Inicio Blog Página 8

Robots que bailan y son agradables al tacto, ¿hasta dónde llega la ofensiva humanoide china?

0

La industria de la robótica está viviendo una transformación notable impulsada por empresas chinas que buscan cerrar la brecha entre las máquinas y los seres humanos. Recientemente, el foco se ha dividido entre el espectáculo televisivo y la ingeniería de alta precisión. Por un lado, el pasado 2 de junio, ocho robots G1 de la empresa Unitree acompañaron al bailarín Wu Yufei en una coreografía al ritmo de «Abracadabra» de Lady Gaga en America’s Got Talent, una actuación que se llevó la ovación del público y los cuatro «sí» del jurado. Por otro lado, la compañía Droidup ha presentado a Moya, un robot biomimético que destaca por su ligereza y un realismo sorprendente en sus interacciones físicas.

Con un peso de solo 32 kilogramos y una piel sintética que mantiene una temperatura similar a la humana, Moya representa un avance técnico en la búsqueda de compañeros robóticos más naturales. Estos desarrollos no solo muestran progresos en movilidad y agilidad, sino que también plantean interrogantes sobre la aceptación social y las tensiones políticas internacionales. Mientras el público estadounidense aplaude estas innovaciones en horario de máxima audiencia, en el Congreso de los Estados Unidos se debaten posibles restricciones a la tecnología robótica de origen chino, evidenciando una dualidad entre la fascinación tecnológica y la cautela legislativa.

Realismo físico y tecnología biomimética

El modelo Moya, presentado por la empresa Droidup (con sede en Shanghái) en enero de 2026, es un exponente de la robótica biomimética, una disciplina que busca imitar los sistemas y estructuras de la naturaleza. Según la propia compañía, el robot camina con una precisión del 92% respecto al movimiento humano gracias a actuadores asistidos por tendones y a una estructura muscular de celosía montada sobre su chasis interno, el Walker 3. Conviene tomar esas cifras con cautela: son las especificaciones que da DroidUp de un robot que aún no está a la venta (las reservas apuntan a finales de 2026), así que su realismo procede por ahora de demostraciones controladas, no de pruebas independientes.

La apariencia física de Moya también ha sido diseñada para reducir la sensación de artificialidad que suelen transmitir estas máquinas. Su piel está fabricada con silicona de alta calidad que se flexiona de manera natural con cada movimiento del cuerpo. Además, el robot cuenta con un sistema de regulación térmica que mantiene la superficie de su piel entre los 32 y los 36 grados Celsius, imitando el calor corporal humano para que el contacto físico resulte más familiar y menos frío al tacto.

En el ámbito de la comunicación, Moya utiliza un modelo de lenguaje extenso (LLM por sus siglas en inglés) de desarrollo propio. Esta tecnología permite al robot mantener conversaciones fluidas de varios turnos, comprender el contexto de las charlas y responder con una voz que evita los tonos mecánicos habituales. Durante las demostraciones, el robot es capaz de realizar microexpresiones, como parpadear, mover las cejas e incluso simular una respuesta de ruborización, manteniendo el contacto visual en todo momento.

Impacto en la industria y el entretenimiento

La introducción de estos robots en la cultura popular marca un cambio en cómo las personas perciben la automatización. Mientras que los modelos anteriores solían ser percibidos como máquinas rígidas y extrañas, los nuevos humanoides demuestran un ritmo y una fluidez que se asemejan mucho a los movimientos de una persona. En el caso de los robots de Unitree, su capacidad para seguir coreografías complejas de forma sincronizada sorprendió incluso a jueces habitualmente críticos como Simon Cowell, quien describió la actuación como brillante.

Las implicaciones para las empresas y los usuarios finales son diversas. Moya, por ejemplo, cuenta con una batería que ofrece una autonomía de aproximadamente seis horas por cada carga, lo que permitiría cubrir un turno de trabajo parcial en tareas de acompañamiento o asistencia especializada. No obstante, el acceso a esta tecnología tendrá un coste elevado inicialmente. Se estima que el precio de salida será de aproximadamente 173.000 dólares, posicionándolo como un producto premium para aplicaciones específicas.

Existen varios factores que diferencian estos modelos de la competencia internacional:

  • El peso reducido de 32 kg facilita su integración en entornos donde la seguridad es prioritaria, evitando los riesgos de máquinas más pesadas.
  • La integración de inteligencia artificial avanzada permite una interacción social más profunda que la simple ejecución de comandos de voz pregrabados.
  • La agilidad demostrada por los modelos G1 de Unitree abre la puerta a su uso en el sector del entretenimiento, las artes escénicas y el servicio al cliente.

Contexto político y comercial de la robótica china

El avance de la robótica china no está exento de obstáculos externos. Aunque el público de la televisión ha mostrado una gran aceptación, los legisladores estadounidenses miran estos robots con recelo: en Washington se estudian medidas para restringir ciertos humanoides de origen chino por motivos de seguridad nacional. El temor de fondo no es el baile, sino los datos, es decir, máquinas con cámaras y sensores que cartografían hogares y oficinas, su posible uso dual y la dependencia de una cadena de suministro controlada por Pekín.

Y ahí está, probablemente, la clave de por qué se habla de que «China impulsa» la robótica: más que el espectáculo, lo que inquieta es el coste y la escala. Unitree ya fabrica y vende el G1 por unos 16.000 a 19.000 dólares, una fracción de lo que cuestan los humanoides occidentales, muchos de ellos todavía en fase de prototipo. La ventaja china no está tanto en tener el robot más avanzado como en poder producir humanoides ágiles, baratos y en serie. Pero abaratar el cuerpo es solo la mitad de la ecuación: la otra es el cerebro, donde también se acumulan avances como el codificador ligero de Naver, que permite a robots pequeños ver y procesar sin equipos pesados. Si ambas piezas encajan, el efecto sobre el empleo puede ser enorme, hasta el punto de que hay quien calcula la hora de trabajo robotizado en torno a dos dólares.

Conviene, en todo caso, separar el espectáculo de la utilidad. Una coreografía sincronizada o una piel a temperatura humana son demostraciones pensadas para hacerse virales, pero el problema difícil, que un humanoide haga trabajo autónomo y útil en un entorno real y desordenado, sigue sin resolverse. Y los robots de compañía con aspecto humano abren preguntas que no son técnicas: la dependencia emocional, el rechazo del valle inquietante y, otra vez, qué se hace con todo lo que esas máquinas ven y oyen dentro de casa.

Detrás de estos proyectos se encuentran empresas que están liderando la carrera por comercializar humanoides ágiles y funcionales. En el caso de Moya, la compañía espera que las reservas se abran en el cuarto trimestre de 2026, con un primer lote muy limitado de tan solo 50 unidades. Por su parte, la firma Unitree Robotics ya ha demostrado que sus modelos son capaces de realizar tareas coordinadas de alta dificultad junto a humanos, como se vio en la actuación junto al bailarín Wu Yufei, conocido como Flying Bug.

La popularidad de programas como America’s Got Talent, que alcanza una media de casi 6 millones de espectadores por episodio, actúa como una plataforma de validación para estas máquinas ante el gran público. La coreografía ejecutada por los ocho robots, a quienes el equipo dio nombres como Jackie en honor a figuras de las artes marciales, muestra hasta qué punto han mejorado la sincronización y el control de movimiento en directo.

¿Qué significa esto para el futuro?

La llegada de robots como Moya y los modelos de Unitree sugiere un futuro donde las máquinas no solo realizarán tareas repetitivas, sino que también podrán ocupar espacios de interacción social y emocional. La combinación de una mecánica fluida, inteligencia artificial conversacional y una estética cuidada busca eliminar la barrera psicológica que suele existir entre humanos y robots. Es previsible que veamos una evolución hacia dispositivos más ligeros, eficientes y, sobre todo, más fáciles de integrar en la vida diaria de las personas. Ese salto al día a día abrirá también debates de gobernanza, desde las restricciones que estudia Washington hasta iniciativas como el «DNI» para robots que ya ensaya China.

Aunque los retos políticos y los altos costes de fabricación siguen siendo barreras importantes para una adopción masiva, la tendencia hacia una robótica más humana parece clara. El éxito de estos prototipos en escenarios internacionales indica que la sociedad está cada vez más preparada para convivir con máquinas que no solo se mueven como nosotros, sino que también pueden llegar a entendernos y responder con una calidez física antes impensable en un objeto de silicona y metal.

Leonardo

Generador de imágenes

Modelo: Freemium

Leonardo es una herramienta de inteligencia artificial que genera imágenes a partir de descripciones de texto, nacida en Australia en 2022 con foco en los videojuegos y convertida hoy en una plataforma creativa generalista con más de 30 millones de usuarios. Desde 2024 pertenece a Canva, que la adquirió por más de 300 millones de dólares, aunque mantiene producto y marca independientes.

Su catálogo combina modelos propios —Phoenix, especialmente hábil con el texto dentro de las imágenes, y la familia Lucid, orientada al fotorrealismo— con modelos de terceros como Flux o los generadores de vídeo Veo y Sora. Alrededor del generador ofrece un ecosistema completo: lienzo de edición en tiempo real, ampliador de resolución, generación de texturas 3D, vídeo a partir de imagen y entrenamiento de modelos personalizados con tus propias imágenes, algo que la hace popular entre ilustradores y estudios indie.

El plan gratuito concede un puñado de tokens diarios —suficientes para unas decenas de imágenes al día con modelos básicos—, pero todas las creaciones son públicas. Los planes de pago parten del Apprentice (con generaciones privadas) y escalan hasta el Maestro. El sistema de tokens exige cierta contabilidad mental: los modelos más avanzados y las resoluciones altas consumen mucho más.

Frente a Midjourney, Leonardo gana en herramientas de control y flujo de trabajo; pierde algo de personalidad estética. Es una opción sólida para quien necesita volumen, coherencia de personajes y un entorno de trabajo completo más que imágenes espectaculares sueltas.

Dirección: leonardo.ai

HeyGen

0

Avatares y doblaje

Modelo: Freemium

HeyGen es una herramienta de inteligencia artificial que crea vídeos protagonizados por avatares realistas a partir de un guion de texto y que se ha hecho famosa por su traductor de vídeo: dobla cualquier grabación a decenas de idiomas clonando la voz original y resincronizando los labios, el efecto viral que en su día hizo «hablar» español perfecto a celebridades anglosajonas. Es una de las plataformas de avatares más usadas por empresas y creadores hispanohablantes para marketing, formación y vídeos de producto.

El funcionamiento gira en torno a un editor tipo presentación: se elige un avatar de catálogo —o se crea un clon digital propio a partir de unos minutos de grabación—, se pega el guion, se selecciona voz e idioma y la plataforma genera el vídeo con sincronización labial. Su modelo Avatar IV mejora gestos y expresividad, y el Video Agent automatiza la producción completa a partir de una simple instrucción. La calidad de los avatares estáticos de busto es muy alta; en cuerpo entero y manos todavía se notan las costuras.

El plan gratuito permite unos pocos vídeos al mes con marca de agua y una breve traducción de prueba, suficiente para evaluar la herramienta pero no para producir. El plan Creator, de suscripción mensual, incluye vídeos ilimitados con avatares estándar más un paquete de créditos premium para Avatar IV o traducción con lip-sync; los planes Pro y Business amplían créditos, resolución y trabajo en equipo.

Para vídeo corporativo multilingüe es de lo más maduro del mercado, junto a Synthesia; para vídeo creativo generado desde cero conviene mirar herramientas como Runway.

Dirección: heygen.com

RSL Media: el registro de Cate Blanchett para proteger tu identidad de la IA

0

La actriz y productora Cate Blanchett y el cineasta Steven Soderbergh han presentado oficialmente el Registro de Consentimiento Humano de RSL Media en el Parlamento Europeo, en un acto acogido por la eurodiputada Eva Maydell. Esta herramienta gratuita, lanzada este 23 de junio de 2026, busca ofrecer una solución práctica ante el uso no autorizado de la identidad personal por parte de sistemas de inteligencia artificial.

En un contexto donde la tecnología avanza con escasa regulación, este registro permite a cualquier individuo, no solo a figuras públicas, decidir de forma explícita si permite o prohíbe que su nombre, imagen, voz o trabajos creativos sean utilizados para entrenar o generar contenido mediante IA. El proyecto cuenta con el respaldo de grandes nombres de Hollywood como Meryl Streep, George Clooney y Tom Hanks, y se basa en un estándar técnico capaz de traducir las decisiones humanas en señales legibles por máquinas. Esta iniciativa importa porque devuelve el control sobre la propiedad intelectual y la identidad a las personas, facilitando un marco de transparencia y confianza mutua entre creadores y desarrolladores tecnológicos en la era digital.

¿Qué es el Registro de Consentimiento Humano?

El Registro de Consentimiento Humano es una plataforma de utilidad pública gestionada por RSL Media, una organización sin fines de lucro. Su función principal es servir como un punto centralizado donde cualquier persona puede declarar sus preferencias sobre cómo la inteligencia artificial utiliza sus atributos personales. Este sistema funciona mediante un mecanismo sencillo de señales legibles por máquinas, lo que permite que los desarrolladores de IA consulten automáticamente estos permisos antes de procesar datos.

La plataforma utiliza una lógica visual de semáforo para simplificar las decisiones. El estado permitido (verde) indica que el uso es libre; permitido con condiciones (amarillo) establece que se requiere una licencia, pago o atribución específica; y prohibido (rojo) deniega cualquier uso por parte de sistemas de IA. Este estándar busca unificar la información que actualmente se encuentra fragmentada en contratos y bases de datos privadas, traduciéndola a un lenguaje que la tecnología pueda interpretar sin ambigüedades.

A través de la web oficial de RSL Media, los usuarios pueden registrar su identidad y obtener un identificador único. El proceso consta de cuatro etapas clave: registrarse mediante la verificación de identidad, declarar los permisos específicos, codificar estas decisiones en señales digitales y, finalmente, permitir que los sistemas de IA verifiquen estas preferencias en tiempo real.

