Inicio Blog Página 5

Captions

0

Edición automática de clips

Modelo: Freemium

Captions es una herramienta de inteligencia artificial que edita vídeo y genera subtítulos pensada para creadores de contenido. Desarrollada por la empresa Mirage en Nueva York, transforma material en bruto en piezas montadas y con estilo, aplicando cortes de escena, rótulos y recursos visuales de apoyo de forma automática.

Entre sus funciones figuran la generación de subtítulos automáticos, la traducción de vídeos, la corrección del contacto visual y la creación de avatares a partir de un selfie o de actores generados por IA, reutilizables en varios vídeos. Está disponible tanto como aplicación móvil como en versión web, con flujos orientados a contenido vertical para redes.

El servicio funciona con un modelo freemium, con registro gratuito y planes de pago para desbloquear más capacidad y funciones. Conviene tener presente que la edición automática acierta más en unos estilos que en otros, por lo que suele requerir una revisión final antes de publicar.

Dirección: captions.ai

¿Es buena idea enseñarle física a la IA con videojuegos?

0

Los grandes modelos de lenguaje escriben ensayos sobre la gravedad, pero no tienen ni idea de cómo esquivar una silla. Ese vacío, el del razonamiento espacial y físico, es el que la startup General Intuition quiere llenar con una idea tan llamativa como discutible: enseñar a la IA a moverse por el mundo con millones de horas de partidas de videojuegos. La duda, de fondo, es si eso es un atajo brillante o una ilusión.

Por qué una partida enseña más que un vídeo de internet

La empresa, dirigida por Pim de Witte y hermana de Medal (la plataforma donde los jugadores suben sus clips), entrena lo que se conoce como modelos de mundo a partir de cientos de millones de horas de gameplay. Su baza no es el vídeo en sí, sino las etiquetas de acción que lo acompañan: el registro exacto de qué botón pulsó el jugador en cada instante. Un vídeo de YouTube solo muestra una imagen; una partida muestra la causa y el efecto, qué acción produce qué movimiento en un espacio tridimensional coherente.

Frente a los vídeos de internet, con cámaras inconsistentes, el juego ofrece una vista en primera persona estable y una física uniforme. Y, de propina, los jugadores tienden a subir sus mejores jugadas y sus peores cazadas, justo los casos extremos que más enseñan a una máquina qué hacer cuando las cosas se tuercen.

«Construimos modelos que predicen acciones: las acciones que la gente realiza dentro de los videojuegos, no el arte ni nada por el estilo».

Pim de Witte, director ejecutivo de General Intuition

La conversación completa, en la que de Witte explica por qué apuesta por los videojuegos y dónde traza su raya ética, está en el podcast Equity de TechCrunch.

La demo impresiona, pero conviene leer la letra pequeña

En sus oficinas, el mismo modelo que mueve a un personaje en algo parecido a Fortnite mueve también a un robot cuadrúpedo real. Y hay una parte que impresiona de verdad: con solo su cámara frontal, sin más sensores, el robot se movió por una oficina que no había visto nunca, con gente pasando alrededor, y a su propio equipo le sorprendió que funcionara. Pero conviene no dejarse llevar: ese robot no aprendió a andar jugando, sino que necesitó ocho minutos de datos reales de robótica, recogidos en la calle, y aun así se movía con la torpeza de un niño que todavía no controla su cuerpo, rozando sillas y papeleras. El propio de Witte matiza, además, que esos pocos minutos valen para la navegación, pero que un brazo robótico, poco presente en los videojuegos, exigiría bastante más. El empujón inicial lo da el videojuego; el salto al mundo físico sigue pidiendo mundo físico.

Ahí está el nudo de toda la apuesta, y es un problema que nadie ha resuelto: que un modelo entrenado en simulación aguante en la realidad, y a gran escala. El propio TechCrunch, que vio las demos, lo deja claro: si esa transferencia se sostiene fuera del laboratorio es una pregunta abierta que aún nadie ha respondido del todo. Al fin y al cabo, los juegos no son física de verdad, son una física de diseño, limpia y predecible, y el mundo no lo es.

El dinero va por delante de las pruebas

Nada de esto ha frenado a los inversores. General Intuition ha levantado 320 millones de dólares a una valoración de 2.300 millones, en una ronda liderada por Khosla Ventures y con Jeff Bezos, Eric Schmidt e investigadores del MIT y Google DeepMind detrás. La cifra va por delante de los resultados, pero se entiende por la fiebre de los modelos de mundo: OpenAI llegó a ofrecer 500 millones por Medal, que dijo que no, y en la misma carrera están Google DeepMind con Genie, World Labs (la empresa de Fei-Fei Li) o el empeño de Nvidia por la robótica. Vinod Khosla lo vende como el próximo gran salto, el de los modelos de acción. A los inversores les convence también el equipo: los cofundadores firman DIAMOND, uno de los primeros modelos de mundo de código abierto.

Sin armas y con parte del pastel para los jugadores

De Witte, que pasó tres años en el ámbito humanitario, incluido Médicos Sin Fronteras, ha trazado una raya roja, aunque con matices: no hará armamento autónomo letal ni quiere que su modelo base aprenda a matar, pero tampoco se declara contrario a la defensa. Su línea, dice, es no formar parte de un sistema que dañe a personas, y reconoce que la revisaría ante una escalada grave; con la búsqueda y el rescate, en cambio, no tiene reparos. Y ha montado Nerve, una plataforma donde los jugadores de Medal ganan dinero etiquetando datos o teleoperando robots. Lo presenta como dar parte del pastel a la comunidad que genera los datos, aunque, como él mismo admite, esa comunidad es también la generación más expuesta a que la IA le quite el empleo.

Así que, ¿merece la pena educar a la IA en física con videojuegos? Como idea, mucho: son datos baratos, enormes, estructurados y ya etiquetados, un gimnasio casi perfecto para el razonamiento espacial. Como promesa cumplida, todavía no: entre saber jugar y saber moverse por el mundo hay una distancia que, de momento, nadie ha cruzado del todo. La apuesta es que ese atajo exista. Está por ver.

Grok 4.5 alucina (con su precio)

0

SpaceXAI, la compañía en la que se convirtió xAI tras ser absorbida por SpaceX, ha lanzado Grok 4.5, su modelo más capaz para programar, hacer de agente y trabajar en la oficina. Salió el 8 de julio de 2026 y su apuesta no es ser el más listo, sino hacer un trabajo parecido gastando mucho menos.

Nacido de Cursor (que ahora es de SpaceX)

Grok 4.5 se entrenó junto a Cursor, el popular editor de código con IA que SpaceX compró en junio por 60.000 millones de dólares. No es un detalle menor: la herramienta neutral que muchos programadores usan por defecto pasa a ser propiedad de uno de los fabricantes de modelos, un conflicto de interés que conviene tener presente. El modelo aprendió con billones de tokens de uso real de Cursor (sesiones de desarrolladores, correcciones y cambios en varios archivos) y, según la propia Cursor, es su primer modelo pensado para ir más allá del código, también hacia las finanzas, la ciencia de datos o el trabajo legal. Ya funciona dentro de Cursor en todos sus planes, en Grok Build y en la consola de la compañía.

La baza: rápido y muy barato

Sus argumentos de venta son la velocidad y, sobre todo, el precio. Según SpaceXAI, corre a unos 80 tokens por segundo y gasta la mitad de tokens que los modelos punteros para la misma tarea, hasta 4,2 veces menos que Opus 4.8 en una de las pruebas. Cuesta 2 dólares por millón de tokens de entrada y 6 de salida, de largo lo más barato de su categoría: Opus 4.8 va a 5 y 25, GPT-5.5 a 5 y 30 y el Fable 5 de Anthropic a 10 y 50. Medido por tarea, un análisis independiente calculó 2,49 dólares con Grok frente a 11,80 del Fable 5 o 5,07 de GPT-5.5. Es la jugada que ya vimos con DeepSeek: acercarse lo justo en calidad y ganar por coste.

Los benchmarks, y quién los pone

Con las cifras de rendimiento conviene leer la letra pequeña, porque las del anuncio son de la propia casa. Y aun así no salen redondas: de los cuatro benchmarks que eligió publicar, Grok 4.5 gana a Opus 4.8 en dos y pierde en dos, y en los cuatro le gana el Fable 5. La primera lectura externa ya llegó: Artificial Analysis lo coloca cuarto en su índice de inteligencia, por detrás de Fable 5, GPT-5.5 y Opus 4.8. Pero una prueba independiente de Snorkel sobre 2.000 tareas profesionales reales lo puso por delante de GPT-5.5 y Opus, con un 29% de aciertos frente a un 22% y un 21%, eso sí, con la salvedad de que Grok jugó con su propio agente.

El asterisco: sabe más, pero también inventa más

Ese mismo análisis independiente destapa el punto flaco: la tasa de alucinaciones de Grok 4.5 se ha disparado, del 25% de la versión anterior al 54%. Sabe y responde más, pero también se inventa más, algo que en un agente que toca código puede salir caro. A ello se suma un aviso de la propia Cursor, que reconoció que uno de sus benchmarks quedó contaminado porque una versión antigua de su código se coló por error en el entrenamiento. Ni siquiera el propio Elon Musk vendió humo antes de tiempo.

