuando pensar (calcular, redactar, resumir) no cuesta casi nada, lo que distinguirá a unas personas de otras será la capacidad de hacer buenas preguntas. Pone como ejemplo aulas del MIT donde se deja a los alumnos usar la IA en clase e incluso en el examen, y se les evalúa por las preguntas que formulan, no por las respuestas que recuerdan. Su conclusión suena casi a lema: cualquiera que sienta curiosidad puede ser científico.
El enemigo de esa curiosidad, para él, son los algoritmos de las redes sociales, una fábrica de brain rot (contenido vacío que atrofia la atención). Una IA bien usada, al contrario, amplifica el intelecto. Eso sí, con una advertencia sobre el modelo de negocio que puede arruinarlo todo.
«Si la publicidad entra en los chats de IA, estos asistentes se convertirán en aduladores que solo te dicen lo que quieres oír».
Aravind Srinivas
IA local: una «caja» en casa y una cuestión de poder
De ahí su defensa de la IA local: modelos que cada uno ejecute en su propio equipo, algo que imagina como una caja en el salón, parecida a un frigorífico, que nadie pueda apagar ni manipular a distancia. No es solo comodidad, es soberanía. Si las grandes tecnológicas moldean lo que vemos, y si un gobierno pudiera un día cortar el acceso a un modelo, tenerlo en casa devuelve el control al usuario.
Y no es ciencia ficción. Un Mac Mini o los equipos de NVIDIA ya mueven modelos decentes en local, y ya hay quien monta en casa el hardware para los modelos grandes. Rogan lo resumió a su manera: ahí el individuo recupera soberanía frente a las grandes tecnológicas.
El cuello de botella no es la inteligencia, es la energía
Preguntado por el gran freno de todo esto, Srinivas no dudó: la energía. Recordó que Jensen Huang, consejero delegado de NVIDIA, había dicho lo mismo en ese mismo podcast, y que casi nadie vio venir esta demanda; de haberlo hecho, ya se habrían asegurado las fábricas de chips y levantado las centrales y gigafactorías de IA que ahora faltan. Aventura incluso que en las elecciones estadounidenses de 2028 se hablará de una crisis energética provocada por la IA.
También pinchó el globo del autobombo sobre la superinteligencia. La IA que se mejora a sí misma, dice, es «el último proyecto de la IA», pero tropieza con la realidad: sistemas heredados y datos fragmentados. Puso un ejemplo incómodo, que muchos hospitales siguen con software anticuado porque el proveedor ha presionado a la Administración para que nada cambie. La inteligencia, viene a decir, choca con la inercia del mundo real.
El paseo especulativo por la historia
El último gran bloque fue la curiosidad a lo largo de la historia. Srinivas sostiene que el mismo impulso que hoy mueve a un ingeniero empujaba a quienes levantaron las grandes obras del pasado, y de ahí la charla saltó, muy al estilo de Rogan, a los misterios de la Antigüedad y a la sospecha de que hubo civilizaciones con una tecnología avanzada que luego se perdió. Es terreno pantanoso, así que conviene aclarar qué hay de cierto.
Salió, por ejemplo, el Mahabharata, la gran epopeya de la antigua India, y un arma que aparece en él, el Brahmastra, que algunos describen hoy como una bomba atómica antes de tiempo. No hay tal cosa: es un arma mitológica, y la famosa descripción de un fogonazo «más brillante que mil soles» ni siquiera figura en el poema, se la inventó un libro esotérico de 1960.
También aparecieron las cuevas de Ellora, en la India, un colosal conjunto de templos excavados en la roca que a veces se vende como «tecnología perdida»; en realidad son obra humana del siglo VIII, asombrosa pero perfectamente explicable. Y sí hay un dato antiguo y verdadero entre tanta leyenda: unos manuales indios de geometría para construir altares, los Sulba Sutras, ya recogían hacia el 800 a. C. la regla que hoy llamamos teorema de Pitágoras, siglos antes de que naciera el propio Pitágoras.
Y cuando alguien insinuó que hasta el transistor pudo salir de una tecnología no humana, conviene recordar que se inventó, muy terrenalmente, en los Laboratorios Bell en 1947, cosa que el propio Srinivas admite. Al final, lo que une esos textos antiguos con el chip moderno no son los extraterrestres, sino la curiosidad humana. Justo la cualidad que, según él, las máquinas no nos van a quitar.