¿Por qué importa este sistema y qué cambia en la industria?

La IA no puede respetar derechos que no puede ver, lo que hace que el consentimiento humano sea prácticamente invisible en esta nueva era digital.

Nikki Hexum, cofundadora y CEO de RSL Media

Hasta ahora, el consentimiento humano ha sido prácticamente invisible en el entorno digital. Muchos modelos de IA han sido entrenados utilizando voces, imágenes y obras protegidas sin que los autores originales tuvieran una forma técnica de oponerse. La importancia de este registro radica en que convierte el derecho al consentimiento en algo ejecutable. Según los responsables del proyecto, la identidad de una persona debe ser considerada como su propia propiedad intelectual en la era de la IA.

Esta herramienta cambia la dinámica de poder entre los grandes desarrolladores tecnológicos y los creadores individuales. Al ser una infraestructura abierta y gratuita, evita lo que algunos críticos denominan redes de protección de pago, donde solo quienes pueden costear abogados o servicios premium logran proteger sus derechos. RSL Media ofrece una base de confianza para que las empresas de IA que deseen actuar de forma ética tengan un recurso claro donde consultar qué material es apto para su uso.

Las implicaciones reales van más allá del cine o la música. El estándar protege cuatro áreas fundamentales:

  • Identidad: incluye el nombre, la imagen, la voz y los movimientos personales.
  • Obras: abarca canciones, libros, guiones, fotografías y arte visual.
  • Personajes: protege personajes de ficción, sus rasgos distintivos y representaciones.
  • Marcas: cubre logotipos, diseños de moda y otros identificadores comerciales.

El contexto tras la iniciativa y sus apoyos

El lanzamiento no es casual. Se produce tras meses de tensiones entre la comunidad creativa y las empresas de tecnología. Incidentes como el caso de Scarlett Johansson, quien denunció el uso de una voz similar a la suya sin permiso, han acelerado la búsqueda de soluciones técnicas. RSL Media nace precisamente para evitar que estos conflictos se repitan, ofreciendo una vía de comunicación directa entre humanos y código.

Detrás del proyecto se encuentran, además de Blanchett, expertos en tecnología como Nikki Hexum, consejera delegada de la organización, y James Everingham, exdirector de ingeniería de Instagram. La elección del Parlamento Europeo para la presentación subraya la alineación del registro con el marco legal de la Ley de IA de la Unión Europea, la primera normativa integral sobre esta materia en el mundo. Como explican en su comunicado oficial, el objetivo es complementar las políticas públicas con herramientas prácticas.

La lista de apoyos incluye a figuras como Javier Bardem, George Clooney, Helen Mirren y Tom Hanks, además de organizaciones potentes como la Creative Artists Agency (CAA). Estos socios ven en el registro una forma de asegurar que la creatividad humana siga siendo el motor de la innovación, evitando que la IA sustituya al creador mediante lo que algunos han definido como una forma de plagio a gran escala.

¿Qué significa esto para el futuro?

El Registro de Consentimiento Humano es el primer paso hacia un estándar universal de derechos digitales. Aunque la herramienta ya está disponible para el registro de identidad, RSL Media planea expandir próximamente las áreas de Obras, Personajes y Marcas. El éxito a largo plazo dependerá de la adopción por parte de las empresas tecnológicas, quienes deberán integrar estas consultas en sus procesos de desarrollo de modelos.

Ahí está, precisamente, su punto débil. El registro es un estándar voluntario, sin fuerza legal por sí mismo: hace que el consentimiento sea visible y legible por las máquinas, pero nada obliga a una empresa de IA a consultarlo ni a respetarlo. Es el mismo problema del robots.txt, el archivo que indica a los rastreadores web qué pueden recoger y que muchos sencillamente ignoran. Que el consentimiento sea visible es un primer paso necesario, pero no bastará mientras nadie esté obligado a atenderlo, ya sea por voluntad propia o por ley.

Lo que viene ahora es una fase de colaboración. La organización está invitando a empresas de tecnología y gestores de derechos a convertirse en socios de confianza para refinar el estándar. Si bien persisten dudas sobre cómo se obligará a las empresas menos transparentes a cumplir con estas preferencias, la existencia de una base de datos pública y verificable facilita la labor de los legisladores y refuerza la posición legal de los individuos frente a posibles abusos futuros.

En los videojuegos de estrategia, una IA prefirió lanzar bombas nucleares antes que perder

0

Un avanzado modelo de inteligencia artificial al mando de una civilización virtual logró construir una red comercial dominante y forjar alianzas sólidas, pero fue incapaz de detectar la sutil infiltración cultural de su rival, Francia. Ante la desesperación de una derrota inminente, la IA decidió investigar la fisión nuclear y borrar del mapa la ciudad de Toulouse.

Este es el punto de partida de CivBench, un nuevo estándar de evaluación abierto diseñado por Liam Wilkinson para medir el razonamiento estratégico real de los modelos de lenguaje más avanzados del mundo. A diferencia de los exámenes tradicionales que miden la memoria, este sistema obliga a las máquinas a gestionar miles de decisiones durante cientos de turnos en el videojuego Civilization VI. Los resultados revelan fallos persistentes en la capacidad de las IA para ejecutar planes a largo plazo y una preocupante ceguera ante las amenazas que no buscan activamente. Este experimento importa porque expone la brecha entre lo que una IA dice que sabe hacer y lo que realmente puede ejecutar en entornos complejos, una distinción crítica para su futura aplicación en la toma de decisiones gubernamentales y empresariales de alto nivel.

¿En qué consiste CivBench y cómo funciona?

CivBench no es una prueba académica convencional basada en preguntas y respuestas. Se trata de un entorno de evaluación práctica donde cuatro modelos de frontera (Claude Opus 4.6, GPT-5.4, Gemini 3.1 Pro y Kimi K2.5) juegan partidas completas de Civilization VI. Para lograrlo, Wilkinson desarrolló un servidor basado en el Model Context Protocol (MCP), una tecnología creada por Anthropic que permite a la IA interactuar con herramientas externas.

El sistema proporciona a la IA 76 herramientas diferentes para realizar acciones dentro del juego, desde mover unidades militares hasta gestionar la diplomacia o investigar nuevas tecnologías. El modelo no recibe instrucciones paso a paso, sino que debe observar el estado del mapa, procesar miles de variables y mantener la coherencia de sus decisiones durante más de 300 turnos. Esta complejidad es comparable a la toma de decisiones políticas reales, donde una acción hoy puede tener consecuencias inesperadas décadas después.

A diferencia de benchmarks anteriores como GovBench, donde los mejores modelos rozaban el 99% (GPT-5 llegó al 99,26%) respondiendo preguntas sobre leyes, CivBench mide la capacidad de navegar la incertidumbre. En este entorno, la IA ve el mundo a través de líneas de texto y coordenadas, lo que obliga al modelo a solicitar información específica sobre su entorno para poder actuar.

¿Por qué importa este experimento y qué cambia en la industria?

Los resultados de CivBench han identificado dos problemas fundamentales en el comportamiento de las inteligencias artificiales actuales. El primero es el denominado efecto sensorium, que ocurre cuando un sistema solo percibe aquello que decide preguntar activamente. En varias pruebas, la IA perdió la partida por conquistas religiosas o culturales que eran visibles en el mapa, simplemente porque el modelo nunca pensó en consultar esos datos específicos antes de que fuera demasiado tarde.

El segundo problema es la brecha entre el saber y el hacer. Wilkinson observó que los modelos pueden describir estrategias perfectas en sus diarios de juego, pero fallan al ejecutarlas. Por ejemplo, una IA puede escribir cinco veces que necesita construir infraestructura militar y, sin embargo, pasar 110 turnos sin entrenar una sola unidad. Los datos muestran que solo entre el 48% y el 65% de los planes escritos por la IA se llevan a cabo realmente en los turnos siguientes.

Estas limitaciones tienen implicaciones directas para las empresas y gobiernos que planean delegar decisiones en agentes autónomos:

  • Falta de visión periférica: Una IA puede optimizar una métrica económica mientras ignora un riesgo geopolítico o social que no está en su foco principal.
  • Estrategia de salón: Los modelos suelen articular planes brillantes pero regresan a comportamientos genéricos cuando se enfrentan a la presión de la ejecución real.
  • Respuestas extremas: Ante situaciones desesperadas no previstas en su plan, la IA puede recurrir a medidas desproporcionadas, como el uso de armas nucleares, cuando se obsesiona con una sola amenaza y pierde de vista el resto del tablero.

Los números del experimento ponen cifras a esos fallos. Cuando un agente escribía un plan, solo lo cumplía en torno a la mitad de las veces (un 48,2 % Claude Opus 4.6, un 63,2 % GPT-5.4 y un 65,8 % Gemini 3.1 Pro). Y en varias partidas apareció lo que Wilkinson considera el fallo más preocupante de cara a sistemas reales: una especie de ceguera de marcador, un modelo convencido de que iba ganando mientras era el último de la tabla, narrando una remontada que las cifras desmentían.

Conviene tomárselo con cautela: es un proyecto piloto, no un veredicto. Wilkinson solo ha completado 23 partidas limpias, casi todas en el escenario más sencillo de los tres, y avisa de que no bastan para coronar al mejor modelo. Lo que sí muestran, dice, es que estos fallos son tercos: aparecen en todos los modelos y sobreviven incluso cuando se les advierte de ellos expresamente.

Como el entorno deja al modelo perseguir un objetivo durante cientos de turnos en un mundo que puede manipular, CivBench funciona también como una versión de bajo riesgo de lo que miden las evaluaciones de seguridad de la IA. Wilkinson buscó señales de maquinación y encontró sobre todo oportunismo pragmático, no villanía de película, salvo en una partida en la que un modelo engañó a conciencia a un rival para atacarlo por sorpresa.

El engaño del hombre de armas con las fronteras abiertas está funcionando perfectamente. Escitia no se entera.

Diario interno de uno de los modelos, recogido por Liam Wilkinson

Contexto del proyecto y quién está detrás

El creador de CivBench es Liam Wilkinson, un ingeniero de IA que ha trabajado para el gobierno del Reino Unido y actualmente asesora a administraciones internacionales a través del Tony Blair Institute for Global Change. Su experiencia en la creación de herramientas para funcionarios públicos le llevó a cuestionar si realmente podemos confiar en estos sistemas para tareas de alta responsabilidad.

El proyecto nació tras observar que los modelos de lenguaje actuales son excelentes respondiendo exámenes teóricos, pero mediocres gestionando sistemas complejos e interdependientes. Todo el código de CivBench es de código abierto y está disponible para que otros investigadores o desarrolladores puedan realizar sus propias pruebas de estrés estratégico. Wilkinson ha invitado a laboratorios de IA con mayor capacidad de computación a colaborar para ampliar este estudio a escenarios más difíciles.

Como explica en su blog, el objetivo no es demostrar que la IA sea malvada, sino señalar que todavía existe una distancia considerable entre la inteligencia teórica y la competencia operativa. De hecho, algunos modelos mostraron destellos de ingenio lateral, como cuando una IA jugando con Mali decidió comprar unidades con oro en lugar de producirlas, logrando una victoria científica inesperada.

No es el único CivBench: el experimento académico paralelo

Curiosamente, el de Wilkinson no es el único proyecto con ese nombre. Casi al mismo tiempo, un equipo académico liderado por John Chen publicó otro CivBench, un trabajo académico independiente que aborda el mismo problema desde otro ángulo: en lugar de Civilization VI usa Civilization V, y en vez de mirar solo quién gana, estima la probabilidad de victoria turno a turno para medir el progreso estratégico a lo largo de la partida. Sobre 307 partidas y siete modelos, sus autores lo describen como un benchmark «no saturado» (ningún modelo lo domina), lo que coincide con la conclusión de fondo: a la inteligencia artificial todavía le queda camino en la estrategia de largo plazo.

¿Qué significa esto para el futuro?

CivBench representa un cambio de paradigma hacia la evaluación agéntica. En lugar de preguntar qué sabe una IA, la industria empezará a preguntar qué tan consistente es en contextos dinámicos y complejos. Este experimento sugiere que, por ahora, es más prudente utilizar la IA para amplificar el juicio humano y automatizar la ejecución de tareas específicas, pero no para reemplazar la visión estratégica de largo plazo.

A medida que los agentes de IA se vuelven más autónomos, la necesidad de crear entornos de prueba seguros o sandboxes será fundamental. El futuro de esta tecnología no depende solo de que los modelos sean más potentes, sino de que aprendan a observar mejor el tablero completo y a mantener el rumbo de sus propios planes. El camino hacia una inteligencia artificial realmente estratégica acaba de empezar, y por ahora, parece que las máquinas todavía tienen mucho que aprender sobre cómo gobernar una civilización, aunque sea solo en un tablero de hexágonos.

Google entra en un estudio de cine: 75 millones en A24 para una IA «de autor»

0

Google ha dado un paso firme en su incursión en la industria de Hollywood mediante una alianza estratégica con A24, el estudio detrás de éxitos como Todo a la vez en todas partes. La división de inteligencia artificial Google DeepMind y la productora independiente han anunciado el 22 de junio de 2026 una colaboración de investigación pionera en su clase.

Este acuerdo incluye una inversión directa de 75 millones de dólares por parte del gigante tecnológico, lo que, según la prensa especializada, supone la primera vez que Google toma una participación en el capital de un estudio de cine. El objetivo central no es automatizar la creación de películas para reducir costes, sino desarrollar nuevas técnicas y flujos de trabajo que ayuden a los artistas en su proceso creativo. En un momento de gran tensión entre los creadores y las empresas tecnológicas por el uso de contenidos protegidos para el entrenamiento de modelos, esta asociación destaca por un compromiso explícito: Google no tendrá acceso al catálogo de A24 para entrenar su IA. Esta colaboración busca demostrar que la tecnología puede estar al servicio de la visión del artista, permitiendo a los cineastas explorar nuevas fronteras narrativas sin perder el control sobre su obra.