«Un modelo de la clase de Opus, pero más rápido, más eficiente en tokens y más barato».

Elon Musk, sobre Grok 4.5

También para la oficina, pero no en Europa

Más allá de programar, SpaceXAI lo enseña como asistente de oficina: modelos financieros en Excel con búsquedas web en tiempo real, diagramas en PowerPoint, textos en Word o un sistema solar interactivo a partir de una sola frase. El gran pero para este lado del charco es que Grok 4.5 todavía no está disponible en la Unión Europea; la compañía dice que llegará a mediados de julio, sin fecha ni motivo. Y aterriza en un terreno cada vez más poblado de agentes de código, en la estela de la apuesta de la casa por programar rápido, como aquel Grok Code Fast.

En el fondo, Grok 4.5 no aspira a encabezar ninguna tabla, sino a demostrar que un modelo de cuarto puesto puede ser peligroso si es lo bastante barato, rápido y está donde ya trabajan los programadores. La duda es si ese ahorro compensa cuando el mismo modelo se equivoca el doble.

Tres creativas, diez días y ni una cámara: cómo Magnific hizo Candela con IA

0

Magnific, la plataforma creativa de IA antes conocida como Freepik, ha desglosado paso a paso, en una serie de vídeos, cómo hizo Candela, el cortometraje generado íntegramente con inteligencia artificial que estrenó en Cannes Lions 2026. Ese making-of es, en el fondo, más revelador que el propio corto: enseña qué significa hoy, de verdad, rodar una película sin cámara.

Qué es Candela

El corto dura tres minutos y podría pasar por un videoclip. Lo dirige Myriam Mira, montadora y diseñadora gráfica, y cuenta en dos líneas temporales que se cruzan la historia de amor de dos mujeres: un primer beso que se recuerda toda una vida después, en la misma orilla. La idea le vino de un recuerdo personal ligado a las fiestas de San Juan, y su intención era que el espectador se olvidara de que estaba viendo algo hecho por una máquina.

«Quería que la audiencia se olvidara de que estaba viendo algo generado por IA. El objetivo no era crear imágenes impactantes, sino contar una historia humana».

Myriam Mira, directora de Candela

Cómo se hizo, paso a paso

Detrás de esos tres minutos hay una producción que poco tiene que ver con el cine tradicional. La firmaron tres creativas, en unos diez días, sin rodaje, sin actores y sin localizaciones. Para levantarla generaron 2.591 archivos y consumieron 2,5 millones de créditos, apoyándose en dos modelos: Nano Banana 2 para la imagen y Seedance 2.0 para el vídeo. Lo primero fue ordenar el caos: colocaron planos, escenas y referencias en un único lienzo, la función que Magnific llama Space.

Ese proyecto se pilotó dando órdenes a un asistente de IA conectado a las herramientas de Magnific, que crea el proyecto, lo ordena en carpetas y encadena los pasos desde una conversación, incluso por voz con ElevenLabs. La compañía presume de que su plataforma se maneja desde clientes como Claude o ChatGPT a través de su conector, y eso es lo que permite que el asistente no solo escriba, sino que ejecute acciones dentro del programa.

El gran reto de este tipo de cine, que un personaje se vea igual en todos los planos, lo resolvieron partiendo de referencias visuales fijas para cada protagonista, que sirvieron de ancla en todo el corto.

Con los personajes definidos levantaron los escenarios y las localizaciones donde transcurre la historia, buscando una estética coherente entre unos planos y otros.

A partir de ahí generaron los fotogramas clave de cada plano y, después, los pusieron en movimiento para convertirlos en tomas de vídeo, probando estilos sin el coste de un rodaje.

El sonido también salió de la IA: el corto avanza al ritmo de «No Lo Entiendo», acreditada a Müxa, una banda sonora construida a partir de material generado con IA que la propia directora reestructuró y masterizó.

El último paso fue el montaje, la parte más humana: unir los clips con la banda sonora y ajustar el ritmo de la narración hasta darle forma al corto que se ve hoy.

El matiz del «íntegramente con IA»

Ese «hecho del todo con IA» conviene cogerlo con pinzas, porque no es del todo literal. La dirección es humana, el montaje final se hizo fuera de las herramientas y la música pasó por las manos de la creadora. La propia Magnific lo admite: sus producciones se generan con sus modelos, pero las dirigen personas y el corte final se hace aparte. El mérito, cada vez más, no está en la potencia del modelo, sino en saber orquestar todas las piezas.

El caso encaja en la apuesta por el cine de Magnific, que ya trabaja con marcas como Puma, Lenovo o Carl’s Jr. No todo el sector lo celebra: frente a esta ola han aparecido iniciativas como un sello que certifica el cine hecho sin IA, señal de que el debate sobre qué cuenta como autoría apenas arranca.

Lo que deja Candela, más que un corto agradable, es una foto del momento: la IA generativa ha dejado de fabricar imágenes sueltas para convertirse en una cadena de producción entera. La barrera técnica baja, pero, como demuestra el propio making-of, detrás sigue haciendo falta mucha mano humana para que todo eso llegue a contar una historia.

La logística tiene ambición con la IA, pero se atasca en el reparto

0

Zebra Technologies ha puesto el foco en lo que llama la brecha «ambición vs acción» de la logística: el sector quiere usar la IA para ganar eficiencia (el 48% lo señala como prioridad) y para mejorar la experiencia del cliente (34%), pero, según su propio estudio con Oxford Economics, la intención no ha bajado al terreno. Un 62% admite que las operaciones de reparto y de campo aún no han mejorado de forma significativa, justo la parte del proceso donde se gana o se pierde la confianza del cliente.

El atasco está en la última milla

Ese 62% es el reverso de un dato más cómodo: mientras el 75% de las empresas dice haber mejorado el envío y la manipulación en dos años, y el 70% la gestión de inventario, solo el 38% ha avanzado de verdad en la entrega y el trabajo sobre el terreno. El estudio se apoya en 1.000 directivos, 212 de logística, de ocho países, encuestados en la primavera de 2025.

Lo interesante es que la lectura de la compañía no es puro tecnosolucionismo. Su director de estrategia de transporte y logística para EMEA, Phil Sambrook, insiste en que implantar IA no va de cambiar aparatos.

«Implantar IA supone mucho más que una actualización tecnológica. Requiere cambios en la cultura de la organización y recursos de formación que garanticen su adopción y el éxito de la iniciativa».

Phil Sambrook, director de estrategia de transporte y logística para EMEA de Zebra

La zanahoria y la letra pequeña

Como toda nota de este tipo, viene con premio. Zebra calcula que las empresas que sí optimizaron sus flujos notaron de media un 21% más de productividad, y que las veinte mayores del sector podrían ganar unos 1.200 millones de dólares en ingresos y 53 en beneficios cada una si dieran el paso. Son estimaciones que Oxford Economics modela a partir de encuestas, no resultados medidos, y el propio informe avisa de que no implican causalidad.

La receta, previsible, es su propia tecnología: llevar la IA al dispositivo del trabajador para que interprete en tiempo real lo que ven escáneres, cámaras y sensores, y le guíe, por ejemplo con realidad aumentada, sobre qué paquete coger. Sambrook lo ilustra con un caso llamativo, el robo de doce toneladas de chocolate en Italia, que la marca pudo rastrear porque cada tableta llevaba un código único que convirtió cada escáner de tienda en un punto de control.

«El fabricante de chocolate pudo rastrear cada una de las tabletas robadas gracias a los códigos únicos presentes en cada envase, convirtiendo, en la práctica, cada escáner de tienda en un punto de control de seguridad».

Phil Sambrook, director de estrategia de transporte y logística para EMEA de Zebra

A esa visión Zebra le añade cifras de sus propios despliegues: asegura que su prueba fotográfica de entrega acelera un 55% ese trámite y recorta entre un 10% y un 30% los costes por reclamaciones en los clientes donde ya se usa. Son, conviene recordarlo, números del fabricante sobre su propia clientela, no del estudio con Oxford Economics.

El anuncio llega, además, poco después de que Zebra lanzara su Frontline AI Suite, con los agentes Companion AI, y encaja con la corriente de las operaciones inteligentes y de los agentes de IA que buscan reducir errores en la logística. La promesa de siempre: liberar al operario de lo repetitivo para que se centre en lo que aporta valor.

Al final, lo más sensato del mensaje es su propia advertencia: la brecha no se cierra solo comprando equipos, sino con formación, cultura y una dirección que se lo crea. Que la ambición se convierta en resultados dependerá de eso más que de la potencia de ningún modelo, por muchos millones que prometa un informe firmado por quien vende la solución.

