La nueva versión del modelo intermedio acerca las capacidades de los sistemas más avanzados de la compañía a un costo considerablemente menor. El lanzamiento confirma que la nueva competencia entre laboratorios de inteligencia artificial gira alrededor de los agentes autónomos y no únicamente de los chatbots. La carrera por construir agentes de inteligencia artificial acaba de sumar un nuevo competidor. Anthropic anunció Claude Sonnet 5, una actualización de su familia de modelos Sonnet que busca ofrecer capacidades cercanas a las de Opus 4.8, el sistema más avanzado de la empresa, pero con un costo significativamente menor y un perfil de seguridad diseñado para facilitar su adopción masiva. La compañía define al nuevo modelo como el Sonnet "más agentic" desarrollado hasta ahora. En términos prácticos, significa que puede planificar tareas, utilizar herramientas externas como navegadores web y terminales, ejecutar procesos de manera autónoma y completar flujos de trabajo que hace apenas unos meses requerían modelos considerablemente más grandes y costosos. El lanzamiento representa un cambio importante dentro de la estrategia de Anthropic. Durante los últimos meses, las mayores mejoras en capacidades autónomas habían estado concentradas en la familia Opus. Con Sonnet 5, esas funciones comienzan a llegar a un segmento mucho más amplio del mercado. Según Anthropic, el modelo mejora respecto a Sonnet 4.6 en razonamiento, programación, utilización de herramientas y trabajo basado en conocimiento. Las pruebas internas muestran un desempeño cercano al de Opus 4.8 en diversas evaluaciones de agentes inteligentes, aunque manteniendo un precio sustancialmente inferior. La empresa también sostiene que las evaluaciones de seguridad muestran un comportamiento más robusto que el de la generación anterior. Sonnet 5 presenta una menor incidencia de conductas indeseadas y una capacidad considerablemente más reducida para realizar tareas avanzadas de ciberseguridad que los modelos Opus, una diferencia que Anthropic considera importante para facilitar su despliegue generalizado. Desde el punto de vista comercial, la estrategia resulta igualmente agresiva. Claude Sonnet 5 pasa a convertirse en el modelo predeterminado para los usuarios de los planes Free y Pro, además de estar disponible para clientes Max, Team y Enterprise. En la API de Anthropic tendrá un precio promocional de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida hasta el 31 de agosto de 2026. Posteriormente, los costos aumentarán a 3 dólares y 15 dólares, respectivamente. La reducción de costos responde a una dinámica que ya domina la industria. Las empresas ya no buscan únicamente modelos capaces de responder preguntas, sino sistemas que puedan ejecutar proyectos completos con mínima supervisión humana: escribir código, navegar por aplicaciones, investigar información, coordinar múltiples herramientas y verificar sus propios resultados. Anthropic sostiene que los primeros usuarios detectaron precisamente ese comportamiento. Según la compañía, Sonnet 5 logra finalizar tareas complejas que versiones anteriores dejaban inconclusas y, además, revisa su propio trabajo sin necesidad de instrucciones adicionales. Sonnet 5 intenta ocupar el espacio donde convergen rendimiento, precio y seguridad, acercando funciones antes reservadas para modelos premium a una base de usuarios mucho más amplia. Lea también: Informe de Fortinet revela que la madurez de la seguridad en OT está mejorando, pero el riesgo sigue acelerándose

Con una proyección de más de 1,2 millones de visitantes internacionales, una asistencia estimada de 6,5 millones de espectadores y gasto de más de US$8.000 millones que realizarán los turistas según Expedia Group y Predict HQ, la Copa Mundial de la FIFA 2026 no solo será uno de los eventos deportivos más grandes de la historia. También pondrá a prueba la infraestructura digital que soporta millones de búsquedas, pagos y reservas de viaje en Estados Unidos, Canadá y México, realizadas desde América Latina. Pero, ¿qué ocurre realmente durante esos segundos entre hacer clic en "Comprar" y recibir la confirmación de una