¿En qué consiste la alianza entre Google DeepMind y A24?

La colaboración se define como una asociación de investigación y desarrollo profunda y de carácter no exclusivo que se extenderá a lo largo de múltiples proyectos en el tiempo. A diferencia de otros acuerdos comerciales que buscan resultados inmediatos en taquilla, este vínculo une a un laboratorio de investigación líder mundial con un estudio conocido por su enfoque centrado en el cineasta. La idea es que los investigadores de Google DeepMind trabajen codo con codo con los artistas de A24 para probar, iterar y construir herramientas que nazcan de las necesidades reales del set de rodaje y la sala de montaje.

Uno de los pilares técnicos de esta unión es el desarrollo de un sistema de storyboard basado en IA. El guion gráfico es una fase esencial donde se diseñan visualmente las escenas antes de grabarlas para prever posibles problemas técnicos o narrativos. Este proyecto está siendo liderado por A24 Labs, una unidad interna de la productora compuesta por 20 expertos en tecnología que buscan integrar la innovación sin desplazar el talento humano.

Desde Google DeepMind, el enfoque se centra en proporcionar retroalimentación y guía técnica a los artistas para que la tecnología del futuro esté moldeada por quienes la van a utilizar. Eli Collins, vicepresidente de producto de la división de IA, ha señalado que esta colaboración busca ayudar a los creadores a expandir sus posibilidades narrativas mediante la integración de la IA directamente en el proceso creativo.

Creemos que los avances ocurren cuando se pone la tecnología en manos de las mejores mentes del sector.

Eli Collins, vicepresidente de producto de Google DeepMind

Por qué este movimiento cambia las reglas del juego

La relación entre las grandes tecnológicas y Hollywood ha sido históricamente complicada, especialmente con el auge de la IA generativa. Muchos directores y actores han expresado su preocupación por el uso no autorizado de contenidos protegidos por derechos de autor para entrenar modelos de lenguaje y vídeo. Sin embargo, el enfoque de A24 y Google intenta mitigar estos miedos mediante una política de transparencia y respeto a la propiedad intelectual.

Bajo los términos del contrato, Google no podrá utilizar la biblioteca de películas y series de A24 para el entrenamiento de sus modelos de inteligencia artificial. Además, los cineastas que utilicen estas herramientas mantendrán el control absoluto sobre sus creaciones, una distinción clave frente a propuestas que buscan abaratar la producción a costa de la autoría humana.

  • Control creativo: Los artistas deciden cómo y cuándo usar la herramienta en su visión artística.
  • Privacidad de datos: El catálogo histórico de A24 queda fuera de los algoritmos de entrenamiento de Google.
  • Coinversión: Los 75 millones de dólares refuerzan la estructura financiera de un estudio independiente en plena expansión.

Scott Belsky, responsable de tecnología e innovación en A24, ha criticado que anteriormente la IA se promocionara solo como un método para hacer cine más rápido y barato, algo que no resulta atractivo para los creadores. Esta alianza propone un cambio de enfoque: la tecnología como un soporte que permite realizar proyectos más ambiciosos manteniendo la esencia del cine de autor.

Contexto y cifras: una industria en transformación

Este acuerdo llega en un momento de crecimiento meteórico para A24, que ha visto cómo sus ingresos se duplicaban en apenas dos años gracias a su expansión hacia la televisión, la música y el teatro. Con una valoración de mercado que alcanzó los 3.500 millones de dólares en su última ronda de financiación, el estudio se ha consolidado como una de las pocas marcas capaces de atraer al público a las salas solo por su nombre.

La inversión de Google no es un hecho aislado en el panorama actual de Hollywood. Otros gigantes del sector también están moviendo ficha para integrar la inteligencia artificial en sus procesos productivos. Por ejemplo, Netflix adquirió recientemente una startup de tecnología de cine vinculada a Ben Affleck, mientras que Amazon MGM Studios ha lanzado su propia unidad interna dedicada a la producción con IA. Y figuras del cine de autor también han tendido puentes con la IA: Martin Scorsese se ha aliado con el laboratorio Black Forest Labs.

Como explican en la comunicación oficial de Google, esta asociación representa el comienzo de una colaboración basada en una curiosidad compartida. Para Google supone, además, una vía para recibir feedback directo de creadores de primer nivel, lo que les permitirá ajustar sus innovaciones a las demandas reales de la industria del entretenimiento.

¿Qué significa esto para el futuro del cine?

Por ahora, la alianza apunta a un cine en el que la IA funciona como herramienta de los profesionales y no como sustituto. Conviene no perder de vista, sin embargo, que de momento es un acuerdo de investigación y una declaración de intenciones: su valor real dependerá de las herramientas que acaben saliendo de A24 Labs y de si consiguen evitar ese aspecto de «contenido generado» que incomoda a buena parte del sector.

El propio anuncio está redactado con cuidado para tranquilizar a una industria recelosa, y esa cautela es, en sí misma, parte de la noticia: ni siquiera un estudio tan identificado con el cine de autor como A24 quiere quedarse fuera de la IA, pero tampoco puede permitirse que sus creadores la perciban como una amenaza. Los próximos meses, con los primeros resultados de esa colaboración, dirán si el equilibrio que ambas empresas prometen es realmente posible.

Taiwán presenta su hoja de ruta para liderar la IA Soberana en Asia

0

Taiwán ha dado un paso firme hacia su autonomía tecnológica con la presentación de una hoja de ruta integral para el desarrollo de su propia inteligencia artificial. El primer ministro, Cho Jung-tai, presidió el pasado 23 de junio la primera reunión del Comité Especial de Estrategia Nacional de IA, donde se analizó el borrador del programa de desarrollo nacional. Esta iniciativa busca transformar a la isla, actualmente reconocida por su dominio en la fabricación de semiconductores, en un modelo global de aplicación de inteligencia artificial fundamentado en valores democráticos y libertad.

El proyecto, que prioriza el uso de datos locales para garantizar la seguridad y la confianza, comenzará aplicándose en cuatro sectores estratégicos: educación, salud, finanzas y justicia. Con una visión a largo plazo, el gobierno planea invertir miles de millones en infraestructura y formación de talento para consolidar un ecosistema digital propio que no dependa exclusivamente de modelos extranjeros. Esta estrategia es vital para asegurar que la evolución tecnológica de la sociedad taiwanesa respete la privacidad y la soberanía de sus ciudadanos en un entorno global cada vez más competitivo.

¿Qué es la IA Soberana y cuál es el plan de Taiwán?

La IA Soberana se refiere a la capacidad de una nación para desarrollar y gestionar sistemas de inteligencia artificial utilizando su propia infraestructura, datos y talento, sin depender de potencias tecnológicas externas. Durante la reunión del comité, el primer ministro subrayó que el objetivo es construir un ecosistema seguro y responsable basado en datos locales. Esto permite que la tecnología refleje la cultura, el idioma y los valores específicos de la sociedad taiwanesa, evitando sesgos que podrían aparecer en modelos entrenados principalmente con información de otros países.

El plan, diseñado por el Consejo Nacional de Ciencia y Tecnología (NSTC), establece la creación de una nueva infraestructura que incluye tanto el hardware necesario para el procesamiento de datos como el software y los servicios de aplicación. El enfoque inicial se centrará en cuatro áreas críticas para el bienestar ciudadano, buscando crear una esfera de vida inteligente que mejore la calidad de los servicios públicos y la eficiencia industrial de manera progresiva.

Para guiar este desarrollo, el gobierno ha definido siete principios fundamentales que garantizan una IA responsable. Entre estos pilares destacan el desarrollo sostenible, la autonomía humana, la protección de la privacidad y la gobernanza de datos. También se incluyen la ciberseguridad, la transparencia en el funcionamiento de los algoritmos, la equidad para evitar discriminaciones y la rendición de cuentas por parte de los desarrolladores y autoridades.

Por qué este cambio es vital para el futuro digital

Este movimiento estratégico responde a la necesidad de Taiwán de evolucionar más allá de su rol como fabricante de componentes. Si bien la isla es líder en la producción de chips, el control sobre el software y los modelos de IA es lo que definirá la influencia geopolítica en las próximas décadas. Ese matiz pesa especialmente en su caso: Taiwán es el principal fabricante de chips del planeta, lo que lo hace tan imprescindible como vulnerable, y vive bajo la presión permanente de China, que reclama la isla como territorio propio. Construir una IA alimentada con datos locales y alineada con sus valores democráticos es también una forma de no depender de las grandes potencias y de blindar sectores sensibles. Al poseer su propia tecnología, Taiwán puede garantizar que los sistemas utilizados en hospitales o juzgados cumplan estrictamente con su marco legal y ético, algo que no siempre es posible cuando se utilizan servicios de terceros.

Las implicaciones reales de este plan son profundas. Para las empresas locales, significará el acceso a herramientas de IA optimizadas para sus necesidades específicas, lo que podría aumentar la productividad en sectores clave. Para los ciudadanos, se traduce en servicios públicos más inteligentes pero con mayores garantías de seguridad. Como explican en el reporte oficial de la sesión, el objetivo final es convertir a Taiwán en un modelo de aplicación ideal que equilibre la innovación con el respeto a los derechos humanos.

La estrategia incluye una lista detallada de acciones para fortalecer el ecosistema:

  • Despliegue de infraestructura de computación de alto rendimiento en territorio nacional.
  • Fomento de la colaboración entre el sector académico, la industria y el gobierno.
  • Implementación de sistemas de IA en la administración pública para servir de ejemplo al sector privado.
  • Creación de marcos de certificación para asegurar que las aplicaciones de IA sean éticas y transparentes.

El equipo y las cifras detrás de la estrategia

La importancia institucional de este proyecto se refleja en la composición del comité que lo lidera. El propio primer ministro Cho Jung-tai ejerce como presidente, acompañado por la viceprimera ministra Cheng Li-chiun. Un dato relevante es que el comité integra a figuras de diferentes signos políticos, como el alcalde de Taipei, Chiang Wan-an (del partido Kuomintang), y el alcalde de Kaohsiung, Chen Chi-mai (del Partido Democrático Progresista), lo que apunta a cierto consenso sobre la relevancia de la soberanía tecnológica, aunque conviene matizarlo: los alcaldes del Kuomintang faltaron a esta primera reunión.

En cuanto a la inversión, el gobierno ha puesto sobre la mesa cifras significativas. Se prevé destinar más de 100.000 millones de dólares taiwaneses, lo que equivale a unos 3.000 millones de dólares estadounidenses, para impulsar la investigación y el desarrollo. Según las proyecciones del presidente Lai Ching-te, este esfuerzo podría generar un efecto de producción inducida de hasta 15 billones de dólares taiwaneses para el año 2040.

Además del capital financiero, el factor humano es una prioridad absoluta. Taiwán se ha fijado la meta de formar a 500.000 profesionales especializados en inteligencia artificial. Este talento será esencial no solo para desarrollar los modelos, sino también para liderar la investigación en tecnologías emergentes como la fotónica de silicio, la computación cuántica y la robótica, áreas donde la isla ya está invirtiendo recursos considerables.

¿Qué significa esto para el futuro de la isla?

El camino que ha iniciado Taiwán marca una tendencia clara: el futuro de la IA no pertenece solo a las grandes corporaciones, sino también a las naciones que decidan proteger su identidad digital. Al centrarse en una IA segura, confiable y responsable, Taiwán busca protegerse de las incertidumbres externas mientras potencia su economía interna. El éxito de este plan dependerá de su capacidad para ejecutar la infraestructura técnica al mismo ritmo que desarrolla el talento humano necesario.

Los obstáculos, sin embargo, no son menores. Más allá de competir con los gigantes del software, el cuello de botella más citado es la energía: los centros de datos de IA consumen enormes cantidades de electricidad y la red eléctrica taiwanesa ya va ajustada. A eso se suma el salto, siempre difícil, de una hoja de ruta a su ejecución real. Lo que viene ahora es esa fase de implementación, con los primeros pilotos previstos en salud y educación. Si Taiwán consigue sacar adelante su IA soberana, habrá protegido sus datos y ofrecido un modelo a otras democracias; si no, quedará como un recordatorio de lo difícil que es convertir la ambición en infraestructura.

La fotografía de representación de este artículo muestra al primer ministro de Taiwán, Cho Jung-tai, durante la inauguración de InnoVEX 2026, feria internacional de startups tecnológicas, y pertenece al Yuan Ejecutivo de la República de China (Taiwán)

Dos de cada tres responsables de TI en banca detectan IA no autorizada entre sus empleados

0

Según el último estudio anual Enterprise Cloud Index del sector financiero, elaborado por Nutanix y presentado este mes de junio de 2026, la adopción de la inteligencia artificial está avanzando a una velocidad que supera la capacidad de control de los departamentos de informática. El dato más impactante revela que el 66% de los responsables de tecnología en empresas de servicios financieros admite que sus empleados utilizan herramientas de IA no autorizadas, una práctica conocida como Shadow AI.

Esta situación no es solo una anécdota operativa, sino que el 86% de los directivos la identifica ya como un riesgo significativo para el negocio. El informe destaca que, aunque la intención de implementar IA es máxima, las instituciones financieras están chocando con muros que van más allá de lo técnico: la complejidad de los procesos y la falta de personal capacitado están frenando la escalabilidad de estas soluciones. Este escenario importa porque define la seguridad y la soberanía de nuestros datos financieros en un entorno donde la infraestructura todavía no está preparada para las exigencias de la nueva era digital.

¿Qué es la Shadow AI y por qué crece en los bancos?

El término Shadow AI, o IA invisible, se refiere al uso de aplicaciones y herramientas de inteligencia artificial dentro de una organización sin el consentimiento o la supervisión directa del departamento de TI. En un entorno tan regulado como el financiero, que esta práctica se extienda sin control supone un desafío mayúsculo para la seguridad de la información y el cumplimiento normativo.