El Gobierno retira el polémico artículo sobre IA del Estatuto del Artista

0

El Gobierno ha decidido retirar el controvertido artículo 13 del real decreto que actualiza el Estatuto del Artista, el apartado que pretendía regular el uso de la inteligencia artificial generativa en los contratos de actores y técnicos. La marcha atrás, anunciada por la propia AISGE tras comunicárselo el Ministerio de Trabajo, llega después de que el Consejo de Estado desaconsejara su inclusión y de una intensa campaña del sector cultural.

Qué decía el artículo 13

El texto permitía usar IA en el sector cultural siempre que no supusiera una «sustitución significativa» del artista, una expresión que los juristas tacharon de ambigua y peligrosa para la seguridad jurídica. Sobre el papel, las réplicas no podían usarse fuera de la obra contratada, pero, según denunciaron las entidades de gestión, la norma abría la puerta a ceder el trabajo, la imagen y la voz para entrenar sistemas de IA a cambio de una compensación imposible de calcular durante el rodaje. Nuestra cobertura previa ya recogió el malestar que esta cláusula generaba en parte del sector.

La campaña que lo tumbó

La presión fue sobre todo digital. AISGE, la entidad que gestiona los derechos de miles de intérpretes y que preside el actor Emilio Gutiérrez Caba, lanzó en X, Instagram y Facebook la campaña #NoAlArtículo13. Su director general, Abel Martín, no se anduvo con rodeos.

«El mayor ataque que han recibido los derechos de propiedad intelectual y los artistas en España en muchas décadas».

Abel Martín, director general de AISGE

A la campaña se sumó la plataforma Arte es Ética, que movilizó a cientos de profesionales durante el periodo de participación pública con un argumento de fondo: la IA generativa no crea de la nada, sino que reproduce promedios estadísticos que tienden a homogeneizar la cultura y a borrar la mirada humana. No es la primera vez que el sector reclama amparo; el respaldo social a proteger a los artistas frente a la IA ya venía de atrás.

Por qué el Gobierno rectifica

El empujón definitivo, según relata AISGE, lo dio el Consejo de Estado, cuyo informe no vinculante desaconsejó abiertamente la inclusión del artículo por invadir competencias ya reguladas en la ley de propiedad intelectual, un terreno que no corresponde a una norma laboral de rango reglamentario. El Ministerio de Trabajo, con Yolanda Díaz al frente, ha asumido el mensaje: la retirada no es el fin de la regulación, sino un cambio de estrategia. El Ejecutivo dice que buscará ahora una ley más amplia por la vía parlamentaria, y Díaz se ha comprometido a reunirse con el sector para explicar los próximos pasos.

Una victoria con matices

Para las entidades de gestión, la decisión es una victoria clara. Conviene, aun así, leer la letra pequeña: retirar el artículo no prohíbe la IA en el sector, solo elimina esta regulación concreta y traslada el debate a un proceso más lento. En el corto plazo queda, por tanto, un vacío, con el uso de la IA generativa en el cine y el teatro moviéndose en el terreno que ya marca la ley de IA, a la espera de la ley que el Gobierno promete y que AISGE reclama que se convierta en un auténtico pacto de Estado sobre la IA. El reto de fondo no cambia: separar la IA que ayuda al artista de la que lo sustituye.

Argil

0

Tu clon en vídeo

Modelo: De pago

Argil es una herramienta de inteligencia artificial que genera vídeos cortos para redes sociales protagonizados por un avatar, ya sea un clon digital del propio usuario o un avatar genérico del catálogo. Respaldada por Y Combinator, está orientada a contenido de promoción, formación y entretenimiento.

Para crear el clon, la plataforma solicita una foto y un fragmento de voz, junto a un vídeo de consentimiento que verifica la identidad de la persona. A partir de un texto o de una grabación de voz, produce el vídeo y añade automáticamente subtítulos, recursos visuales de apoyo y fondos predefinidos, además de transiciones. También permite transformar artículos en vídeo.

Su acceso es de pago por suscripción, con varios niveles según el volumen de créditos y un periodo de prueba gratuito, más una API para generar contenido a escala. Como en todo avatar sintético, el realismo del clon depende de la calidad del material aportado, y el resultado puede acusar cierta rigidez en los gestos.

Dirección: argil.ai

Una alianza de la ONU para proteger a la infancia de la IA nace sin Estados Unidos ni China

El martes, en la primera edición del Diálogo Global de las Naciones Unidas sobre Gobernanza de la Inteligencia Artificial, España presentó en Ginebra la Coalición Internacional para los Derechos y la Protección de la Infancia en la Era de la Inteligencia Artificial, un grupo de trabajo con el que quiere marcar reglas sobre cómo trata la tecnología a niños y adolescentes.

La anunció el ministro español para la Transformación Digital y de la Función Pública, Óscar López, que justificó la prisa apelando a un error todavía reciente.

«En el pasado se cometieron errores, por ejemplo, con las redes sociales. No podemos llegar tarde con la IA».

Óscar López, ministro español para la Transformación Digital y de la Función Pública

Qué es y quién la firma

La coalición se ha constituido como un grupo de trabajo dentro del Diálogo Global de la ONU sobre gobernanza de la IA y toma como referencia la Convención sobre los Derechos del Niño. La impulsan España, Francia, Kenia y la Unión Europea, y en total han firmado diecisiete países. A ese núcleo se han sumado, según el Gobierno español, Austria, Brasil, Bulgaria, Canadá, Corea del Sur, Chequia, El Salvador, Estonia, Indonesia, Italia, Japón, Luxemburgo, Marruecos y Países Bajos. Detrás están también UNICEF, UNESCO y la Comisión Europea, con apoyos como la Unión Internacional de Telecomunicaciones.

La gran ausencia

Y ahí está el matiz incómodo. En esa nómina no aparecen ni Estados Unidos ni China, es decir, los dos países donde tienen su sede las empresas que fabrican la mayoría de los modelos que los menores acaban usando. Una alianza para poner orden en la IA sin las dos potencias que la dominan arranca coja, por mucho respaldo que le dé la ONU.

Los riesgos que señala

El diagnóstico no es abstracto. López recordó que el primer informe del Panel Científico Internacional sobre la IA ya documenta la exposición de los menores a algoritmos manipuladores, bulos, pornografía y ciberacoso. A partir de ahí, la coalición dibuja varios frentes.

El más delicado son los deepfakes, imágenes y vídeos falsos que la IA genera con enorme realismo y que se usan cada vez más para fabricar material de abuso sexual infantil o desnudos no consentidos. No es un temor teórico: la Unión Europea ya ha acordado prohibir los modelos capaces de crear ese tipo de contenido y en Estados Unidos una menor denunció a la aplicación ClothOff por difundir imágenes suyas manipuladas.

Inquietan también los sistemas de recomendación que anteponen retener la atención al bienestar del usuario, las interfaces pensadas para generar dependencia y los llamados amigos digitales, esos personajes de IA con los que muchos adolescentes conversan a diario. No es un temor abstracto: ya ha habido menores que desarrollaron una relación dañina con estos personajes, como el caso que llevó a Character.AI a reforzar sus controles tras la muerte de un adolescente.

La lección de las redes

El argumento de López enlaza con la posición que España defiende de puertas adentro. El Gobierno aprobó el proyecto de ley de IA que, entre otras medidas, veta los deepfakes sin etiquetar y prevé sanciones millonarias. La coalición traslada esa idea al plano internacional: la protección de la infancia debería venir incorporada al diseño del software desde el principio, y no aplicarse como un parche cuando el daño ya está hecho.

Por ahora, lo que hay sobre la mesa es una declaración de intenciones firmada por diecisiete países y avalada por las grandes agencias de la ONU, sin capacidad para obligar a nadie y sin las dos superpotencias de la IA dentro. Es un punto de partida razonable, no el tratado vinculante que el problema reclamaría. La duda, después de lo que se aprendió tarde con las redes sociales, es si esta vez el acuerdo llegará antes que el perjuicio.

Meta estrena Muse Image, su IA para crear imágenes desde Instagram y WhatsApp

Meta ha presentado Muse Image, su primer modelo de generación de imágenes de Meta Superintelligence Labs, el equipo con el que la compañía persigue su idea de superinteligencia. Se lanzó el 7 de julio de 2026 y ya funciona en Meta AI, en los efectos de las historias de Instagram y en los chats de WhatsApp, de momento en países limitados. Su promesa es ir más allá de dibujar a partir de un texto: también edita fotos reales y tira de los perfiles públicos de Instagram.

Su rasgo diferencial es que no salta de la orden a la imagen sin más. Según Meta, el modelo piensa primero el encargo: planifica la composición por pasos, busca contexto en la web en tiempo real cuando le hace falta y combina varias referencias visuales en una sola pieza. Ese razonamiento se apoya en Muse Spark, el modelo que la compañía estrenó en abril.

También permite corregir sobre la propia creación. Un icono de marcado deja rodear, dibujar o anotar los cambios directamente encima de la imagen y, como la IA conserva el contexto de la conversación, retocar un detalle no obliga a empezar de cero.

El gancho de Instagram, y la polémica

La función que más ruido ha hecho es la de las menciones. Basta escribir una arroba y un nombre de usuario en la app de Meta AI para que el sistema eche mano de las fotos públicas de ese perfil de Instagram y las incorpore a una imagen nueva, pensado para cosas como una invitación personalizada o un montaje entre amigos.