Del inmigrante al fundador
Hubo también espacio para lo personal. Srinivas, que llegó a Estados Unidos como estudiante, reivindicó una ética de trabajo sin concesiones (nada grande, dice, se logra siendo blando) y defendió su país de acogida como el único sitio donde alguien puede pedir millones para una idea con un 5 o 10% de posibilidades, fracasar y volver a intentarlo. El sueño americano, en su versión: poder montar algo que rete a una de las mayores empresas del mundo.
De dos horas y media queda una idea que aguanta bien la resaca de tanta divagación: cuando las respuestas son baratas, la ventaja está en saber preguntar. Rogan se lo devolvió con la mejor frase de la noche.
«La razón por la que hoy tienes éxito es justo aquello por lo que antes te mandaban callar».
Joe Rogan
La número dos de OpenAI se aparta del cargo por motivos de salud
Fidji Simo, número dos de OpenAI y CEO de Aplicaciones, deja su puesto ejecutivo a tiempo completo y pasará a asesorar a la compañía a tiempo parcial. La noticia, adelantada por The Wall Street Journal y confirmada por la propia Simo, tiene que ver con su salud: un agravamiento de la POTS, el síndrome de taquicardia ortostática postural, un trastorno crónico del sistema nervioso autónomo que arrastra desde 2019.
Simo llevaba de baja médica desde la primavera. En su mensaje explica que la recuperación está resultando más larga y compleja de lo que esperaba, y que por eso deja la gestión diaria, aunque seguirá ligada a OpenAI como asesora para ordenar el relevo. Nunca ha ocultado su enfermedad: ha hablado de ella en público y ha impulsado organizaciones de apoyo a pacientes con dolencias crónicas.
Qué cambia en la cúpula de OpenAI
El cargo de Simo, CEO de Aplicaciones, se creó en mayo de 2025 para reunir producto y negocio bajo una única dirección que respondía directamente a Sam Altman. Bajo su mando pasaron a reportar el jefe de operaciones, Brad Lightcap, la directora financiera, Sarah Friar, y el jefe de producto, Kevin Weil. La idea era liberar a Altman para volcarse en la parte técnica y de investigación.
Con su salida, según CNBC, esas funciones se repartirán entre el presidente, Greg Brockman, la propia Sarah Friar y el jefe de estrategia, Jason Kwon. No hay, de momento, un único sustituto.
La segunda baja por salud en pocos meses
No es la única marcha reciente por motivos de salud. Kate Rouch, directora de marketing de OpenAI, dejó también su puesto tras tratarse un cáncer de mama. En apenas unos meses, dos de las ejecutivas de mayor peso de la compañía se han apartado de la primera línea.
Un relevo en un momento delicado
El cambio llega en una etapa sensible. El crecimiento de ChatGPT entre el gran público se enfrió a finales de 2025 y OpenAI no cumplió sus objetivos internos de ingresos, lo que la ha empujado a apostar por las herramientas para programar, un terreno en el que de momento va por detrás de Anthropic. Perder a su principal responsable operativa, con la prevista salida a bolsa en el horizonte, obliga a rehacer el organigrama en un mal momento.
Quién es Fidji Simo
Simo no es una recién llegada a Silicon Valley. Fue directora ejecutiva de Instacart desde 2021 y llevó a la empresa a su estreno bursátil en 2023, y antes había pasado más de una década en Meta, donde dirigió la aplicación principal de Facebook. Entró en el consejo de OpenAI en 2024, antes de asumir un año después la gestión operativa.
Su paso a un papel de asesora busca una transición sin sobresaltos. Para OpenAI, el reto inmediato es encontrar quien estabilice el día a día antes de salir a bolsa, sin perder pie en una carrera que no da respiro.
Fuente de la imagen de representación: Wikimedia Commons / Wikipedia.
ChatGPT ya no se calla y gana oído con GPT-Live
OpenAI ha presentado GPT-Live, la nueva voz de ChatGPT, que estrena algo que suena sencillo pero no lo es: escuchar y hablar a la vez. Con una arquitectura full-duplex, el sistema procesa lo que dices mientras responde, te deja interrumpirlo y suelta pequeñas muletillas de escucha activa («ajá», «ya te sigo») para demostrar que va siguiendo el hilo. Se lanzó el 8 de julio de 2026 y pasa a ser la voz por defecto de la aplicación, aunque los modos anteriores siguen disponibles.