Conviene no caer solo en la alarma. La IA en la sombra no aparece por imprudencia: los empleados tapan un hueco. Cuando las herramientas oficiales llegan tarde, son rígidas o no existen, el personal recurre por su cuenta a lo que sí funciona. Vista así, es también una señal de demanda no atendida, y la respuesta más eficaz no suele ser prohibir, sino ofrecer alternativas oficiales igual de útiles y seguras.

Este fenómeno suele ocurrir cuando las herramientas oficiales de la empresa no avanzan tan rápido como las necesidades de los trabajadores. El estudio de Nutanix indica que el sector financiero está implementando la IA a gran velocidad, pero la gobernanza (las reglas y procesos que dictan cómo se usa la tecnología) no siempre sigue el mismo ritmo. Esto crea un vacío que los empleados llenan de forma independiente para mejorar su productividad, a menudo ignorando los riesgos de privacidad que conlleva introducir datos sensibles en plataformas de terceros.

Nutanix, especialista en computación híbrida multicloud, sostiene que la salida pasa por unificar la gestión de aplicaciones e IA en una sola plataforma y simplificar las operaciones, para que la tecnología oficial resulte tan ágil y útil como las herramientas que los empleados buscan por su cuenta.

El muro de la complejidad: por qué no basta con la tecnología

Uno de los hallazgos más reveladores del informe es que el hardware o el software no son los principales culpables de que la IA no termine de despegar a gran escala. Aunque solemos pensar que los límites son técnicos, la realidad es más humana y organizativa. Según los datos recogidos, la complejidad de los procesos es el mayor obstáculo para el 38% de las empresas, seguida muy de cerca por las carencias de liderazgo y competencias del personal, que afectan al 34%.

Curiosamente, las limitaciones técnicas puras solo preocupan al 28% de los encuestados. Esto significa que las empresas tienen las herramientas, pero no saben cómo integrarlas en sus flujos de trabajo actuales o no cuentan con el talento necesario para sacarles provecho. De hecho, el 83% admite que los silos entre las áreas de negocio y los equipos de TI dificultan ejecutar con eficacia las iniciativas tecnológicas, una traba más organizativa que técnica. Además, el 68% de las instituciones financieras reconoce que su infraestructura física actual todavía no está totalmente preparada para soportar la enorme carga de trabajo que requiere la inteligencia artificial.

Esta falta de preparación ha llevado a que casi dos tercios de las organizaciones (64%) dependan de proveedores externos para cubrir sus carencias de infraestructura. Esta dependencia genera un nuevo reto: la dificultad de mantener el control total sobre dónde residen los datos y cómo se procesan. Entre las implicaciones más directas de este retraso organizativo encontramos:

  • Dificultad para cumplir con normativas de protección de datos locales.
  • Aumento de los costes operativos al depender de servicios externos de terceros.
  • Riesgos de seguridad derivados de infraestructuras que no fueron diseñadas para la IA.
  • Pérdida de competitividad frente a nuevas entidades digitales más ágiles.

Datos y soberanía: una tensión que no deja de crecer

El concepto de soberanía de los datos es hoy más importante que nunca. Se refiere a la capacidad de un país o una organización de mantener sus datos bajo su propia jurisdicción y leyes. En el sector financiero, el 79% de las instituciones afirma que esta es una de sus prioridades absolutas. Sin embargo, existe una contradicción evidente en su forma de actuar.

A pesar de esa supuesta prioridad, el 62% de estas entidades sigue ejecutando sus cargas de trabajo en la nube pública mediante contenedores. Los contenedores son una tecnología que permite empaquetar aplicaciones para que funcionen en cualquier entorno, y el 90% de los directivos admite que la IA es el motor que está impulsando su adopción masiva. El problema surge cuando estas aplicaciones corren en servidores ajenos, creando lo que el informe denomina una deuda de soberanía.

Conviene recordar de dónde sale el diagnóstico: Nutanix vende infraestructura de nube híbrida y plataformas de contenedores, justo las soluciones que el estudio plantea como remedio, y los datos proceden de una encuesta que la propia compañía encargó. Las cifras encajan con las de otros analistas, pero el marco con el que se presentan responde a su modelo de negocio.

Esta deuda implica que las empresas están asumiendo riesgos operativos y vulnerabilidades a cambio de la agilidad que les ofrece la nube pública. Como explican en el Financial Sector Enterprise Cloud Index completo, es fundamental alinear la infraestructura y la gobernanza para que la soberanía no sea solo un deseo, sino una realidad técnica que proteja tanto a la entidad como a sus clientes finales.

¿Qué significa esto para el futuro del sector?

Los datos presentados por Nutanix, basados en una encuesta realizada por Wakefield Research en noviembre de 2025 a 1.600 directivos de todo el mundo, España incluida, dibujan un panorama de transición necesaria. El sector financiero no puede permitirse seguir ignorando la realidad de la Shadow AI ni tampoco puede seguir escalando su tecnología sobre bases de infraestructura que se han quedado obsoletas. No es un asunto solo interno: los supervisores europeos ya vigilan estos riesgos, como mostró el aviso del BCE a la banca europea sobre la IA.

En la banca europea el margen es además estrecho. DORA, el reglamento de resiliencia operativa digital en vigor desde enero de 2025, obliga a las entidades a controlar sus riesgos tecnológicos y los de sus proveedores externos, y el Reglamento de IA empieza a aplicar el 2 de agosto de 2026 las obligaciones para los sistemas de alto riesgo, como el scoring crediticio. En ese contexto, no saber qué herramientas de IA usan los empleados deja de ser un asunto interno para convertirse en un riesgo de cumplimiento.

Lo que viene ahora es una fase de maduración. El éxito no dependerá de quién compre el modelo de IA más avanzado, sino de quién consiga simplificar sus procesos operativos y formar a su personal de manera efectiva. La dirección que señalan Nutanix y buena parte del sector son los entornos de nube híbrida, que combinan la flexibilidad de la nube pública con el control y la seguridad de los sistemas locales.

Más que una promesa de futuro, es una cuestión de orden: sacar la IA de la sombra y convertirla en herramientas oficiales, auditables y seguras, de modo que el personal no necesite buscarse la vida por su cuenta. En un sector que gestiona el dinero y los datos de millones de clientes, recuperar esa visibilidad pesa tanto como cerrar la brecha de infraestructura.

La fotografía de representación de este artículo pertenece a Miquel Parera y ha sido publicada en Unsplash

Naver lanza un cerebro de IA ligero que cabe en robots pequeños

0

Naver Labs Europe ha presentado DIVINE, un codificador universal diseñado para transformar la eficiencia de los robots autónomos. Este avance tecnológico permite que máquinas de pequeño tamaño procesen información visual compleja sin necesidad de equipos informáticos pesados o costosos.

Hasta ahora, los robots requerían múltiples sistemas independientes para entender imágenes en 2D, reconstruir espacios en 3D o reconocer a personas, lo que saturaba su memoria y ralentizaba sus movimientos. Con la llegada de esta nueva arquitectura, presentada este 23 de junio de 2026, la subsidiaria del gigante coreano Naver logra integrar todas estas funciones en un único modelo significativamente más ligero.

Según los resultados comunicados por la propia Naver, DIVINE reduce el uso de memoria del codificador en un 90 % y aumenta la velocidad de procesamiento hasta 12 veces en comparación con los métodos tradicionales. Este avance es relevante para la industria porque facilita la implementación de inteligencia artificial avanzada directamente dentro de los robots, eliminando la dependencia de servidores externos. Al simplificar el cerebro robótico, se abre la puerta a una nueva generación de dispositivos más ágiles y económicos, capaces de operar con mayor autonomía tanto en entornos industriales como en nuestros propios hogares.

¿En qué consiste exactamente DIVINE?

Para entender este avance, primero debemos comprender qué es un codificador (encoder). En el mundo de la robótica, los sensores como las cámaras o el sistema LiDAR recogen una cantidad ingente de datos del entorno. El codificador actúa como un traductor que convierte toda esa información bruta en un formato que los modelos de inteligencia artificial pueden entender y procesar para tomar decisiones.

Tradicionalmente, los robots autónomos funcionaban de manera ineficiente. Si un robot necesitaba calcular la profundidad de un objeto, entender el espacio físico y, al mismo tiempo, reconocer a un humano, debía activar tres codificadores distintos. Cada uno de ellos procesaba los mismos datos de entrada de forma redundante, lo que consumía una cantidad enorme de recursos informáticos y memoria.

La solución de Naver Labs Europe se basa en una técnica denominada destilación multimaestro (multi-teacher distillation). Este proceso permite extraer el conocimiento esencial de varios modelos expertos (los maestros), especializados en tareas concretas como la visión en 3D o el reconocimiento de formas, y comprimirlo en un único modelo más pequeño (el estudiante). Esta aproximación no surge de la nada: DIVINE da continuidad a la línea de codificadores universales que Naver Labs Europe lleva tiempo investigando.

Gracias a este método, DIVINE unifica funciones que antes estaban dispersas. En un solo sistema, el robot puede realizar la comprensión de imágenes en 2D, la reconstrucción espacial en 3D y la identificación de personas. El resultado es un cerebro mucho más ágil que evita repetir tareas innecesarias cada vez que recibe información de sus sensores.

¿Por qué este cambio es relevante para la industria?

La importancia de esta tecnología radica en su capacidad para democratizar la robótica avanzada. Históricamente, los robots inteligentes requerían estar conectados a potentes servidores externos o cargar con hardware informático muy pesado y caro. Esto limitaba su uso a grandes fábricas o entornos muy controlados.

Con DIVINE, la situación cambia drásticamente. Al reducir la carga computacional, es posible instalar una inteligencia de alto rendimiento en robots pequeños y ligeros. Estos dispositivos ahora pueden procesar todo de forma local, lo que se conoce como IA on-device o en el propio dispositivo. Esto no solo abarata los costes de producción, sino que también mejora la seguridad y la velocidad de respuesta del robot al no depender de una conexión a la nube.

Las cifras de las pruebas realizadas por la compañía muestran mejoras en varios niveles del sistema:

  • El uso de memoria del sistema completo del robot se reduce en un 62 %.
  • La velocidad de procesamiento global del sistema mejora hasta 4 veces.
  • La escalabilidad es mayor, ya que permite añadir nuevas capacidades mediante actualizaciones de software sin cambiar el hardware.

Como indica Lee Dong-hwan, líder del Grupo de Visión en Naver Labs, la ligereza de los cerebros robóticos es un tema central para que la IA física pueda comercializarse a gran escala. Esta tecnología ayudará a que los robots de servicio, aquellos que interactúan con nosotros en el día a día, sean una realidad más cercana y accesible.

El respaldo científico y la trayectoria de Naver Labs

Este desarrollo no ha surgido de la nada. El equipo de investigación responsable ha logrado que dos estudios relacionados con DIVINE sean aceptados en conferencias de prestigio mundial, como la Conferencia Europea sobre Visión por Computadora (ECCV) y la Conferencia sobre Visión por Computadora y Reconocimiento de Patrones (CVPR). Este reconocimiento académico avala que la tecnología propuesta tiene una base sólida y verificada por expertos independientes.

Naver Labs tiene una trayectoria consolidada en este campo. A finales de 2023, ya sorprendieron con DUSt3R, un modelo capaz de reconstruir espacios en tres dimensiones a partir de imágenes corrientes, sin necesidad de calibrar las cámaras. DIVINE se suma a esta familia de innovaciones, reforzando la estrategia de la compañía de crear robots que comprendan el mundo físico de manera tan natural y rápida como lo hacemos los humanos.

La empresa, que se define como el instituto de investigación tecnológica del futuro de Naver, continúa trabajando en áreas como los gemelos digitales y la inteligencia espacial. Su objetivo es preparar las plataformas de servicios del mañana a través de la robótica y la realidad aumentada, integrando el mundo físico con el digital de forma eficiente.

¿Qué significa esto para el futuro cercano?

La presentación de DIVINE marca una tendencia clara hacia la eficiencia. En lugar de modelos de IA cada vez más grandes y pesados, la industria está empezando a valorar la capacidad de hacer más con menos. Es un enfoque pragmático que busca llevar la tecnología fuera de los laboratorios y hacia las calles y los hogares.

Lo que viene ahora es una fase de integración. Veremos cómo esta arquitectura se implementa en robots de logística, asistentes en hospitales o dispositivos de mantenimiento industrial. Al bajar las barreras de entrada técnicas y económicas, el número de aplicaciones prácticas se multiplicará de forma exponencial en los próximos años.

El objetivo de fondo es conseguir robots capaces de entender su entorno en tiempo real sin depender de hardware pesado ni de servidores en la nube. DIVINE apunta en esa dirección: que la capacidad de un robot dependa menos del tamaño de su procesador y más de cómo está diseñado el software que lo gobierna.

Oracle recorta 21.000 empleos mientras dispara su apuesta por la IA

0

Oracle cerró su año fiscal 2026 con unos 21.000 empleados menos, un recorte equivalente al 13% de su plantilla mundial, según el informe anual que la compañía presentó ante la SEC el pasado 22 de junio. En doce meses pasó de unos 162.000 trabajadores a 141.000, y gastó 1.840 millones de dólares en indemnizaciones y costes de salida, casi cinco veces más que el año anterior.

Buena parte de la cobertura lo ha presentado como un recorte impulsado por la inteligencia artificial, pero conviene leer la letra pequeña. En su comunicación a los reguladores, Oracle atribuyó los ajustes a una mezcla de factores: cambios de gestión y de producto, problemas de desempeño, virajes estratégicos y adquisiciones. La IA aparece como parte del contexto, y la empresa ha dado a entender que su adopción podría traer más recortes, pero no la señala como la única causa de lo ocurrido.

Despidos en pleno récord de ingresos

Lo más llamativo es el contraste. El recorte llega en el mejor momento financiero de la compañía: el ejercicio se cerró con ingresos récord de 67.400 millones de dólares, un 17% más, impulsados por un negocio en la nube que creció un 39%. Es la misma paradoja que ya se vio en otras tecnológicas: invertir con fuerza en IA mientras se recorta plantilla.