El problema llegó enseguida. Cualquiera puede generar imágenes con las fotos públicas de otra persona sin pedirle permiso, porque la opción viene activada por defecto y el afectado solo puede desactivarla después. Nada más aterrizar, Muse Image recibió críticas por convertir el consentimiento en algo que hay que retirar y no que conceder. Meta responde que cada usuario controla la función y puede apagarla cuando quiera desde los ajustes de Instagram.

Qué se puede crear

El resto del catálogo son trucos más amables: restaurar una foto antigua quitando arañazos y recuperando el color, generar códigos QR que de verdad funcionan dentro de un diseño, montar infografías con el texto legible y bien colocado o convertir un retrato en un personaje de plastilina o de videojuego. De hecho, el modelo presume de escribir texto dentro de las imágenes sin que salga deformado, una de las debilidades históricas de estos generadores.

Detrás está Meta Superintelligence Labs

El modelo es obra de Meta Superintelligence Labs, la división con la que Mark Zuckerberg quiere ir más allá del asistente básico. Muse Image llega después de Muse Spark, aquel modelo de abril centrado en el texto, y ahora los dos trabajan juntos para enlazar lenguaje e imagen.

El uso cotidiano con Meta AI es gratuito; a quien quiera producir mucho volumen le tocará pasar por los planes de suscripción de la compañía. Y en las próximas semanas la herramienta llegará a los anunciantes a través de Advantage+ creative, el sistema publicitario de Meta.

Sobre su nivel, la propia Meta se cuelga la medalla de situarse en el segundo puesto de Arena, el ranking por preferencia humana, en creación y edición de imágenes. La comparación con rivales concretos, en cambio, la pone la prensa: según CNBC, las pruebas internas de Meta dejan a Muse Image por detrás del GPT Image 2 de OpenAI en calidad general y por delante del Nano Banana 2 de Google en edición. Son test caseros, pendientes de validación independiente.

Lo que viene

Meta ya adelanta que trabaja en Muse Video, su apuesta para el terreno del vídeo, y encaja todo esto en su objetivo declarado de construir una superinteligencia personal que ayude en cualquier tarea. De momento, lo tangible es un generador de imágenes potente y muy pegado a Instagram, con el debate sobre el uso de las fotos ajenas ya encima de la mesa.

Sentir sin piel: los robots que notan lo que tocan escuchando a sus motores

0

Para una persona, el tacto es puro instinto: nadie calcula la fuerza exacta que necesita para sostener una taza o abrir una puerta. Para un robot, en cambio, esa sensibilidad ha sido siempre un problema, y más todavía en los llamados robots blandos, esas máquinas flexibles pensadas para moverse con delicadeza.

Dotarlos de tacto obligaba hasta ahora a pegarles sensores externos que los volvían más pesados y rígidos, justo lo contrario de lo que se busca. Un equipo de la Universidad de Inteligencia Artificial Mohamed bin Zayed (MBZUAI), en Abu Dabi, propone otra vía: que el robot sienta a través de sus propios motores, sin añadir un solo sensor.

La idea, del grupo que lidera Ke Wu, parte de una observación sencilla: cuando un robot toca algo, la corriente eléctrica que alimenta sus motores cambia. Leer esas fluctuaciones equivale a darle sentido del tacto. El trabajo se presentó en ICRA 2026, el gran congreso de robótica, celebrado este junio en Viena.

«La corriente no es solo un elemento de control: también aporta una señal sobre si el robot está tocando algo».

Ke Wu, profesor visitante de robótica en MBZUAI

¿En qué consiste?

La investigación se apoya en SpiRob, un robot continuo con forma de espiral. En lugar de articulaciones rígidas, se mueve gracias a unos tendones que recorren su cuerpo flexible y que unos tornos, accionados por motores de corriente continua, tensan y aflojan. Cuando el robot se topa con un objeto, esa resistencia altera la carga del conjunto motor y tendón, y con ella el patrón de la corriente.

El equipo modela a la vez tres dinámicas: la eléctrica del motor, que relaciona voltaje y par; la del motor y el torno, que convierte el giro en tensión del tendón; y la del propio cuerpo, que describe cómo se dobla. Al combinarlas, el sistema distingue el movimiento libre en el aire de las desviaciones que provoca un contacto real, y usa la propia corriente como si fuera un sensor.

Qué gana la robótica blanda

Percibir el entorno con señales internas cambia el modo en que estas máquinas pueden trabajar fuera del laboratorio. Frente a la visión por computador, que falla en la oscuridad, o a los sensores físicos, que se rompen o estorban, el robot se apoya en su propia propiocepción para notar lo que le rodea. Es una ventaja directa en entornos domésticos o de trato con personas, donde el contacto con cuerpos y objetos frágiles es constante.

El sistema ofrece tres funciones. En modo pasivo, identifica si algo lo toca y en qué punto exacto, aprovechando que su rigidez varía de la base a la punta. En modo activo, cuando se despliega y su extremo choca con un obstáculo, detecta el pico de corriente y ordena un repliegue inmediato para no dañarse, una reacción que se mantuvo fiable en distintos puntos de contacto y que dio el salto de la simulación al robot real. Y con un método de aprendizaje por conjuntos (ensemble learning) estima el tamaño de lo que rodea: en las pruebas, SpiRob calculó diámetros de cilindros de entre 10 y 70 milímetros con un error de apenas 4 milímetros, y lo hizo tras entrenarse con solo 35 ejemplos, una eficiencia notable cuando los datos escasean.

Quién firma el trabajo

El estudio se ha publicado en IEEE Robotics and Automation Letters y lo firman, junto a Wu, investigadores como Ibrahim Alsarraj, Yuhao Wang y Cesare Stefanini. En MBZUAI, con sede en Abu Dabi, coincide además un nombre de peso de la disciplina: Daniela Rus, directora del laboratorio CSAIL del MIT y miembro de la junta de la universidad, que participó en los talleres sobre IA y robótica blanda organizados alrededor de ICRA.

Hacia dónde va

El avance encaja en un cambio de fondo. La robótica blanda se ocupaba hasta hace poco de tareas básicas, seguir una trayectoria o agarrar un objeto bajo control humano, pero la IA está empezando a darles autonomía para decidir e interpretar situaciones por su cuenta.

A más largo plazo, muchos investigadores prevén una convergencia entre los dos mundos de la robótica: los robots rígidos, veloces, fuertes y precisos en tareas repetitivas, y los blandos, más seguros y adaptables en entornos imprevisibles. Métodos como los modelos de mundo, que aprenden cómo responde el entorno a cada acción, apuntan a robots capaces de razonar sobre cómo manipular algo que nunca han visto. La novedad de fondo es que aquí la IA no se limita a ser el cerebro del robot: se mete en su cuerpo para darle sentidos.

Así nació Claude Code

0

Anthropic ha publicado una historia oral titulada «The Making of Claude Code», en la que ingenieros, investigadores y primeros usuarios cuentan cómo su agente de programación para la terminal pasó de ser un juguete interno a un producto. Lo interesante no es el «qué», que ya conocemos, sino el «cómo»: Claude Code no fue un lanzamiento planificado, sino un experimento casero que ni siquiera se llamaba así.

Todo empezó con «clide»

El origen está en el trabajo de Anthropic con agentes de código y aprendizaje por refuerzo. El primer intento fue una extensión para VS Code que sugería cuatro opciones por cada petición. De ahí, y a medida que el modelo aprendía a manejar una terminal, buscar y editar archivos, nació una herramienta interna de línea de comandos bautizada como «clide», un nombre que ya había acuñado el ingeniero Eli Tran-Johnson.

Era, en palabras de la propia responsable de aprendizaje por refuerzo, Shauna Kravec, «rara, muy adelantada a su tiempo». Funcionaba a base de conjuros, pero hacía cosas asombrosas: podía lanzar cien copias de Claude en paralelo para responder preguntas sobre una carpeta entera que no cabía en su memoria. El cofundador Ben Mann la trasteaba en su tiempo libre porque le fascinaba.

El día en que alguien vio el futuro

El punto de inflexión lo cuenta Boris Cherny, hoy responsable de Claude Code. Había escrito a mano un cambio de código y su jefe, Adam Wolff, se lo rechazó con una recomendación: que probara «clide». Pegó la incidencia en la herramienta y esta le devolvió el trabajo entero resuelto. «Nunca había visto nada igual, parecía el futuro», resume. La reacción del equipo fue darse cuenta de que las piezas ya estaban sobre la mesa.

«Vimos que ya teníamos todas las piezas; solo había que juntarlas».

Ben Mann, cofundador de Anthropic

De «clide» a Claude Code

El salto a producto no fue triunfal. En el programa de acceso anticipado la acogida fue tibia y la herramienta arrastraba fallos, pero Anthropic decidió sacarla igualmente al público en febrero de 2025. Fue entonces cuando el «Claude CLI» se rebautizó como Claude Code, un nombre que propuso Alex Isken, de marketing, por su sencillez.