reserva? Aunque para el usuario parezca un proceso instantáneo, detrás de una compra ocurre una cadena de validaciones que involucra múltiples empresas y sistemas tecnológicos. Primero, la solicitud sale del celular o computador del usuario y viaja a través de redes de telecomunicaciones hasta llegar a la plataforma donde se realiza la reserva. Después, los sistemas verifican en tiempo real que el vuelo, la habitación de hotel o el servicio seleccionado sigan disponibles. Al mismo tiempo, la plataforma se comunica con la entidad financiera para validar el pago, mientras herramientas de seguridad analizan la operación para detectar posibles riesgos o intentos de fraude. Toda esta información es procesada en centros de datos, instalaciones especializadas donde miles de servidores intercambian datos entre aerolíneas, hoteles, bancos y plataformas digitales. Gracias a esta infraestructura, todas las verificaciones ocurren en apenas unos segundos. Cuando cada uno de estos sistemas responde correctamente, la reserva queda registrada y la confirmación regresa a la pantalla del usuario. "Eventos de la escala del Mundial evidencian cómo la infraestructura digital se ha convertido en un componente crítico para la economía del turismo. Cada búsqueda, reserva o pago activa una cadena de interacciones entre múltiples plataformas, proveedores y sistemas distribuidos geográficamente. El reto ya no es únicamente procesar grandes volúmenes de información, sino garantizar que esa experiencia ocurra sin fricciones, incluso cuando millones de personas realizan las mismas acciones de manera simultánea", explica Alexander Gutiérrez, Country Manager de IFX en Guatemala. Lo que para el viajero parece una acción sencilla es, en realidad, el resultado de una coordinación permanente entre redes de telecomunicaciones, centros de datos, plataformas digitales y entidades financieras que operan de manera sincronizada. Cuando alguno de estos componentes falla, los usuarios suelen percibirlo de inmediato. Una página que tarda demasiado en cargar, una reserva que no se confirma, una transacción rechazada o una aplicación que deja de responder son señales visibles de una cadena tecnológica que encontró una interrupción en algún punto de su recorrido. Para millones de aficionados, el Mundial comenzará cuando entren a un estadio. Pero mucho antes de que ruede el balón, existe una infraestructura tecnológica trabajando detrás de cada búsqueda, cada pago y cada reserva para que el viaje sea posible. "Este evento es una muestra de cómo la economía digital funciona hoy a escala global. Detrás de millones de decisiones cotidianas existe una infraestructura que conecta personas, empresas y servicios en tiempo real. A medida que aumenta la dependencia de los canales digitales, la capacidad de garantizar disponibilidad, seguridad y continuidad deja de ser una ventaja competitiva para convertirse en un requisito fundamental para cualquier organización", concluyó Gutiérrez. Le puede interesar: La IA redefine cómo se vive el fútbol, pero la confianza se construye con gobernanza y ciberseguridad

Llegó el segundo especial de Visión Connecta, en esta oportunidad sobre el nuevo rol estratégico del CIO, las problemáticas y desafíos actuales de la posición, su influencia en la toma de decisiones y cómo están impulsando innovación real dentro de sus organizaciones. Con la participación de Keiry Zapata, CIO de DLC, y Alejandra Romero, de la Cámara de Comercio de Costa Rica. Visión Connecta es el nuevo espacio de programas temáticos en vivo desarrollado por Connecta B2B para sus tres comunidades: IT NOW, Mercados & Tendencias y Construir, pensado para ofrecer contenido editorial de alto valor, fortalecer la conexión con audiencias segmentadas y generar nuevas oportunidades comerciales alineadas a las demandas del mercado actual. Bajo un formato de streaming de alto valor, y conducido por el equipo periodístico de IT NOW, este espacio busca conectar a tomadores de decisión del mundo tecnológico con temas que impulsan el cambio, la eficiencia y la competitividad empresarial. Este formato integra: Un informe editorial exclusivo, elaborado