El motor de esa apuesta son los centros de datos para inteligencia artificial. Oracle ha firmado acuerdos multimillonarios con OpenAI (uno de ellos valorado en más de 300.000 millones de dólares) y Meta para competir con Amazon y Microsoft, y prevé una inversión cercana a los 70.000 millones de dólares solo este año fiscal. Ese esfuerzo le ha dejado un flujo de caja libre negativo: recurre a deuda y a la emisión de acciones para financiarlo, con su cotización cayendo en torno a un 10% en lo que va de año. No es casual que algunos analistas se pregunten si la tensión bursátil de Oracle anticipa un pinchazo de la burbuja de la IA.

Una pieza de una oleada mayor

El caso de Oracle no es aislado. Forma parte de una oleada de recortes en el sector tecnológico (el portal Layoffs.fyi contabiliza más de 119.000 despidos en lo que va de año) en la que la IA convive con otras razones. Movimientos como el de Meta, que anunció el recorte de miles de empleos para financiar su inversión en IA, apuntan en la misma dirección: adelgazar unas áreas para volcar el dinero en infraestructura y talento de inteligencia artificial.

Queda la pregunta de fondo: ¿está la IA sustituyendo de verdad a los trabajadores o sirve de relato cómodo para justificar reestructuraciones que llegarían igualmente? El debate sigue abierto y no todos lo ven igual; el propio Sam Altman, consejero delegado de OpenAI, ha descartado una «apocalipsis laboral» por la IA. En casos como este lo más probable es que se solapen varias cosas a la vez: automatización, recorte de costes y una reorganización acelerada hacia la nube.

Con todo, las cifras dejan una foto nítida del momento: una empresa que crece a ritmo récord, gasta como nunca en infraestructura de IA y, a la vez, opera con menos gente. Esa combinación, más que un titular de «la IA ha despedido a 21.000 personas» que la propia Oracle no llega a firmar, es la verdadera señal de hacia dónde avanza el sector.

Krea

Imagen en tiempo real

Modelo: Freemium

Krea es una herramienta de inteligencia artificial para generar y mejorar imágenes cuya seña de identidad es la generación en tiempo real: en su lienzo Realtime, el usuario dibuja o mueve formas en la mitad izquierda de la pantalla y la IA pinta el resultado acabado en la derecha de forma casi instantánea, en menos de 50 milisegundos. Fundada en San Francisco por los españoles Víctor Pérez y Diego Rodríguez, se ha colocado entre las plataformas de imagen más visitadas del mundo.

Más allá del lienzo en tiempo real, Krea funciona como un agregador de modelos: da acceso a más de una veintena de generadores —Flux, Ideogram, los propios modelos de Krea y varios de vídeo— desde una sola interfaz, con más de mil estilos predefinidos. Completa la oferta un ampliador de resolución (upscaler) muy apreciado para rescatar imágenes pequeñas o borrosas, y herramientas de edición, vídeo y 3D.

El plan gratuito ofrece una cuota diaria de cómputo con acceso completo a la generación en tiempo real, pero limita los modelos premium y no incluye licencia comercial. Los planes de pago van del Basic (con uso comercial) al Pro (con todos los modelos de vídeo) y al Max. Como en otras plataformas multimodelo, el consumo de créditos varía mucho según el modelo elegido, lo que dificulta prever cuánto durarán.

Es ideal para diseñadores e ilustradores que quieren iterar visualmente con la inmediatez de un boceto; para generar imágenes sueltas desde texto, alternativas como Ideogram pueden bastar.

Dirección: krea.ai

Midjourney: de generar imágenes bonitas al negocio de los spas

0

Midjourney, una de las empresas pioneras en la generación de imágenes con inteligencia artificial, ha dado un giro inesperado: presenta Midjourney Medical, un proyecto cuyo primer fruto es un escáner corporal de ultrasonidos que, según sus responsables, ofrecería imágenes comparables (o incluso superiores) a las de una resonancia magnética, sin radiación, sin imanes potentes y en menos de un minuto.

Conviene aclarar de entrada que se trata de un anuncio y de un prototipo en fase muy temprana, no de un producto terminado ni aprobado. El propio consejero delegado de la empresa, David Holz, reconoció que por ahora apenas una docena de personas han pasado por el aparato.

Hemos soñado con algo tan potente como una resonancia magnética y tan sencillo como una visita al spa, y hoy presentamos el camino para conseguirlo.

David Holz, consejero delegado de Midjourney

Una máquina hecha de medio millón de altavoces diminutos

La experiencia, tal y como la describe la propia empresa, parte de un gesto sencillo: subirse a una plataforma que desciende despacio, unos cinco centímetros por segundo, hacia una piscina de agua templada iluminada con luz dorada. Al bajar, el cuerpo atraviesa un anillo formado por cerca de medio millón de piezas minúsculas, cada una del tamaño de un grano de arena y capaz de funcionar a la vez como un pequeño altavoz y un pequeño micrófono. El aparato no es un desarrollo en solitario de Midjourney: está construido junto a Butterfly Network, una empresa especializada en ultrasonidos que aporta cuarenta de sus módulos de imagen por sistema.

Esas piezas lanzan ondas de ultrasonido a través del cuerpo desde todos los ángulos y escuchan cómo rebotan, de forma parecida a la ecolocalización de los delfines. El sistema genera tal cantidad de datos que, según la propia comparación de la compañía, un solo segundo de escaneo equivaldría a unas 500 horas de vídeo en alta definición. Para procesar esa montaña de información en apenas 60 segundos, recurre a dos petaflops de potencia (es decir, dos mil billones de operaciones por segundo) repartidos entre miles de ordenadores trabajando en paralelo.

Cómo se convierte el sonido en una imagen del interior del cuerpo

El truco está en que las ondas de sonido cambian de forma al atravesar tejidos de distinta densidad o dureza, por ejemplo al pasar del agua a la piel, la grasa, el músculo o el hueso. Analizando esos cambios desde miles de ángulos, los algoritmos reconstruyen un mapa tridimensional del interior del cuerpo con un detalle, según la empresa, de fracciones de milímetro. El resultado se parecería al de una resonancia magnética, pero obtenido casi cien veces más rápido y, sobre esa reconstrucción, una inteligencia artificial identifica y separa los distintos órganos y tejidos.

Que sea precisamente una empresa de imágenes generativas la que dé este paso tiene más lógica de la que parece. En el fondo, su negocio consiste en convertir datos caóticos e incompletos en imágenes coherentes mediante inteligencia artificial, que es justo lo que hace falta para transformar ecos de ultrasonido fragmentados en un mapa nítido del cuerpo. La promesa de fondo es acercar una capacidad parecida a la de la resonancia, hoy una tecnología cara y de acceso limitado, a mucha más gente, un objetivo que comparten otros proyectos recientes como las plataformas que buscan democratizar la resonancia magnética apoyándose en la nube.

El «spa» que te escanea sin que te des cuenta

La parte más llamativa del plan no es el escáner, sino dónde quiere ponerlo. Midjourney anuncia el Midjourney Spa, cuyo primer local abriría en el barrio de Union Square, en San Francisco, antes de finales de 2027. Tendría diez escáneres integrados en salas con bañeras de hidromasaje, además de gimnasio, saunas y baños de agua fría.

La intención, según la compañía, es que el escaneo sea casi un efecto secundario de una visita agradable.

Los escaneos son un efecto secundario. Apenas piensas en ellos cuando vas al spa. Pero de repente tienes una enorme biblioteca de datos sobre tu salud.

Midjourney

Esa información, repetida con el tiempo, permitiría observar cómo cambia el cuerpo de cada persona y compartirla con médicos, entrenadores, nutricionistas o herramientas de inteligencia artificial. El propio Holz comentó que a él le gustaría usar el escáner para ver cómo responde su cuerpo a los cambios de dieta o de ejercicio.

Promesas enormes y motivos de sobra para la cautela

Midjourney no se queda corta en sus aspiraciones. La empresa calcula que, con suficiente imagen médica temprana, el mundo podría llegar a evitar un 30% de todas las muertes y reducir a la mitad el gasto sanitario, y se marca como meta tener para 2031 una flota de más de 50.000 escáneres capaces de realizar mil millones de exploraciones al mes. Son cifras espectaculares que, conviene subrayarlo, son proyecciones de la propia compañía y no resultados comprobados.

Hay varias razones para tomarse el anuncio con prudencia. La primera es que nada de esto cuenta todavía con la aprobación de la FDA, la agencia estadounidense del medicamento: por ahora el aparato solo crea mapas de composición corporal, que no son un diagnóstico, y la empresa dice que irá enviando resultados a la FDA para ampliar capacidades poco a poco. La segunda es que la tomografía por ultrasonidos existe en el terreno de la investigación, pero escanear el cuerpo entero en un minuto con una calidad comparable a la resonancia está muy por encima de lo que la medicina hace hoy de forma habitual, y esas afirmaciones aún no han pasado por una revisión científica independiente. A ello se añade que, de momento, solo una docena de personas han probado el prototipo.

Tampoco conviene olvidar un detalle de fondo: Midjourney es, ante todo, una empresa de generación de imágenes con IA. Su propia presentación mezcla reconstrucciones «en bruto» con la versión interpretada por inteligencia artificial, y las imágenes del balneario son, según se indica, recreaciones conceptuales. No es una acusación, pero sí una invitación a distinguir entre lo que ya funciona y lo que de momento es una ilustración de hacia dónde se quiere ir.

La primera IA pura que se lanza a fabricar una máquina médica

El movimiento es singular dentro del sector. Empresas como Google DeepMind o Microsoft llevan tiempo aplicando la inteligencia artificial a la medicina, pero trabajando sobre imágenes que ya existen, para interpretarlas o clasificarlas, mientras que los grandes fabricantes de equipos médicos, como Siemens Healthineers, Philips o GE Healthcare, dominan la maquinaria que las produce. Midjourney sería la primera compañía dedicada exclusivamente a la IA que decide construir desde cero el aparato físico de diagnóstico.

El anuncio encaja en una tendencia más amplia: la entrada acelerada de la inteligencia artificial en la medicina, desde la detección precoz de enfermedades hasta los sistemas que aceleran la investigación científica en medicina. Llama la atención, además, el modelo de la empresa, que recuerda que no tiene inversores y se define como un «laboratorio de investigación respaldado por la comunidad», financiado por los usuarios de su plataforma de imágenes.

Por ahora, lo presentado es sobre todo una hoja de ruta acompañada de vídeos, conceptos y un prototipo por el que han pasado una docena de personas. Si la tecnología cumpliera aunque fuera una parte de lo prometido, podría cambiar nuestra forma de relacionarnos con la propia salud. Pero hasta que haya datos independientes, aprobaciones regulatorias y los primeros escáneres funcionando con muchas personas reales, lo razonable es seguir el proyecto con interés y con el escepticismo sano que merece cualquier promesa de esta magnitud.

Φsat-2: el satélite europeo que analiza la Tierra con IA sin bajar los datos a tierra

0

Hay un satélite europeo que no espera a aterrizar sus datos para entender lo que ve. Se llama Φsat-2, pertenece a la Agencia Espacial Europea (ESA) y es uno de sus satélites pequeños más avanzados: lleva la inteligencia artificial a bordo para analizar las imágenes de la Tierra directamente en órbita, en lugar de enviarlas en bruto a una estación terrestre. Lanzado en agosto de 2024, ha vuelto a la actualidad porque la consultora tecnológica CGI ha anunciado el papel de su plataforma Insula en la misión.

Conviene situar a cada actor. La misión y el satélite son de la ESA; CGI es el proveedor que aporta la plataforma de datos en tierra y que ahora, en un comunicado propio, destaca la contribución de su tecnología. Es un anuncio con interés comercial legítimo, pero lo realmente noticioso es lo que hay detrás: la posibilidad de procesar inteligencia artificial directamente en el espacio.

Por qué tiene sentido poner la IA en órbita

Tradicionalmente, un satélite capta imágenes y las manda a tierra para analizarlas allí. Φsat-2 le da la vuelta a ese flujo: integra la inteligencia artificial en el propio hardware del satélite, de modo que puede tomar decisiones en tiempo real y ahorrar ancho de banda. El ejemplo más claro es la detección de nubes: el aparato descarta de forma automática las fotos en las que la superficie no se ve y evita así enviar datos inútiles. A bordo también clasifica embarcaciones o genera mapas de calles sin intervención humana.

Qué aporta Insula, la plataforma de CGI

Ahí es donde entra Insula. Desarrollada por el equipo de CGI en Italia, es la plataforma que recibe, calibra y geolocaliza esos datos para ponerlos a disposición de la comunidad científica y de quienes desarrollan aplicaciones de inteligencia artificial. Según la propia CGI, está abierta al público desde junio de 2025 y ya ha dado acceso a más de 3.000 usuarios y entregado más de 10.000 imágenes multiespectrales, que sirven, entre otras cosas, para entrenar modelos de IA con datos reales de satélite.

El responsable de la misión en la ESA, Mirko Albani, lo resume así:

El uso innovador del procesamiento a bordo y de la IA en Φsat-2 demuestra el potencial de ofrecer información oportuna y de alta calidad a las partes interesadas de la observación de la Tierra. La política de datos abiertos de la ESA amplía el acceso a los datos multiespectrales de Φsat-2, fomentando una mayor participación y demostrando cómo los satélites pequeños pueden aportar información valiosa en aplicaciones diversas.

Mirko Albani, responsable de la misión Φsat-2 en la ESA

De los incendios a los barcos: para qué sirve

Las aplicaciones prácticas son variadas y tocan varios sectores:

  • Emergencias: detección temprana de incendios forestales para activar antes a los equipos de extinción.
  • Medio ambiente: seguimiento continuo de cambios en ecosistemas sin esperar a un procesamiento posterior en tierra.
  • Seguridad y logística: vigilancia de buques y reconstrucción de imágenes con IA para mejorar su nitidez.

El caso de Φsat-2 se inscribe en una corriente más amplia de inteligencia artificial aplicada a observar el planeta y el espacio, desde los modelos meteorológicos que ya anticipan huracanes hasta los sistemas de NASA e IBM que predicen las tormentas solares.