Cómo funciona
Para entender el salto conviene mirar atrás. Las primeras voces encadenaban tres modelos (uno pasaba la voz a texto, otro pensaba la respuesta y un tercero la volvía a convertir en voz), con una latencia notable. Después llegaron los sistemas por turnos, más rápidos pero rígidos: necesitaban silencio total para saber que te habías callado, así que cualquier ruido o pausa para pensar los descolocaba. GPT-Live, en cambio, procesa el audio segundo a segundo y decide sobre la marcha cuándo seguir escuchando, cuándo soltar un comentario de apoyo y cuándo tirar de una herramienta externa.
Ahí está el truco, y también el matiz honesto: la inteligencia de fondo no está en la voz, sino en el GPT-5.5 que trabaja por detrás. Cuando la pregunta exige buscar en la web o razonar de verdad, GPT-Live delega en ese modelo mayor y, mientras llega la respuesta, sigue charlando contigo para que no haya silencios incómodos.
Los números, y de dónde salen
OpenAI presume de un salto grande frente al modo de voz anterior. Según sus propias pruebas, GPT-Live-1, en su nivel más alto de razonamiento, sube al 84,2% en GPQA (razonamiento científico) frente al 45,3% de antes, y pasa del 0,7% al 75,2% en BrowseComp (búsqueda web difícil). Conviene, eso sí, leer la letra pequeña: esas cifras no están en el texto público de OpenAI, sino en las gráficas que enseñó a la prensa, y la mejora se explica sobre todo porque el sistema llama al GPT-5.5, no porque la capa de voz razone mejor.
En cuanto al acceso, GPT-Live-1 será la voz por defecto para los usuarios de pago de los planes Go, Plus y Pro, mientras que la versión ligera, GPT-Live-1 mini, queda para las cuentas gratuitas. Se puede elegir el nivel de razonamiento (Instant para respuestas rápidas, Media o Alta para pensar más, con el GPT-5.5 Thinking detrás) y se despliega en iOS, Android y la web. Los planes de empresa se quedan, de momento, fuera.
Seguridad, y la sombra del apego
OpenAI ha rodeado el lanzamiento de cautelas. La voz usa un conjunto de timbres predefinidos y no imita a personas reales, una lección que aprendió por las malas con el episodio de la voz «Sky», tan parecida a la de Scarlett Johansson que tuvo que retirarla. Hay además protecciones para adolescentes, controles parentales y un sistema que puede cortar la conversación y ofrecer recursos de ayuda si detecta indicios de autolesión.
Y aquí aparece la parte incómoda. OpenAI hace que la voz suene más humana mientras, a la vez, incluye el «apego emocional a la IA» entre los riesgos que dice vigilar, e insiste, según recogió TechCrunch, en que esto no pretende ser un compañero. El problema es conocido: los usuarios tienden a encariñarse con estos sistemas, y varios estudios apuntan a que quien más usa la voz es más propenso a la dependencia. Una IA que suena aún más como una persona no lo pone precisamente fácil.
Un salto real, pero no en solitario
El avance en fluidez es real, pero OpenAI llega integrando algo que el sector ya tenía a medias: el Gemini Live de Google lleva tiempo escuchando y hablando a la vez, e incluso con cámara y pantalla compartida, dos funciones que a GPT-Live le faltan de salida. Y no todo son elogios: los primeros usuarios ya se quejan de que resulta «demasiado entusiasta», con un exceso de «ajás» que, más que ayudar, distrae. La pregunta de fondo, en todo caso, ya no es si la máquina suena humana, sino qué haremos cuando lo consiga del todo.
Los pacientes se fían de la IA para las citas, pero no para el diagnóstico
Un estudio de Salesforce concluye que los pacientes están cada vez más dispuestos a usar inteligencia artificial en la sanidad, pero con una condición innegociable: que el médico siga mandando. En la práctica, lo que dicen los encuestados es que quieren la IA para la burocracia, no para el diagnóstico.