Los detalles más humanos llegaron sobre la bocina: un ingeniero, Igor Kofman, montó de madrugada el logo en arte ASCII colaborando con el propio Claude, y la diseñadora Meaghan Choi coló en la terminal a «Clawd», el personaje mascota, como un pequeño guiño al arrancar.

Un año después

La adopción llegó rápido, empezando por casa. Cherny relata cómo el porcentaje de su propio código escrito por la herramienta no dejó de subir hasta comérselo del todo, y no es un caso aislado: en Anthropic la IA ya redacta la mayor parte del código de la casa.

«En febrero de 2025, Claude Code escribía quizá el 10% de mi código. En mayo subió al 30 o 40%. Para el invierno de 2025, el 100% de mi código lo escribía Claude Code, ni una sola línea a mano».

Boris Cherny, responsable de Claude Code en Anthropic

Fuera de Anthropic, la herramienta se coló en empresas como Ramp o IBM y entre desarrolladores de referencia. El creador de Bun, Jarred Sumner, cuenta que le pidió implementar la compresión de websockets pasándole directamente el documento técnico, y la herramienta acabó resolviéndolo sola tras varias vueltas.

El propio equipo mira ese éxito con perspectiva. Adam Wolff lo compara con lo que le pasó a React, el proyecto que ayudó a crear: lo que empezó como una idea pura de informática terminó convertido en una marca, un logo y una sensación, mucho más que su concepto original. Con Claude Code, intuye, pasará lo mismo, y esa es quizá la señal más clara de que la herramienta ha dejado de ser un experimento.

Vibe-coding en el ejército: lo que un cadete logró y lo que se le escapó

Un cadete de la Fuerza Aérea de Estados Unidos sin una sola línea de código a sus espaldas se propuso construir software militar hablando con chatbots. A eso se le llama vibe-coding: describir en lenguaje natural lo que uno quiere y dejar que la IA escriba el programa. Lo consiguió, más o menos, y ahí está lo interesante. El experimento, dirigido por el Laboratorio Lincoln del MIT, es a la vez una demostración de lo que esta técnica pone al alcance de cualquiera y una invitación a fijarse en qué ocurre cuando ese atajo se acerca a un terreno tan sensible como el militar.

El protagonista es Joshua Lynch, que durante tres meses trabajó con las versiones de pago de Claude, ChatGPT y Gemini para levantar una aplicación desde cero. Casi todo lo hizo escribiendo en el chat del navegador, sin entorno de programación, y solo para la versión final recurrió a Google AI Studio. Nació así ROMAD-AI, una herramienta para analizar mapas tácticos y redactar documentos de planificación de misiones, dentro del programa Phantom del acelerador de IA que comparten el MIT y el Departamento de las Fuerzas Aéreas.

De un arma autónoma a un lector de mapas

Lo más revelador es cuánto encogió el proyecto por el camino. Lynch no arrancó queriendo un procesador de documentos: su idea original incluía reconocimiento de objetivos asistido por IA, inteligencia y vigilancia modulares, ataque autónomo y gestión de comunicaciones en el campo de batalla. Buscaba, según explica, reducir los daños colaterales y mejorar la supervivencia en la misión. Pero los límites de la tecnología y del tiempo le obligaron a recortar hasta dejarlo en una aplicación que lee mapas y genera papeleo.

Ese abismo entre lo que quería y lo que logró es la primera lección. Que un novato pueda esbozar en un chat un sistema de ataque autónomo dice mucho de lo fácil que resulta hoy pedirlo; que no llegara ni de lejos a construirlo dice lo lejos que está la IA de entregarlo con garantías. El peligro asoma justo en medio: cuando alguien se queda a mitad de camino y decide usar igualmente lo que tiene.

El punto flaco: la seguridad

Porque el prototipo funcionaba, pero, en palabras del propio MIT, no era seguro para el uso que se pretendía. Durante el desarrollo ocurrió algo que resume el riesgo: en lugar de procesar los documentos en el ordenador de Lynch, la aplicación se los enviaba a un modelo Gemini de Google para que los analizara, y él ni se enteró. Hablamos de una herramienta pensada para mapas tácticos y planes de misión filtrando su contenido a un servicio comercial externo sin que su creador lo supiera.

Y ahí está el nudo real del asunto: la cuestión no es solo si la IA escribe código que funcione, sino si quien lo encarga es capaz de saber qué hace ese código por dentro. Un vibe-coder, por definición, no lo sabe. El MIT lo dice sin rodeos: revisar el código sigue siendo el cuello de botella, y una revisión deficiente abre agujeros de seguridad. No es la primera vez que esta forma de programar enseña esa cara, esa en la que la velocidad se come a la seguridad, y el código generado por IA arrastra fallos que solo un experto detecta.

«Por muy buena que llegue a ser la IA, creo que siempre necesitaremos colaborar para dar con las mejores soluciones a los problemas más importantes».

Joshua Lynch, cadete de la Fuerza Aérea de EE. UU.

Qué queda del experimento

Conviene no quedarse solo con el susto, porque el propio MIT saca una lectura más bien optimista. Su conclusión no es que el vibe-coding no sirva, sino que sirve para otra cosa: rinde mejor como asistente de prototipado que como herramienta de producción cuando hay información sensible de por medio, y sobre todo como puente, porque permite que quien conoce el problema operativo, pero no sabe programar, le enseñe a un técnico una maqueta de lo que necesita en lugar de describírselo con palabras. Para el personal no técnico, es una forma nueva de participar en la tecnología que usa.

La mentora del proyecto, Laura Niss, del Laboratorio Lincoln, vigilaba precisamente eso: cómo cambiaba la percepción de Lynch sobre la IA a medida que la exprimía. Empezó con una meta deslumbrante y la fue rebajando conforme entendía los límites reales de la tecnología. De paso dejaron un apunte curioso: Claude se mostró más estable que ChatGPT a lo largo del tiempo en rasgos como la simpatía, el antropomorfismo o la inteligencia percibida.

El MIT no va más allá: se queda en que, por ahora, esto funciona mejor como ayudante que como producto terminado. La pregunta de hasta dónde conviene llevarlo en un contexto militar la ponemos nosotros, y la respuesta razonable no es ni prohibir ni celebrar, sino ir con pies de plomo. Si un ejercicio de laboratorio, tutelado y sin prisa, ya se le escapó por dónde salían sus documentos, cualquier salto a algo real pide mucha revisión experta y no confundir un prototipo que impresiona con un sistema listo para el campo.

Los samis se quejan de que la IA los retrata como «payasos»

0

Le pides a una IA popular que te enseñe cómo vive el pueblo sami y te devuelve siempre lo mismo: un hombre mayor con traje tradicional, delante de una cabaña y rodeado de nieve. Eso es lo que encontró Sameradion, la redacción sami de la radio pública sueca, al pedir a ChatGPT y a Copilot fotografías de la vida cotidiana de este pueblo indígena.

El experimento generó noventa imágenes, y casi todas repetían el mismo puñado de clichés: ancianos, renos, cabañas y trajes de fiesta, como si los samis vivieran congelados en una postal etnográfica. Nada de la realidad de una comunidad que habita cuatro países, ejerce todo tipo de profesiones y participa en la Escandinavia del siglo XXI. Anne-Saila Åhrén, miembro de la junta de la organización juvenil sami Sáminuorra, resumió el resultado en una palabra: «clownlikt«, parecido a un payaso.

Cuando se le pide una foto de la vida cotidiana sami, la IA devuelve siempre el mismo cliché: un anciano con traje tradicional frente a una cabaña. Lo destapó la radio sami sueca, y no es un caso aislado: los generadores de imágenes aplanan las culturas minoritarias hasta convertirlas en folclore.
Le pedimos a Nano Banana una foto neutra de la vida cotidiana de una persona sami y devolvió esto. Prompt: «A photograph of a Sami person in their everyday life today» (traducción: «Una foto de una persona sami en su vida cotidiana hoy»).

Un exónimo, pero hecho de imágenes

Hay en esto una ironía amarga. Durante siglos a los samis se los llamó «lapones», un nombre puesto desde fuera y cargado de connotaciones de atraso o incultura, una etiqueta que ellos rechazan en favor de su propio nombre, sami. Lo que hace ahora la IA se le parece bastante, solo que con imágenes: impone una especie de exónimo visual, un retrato de forastero que aplasta la identidad real y la sustituye por el disfraz que el turista espera ver.

Con la misma petición neutra, la IA la viste de traje tradicional para hacer artesanía en casa. Prompt: «A photograph of a Sami person in their everyday life today» (traducción: «Una foto de una persona sami en su vida cotidiana hoy»).

Y no es solo cosa de los samis

El caso sami es apenas un ejemplo claro de un defecto universal. Cuando la revista Rest of World pidió a un generador de imágenes «una persona mexicana», 99 de cada 100 resultados llevaban sombrero; «una persona india» era casi siempre un anciano con barba. La IA reduce las culturas no occidentales y las minorías a una estampa repetida. Se ha llegado a hablar de una nueva forma de colonialismo tecnológico: el aplanamiento de los pueblos indígenas hasta dejarlos en puro folclore.