por nuestros editores, con análisis, datos y fuentes especializadas. Charlas técnicas con referentes de la industria. Paneles de discusión con líderes de organizaciones y academia. Hoy, estrenamos el segundo episodio, en este caso dedicado a la figura del CIO como agente de cambio. Recorremos su nuevo rol estratégico, las problemáticas y desafíos actuales de la posición, su influencia en la toma de decisiones y cómo están impulsando innovación real dentro de sus organizaciones. Con la participación de Keiry Zapata, CIO de DLC, y Alejandra Romero, de la Cámara de Comercio de Costa Rica. Vea el segundo especial de Visión Connecta IT NOW: CIOs como agentes de cambio Visión Connecta IT NOW volverá en agosto, con un tercer programa donde pondremos el foco en la tecnología del sector público. Lo esperamos. Le puede interesar: Llegó Visión Connecta IT NOW, el nuevo programa de streaming con especiales sobre la actualidad tech de la región

Basado en una encuesta global realizada a más de 700 profesionales en tecnología operacional, el reporte realza un mercado que es cada vez más realista acerca de la madurez de la ciberseguridad de OT, más alerta hacia intrusiones y más dedicado en cumplir los requerimientos regulatorios. Fortinet anunció la publicación del Reporte sobre el estado de Tecnología Operacional 2026 de Fortinet. La encuesta global muestra que las organizaciones latinoamericanas están siendo mucho más diligentes al enfrentar estos riesgos. “En los últimos años, la seguridad dirigida tecnología operacional (OT) ha pasado de ser una preocupación de departamentos especializados a una prioridad de negocio a nivel de las juntas directivas. Las organizaciones industriales operan ahora bajo sistemas interconectados, acceso remoto, analíticas basadas en la nube, y ambientes TI/OT unificados para sostener la producción. Si bien esta conectividad ofrece eficiencia y resiliencia, representa también una expansión en la superficie de ataque para grupos de ranswomware y actores estatales”, aseguró Richard Springer, director sénior de Mercadeo de Producto para OT en Fortinet. La buena noticia es que muchas organizaciones están progresando. Sin embargo, el reto reside en que los niveles de madurez varían, con muchos ambientes de OT enfrentando aun grandes problemas relacionados a visibilidad, segmentación, seguridad de acceso remoto, respuesta a incidentes y seguridad de arquitectura estandarizada. La responsabilidad sobre la seguridad de OT es un asunto de la alta dirección Una de las señales más claras sobre la madurez de OT en los últimos años, ha sido el escalamiento de la responsabilidad sobre la ciberseguridad de entornos operativos hacia el liderazgo sénior. El 81% de los encuestados planea asignar la ciberseguridad de OT al CISO durante el próximo año, un incremento del 80% respecto al 2025. La conclusión es clara: los entornos OT han dejado de ser responsabilidad únicamente de las plantas operativas o los equipos de ingeniería. En su lugar, ahora demanda una gestión más coordinada, que involucre seguridad, operaciones, manejo de riesgos, cumplimiento regulativo y liderazgo ejecutivo. Las calificaciones en cuanto a madurez son cada vez más realistas El reporte 2026 revela un cambio significativo en cómo las organizaciones evalúan su nivel de madurez en ciberseguridad para OT. En años anteriores, los encuestados usualmente clasificaban sus programas con una calificación alta. Sin embargo, al tiempo que los equipos de TI/OT han ido adquiriendo más presupuesto, implementando más herramientas y mejorado la visibilidad, muchas organizaciones ahora entienden en dónde necesitan mejorar sus defensas. El cambio está reflejado en los datos. Los encuestados en Nivel 0, indicando procesos de ciberseguridad desorganizados o no documentados, aumentó de 1% en 2025 a 5% en 2026. Nivel 1 creció de 5% a 17% y el Nivel 2 aumentó de 13% a 27%. En cambio, Nivel 4, que representa a los programas de ciberseguridad más avanzados, experimentó una caída exponencial de 49% a 17%. De entrada, esto podría percibirse como una regresión, pero es más bien una corrección. Al tiempo que los equipos ganan