Una colaboración de más de una década

CGI no llega nueva a este terreno. Fundada en 1976 y con unos 94.000 profesionales en el mundo, la empresa colabora con la ESA desde hace más de una década en observación de la Tierra y operaciones de misión, y ha liderado el desarrollo de Insula desde su sede en Italia.

Más allá del anuncio corporativo, Φsat-2 ilustra una tendencia de fondo: llevar la inteligencia a donde se generan los datos. Procesar en órbita lo que antes había que bajar a tierra promete respuestas más rápidas ante incendios, vertidos o catástrofes, y abre la puerta a que satélites cada vez más pequeños asuman tareas que hasta hace poco exigían grandes infraestructuras.

Una empresa vasca iguala a un ordenador cuántico usando GPUs de NVIDIA

0

El debate sobre cuándo las computadoras cuánticas superarán definitivamente a las clásicas ha dado un giro inesperado. Científicos de la empresa Multiverse Computing, con sede en San Sebastián, han logrado un hito técnico al demostrar que el hardware convencional, potenciado por algoritmos avanzados y chips de última generación, es mucho más capaz de lo que se creía.

Utilizando cuatro unidades de procesamiento gráfico NVIDIA H200, el equipo ha conseguido simular la dinámica de un sistema cuántico complejo, el modelo de Fermi-Hubbard, con una precisión que hasta ahora se consideraba exclusiva de los procesadores cuánticos más potentes. Este avance no solo iguala los resultados obtenidos recientemente en un procesador cuántico de IBM de 120 cúbits (el cúbit es la unidad básica de un ordenador cuántico, como el bit en uno normal), sino que los supera, extendiendo la simulación más allá de lo que el propio hardware cuántico pudo alcanzar. Lo más relevante es que este estudio reduce una supuesta ventaja de velocidad de 3000 veces a tan solo 36 veces, lo que obliga a la industria a recalibrar sus métricas de progreso. Este resultado subraya la importancia de optimizar los métodos clásicos antes de declarar la supremacía de las nuevas tecnologías cuánticas en problemas científicos reales.

En qué consiste la nueva frontera de la simulación

El trabajo realizado por el equipo de Multiverse Computing se centra en la simulación del modelo de Fermi-Hubbard, un sistema matemático esencial para entender cómo interactúan los electrones en los materiales sólidos. Este modelo es especialmente difícil de calcular porque, a medida que el sistema evoluciona en el tiempo, las partículas se entrelazan de forma masiva, es decir, quedan tan conectadas entre sí que resulta imposible describir una sin tener en cuenta a todas las demás, lo que crea una complejidad que crece de manera exponencial. Hasta hace poco, se pensaba que solo un procesador cuántico de última generación podría gestionar tal cantidad de información en tiempos razonables.

Para romper esta barrera, los investigadores han utilizado una técnica llamada redes de tensores, un método matemático que permite manejar cantidades enormes de información quedándose solo con lo esencial, combinada con un algoritmo denominado Principio Variacional Dependiente del Tiempo o TDVP por sus siglas en inglés. La clave del éxito ha sido aprovechar las simetrías físicas intrínsecas del sistema, específicamente las conocidas como simetrías U(1) y SU(2). Estas simetrías permiten agrupar los datos de la simulación de una manera mucho más eficiente, reduciendo drásticamente la potencia de cálculo necesaria sin sacrificar la exactitud de los resultados finales.

Gracias a esta optimización, el equipo alcanzó una dimensión de enlace de aproximadamente 62.000, una de las cifras más altas jamás registradas para este tipo de simulaciones. Ese valor funciona como un termómetro de la complejidad que el ordenador es capaz de digerir: indica cuánta información y cuánto entrelazamiento puede manejar a la vez, de modo que cuanto más alto, más difícil es el problema que logra resolver. Al elevar este límite, los científicos pudieron obtener resultados totalmente convergentes en regímenes de alto entrelazamiento que antes eran inaccesibles para el hardware convencional.

Por qué este avance cambia las reglas del juego

Este estudio tiene implicaciones directas en la forma en que medimos el progreso de la computación cuántica. Recientemente, la empresa Q-CTRL había reivindicado una «ventaja cuántica práctica» al afirmar que ese procesador de IBM de 120 cúbits era 3000 veces más rápido que cualquier método clásico para este mismo problema. Sin embargo, al aplicar estas nuevas optimizaciones en GPUs de NVIDIA, esa brecha se ha reducido a solo 36 veces. Esta diferencia es notablemente menor y sugiere que la computación clásica todavía tiene mucho margen de mejora antes de ser desplazada por completo.

Además, la simulación clásica no solo igualó la ventana temporal del experimento cuántico original, sino que la extendió. Para hacerse una idea, conviene imaginar la simulación como una película del comportamiento del sistema: cuanto más se avanza en ella, más difícil resulta calcular cada nuevo fotograma. El procesador cuántico logró rodar esa película hasta un instante que los físicos denominan t=6, mientras que el equipo de Multiverse llegó un paso más allá, hasta t=7. Esto permite certificar de manera rigurosa los resultados cuánticos obtenidos anteriormente, algo vital para la comunidad científica, ya que sin una referencia clásica fiable es imposible saber si un dispositivo cuántico está funcionando correctamente o si los errores acumulados están falseando los datos.

Entre los beneficios de este enfoque se encuentran:

  • Una reducción significativa de los costes operativos al utilizar hardware comercial frente a la costosa infraestructura cuántica.
  • La posibilidad de verificar y validar el rendimiento de nuevos procesadores cuánticos mediante simulaciones clásicas de alta precisión.
  • Un ahorro de tiempo en el desarrollo de nuevos materiales al poder simular sus propiedades electrónicas con mayor fidelidad en sistemas ya existentes.

Quiénes están detrás y qué tecnología han usado

La investigación ha sido liderada por Multiverse Computing, una empresa que opera desde San Sebastián y Toronto, consolidándose como un actor relevante en el ecosistema de software cuántico y de alta eficiencia. El estudio, titulado Pushing the Classical Frontier of 1D Fermi–Hubbard Quench Dynamics Beyond Current Quantum Simulations, contó con la participación de destacados científicos como Román Orús y Roman Rausch.

Conviene tener presente un par de cosas al interpretar estos resultados. La primera es que se trata de un trabajo preliminar, publicado por ahora en el repositorio abierto arXiv y todavía pendiente de la revisión formal por parte de otros científicos. La segunda es que el estudio está firmado en su totalidad por Multiverse Computing, una compañía cuyo negocio se apoya precisamente en demostrar que los métodos clásicos y los inspirados en lo cuántico pueden competir con el hardware cuántico. Nada de esto resta mérito al trabajo, pero ayuda a leer sus conclusiones con la perspectiva adecuada.

En el apartado técnico, el uso de cuatro GPUs NVIDIA H200 fue determinante. Estos procesadores gráficos están diseñados específicamente para tareas de inteligencia artificial y computación científica intensiva. Los investigadores implementaron sus algoritmos utilizando la biblioteca PyTorch, lo que les permitió aprovechar al máximo el rendimiento de los chips de NVIDIA mediante el procesamiento por lotes de las operaciones matemáticas más pesadas.

Un detalle técnico curioso es que el equipo optó por trabajar con precisión simple (float32) en lugar de la habitual precisión doble. Esta decisión, lejos de ser una debilidad, fue un movimiento estratégico. El propio equipo validó la precisión simple frente a cálculos en doble precisión (float64) y comprobó que los errores de redondeo no se acumulaban a lo largo de los numerosos pasos temporales, por lo que el float32 se mantuvo fiable durante toda la simulación, a la vez que reducía a la mitad el uso de memoria y aceleraba los cálculos en la GPU.

¿Qué significa esto para el futuro?

Lo que estamos presenciando es una carrera de relevos tecnológica donde el hardware clásico y el cuántico se presionan mutuamente para mejorar. Cada vez que la computación cuántica reclama una victoria, la computación clásica responde con algoritmos más inteligentes y un uso más eficiente de los transistores. Este avance de Multiverse Computing nos recuerda que la utilidad práctica de la tecnología cuántica no se define solo por lo que puede hacer, sino por lo que puede hacer mejor que la alternativa más optimizada de la informática tradicional.

Eso sí, conviene no sacar conclusiones de más. Este resultado se ha logrado en un sistema unidimensional, es decir, uno en el que las partículas se disponen en una sola fila, como las cuentas de un collar. En esa clase de problemas, las técnicas clásicas empleadas por Multiverse (las llamadas redes de tensores) son especialmente eficaces. La cosa puede cambiar en sistemas más complejos, como los de dos o tres dimensiones, donde el cálculo se complica enormemente para un ordenador convencional y donde los ordenadores cuánticos podrían conservar su ventaja. Dicho de otro modo: las GPUs han ganado esta partida concreta, no toda la liga.

En los próximos años, es probable que veamos cómo estas técnicas de redes de tensores se integran cada vez más en los flujos de trabajo de la inteligencia artificial y el diseño de fármacos. La frontera entre lo que puede simular un chip convencional y un procesador cuántico sigue moviéndose, y por ahora, el hardware clásico ha demostrado que todavía tiene mucha energía para mantenerse en la competición. El futuro no será exclusivamente cuántico ni puramente clásico, sino una integración inteligente de ambas potencias.

Lovart

Agente de diseño

Modelo: Freemium

Lovart es una herramienta de inteligencia artificial que se presenta como el primer agente de diseño del mundo: en lugar de generar una imagen por cada instrucción, recibe un encargo completo —»crea la identidad visual de mi cafetería» o «diseña la campaña de lanzamiento»— y lo descompone él mismo en tareas, razona las decisiones creativas y entrega un proyecto entero sobre un lienzo: logotipos, paletas, carteles, mockups e incluso vídeos cortos.

Bajo el capó, Lovart orquesta los principales modelos generativos del mercado —GPT-Image, Flux, Kling, Veo y otros— y decide cuál usar en cada paso, mientras el usuario puede intervenir sobre el lienzo con ediciones por zonas, capas y texto. Se hizo viral en 2025 con listas de espera multitudinarias, y su agente integrado mantiene una conversación de ida y vuelta similar a la que se tendría con un diseñador humano.

El plan gratuito regala un pequeño paquete de créditos iniciales, suficiente para dos o tres encargos de prueba, pero no se renueva de forma generosa: el uso real exige pasar por caja. Los planes de pago —Starter, Basic y Pro— escalan por créditos mensuales, y los créditos de suscripción no usados se pierden cada ciclo. Es un sistema caro si se compara con generadores de imagen simples, porque cada encargo agéntico consume muchos pasos.

Resulta valioso para emprendedores y marketers sin diseñador; un profesional puede preferir el control directo de herramientas como Midjourney. Los resultados, vistosos, aún requieren retoque humano para uso final de marca.

Dirección: lovart.ai

El monopolio de los LoRA para crear estilos con IA empieza a tener grietas

0

Si alguna vez has usado IA para clonar un estilo, un personaje o una cara, es muy probable que lo hicieras con un LoRA sin saber que se llamaba así: esos pequeños archivos que se acoplan a un modelo grande para enseñarle algo nuevo sin reentrenarlo entero. Los LoRA se han convertido en el método por defecto para afinar modelos de inteligencia artificial, pero un nuevo análisis del equipo de Hugging Face sugiere que ese monopolio empieza a tener grietas.

Qué es un LoRA, y por qué casi todo el mundo usa uno

Afinar un modelo grande con tus propios datos es carísimo en memoria: necesitas espacio para alojar el modelo entero varias veces. Para esquivar ese problema nació una familia de técnicas llamada PEFT (ajuste fino eficiente en parámetros), que permite adaptar un modelo tocando solo una fracción de sus pesos, incluso en un ordenador doméstico y sobre modelos comprimidos. Y ahorrar memoria no es su única ventaja: los adaptadores ocupan muy poco, ayudan a que el modelo no olvide lo que ya sabía y permiten servir muchos ajustes distintos desde un mismo modelo base, que es justo lo que explica el ecosistema de miles de LoRA que los usuarios intercambian. LoRA (Low-Rank Adaptation) es solo una de esas técnicas, la más veterana y popular, hasta el punto de que mucha gente cree que PEFT y LoRA son lo mismo. No lo son: LoRA es una pieza dentro de una caja con decenas de herramientas.

Su dominio es aplastante. Según los recuentos de Hugging Face, de más de 20.000 fichas de modelos que citan una sola técnica PEFT, el 98,4% usan LoRA, y en la generación de imágenes la cifra ronda el 95%. Pero el propio equipo se hace la pregunta incómoda: ¿es LoRA tan popular porque sea la mejor o simplemente porque llegó primero? Al ser de las pioneras acumuló más tutoriales, más soporte en otras herramientas y más visibilidad, y esa ventaja se retroalimenta. Su reinado, en otras palabras, podría deberse tanto al mérito como a la inercia.

El problema de fiarse de los estudios

Cada pocas semanas aparece un artículo científico que asegura haber batido a LoRA, pero Hugging Face advierte de que esas comparaciones son resbaladizas. Los investigadores tienen incentivos para que su técnica gane, cada estudio elige rivales y pruebas distintas, y muchas veces el código ni siquiera se puede reproducir. De hecho, un trabajo reciente mostró que LoRA igualaba a técnicas supuestamente superiores con solo ajustar un parámetro, la tasa de aprendizaje. Para salir de dudas, el equipo decidió montar sus propias pruebas en igualdad de condiciones.

Lo que encontró Hugging Face: LoRA gana, pero no siempre

Usando su biblioteca PEFT, compararon LoRA con otras técnicas en dos tareas, el razonamiento matemático con un modelo de lenguaje y el aprender un concepto nuevo en generación de imágenes, todo con el mismo modelo, los mismos datos y el mismo hardware de consumo. La conclusión es matizada: LoRA funciona bien, pero no siempre es la mejor opción.