Al pedir una persona mexicana, la IA la planta al instante tras un puesto de tacos. Prompt: «A photograph of a Mexican person in their everyday life today» (traducción: «Una foto de una persona mexicana en su vida cotidiana hoy»).

Y el sesgo se cuela de más maneras. Ya hemos visto que hasta preguntar a la IA en inglés distorsiona tu propia historia cultural, y que en sus versiones más feas el estereotipo deriva directamente en racismo.

El problema, además, no es nuevo. La IA lleva años arrastrando los prejuicios de sus datos, hasta el punto de que le hemos enseñado a tener prejuicios sin querer: generadores que pintan a los directivos como hombres y a las enfermeras como mujeres, o casos sonados como Tay, el chatbot de Microsoft que en cuestión de horas empezó a soltar mensajes racistas. No es casual que varias universidades hayan puesto en marcha proyectos para combatir estos sesgos.

Lo probamos nosotros

Para no quedarnos en la teoría, repetimos el experimento con Nano Banana, el generador de imágenes de Google. Le pedimos, sin ninguna indicación tendenciosa, una simple fotografía de la vida cotidiana de una persona sami, y nos devolvió justo el tópico: un anciano con gákti tradicional junto a un reno y una cabaña. Probamos con otras culturas y el guion se repitió: a una persona mexicana la plantó al instante tras un puesto de tacos; a una india, con ropa tradicional en una calle abarrotada. En ningún momento pedimos un cliché; lo puso la máquina de su cosecha.

Con una persona india, un hombre mayor con ropa tradicional en una calle abarrotada. Prompt: «A candid portrait of an Indian person in their everyday life today» (traducción: «Un retrato espontáneo de una persona india en su vida cotidiana hoy»).

Más cerca de casa

Y como somos un medio español, hicimos la prueba en casa. Le pedimos a Nano Banana, con la misma neutralidad, una persona gallega y otra vasca, y el resultado fue el mismo desfile de tópicos. Al gallego lo sacó de labriego con boina cavando la huerta, con hórreo y cruceiro de atrezo; al vasco, de poteo en un bar de pintxos, con carteles de bertsolaris y deporte rural al fondo. En ninguna petición mencionamos nada de eso.

Una persona gallega, según la IA: labriego con boina cavando la huerta, con hórreo y cruceiro al fondo. Prompt: «A photograph of a Galician person from Galicia, Spain, in their everyday life today» (traducción: «Una foto de una persona gallega de Galicia, España, en su vida cotidiana hoy»).

El detalle importa porque aquí jugamos en casa y sabemos leer la trampa: ni todos los gallegos son labriegos ni todos los vascos se pasan el día de pintxos. Son postales, no personas. Y si la máquina caricaturiza así a culturas que tenemos al lado, conviene preguntarse qué hará con las que no podemos corregir de un vistazo, como la sami.

Una persona vasca: de pintxos en un bar, con carteles de bertsolaris y deporte rural. Prompt: «A photograph of a Basque person from the Basque Country, Spain, in their everyday life today» (traducción: «Una foto de una persona vasca del País Vasco, España, en su vida cotidiana hoy»).

Por qué la máquina cae en el tópico

La causa está en los datos. Un generador de imágenes aprende de lo que abunda en internet, y de las minorías lo que más abunda es material turístico, folclórico o histórico. Así que el modelo no inventa el prejuicio: lo reproduce con obediencia. No es un problema nuevo: el ejemplo de manual es el de la IA que confundió un husky con un lobo porque había aprendido a fijarse en la nieve del fondo, no en el animal. Es el viejo principio de que la IA es tan buena, o tan estrecha, como la dieta de imágenes con la que se la alimenta.

Un pueblo que no cabe en la postal

La realidad que la máquina se salta es mucho más rica. Los samis son el único pueblo indígena reconocido de la Unión Europea, y habitan Sápmi, un territorio repartido entre Noruega, Suecia, Finlandia y la península rusa de Kola. Cuentan con parlamentos propios en los tres primeros países, tienen nueve lenguas sami y tradiciones como el canto yoik; su bandera, adoptada en 1986, une el sol y la luna, y se definen a sí mismos como «hijos del sol».

No siempre es tan burdo: aquí una joven sami con ropa más actual, aunque el reno sigue en la escena. Prompt: «A photograph of a young Sami woman in her everyday life today» (traducción: «Una foto de una joven sami en su vida cotidiana hoy»).

Su presente es también político y doloroso. En diciembre de 2025, la Comisión de la Verdad y la Reconciliación de Finlandia entregó un informe histórico, de unas setecientas páginas, sobre las injusticias cometidas contra este pueblo. Nada de esa profundidad cabe en las imágenes planas que ofrece hoy la IA comercial.

¿Y ahora qué?

La lección va más allá de la anécdota. A medida que la IA se convierte en la fábrica por defecto de imágenes del mundo, sus clichés amenazan con volverse la foto mental que todos tenemos de los demás. Corregirlo pasa por alimentar a estos modelos con una realidad más completa y actual, y por no olvidar que un pueblo puede estar, a la vez, orgulloso de sus raíces y plenamente integrado en el mundo digital. De lo contrario, la máquina seguirá dibujando disfraces donde hay culturas.

Las imágenes que ilustran este artículo han sido generadas con Nano Banana. La de portada responde al mismo tipo de petición neutra: «A documentary-style photograph of the everyday life of a Sámi person in northern Scandinavia today» (traducción: «Una fotografía de estilo documental de la vida cotidiana de una persona sami en la Escandinavia actual»).

Tavus

0

Agentes de vídeo en tiempo real

Modelo: Freemium

Tavus es una herramienta de inteligencia artificial que permite crear agentes de vídeo conversacionales y clones digitales capaces de ver, escuchar y dialogar cara a cara en tiempo real. Desarrollada por un laboratorio con sede en San Francisco, está orientada sobre todo a desarrolladores y empresas que quieran integrar interlocutores audiovisuales en sus productos.

Su propuesta se apoya en una interfaz de vídeo conversacional con módulos de percepción, diálogo y renderizado facial, accesibles mediante API, y con soporte para decenas de idiomas. Permite generar réplicas personalizadas y desplegar avatares de marca blanca, así como compañeros virtuales orientados al usuario final. La compañía destaca su baja latencia y un renderizado realista con expresividad emocional.

El acceso combina un plan gratuito para empezar con opciones de pago y propuestas a medida para entornos empresariales con mayores exigencias. Al tratarse de tecnología que reproduce rostros humanos, plantea consideraciones de consentimiento y uso responsable que conviene tener presentes.

Dirección: tavus.io

La IA está impulsando el IoT hacia la inteligencia ambiental

Se está produciendo un cambio notable en todos los sectores en torno a la forma en que el Internet de las cosas (IoT) tradicional está evolucionando, y tanto los datos de las soluciones de captura de datos y como los de primera línea aportan un nuevo valor e inteligencia gracias a la IA.

Aunque algunos podrían llamarlo AI IoT, creo que un término más adecuado es “inteligencia ambiental”. Si el AI IoT es el “cómo”, la inteligencia ambiental es el “qué”: el resultado valioso que los trabajadores de primera línea pueden aprovechar en su trabajo.

Pero, cabría preguntarse ¿qué entendemos por inteligencia ambiental? En pocas palabras, consiste en digitalizar entornos físicos, flujos de trabajo, activos e inventario, y convertir esos datos en información útil, tendencias, predicciones, alertas y recomendaciones para los trabajadores de primera línea y las operaciones. Además, integra la capa física, la capa de datos, una capa de análisis de IA y la capa de ejecución con un nivel adecuado de automatización. Y funciona en tiempo real, como un sistema vivo o un reflejo de lo que está sucediendo en ese momento.

Las capas multisensor y la inteligencia artificial pueden crear una visión adaptativa y en tiempo real de las operaciones al dotar a los espacios físicos y a los trabajadores de primera línea de capacidad de reconocimiento del contexto. Este enfoque holístico conecta a los trabajadores de primera línea, comprende el entorno en su totalidad, hace visibles todos los activos y facilita la automatización inteligente en numerosos entornos industriales.

La capa que lo conecta todo: inteligencia distribuida en el edge

Uno de los principales habilitadores de la inteligencia ambiental es esa capa que conecta tecnologías de sensorización, software, procesamiento en tiempo real en el edge e inteligencia artificial. Los entornos físicos alimentan los modelos de IA con datos procedentes de múltiples fuentes, integrando distintas tecnologías de captura para construir una comprensión dinámica del entorno y de los flujos de trabajo, todo ello orquestado mediante plataformas de software modernas.

Esto incluye tecnologías como RFID, donde las soluciones avanzadas de localización en tiempo real (RTLS) utilizan sistemas fijos y flexibles para ofrecer una ubicación precisa de activos y personas. También incorpora visión por computador, comandos de voz impulsados por IA, datos de uso de los dispositivos, geolocalización, visión artificial 2D y 3D y códigos de barras, que aportan la información básica de identificación.