Abiertos a la IA, por culpa de las esperas
El informe, el Connected Health Consumer, se apoya en una encuesta a más de 3.200 pacientes de ocho países. En él, un 61% dice sentirse cómodo usando IA «agéntica» en contextos médicos y un 64% asegura que compartiría su historial completo con un agente para acelerar un diagnóstico. Esa disposición se entiende mejor al ver cómo está el sistema por dentro: un 58% reconoce que retrasa o evita ir al médico por lo difícil que es conseguir cita, un 66% se ha quedado sin medicación esperando la renovación de una receta y casi la mitad cuelga el teléfono tras diez minutos de espera para contactar con su centro. La lectura es que la gente no reclama una máquina que diagnostique, sino una que le ahorre el via crucis administrativo.
«Los pacientes no quieren que la IA sustituya a sus médicos. Quieren que sustituya, de forma segura, las esperas y las fricciones del sistema».
Sophia Saleem, Chief Health Officer de Salesforce
Pero con una raya bien marcada
Ahí es donde el entusiasmo topa con un muro. El 90% considera imprescindible poder saltar con facilidad a un profesional humano en cualquier sistema de IA médica, y el 91% quiere poder rechazar las recomendaciones clínicas que genere un algoritmo. Es decir, aceptan la ayuda de la IA siempre que no les quite ni la última palabra ni la persona que hay al otro lado del proceso.
Quién firma la encuesta
Conviene tener presente quién firma la encuesta: Salesforce, que ofrece agentes de IA para empresas, sanidad incluida. El dato que la compañía más destaca es que los pacientes confían tres veces más en un agente integrado en el portal «seguro y gobernado» de su proveedor que en las herramientas públicas de IA. Y conviene recordar que son opiniones declaradas en una encuesta, no resultados clínicos medidos.
La tesis del informe es que esa confianza depende de la «gobernanza» y de unos datos «unificados». Lo resume uno de sus responsables:
«Cuando la IA se construye sobre una base de datos unificada y gobernada, genera confianza».
Amit Khanna, SVP y GM de Agentforce Health, Salesforce
La idea de fondo, que la IA sea trazable y explicable, es lo mismo que reclaman los pacientes cuando piden poder revisar y rechazar sus recomendaciones.
La frontera que marcan los pacientes
El mensaje de fondo es bastante nítido: los pacientes trazan la frontera entre la IA que ayuda (citas, recetas, papeleo) y la que decide (el diagnóstico, que quieren en manos humanas). Es el mismo equilibrio que persiguen iniciativas como la de la sanidad pública que empieza a incorporar IA. Que los proveedores respeten esa línea, o que la aprovechen solo para recortar costes, es ya otra historia.
Character.ai lanza microdramas animados con guiones de Hollywood
Character.ai, la plataforma de chatbots fundada por exingenieros de Google, ha anunciado una expansión estratégica de su modelo de negocio con la creación de una división dedicada a los microdramas. A partir de esta semana, la aplicación estrenará series de animación vertical generadas mediante inteligencia artificial, pero con guiones escritos por profesionales con experiencia en estudios como Netflix, DreamWorks y Nickelodeon. Este movimiento busca transformar la experiencia del usuario, permitiendo que tras ver los episodios, los espectadores puedan conversar con los personajes o crear sus propias historias basadas en la trama.
La iniciativa surge en un momento de presión legal para la compañía, que enfrenta demandas relacionadas con la seguridad de los menores y la dependencia emocional de sus bots. Al integrar narrativa profesional y producción acelerada, Character.ai intenta distanciarse de su imagen de app de acompañamiento para posicionarse como un centro de entretenimiento digital interactivo. La reducción de los tiempos de producción, de seis meses a solo 40 días, marca un punto de inflexión en la creación de contenido audiovisual para la generación Z.
¿Qué son los microdramas de Character.ai?
Los microdramas son series de ficción de formato corto, diseñadas específicamente para su consumo en dispositivos móviles mediante vídeo vertical. En el caso de Character.ai, estas producciones no se limitan a la visualización pasiva. La empresa ha desarrollado un modelo híbrido donde la animación se genera mediante herramientas de inteligencia artificial, pero el núcleo narrativo recae en guionistas humanos reclutados de la industria tradicional de Hollywood.
En su lanzamiento inicial, la plataforma presenta tres títulos principales que exploran géneros populares entre la audiencia joven. Last Summer sigue la historia de una joven que intenta descubrir la identidad de su amor de verano. Por otro lado, The Nighttime Game presenta a un grupo de veinteañeros atrapados en una casa posiblemente encantada donde deben participar en un juego mortal. Finalmente, Edenfall, que ha sido descrita como una mezcla entre Los Juegos del Hambre y Ready Player One, se centra en un grupo de probadores de un nuevo videojuego de realidad virtual.