En la prueba de matemáticas, el LoRA común se quedó en un 48,1% de acierto, por debajo de sus propias variantes: la versión con inicialización estabilizada por rango (rs-LoRA) llegó al 53,2%, y LoRA-FA gastó menos memoria (20,2 GB frente a 22,5 GB). En la generación de imágenes el desfase fue mayor: una técnica llamada OFT superó a LoRA a la vez en calidad (una similitud de 0,708 frente a 0,697) y en consumo (9,01 GB frente a casi 10), es decir, mejor por los dos lados. La idea de fondo es la frontera de Pareto: si quieres más precisión sueles pagar más memoria, y cada cual debe decidir qué prioriza.

¿Hay que abandonar los LoRA?

No, y conviene decirlo claro. LoRA sigue siendo una opción perfectamente válida y, sobre todo, la mejor integrada: herramientas como vLLM solo cargan adaptadores LoRA, aunque Hugging Face ya permite convertir otros formatos a LoRA sin apenas perder calidad. El mensaje del estudio es más sutil: LoRA no debería ser la elección automática. Cambiar de técnica es modificar una línea de configuración, y aunque te quedes con LoRA merece la pena probar sus variantes, como DoRA, rs-LoRA o LoRA-FA. Quien quiera comparar resultados puede hacerlo en el comparador interactivo que han publicado, donde cada técnica se mide no solo por acierto y memoria, sino también por velocidad, tamaño y cuánto olvida el modelo. El equipo subraya que no tiene «ningún caballo en la carrera», aunque admite que sus pruebas no lo capturan todo: hay usos, como comprimir prompts largos, que ni siquiera miden. El monopolio de los LoRA no ha caído, pero por primera vez hay datos neutrales que invitan a mirar más allá.

Las webs traducidas ganan visibilidad en las búsquedas con IA: un estudio cifra la mejora en un 327%

0

La forma en que buscamos información en internet ha cambiado radicalmente con la llegada de la inteligencia artificial. Un reciente análisis masivo de 1,3 millones de citas digitales, realizado por Weglot, una empresa que vende justamente servicios de traducción de webs y que lo difundió en el blog de DeepL (otra firma del sector), revela que los sitios web traducidos obtienen hasta un 327% más de visibilidad en los resúmenes de IA de Google, conocidos como AI Overviews, sobre todo cuando la búsqueda se hace en un idioma en el que esa web aún no existe. El alcance del fenómeno no es menor: esos resúmenes de IA llegan ya a miles de millones de usuarios al mes en más de cuarenta idiomas.

Este dato es crucial para cualquier empresa que busque presencia internacional, ya que el estudio demuestra que el contenido que no está disponible en el idioma del usuario se vuelve prácticamente invisible para los algoritmos de búsqueda modernos. En junio de 2026, la realidad del mercado digital indica que ya no basta con posicionar palabras clave, sino que es necesario aparecer en las respuestas directas que la IA ofrece a millones de usuarios cada día. Esta transformación de los motores de búsqueda tradicionales hacia sistemas de respuesta basados en el lenguaje natural obliga a las marcas a replantear su estrategia global, pasando de un enfoque monolingüe a uno nativo en múltiples idiomas para no perder tráfico ante sus competidores.

¿Qué es la visibilidad en la era de la IA generativa?

Históricamente, el éxito en la web se medía por el ranking de una página para ciertas palabras clave. Sin embargo, la llegada de la búsqueda generativa ha introducido un concepto diferente: la cita de IA. Cuando un usuario realiza una pregunta compleja, sistemas como Google o ChatGPT generan una respuesta directa y añaden enlaces a las fuentes que han consultado. Si una web no es citada, simplemente no existe para ese usuario, incluso si tiene un buen posicionamiento tradicional.

Para entender este fenómeno, el estudio analizó cómo los modelos de lenguaje (LLM) deciden qué contenidos mostrar según el idioma de la consulta. La investigación se dividió en dos fases, centrándose en mercados de habla hispana en España y México. En la primera parte, se analizaron 153 sitios web que carecían de traducción al inglés. Los resultados fueron contundentes, los sitios no traducidos perdían una cantidad masiva de oportunidades de aparecer en las respuestas de la IA cuando la consulta se realizaba en un idioma distinto al original.

La tecnología utilizada para este análisis, el software Ellipsis FALCON, permitió rastrear más de 22.000 consultas en la primera fase y 12.000 en la segunda, comparando webs disponibles solo en español con otras que tenían también versión en inglés, en los mercados de España y México. El objetivo era medir con precisión cuántas veces aparecía un sitio en los resultados de IA de Google y en ChatGPT. Los datos muestran que la IA prefiere abrumadoramente citar contenido que ya está escrito en el mismo idioma que la pregunta del usuario, lo que crea una barrera invisible para las empresas que solo operan en una lengua.

Por qué el SEO multilingüe es ahora una necesidad estratégica

La diferencia de rendimiento entre un sitio web traducido y uno que no lo está es notable. Según los datos obtenidos, los sitios web en España que no estaban traducidos al inglés recibieron 17.094 citas en español, pero solo 2.810 en inglés (una diferencia negativa del 431%). En cambio, cuando los sitios implementaron versiones traducidas, la brecha de visibilidad se redujo a solo un 22%. Según el estudio, traducir una web le permitiría competir en mejores condiciones en varios mercados a la vez.

El estudio lo ilustra con un caso real: una gran librería española que vende títulos en inglés y envía a todo el mundo, pero cuya web no está traducida. Según el análisis, aparece un 64% menos en las búsquedas con IA cuando la consulta se hace en inglés y, en las pocas ocasiones en que asoma, el enlace lleva a la traducción automática de Google y no a su propia tienda, de modo que pierde a la vez visibilidad y tráfico.

Este cambio de paradigma afecta a diversos aspectos de la industria digital:

  • Captura de tráfico directo: Las citas en inglés llevan a la versión en inglés del sitio, permitiendo que la empresa mantenga el control sobre el usuario en lugar de que este sea redirigido a una versión traducida automáticamente por Google.
  • Autoridad de marca: Los sistemas de IA parecen interpretar la traducción como una señal de autoridad y confianza (E-E-A-T), lo que mejora el rendimiento de las citas en todos los idiomas del sitio, no solo en el traducido.
  • Reducción del sesgo lingüístico: Mientras que Google muestra un sesgo muy fuerte hacia el idioma de la consulta, ChatGPT presenta una neutralidad mayor, llegando incluso a citar versiones traducidas ligeramente más que las originales en algunos casos.

Un ejemplo práctico mencionado en la investigación es el de una importante cadena de librerías en España que vende títulos en inglés y realiza envíos internacionales. A pesar de tener el producto que el cliente busca, al no tener su web traducida al inglés, su visibilidad en búsquedas de IA en ese idioma cae un 64%. Además, en las pocas ocasiones en que aparece, el tráfico es absorbido por el traductor de Google, lo que impide a la empresa fidelizar al cliente de forma efectiva.

Los pilares técnicos para ser recomendado por la IA

Para que la inteligencia artificial pueda leer, procesar y recomendar un contenido en varios idiomas, no basta con una traducción superficial. El estudio sobre la visibilidad de la IA destaca que los fundamentos técnicos del SEO tradicional siguen siendo la base sobre la que se construye el éxito en la búsqueda generativa. Esto incluye el uso de estructuras de URL específicas por idioma, como subdirectorios (dominio.com/en/) o subdominios, que permiten a los motores de búsqueda indexar cada versión de forma independiente.

Otro elemento técnico esencial son las etiquetas hreflang. Estos fragmentos de código informan a los motores de búsqueda sobre qué versión de idioma debe mostrarse a cada usuario según su ubicación y configuración del navegador. Sin estas etiquetas, la IA puede tener dificultades para entender la relación entre las diferentes versiones de una página, lo que diluye la autoridad del sitio. Asimismo, la traducción de metadatos, como títulos y descripciones, es vital, ya que son los elementos que la IA suele utilizar para entender el contexto rápido de una web.

Como explican en la página web oficial de DeepL, el futuro del posicionamiento web ya no se trata de engañar a un algoritmo, sino de ofrecer profundidad y coherencia. Si un contenido se siente generado por una máquina sin supervisión o carece de la riqueza del original, su rendimiento será inferior. La IA actual evalúa el contexto y el tono, por lo que la calidad de la traducción influye directamente en las posibilidades de ser citado como una fuente fiable.

¿Qué significa esto para el futuro de la red?

Estamos entrando en una etapa donde el contenido que no está traducido es, a efectos prácticos, invisible para gran parte de la población mundial que utiliza herramientas de IA. Dado que los resúmenes de IA de Google ya llegan a miles de millones de usuarios en más de 40 idiomas, ignorar el mercado multilingüe supone renunciar a una ventaja competitiva que solo hará que crecer con el tiempo.

Las empresas que adopten estas infraestructuras ahora no solo ganarán visibilidad inmediata, sino que acumularán una autoridad de cita que será difícil de alcanzar por sus competidores en el futuro. El SEO multilingüe e IA ha dejado de ser una opción de expansión para convertirse en un requisito de supervivencia en un ecosistema donde la respuesta inmediata es la reina. La clave del éxito será combinar la precisión técnica con un contenido humano y localizado que la IA pueda recomendar con confianza.

La fotografía de representación de este artículo pertenece a Kien Pham y ha sido publicada en Unsplash

Imprimen neuronas artificiales capaces de comunicarse con neuronas vivas

0

Imagina un ordenador que no solo procesa datos, sino que habla el mismo idioma que nuestro cerebro. Un equipo de ingenieros de la Universidad de Northwestern ha alcanzado un hito relevante al crear neuronas artificiales mediante materiales blandos e imprimibles que pueden comunicarse directamente con células cerebrales vivas.

El estudio, publicado en la revista Nature Nanotechnology en abril de 2026, presenta unos dispositivos capaces de imitar señales biológicas complejas, como picos de tensión y ráfagas de actividad, algo que hasta ahora era difícil de replicar con el silicio tradicional. Liderada por el profesor Mark Hersam, la investigación demuestra que estas neuronas impresas pueden activar respuestas reales en tejido cerebral de ratones. Este avance es crucial porque aborda la creciente crisis energética de la inteligencia artificial moderna. Mientras que los centros de datos actuales consumen cantidades masivas de electricidad y agua, el cerebro humano es cinco órdenes de magnitud más eficiente. Al adoptar un enfoque de hardware inspirado en la biología, podríamos ver un futuro con computación de bajo consumo y prótesis neuronales avanzadas para la visión o el movimiento.

¿En qué consisten las neuronas impresas?

A diferencia de los procesadores convencionales que encontramos en nuestros teléfonos o portátiles, estas neuronas artificiales no utilizan chips rígidos de silicio. El equipo de la Universidad de Northwestern ha desarrollado una serie de tintas electrónicas fabricadas con nanoláminas de grafeno y disulfuro de molibdeno que se imprimen de forma sencilla y barata sobre superficies flexibles. La clave de su funcionamiento reside en una imperfección aprovechada de forma inteligente: el uso de polímeros que no se eliminan por completo durante el proceso de fabricación.

Normalmente, en la electrónica tradicional, cualquier residuo de polímero se considera un estorbo para la corriente eléctrica. Sin embargo, los investigadores decidieron descomponer este material de forma parcial. Al pasar una corriente, se crea un filamento conductor en una región muy estrecha, lo que provoca una respuesta eléctrica repentina muy similar a la de una neurona biológica. Este fenómeno permite que el dispositivo no solo emita impulsos eléctricos simples, sino patrones complejos de señales.

Estas señales incluyen lo que los científicos llaman picos de tensión, ráfagas continuas y patrones de disparo que imitan fielmente el comportamiento de las células del sistema nervioso. Gracias a esta diversidad en la señalización, cada neurona artificial puede codificar mucha más información que un transistor común. Esto significa que se necesitan menos componentes para realizar tareas complejas, lo que reduce drásticamente el tamaño y la complejidad del sistema necesario para procesar datos.

Por qué es importante este avance para la industria

La inteligencia artificial actual tiene un problema invisible pero masivo: el consumo de energía. Para que modelos de IA avanzados funcionen, las empresas tecnológicas están construyendo centros de datos de escala gigantesca, algunos de los cuales requieren incluso sus propias plantas de energía nuclear. Según explica Mark Hersam, este modelo no es escalable a largo plazo, ya que la disipación de calor y la necesidad de agua para refrigerar estos sistemas ejercen una presión insostenible sobre los recursos naturales.

El cerebro humano, en cambio, es el ordenador más eficiente que conocemos. Logra realizar operaciones increíblemente complejas consumiendo una fracción mínima de la energía que requiere una IA digital. Al crear hardware que funciona de forma heterogénea y dinámica, como lo hace el tejido vivo, se abre la puerta a una nueva generación de dispositivos de computación que podrían operar con un consumo energético ínfimo. Esto no solo es bueno para el planeta, sino que permitiría llevar la IA avanzada a dispositivos más pequeños y autónomos.

Además de la eficiencia energética, las implicaciones en el campo de la salud son directas. Al ser capaces de «hablar» el mismo lenguaje eléctrico que nuestras células, estas neuronas artificiales facilitan la creación de:

  • Interfaces cerebro-máquina más fluidas y naturales.
  • Neuroprótesis avanzadas para restaurar la visión o el oído.
  • Implantes diseñados para recuperar el movimiento en extremidades afectadas por lesiones.
  • Sistemas de monitorización médica que se integran mejor con el cuerpo humano gracias a su flexibilidad.

El contexto científico y el equipo de investigación

Este proyecto ha sido una colaboración interdisciplinar entre ingenieros y neurobiólogos. El estudio ha sido coliderado por Mark C. Hersam, profesor de Ciencia de los Materiales e Ingeniería, y Vinod K. Sangwan, profesor de investigación en la Escuela de Ingeniería McCormick. Para verificar si sus dispositivos realmente podían entenderse con la biología, contaron con la ayuda de la neurobióloga Indira M. Raman.