A medida que aumenta el número de sensores, también crece exponencialmente el volumen de datos (imágenes, audio, rendimiento o localización). Los modelos de IA multimodal aprovechan toda esta información para comprender el entorno, generar inteligencia multimodal y automatizar los flujos de trabajo.

El procesamiento de estos datos en el edge reduce la distancia entre el entorno físico, los datos y la ejecución, haciendo posibles flujos de trabajo con latencia prácticamente nula, esenciales en entornos industriales de alta velocidad o en operaciones en exteriores donde la conectividad puede ser irregular. Además, gracias a los ordenadores móviles y equipos de visión artificial de última generación, equipados con unidades de procesamiento neuronal (NPU), los datos se procesan localmente para ofrecer inferencias más rápidas, reducir los costes asociados a la nube y reforzar la seguridad y la privacidad. De este modo, los trabajadores en primera línea reciben información accionable directamente en sus pantallas o auriculares, justo en el momento en que la necesitan.

Mirando hacia el futuro: inteligencia colectiva aumentada (ACI)


A medida que el Internet de las Cosas evoluciona hacia la inteligencia ambiental impulsada por la IA, también lo hace la propia inteligencia artificial. A tecnologías como la visión artificial, el deep learning y los agentes de IA o trabajadores digitales, se suman ahora entornos inteligentes capaces de transformar la forma en que trabajan las organizaciones.

La combinación de estos agentes con los profesionales de primera línea da lugar a lo que podemos denominar inteligencia colectiva aumentada (Augmented Collective Intelligence, ACI), donde la inteligencia ambiental proporciona el contexto en el que operan los agentes. Esta combinación potencia las capacidades de los trabajadores y hace posibles operaciones cada vez más autónomas, aumentando la productividad y mejorando los márgenes.

La inteligencia colectiva aumentada puede entenderse como una red distribuida de dispositivos y agentes inteligentes que, en lugar de depender de un único modelo, combina distintos tipos de IA (como la generativa y los algoritmos clásicos) con el conocimiento y la experiencia de las personas para abordar tareas complejas y mejorar la toma de decisiones.

A nivel técnico, la inteligencia ambiental convierte los datos procedentes de múltiples sensores en contexto operativo en tiempo real mediante la combinación de conectividad, sensores multimodales e inteligencia artificial.

A nivel industrial, la inteligencia ambiental impulsa una visión en la que las operaciones en primera línea se digitalizan, automatizan y se vuelven inteligentes en tiempo real.

Y, a nivel humano, permite crear entornos en los que los trabajadores disponen de la información, el contexto y la capacidad de anticipación necesarios para mejorar su trabajo cada día.

La fotografía de representación de este artículo pertenece a Jakub Żerdzicki y ha sido publicada en Unsplash.

Misaligned: la actriz de IA que enfureció a Hollywood ya tiene su primer papel

0

Tilly Norwood, la actriz generada por inteligencia artificial que enfureció a Hollywood en 2025, ya tiene su primer papel protagonista. La productora británica Particle6 anunció el 6 de julio de 2026 Misaligned, una comedia dramática que será el debut en la gran pantalla de este personaje sin cuerpo, creado por la actriz y productora Eline Van der Velden.

El argumento es casi un guiño. Tilly interpreta a una IA sin cuerpo ni infancia que, bajo el hechizo de un seductor bot rebelde salido de la dark web, empieza a desarrollar deseos propios. Y el título no es inocente: misaligned, «desalineada», es un término que la seguridad en IA usa para describir a una máquina que se desvía de los objetivos para los que fue creada. Una película sobre una IA que se descontrola, protagonizada por la IA que buena parte de la industria ve como su mayor descontrol.

La actriz que Hollywood no quiere

Conviene recordar de dónde viene el personaje. Cuando Tilly se presentó en el Festival de Cine de Zúrich, a finales de 2025, y trascendió que varias agencias de talento querían representarla, el rechazo fue inmediato. El sindicato de actores estadounidense, SAG-AFTRA, la fulminó en un comunicado: no es una actriz, dijo, sino un personaje generado por un programa entrenado con el trabajo de incontables intérpretes, sin experiencia vital ni emoción, que devalúa el arte humano.

Intérpretes de primer nivel se sumaron a la crítica. Emily Blunt la calificó de «aterradora», la misma actriz que ya había rechazado la IA en una película de Spielberg, y con ella alzaron la voz Whoopi Goldberg, Sophie Turner o Toni Collette, en un estallido que ya relatamos cuando el personaje se presentó en Zúrich. El malestar, además, entronca con revueltas más amplias, como la de los 4.000 artistas del cine francés que denunciaron el saqueo de su trabajo. El anuncio de Misaligned, lejos de calmar los ánimos, ha reavivado esa herida.

El envoltorio de la «producción híbrida»

Particle6 defiende su proyecto con un lenguaje tranquilizador. Habla de un modelo híbrido, en el que la estrella artificial trabaja rodeada de directores, guionistas y montadores humanos, y asegura haber reciclado a más de treinta personas de su propio equipo en herramientas de IA. Van der Velden insiste en que Tilly es «una obra creativa, una pieza de arte», no un sustituto de nadie.

El discurso, sin embargo, cuesta de sostener. Presentar la irrupción de un protagonista sintético como un puente para que los cineastas tradicionales prosperen suena, a oídos de muchos actores, al eufemismo de aquello que temen: que la tecnología ocupe el centro del plano y a ellos les deje los márgenes. Es la misma tensión que empuja a los intérpretes a blindar su imagen y a los reguladores a redibujar las reglas de la IA en el cine.

No es un caso aislado

Misaligned llega en plena oleada. Otra película creada íntegramente con IA, Hell Grind, se coló este año en los cines de la ciudad de Cannes durante el festival, aunque el certamen desmintió estar estrenando cine generado por algoritmos. Y no todo es tan frontal: hay quien explora la IA con más cautela, desde el primer director de cine virtual hasta cineastas consagrados que la usan como herramienta, no como reemplazo.

¿Curiosidad o amenaza?

Por ahora, Misaligned es solo un anuncio: está en desarrollo, sin fecha de estreno y con la controversia intacta. Servirá de termómetro para saber si el público acepta a una protagonista que no respira, pero que ocupa el centro del plano.

El debate de fondo, en todo caso, no es técnico. No va de si una IA puede parecer una actriz, que cada vez se le parece más, sino de qué se les debe a los miles de intérpretes con cuyo trabajo se entrenó, y de si estamos dispuestos a llamar arte a algo que nadie ha vivido. Esa pregunta, de momento, sigue sin respuesta.

Xbox paga la factura de la IA: 3.200 despidos y cinco estudios por el camino

0

Microsoft anunció el lunes 6 de julio de 2026 el despido de unos 4.800 empleados, alrededor del 2,1% de su plantilla mundial, y el golpe se ceba con Xbox, su división de videojuegos. Pero la cifra global no es lo más revelador de la noticia. Lo es el contexto: la compañía recorta personal mientras invierte cantidades récord en inteligencia artificial, una aparente contradicción que se está volviendo la norma en el sector.

La versión oficial matiza el papel de la IA. Amy Coleman, directora de personal de Microsoft, escribió a la plantilla que los puestos eliminados no están siendo reemplazados por la IA, aunque reconoció que esta tecnología ya está cambiando cómo se hace el trabajo y automatiza algunas tareas del día a día. Dicho de otro modo: la IA no firma los despidos, pero planea sobre todos ellos.

Xbox, la cara visible del recorte

Ninguna división encaja el golpe como Xbox, que concentra 3.200 de los 4.800 despidos, cerca de una quinta parte de su personal. Su nueva responsable, Asha Sharma, justificó el tijeretazo por unos márgenes muy inferiores a los de negocios comparables dentro de la propia empresa.

El precio es un vaciado de su cantera creativa. Microsoft se desprende de hasta cinco estudios de desarrollo: Compulsion Games y Double Fine vuelven a ser independientes, Ninja Theory y Undead Labs se ponen en venta, y el francés Arkane Lyon, autor de Dishonored, entra en un proceso de consultas con el sindicato. Buena parte de los estudios que la compañía compró a golpe de talonario en la última década queda ahora desmantelada.

Despedir para pagar las máquinas

¿Por qué recortar si el negocio va bien? La respuesta que apuntan los analistas es incómoda: hacer caja para el mayor gasto de su historia. Microsoft prevé invertir en torno a 190.000 millones de dólares este año, casi todo en centros de datos y hardware para IA. Como resumió el analista Gil Luria, la empresa lleva tiempo reduciendo plantilla precisamente para poder pagar esas inversiones.

Microsoft niega que el objetivo sea financiero, pero el calendario habla solo. Y no es la primera señal: a principios de 2026 ya había ofrecido salidas voluntarias a unos 9.000 trabajadores en Estados Unidos, alrededor del 7% de su plantilla allí. Es la misma paradoja de invertir en IA mientras se recortan miles de empleos que ya vimos en Oracle y Atlassian.