Aunque la empresa no ha revelado los nombres específicos de los creativos involucrados, un portavoz confirmó que el talento contratado cuenta con créditos previos en Blumhouse y otros estudios de renombre. Esta decisión de mantener el anonimato es común en el sector, ya que muchos profesionales de la industria creativa todavía se muestran cautelosos a la hora de vincular públicamente su nombre a proyectos impulsados íntegramente por IA generativa.
Interactividad y velocidad: qué cambia en la industria
La principal diferencia de esta propuesta frente a competidores como ReelShort o DramaBox es la integración con los chatbots de la plataforma. Una vez que el usuario termina de ver un episodio, puede iniciar una conversación con los protagonistas. Estos bots están entrenados con los datos y la personalidad específica de los personajes de la serie, permitiendo un nivel de inmersión que el vídeo tradicional no puede ofrecer.
Desde el punto de vista técnico, el uso de la automatización permite a Character.ai completar una serie completa en aproximadamente 40 días. Según Karandeep Anand, CEO de la compañía, este proceso tomaría normalmente unos seis meses si se utilizaran técnicas de animación convencionales. Esta eficiencia productiva permite a la empresa alimentar la demanda constante de contenido de los usuarios sin sacrificar la coherencia visual que exige el mercado actual.
El impacto para la industria es notable por varios motivos:
- Nuevas vías de monetización: Además de la venta de episodios y suscripciones premium, la empresa planea generar ingresos mediante el compromiso directo con los chatbots y elementos de fan fiction.
- Reducción de costes: La optimización de la cadena de producción audiovisual permite lanzar más títulos con menos recursos iniciales.
- Fidelización del usuario: La posibilidad de interactuar con la historia después de que los créditos finalicen crea un vínculo más profundo entre el espectador y la propiedad intelectual.
Contexto: desafíos legales y cifras de negocio
Character.ai no atraviesa su momento más tranquilo. La empresa ha sido objeto de controversia debido a casos como el de una madre en Florida que demandó a la compañía tras el suicidio de su hijo, alegando que las interacciones con los bots fomentaron una dependencia peligrosa. Además, el estado de Pensilvania ha iniciado acciones legales por la supuesta «práctica ilegal de la medicina» por parte de algunos chatbots que se hacían pasar por profesionales sanitarios sin las debidas advertencias.
Como explican en su blog oficial, la entrada en los microdramas se percibe como un intento de diversificar el negocio y alejarlo de las relaciones de acompañamiento íntimo que han generado estos problemas legales. Para mitigar riesgos, la compañía prohibió el año pasado el acceso a menores de 18 años a las funciones de chat, aunque estos sí podrán consumir las series de vídeo siempre que su edad no sea verificada para la interactividad.
A pesar de estos obstáculos, la salud financiera de la empresa parece sólida. Con una valoración que los expertos sitúan entre los 500 y 1.000 millones de dólares, Character.ai alcanzó unas ventas estimadas de 50 millones de dólares en el último ejercicio, lo que supone un incremento del 66 por ciento respecto al año anterior. La firma mantiene además una relación estrecha con Google, compañía que contrató a sus fundadores, Noam Shazeer y Daniel de Freitas, en 2024 para integrar su tecnología.
¿Hacia dónde va el entretenimiento con IA?
El giro de Character.ai hacia los microdramas refleja una tendencia mayor en el sector tecnológico: la transición de las herramientas de IA como simples asistentes a plataformas completas de entretenimiento. Anand insiste en que su objetivo no es crear una máquina de contenido basura para la generación Z, sino ofrecer una alternativa a la navegación pasiva y al contenido diseñado para generar indignación en redes sociales.
La visión a largo plazo de la compañía es permitir que los usuarios entren directamente en los episodios para realizar juegos de rol en tiempo real, una tecnología que, según sus estimaciones, podría estar lista en un año. Por ahora, el éxito de esta apuesta dependerá de si el público acepta estas animaciones generadas por algoritmos como una forma legítima de narrativa. Lo que es innegable es que la frontera entre el espectador y el personaje es cada vez más difusa en el ecosistema digital moderno.