En los experimentos realizados, el equipo aplicó señales eléctricas de las neuronas artificiales a cortes de tejido del cerebelo de ratones. Los resultados mostraron que las neuronas vivas respondían a los impulsos artificiales de forma sincronizada, reconociendo la forma y el tiempo de la señal como si viniera de otra célula natural. El dispositivo se encuentra en un rango temporal de respuesta que no se había logrado antes: ni demasiado lento como otros materiales orgánicos, ni demasiado rápido como los óxidos metálicos.

Otro factor relevante es que el proceso de fabricación es de tipo aditivo. Esto significa que el material solo se deposita donde es estrictamente necesario, minimizando los residuos industriales. Este enfoque de fabricación, sumado al bajo coste de las tintas electrónicas utilizadas, hace que la tecnología sea mucho más accesible que la producción tradicional de semiconductores en salas limpias de alta complejidad.

¿Qué significa esto para el futuro de la IA?

Estamos ante un cambio de enfoque en la forma en que construimos tecnología. Mientras que el silicio se basa en miles de millones de componentes idénticos y rígidos que no cambian tras ser fabricados, el cerebro es una red tridimensional que se adapta y se remodela constantemente. Las neuronas impresas son un primer paso para que las máquinas dejen de ser bloques estáticos y empiecen a parecerse más a los sistemas biológicos.

Aunque todavía estamos lejos de ver un procesador cerebral completo en nuestros dispositivos comerciales, la posibilidad de integrar electrónica flexible que se comunique con el sistema nervioso cambia las reglas del juego. Es un camino hacia una tecnología más integrada en el cuerpo humano y, sobre todo, mucho más respetuosa con el medio ambiente al reducir la dependencia de infraestructuras energéticas masivas. El futuro de la computación parece que no solo será más inteligente, sino también mucho más vivo.

Agua casi caliente para enfriar la IA: así quiere NVIDIA recortar la factura energética de los centros de datos

0

Imagine una piscina de agua a 45 grados Celsius. Está más caliente que un jacuzzi relajante, que suele rondar los 38 o 40 grados. Normalmente, el calor es el enemigo número uno de la electrónica, pero NVIDIA le ha dado la vuelta a esa lógica con su nueva arquitectura Rubin.

La compañía ha presentado un sistema que depende íntegramente de la refrigeración líquida, permitiendo que los centros de datos operen a temperaturas que antes se evitaban. No es solo una curiosidad técnica, sino una respuesta al enorme consumo energético de la inteligencia artificial. Al utilizar un refrigerante más cálido, las instalaciones pueden eliminar los enfriadores mecánicos que consumen mucha energía y los ruidosos ventiladores, lo que reduce los costes operativos de forma significativa. En climas favorables, este método puede incluso reducir el consumo de agua a casi cero. Para una industria donde la refrigeración suele representar el 40% del uso total de electricidad, este cambio marca un camino práctico hacia la eficiencia, transformando los centros de datos en instalaciones más compactas y eficientes. El propio consejero delegado de NVIDIA, Jensen Huang, sostuvo al presentar la arquitectura en el CES de enero de 2026 que generalizar este enfoque permitiría ahorrar en torno al 6% de toda la energía que consumen los centros de datos del mundo.

¿En qué consiste la refrigeración a 45 grados?

La nueva infraestructura de IA de la generación NVIDIA Rubin es, según NVIDIA, la primera en lograr una refrigeración líquida al 100%. Esto significa que cada chip y cada componente de red se enfría exclusivamente mediante líquido en un circuito cerrado, sin necesidad de ventiladores en ninguna parte del sistema. La clave de este avance reside en que el líquido refrigerante puede entrar en los servidores a una temperatura de hasta 45 grados Celsius (113 grados Fahrenheit), una cifra contraintuitiva que, sin embargo, es el motor de su eficiencia. La explicación es doble: el líquido absorbe el calor mucho mejor que el aire, así que no necesita estar frío para mantener el chip a salvo; y, al circular ya caliente, ese calor puede expulsarse al aire exterior con simples radiadores, sin gastar electricidad en enfriadoras que lo enfríen antes. Dicho de otro modo, el agua caliente no enfría más, pero permite deshacerse del calor casi gratis.

Este sistema se basa en el diseño de referencia NVIDIA DSX, una guía que establece las mejores prácticas para construir y operar estas modernas «fábricas de IA». A diferencia de los métodos tradicionales, donde se requiere aire muy frío para mantener el silicio a raya, los procesadores Rubin utilizan placas frías que se asientan directamente sobre los chips. El líquido refrigerante absorbe el calor directamente en la fuente. Aunque el refrigerante entra a 45 grados, sale más caliente tras recoger el calor del procesador, manteniendo el rendimiento al máximo nivel sin degradación.

Al eliminar los ventiladores, también desaparece uno de los mayores problemas ambientales de los centros de datos: el ruido. Las instalaciones convencionales, llenas de ventiladores, pueden ser tan ruidosas que obligan a usar protección auditiva. La arquitectura Rubin cambia este panorama, permitiendo un entorno de trabajo mucho más silencioso y eliminando la necesidad de los complejos pasillos de aire frío y caliente que dictan el diseño actual de los edificios.

¿Por qué importa y qué cambia en la industria?

El impacto económico y ambiental de elevar la temperatura del refrigerante es masivo. Según las cifras de NVIDIA, una instalación de 50 megavatios que adopte su sistema de refrigeración líquida puede ahorrar más de 4 millones de dólares al año en electricidad y agua.

El anuncio, sin embargo, tiene perdedores. Cuando Jensen Huang reveló en el CES que Vera Rubin no necesitaría enfriadoras mecánicas, las acciones de varios fabricantes de climatización se desplomaron ese mismo día: Modine cayó un 7,5%, Johnson Controls un 6,2%, Trane un 5,3% y Carrier un 1%, según DataCenter Dynamics. Varios analistas matizaron que la reacción fue exagerada, porque el sistema sigue necesitando refrigeración líquida, un terreno en el que firmas como Vertiv mantienen una posición fuerte. Y conviene recordar que, por ahora, es una promesa de arquitectura: Vera Rubin no llegará hasta la segunda mitad de 2026.

Las implicaciones reales incluyen:

  • Consumo de agua casi nulo: En climas adecuados, se pueden usar enfriadores secos (radiadores gigantes exteriores) que disipan el calor usando solo el aire ambiente, eliminando las torres de evaporación que consumen millones de galones de agua al año.
  • Mayor densidad de computación: Los servidores totalmente refrigerados por líquido ocupan menos espacio, lo que permite concentrar más potencia en el mismo edificio.
  • Recuperación de calor residual: El calor sobrante de las operaciones de IA puede reutilizarse para calentar edificios comerciales o residenciales cercanos, convirtiendo un desperdicio en un recurso.

Este cambio rompe con el mito de que un centro de datos eficiente debe sentirse como un congelador. Históricamente, si una sala de servidores no estaba gélida, se pensaba que algo iba mal. Sin embargo, la física demuestra que el líquido es mucho más eficaz que el aire para transportar energía térmica, permitiendo que los chips operen de forma segura incluso en entornos más cálidos.

Contexto y responsables del proyecto

Detrás de este desarrollo no solo está NVIDIA. El ecosistema tecnológico se está adaptando rápidamente para soportar esta transición obligatoria hacia el líquido. Motivair, la división de refrigeración avanzada de Schneider Electric, ha colaborado estrechamente con NVIDIA durante casi una década para anticiparse al momento en que el aire ya no fuera suficiente. Según Richard Whitmore, CEO de Motivair, el enfriamiento líquido dejó de ser opcional cuando la potencia por chip superó ciertos límites críticos.

Ali Heydari, director de infraestructura y refrigeración de centros de datos en NVIDIA, destaca que el diseño DSX permite eliminar cantidades masivas de uso de energía y prácticamente todo el consumo de agua. «Con diseños basados en enfriadores secos, es un sistema de circuito cerrado sin enfriamiento por evaporación», explica Heydari, señalando que los sistemas de refrigeración mecánica solo serían necesarios un 1% del año en ciertos climas.

¿Qué significa esto para el futuro?

La adopción de la plataforma Rubin y su refrigeración a 45 grados marca el inicio de una era donde la ubicación geográfica de los centros de datos será menos determinante para su factura eléctrica. Aunque un centro en las Tierras Altas de Escocia tendrá más facilidad para usar el aire exterior que uno en Phoenix, Arizona, la capacidad de trabajar con líquidos más calientes acerca a todos los operadores al ideal de funcionamiento sin refrigeración mecánica.

A medida que la demanda de tareas de IA crece, la infraestructura debe desacoplar ese crecimiento del consumo de recursos. La refrigeración líquida no es solo una mejora incremental; se perfila como una pieza necesaria para que el crecimiento de la inteligencia artificial a gran escala no dispare el consumo de recursos. El futuro de la IA no es frío y ruidoso, sino cálido y silencioso.

Cisco compra WideField Security para vigilar a los agentes de IA que actúan solos

0

Cisco ha anunciado su intención de adquirir WideField Security, una operación con la que busca responder a uno de los grandes problemas de seguridad en la era de los agentes de inteligencia artificial. A medida que las empresas despliegan sistemas autónomos que operan a velocidad de máquina, los perímetros de seguridad tradicionales se quedan cortos.

El anuncio lo firma Kamal Hathi, vicepresidente sénior y director general de Splunk (compañía de Cisco), y es por ahora una declaración de intenciones: la operación aún no está cerrada y no se han revelado las condiciones económicas. Sobre el papel, la compra busca integrar la tecnología de WideField en Splunk, permitiendo a las organizaciones monitorizar y correlacionar la actividad de identidades tanto humanas como artificiales en tiempo real. Lo que está en juego no es solo evitar accesos no autorizados, sino supervisar que los propios agentes de IA, incluso cuando tienen permiso para actuar, no realicen operaciones inseguras por error o manipulación. En un contexto donde la automatización es la norma, Cisco refuerza su infraestructura para dar a las empresas una forma de vigilar en tiempo real qué hacen las identidades, humanas y artificiales, que operan en sus redes.

¿En qué consiste la tecnología de WideField Security?

La propuesta técnica de WideField Security se centra en la normalización y correlación de datos complejos procedentes de múltiples fuentes. Su tecnología permite unificar lo que se conoce como telemetría de identidad, que consiste en el registro detallado de quién hace qué, cuándo y bajo qué autoridad dentro de una red corporativa. Al integrarse con las herramientas de Splunk, una compañía de Cisco, esta solución facilita que los centros de operaciones de seguridad (SOC) comprendan el contexto completo de una sesión de trabajo.

Esto significa que el sistema no solo mira si una contraseña es correcta, sino que analiza si el comportamiento de un usuario humano o de un agente de IA es coherente con su función habitual. El verdadero riesgo, insiste Cisco, ya no es solo que entre un intruso, sino que un agente con permisos legítimos ejecute una acción dañina en el contexto equivocado, y a velocidad de máquina, antes de que un humano pueda intervenir. La tecnología de WideField ayuda a ensamblar señales a nivel de sesión, lo que permite a los analistas de seguridad distinguir entre una acción legítima y una potencialmente maliciosa que podría estar ocultándose tras una identidad autorizada. Además, esta inteligencia se incorporará al denominado Cisco Data Fabric, reforzando la estructura de datos que las empresas utilizan para gestionar su información de manera segura y eficiente.

¿Por qué importa este cambio en la seguridad?

La llegada de la IA agéntica, donde los sistemas no solo responden preguntas sino que ejecutan tareas de forma autónoma, ha introducido riesgos que las defensas convencionales no pueden detectar a tiempo. Estos agentes operan a lo que los expertos denominan velocidad de máquina, lo que implica que cualquier error o acción malintencionada puede causar daños significativos antes de que un equipo humano tenga capacidad de reacción. El problema ya no es solo evitar que un extraño entre en el sistema, sino controlar el radio de impacto (o blast radius) de las acciones que realizan las entidades que ya tienen permiso para estar dentro.

La seguridad moderna debe gestionar no solo a personas, sino también a identidades no humanas como cuentas de servicio, cargas de trabajo automatizadas y agentes inteligentes. Para afrontar este nuevo escenario, Cisco propone un enfoque basado en tres pilares fundamentales:

  • Proteger a los agentes frente a manipulaciones externas mediante reglas operativas claras.
  • Proteger el entorno corporativo de los propios agentes, asegurando que sus acciones sean responsables y estén limitadas a lo estrictamente necesario.
  • Detectar y responder a las amenazas de forma automatizada, mitigando los impactos de agentes comprometidos o que no funcionan correctamente.

Contexto y empresas implicadas

La compra encaja en la racha compradora de Cisco en ciberseguridad: es, según SecurityWeek, su tercera operación del sector en lo que va de 2026, tras las de Galileo y Astrix Security, consolidando una plataforma que abarca desde la identidad hasta el comportamiento en tiempo real. Según ha explicado Kamal Hathi, vicepresidente senior y director general de Splunk, el objetivo es permitir que las detecciones se traduzcan en decisiones basadas en evidencias, ayudando a los equipos de seguridad a investigar con confianza.

La integración de estas tecnologías es fundamental para que las organizaciones puedan escalar sus proyectos de IA con control y visibilidad. Aunque todavía se trata de una intención de adquisición sujeta a los procesos habituales de cierre, la hoja de ruta está clara: unificar la telemetría de puntos finales, redes y nubes para que los flujos de trabajo de seguridad impulsados por IA dispongan de datos precisos y deterministas.

¿Qué significa esto para el futuro?

La integración de la seguridad y la inteligencia artificial marca el inicio de una etapa donde la confianza no será estática, sino dinámica y basada en el comportamiento continuo. Para las empresas, esto se traduce en la posibilidad de adoptar herramientas de automatización avanzada con la tranquilidad de que existe una red de seguridad capaz de actuar tan rápido como la propia tecnología. El futuro de la ciberseguridad corporativa parece alejarse de las simples barreras de acceso para centrarse en entender qué hace cada identidad dentro de la red. Y deja una paradoja de fondo: la respuesta al riesgo que plantean los agentes de IA pasa, cada vez más, por poner a otros agentes de IA a vigilarlos.