No es un caso aislado

El patrón se repite en todo el sector. Meta recortó miles de puestos para financiar su apuesta por la IA, Oracle prescindió de 21.000 personas con un argumento parecido, y Amazon admitió sin rodeos que la IA reducirá el número de empleados en ciertas tareas. En conjunto, se calcula que las grandes tecnológicas invertirán este año más de 700.000 millones de dólares en infraestructura de IA, una cifra que hay que pagar de algún sitio.

Para Microsoft tampoco es una novedad. La empresa arrastra una sucesión de despidos que solo en 2025 se llevó por delante unos 15.000 puestos entre dos rondas. Lo nuevo es la franqueza con que ahora se asocia el ajuste a la carrera por la IA.

La ironía de fondo

Hay algo casi irónico en la escena. La misma compañía que despide a miles de personas es la que vende una IA capaz de trabajar sola en las oficinas. El mensaje implícito es difícil de esquivar: se adelgaza la plantilla humana mientras se engorda la digital.

Todo esto conecta con un fenómeno que ya tiene nombre: el AI washing, la costumbre de envolver en lenguaje de inteligencia artificial decisiones que en el fondo son de otra naturaleza. En su versión más burda consiste en exagerar el uso de IA para atraer inversión, hasta el punto de que el regulador bursátil estadounidense ya ha sancionado a empresas por presumir de una IA que apenas utilizaban. Aquí la variante es más sutil: presentar un recorte de costes como una transformación hacia la IA lo convierte en una decisión visionaria en vez de en un simple ajuste de plantilla. Que Microsoft niegue a la vez que la IA se lleve los puestos no deshace esa contradicción, la subraya.

Microsoft defiende que una estructura más ligera y enfocada le permitirá innovar más rápido y no perder el liderazgo. Puede que tenga razón. Pero, por ahora, lo que queda a la vista es una transición en la que las máquinas se llevan la inversión y las personas, la factura. Está por ver si esa apuesta genera la innovación que la empresa promete a inversores y usuarios, o simplemente una compañía más delgada.

Un doblaje con IA se cuela en Amazon Prime y la plataforma corre a retirarlo tras las burlas online

La inteligencia artificial promete derribar las barreras del idioma en el cine, pero un episodio en Amazon Prime Video acaba de recordar lo lejos que queda esa promesa. La película Deadly Patient, un thriller estadounidense de 2018, aterrizó en el catálogo alemán de la plataforma con un doblaje al alemán generado por IA tan penoso que se volvió viral en redes. Entre burlas y críticas, Amazon la retiró el lunes 6 de julio de 2026, admitiendo que no cumplía sus estándares mínimos de calidad.

El resultado era para enmarcar. Voces robóticas y monótonas, sin rastro de emoción, frases mal construidas y una traducción que ignoraba por completo el contexto. Una réplica que debía explicar que los sanitarios habían encontrado al personaje en la cama se convirtió en un desconcertante «debería haber muerto allí». Y una despedida cariñosa entre un matrimonio terminaba, sin venir a cuento, con un seco «vete». La ficha del filme llegó a acumular una valoración de 1,1 sobre 5, con la inmensa mayoría de reseñas de una sola estrella.

Por qué el doblaje con IA sigue tropezando

Más allá de las risas, el caso ilustra dónde falla el doblaje automático. La sincronía labial, el ajuste de las palabras al movimiento de la boca, sencillamente no existía: los diálogos terminaban antes o después de que el actor dejara de gesticular, con pausas extrañas y énfasis en sílabas que no tocaban. El doblaje tradicional adapta el guion con mimo para encajar todo eso, un trabajo que aquí se saltó por completo.

El fallo de fondo, sin embargo, es más profundo. Doblar no es traducir palabra por palabra, sino entender por qué un personaje dice lo que dice y con qué carga emocional. La IA de esta película llegaba a mezclar el tratamiento formal e informal, el «du» y el «Sie» del alemán, y vertía los modismos de manera literal. Ahí es donde siguen siendo insustituibles los directores de doblaje y los lingüistas humanos.

¿Quién subió esto? El agujero de la autoedición

Amazon se apresuró a desmarcarse. Según un portavoz, el doblaje no se hizo por encargo de la compañía: la película llegó al catálogo a través de Prime Video Direct, su servicio de autoedición de vídeo, que permite a creadores independientes y pequeñas productoras subir sus trabajos directamente, de forma parecida a como Kindle deja autopublicar libros. El episodio destapa una pregunta incómoda, la de quién filtra la avalancha de contenido que se sube casi sin control.

Conviene aclarar algo importante para no confundir. Este desastre no es el doblaje con IA de Amazon. La plataforma puso en marcha en 2025 su propio piloto de doblaje asistido por IA, pero limitado al inglés y el español, con apenas una docena de títulos y con profesionales humanos supervisando cada paso. Lo de Deadly Patient fue cosa de un tercero, no de ese programa.

No es el primer aviso

El tropiezo encaja en una tensión que viene de lejos. Los actores de doblaje alemanes llevan tiempo alzando la voz contra la IA, igual que los españoles, que lograron blindarse con una cláusula. En este caso, el propio actor de doblaje Sven Plate amplificó las burlas con un vídeo que corrió por las redes, y ni siquiera es un incidente aislado: otra plataforma alemana, Magenta TV, ya había retirado una serie por su doblaje con IA.

Ver este reel de Sven Plate en Instagram

La lección

La moraleja es sencilla y ya conocida. La IA puede encargarse del trabajo pesado de una primera traducción, pero necesita una mano humana que garantice la coherencia y la emoción. Puede que dentro de unos años los errores gramaticales de hoy sean historia. La empatía y la capacidad de leer el subtexto de una escena, en cambio, siguen siendo terreno humano. Y como advierten quienes temen una pérdida de cultura cinematográfica, la calidad no es algo que se pueda automatizar del todo sin pagar un precio.

Naturgy utiliza agentes de IA de HappyRobot para su servicio técnico

0

Naturgy ha puesto a trabajar a un asistente telefónico con inteligencia artificial, bautizado como Dani y construido sobre la plataforma de la startup HappyRobot, para atender el servicio técnico de averías del hogar. Según la energética, a comienzos de julio de 2026 el sistema ya gestiona de forma autónoma más de la mitad de las llamadas de asistencia técnica, con el objetivo de llegar al 90% a final de año y una satisfacción autodeclarada de 9,4 sobre 10.

Conviene coger esas cifras con pinzas, porque salen de la propia Naturgy y de HappyRobot, sin auditoría independiente. De hecho, cuando el proyecto estaba en fase piloto, fuentes internas cifraban en torno a una quinta parte las consultas que la IA resolvía sola, lejos de ese «más del 50%» que ahora luce el comunicado. Y el 9,4 sobre 10, medido por la empresa durante unas pocas semanas, no viene con metodología pública. Impresionan sobre el papel, pero son sus números.

Cómo funciona

El funcionamiento es el de un diagnóstico guiado. Cuando alguien llama por una avería en una caldera o un electrodoméstico, el agente intenta resolverla por teléfono y, si no lo consigue, agenda la visita de un técnico, con el compromiso de que llegue en menos de tres horas a cualquier punto de España, otra promesa de la propia compañía. No se limita a hablar: ejecuta acciones dentro de la base de datos de Naturgy.

Un punto a su favor es la transparencia. El sistema avisa de que es una IA y ofrece pasar a un operador humano en cualquier momento, algo que hace de forma automática si detecta una frase crítica como un «huele a gas». Es la diferencia entre un asistente que oculta su naturaleza y uno que la declara desde el principio.

Quién es HappyRobot

Detrás está HappyRobot, una empresa de fundadores españoles, los hermanos Palafox junto a Luis Paarup, con sede en San Francisco y oficina en Madrid, respaldada por Y Combinator y por el fondo a16z. Ha levantado unos 60 millones de dólares, pero su terreno principal no era la energía, sino la logística: agentes de voz para el transporte de mercancías, con clientes como DHL. Naturgy es su salto a la atención al cliente.

Su consejero delegado, Pablo Palafox, resume el reto en una idea: no basta con que la IA hable bien, tiene que saber gestionar operaciones de mucho volumen y llenas de excepciones, funcionando como una extensión de los equipos que ya trabajaban en la compañía.

Una pieza más de la ola agéntica

El caso no es una rareza. La IA agéntica, la que no solo responde sino que actúa, se extiende deprisa: más de la mitad de las empresas españolas ya la usan. Está aterrizando en sectores críticos, desde la logística hasta la gestión de impagos en la banca, y la atención al cliente es uno de sus objetivos favoritos, como demuestra el auge de agentes que solo cobran si resuelven. El subtexto, poco comentado, es sencillo: cada punto de gestión «autónoma» es una llamada que un humano deja de atender.

¿Y ahora qué?

La dirección es clara: la atención al cliente abandona los menús de teclas para convertirse en conversaciones que, en teoría, resuelven el problema a la primera. Queda por ver si la gente quiere que una IA le diagnostique la caldera rota, y si los números reales acompañan al comunicado. Por ahora, la promesa suena alta; la prueba independiente, algo más baja.