experiencia, acceden a mejores herramientas y aumenta la colaboración entre seguridad de IT y OT, las brechas que antes se mantenían ocultas, se hacen evidentes. Para muchas organizaciones, la madurez comienza con una evaluación más honesta de los riesgos. El mismo patrón aparece en la madurez para las soluciones de OT. Nivel 4, se redujo de 19% a 14%, mientras que los Niveles 0 y 1 incrementaron. Esto resalta un reto común: muchas organizaciones están aún estableciendo los principios fundamentales de seguridad de OT, como visibilidad de activos, segmentación de redes, acceso remoto seguro, monitoreo y respuesta. Las intrusiones están siendo detectadas con mayor frecuencia El reporte resalta también un cambio importante en el reporteo de intrusiones. La cantidad de encuestados reportando múltiples intrusiones incrementó, con 71% reportando entre una y nueve, un aumento de 47% con respecto al año pasado. Mientras tanto, la cantidad de organizaciones reportando más de 10 intrusiones se mantuvo en 2%. Esto no implica necesariamente que todas las organizaciones experimenten ataques con mayor frecuencia, sino que más organizaciones están ahora más consientes de lo que está pasando en sus entornos. En seguridad para OT, la frase “ninguna intrusión detectada” puede ser engañosa cuando la visibilidad se encuentra limitada. Capacidades de detección mejoradas, resultan usualmente en un incremento de incidentes reportado, aún cuando al final reduzcan el riesgo. El reporte, encontró también señales esperanzadoras. Tan solo 24% de los encuestados expresó que tanto sistemas IT como sistemas OT, experimentaron intrusiones, un importante decrecimiento de 60% en 2025, a y el más bajo desde 2023. Esto indica que probablemente existe mejor segmentación entre ambos ambientes, lo cual ayuda a limitar la expansión de los ataques. Aun así, el panorama de amenaza continúa siendo grave. Phishing sigue siendo la intrusión más reportada con 76%, y ransomware sigue siendo una gran preocupación con 50%. Si bien, el ransomware bajó un poco de 54% detectado en 2025, su potencial impacto en la producción, seguridad, ganancias, e infraestructura crítica, lo mantiene como un eje principal dentro de la planeación de riesgos para OT. El tiempo de permanencia sigue representando una señal de alerta El tiempo de permanencia de los atacantes es crucial en ciberseguridad, ya que indica cuanto tiempo permanece un intruso sin ser detectado dentro de la red. La presencia prolongada de un atacante dentro de un sistema incrementa su habilidad de ejecutar acciones de vigilancia, extraer propiedad intelectual, planear ataques de ransomware, interrumpir operaciones y planear acciones futuras. El reporte 2026 indica que, si bien categorías relacionadas a un tiempo de permanencia corto se han estabilizado, los tiempos de permanencia que van de semanas a meses han incrementado. Esto es particularmente preocupante para los ambientes de OT. Los sistemas industriales incluyen casi siempre equipos de legado, protocolos especializados y requisitos de tiempo de actividad, lo cual puede complicar respuestas rápidas en comparación con ambientes típicos de TI. Reducir el tiempo de permanencia requiere más que simple monitoreo. Las organizaciones deben contar con visibilidad consiente de OT, inteligencia de amenazas, segmentación de redes, acceso remoto seguro y planeación de respuesta a incidentes que considere el impacto operacional, la seguridad y continuidad de la producción y a la infraestructura crítica. La presión regulatoria se está acelerando Los líderes de OT anticipan un ambiente regulatorio más demandante. El ochenta y nueve por ciento de los encuestados espera que la regulación incremente en los próximos cinco años o menos, un incremento significativo de 66% en 2025. El reporte, resalta también, un incremento porcentual de 20 puntos en los encuestados que esperan nuevas regulaciones dentro de un periodo de entre dos y cinco años, en lugar de más de cinco años. Esto es importante ya que la ciberseguridad de OT está íntimamente ligada infraestructura crítica, reporte de incidentes, seguridad de datos, seguridad pública, y continuidad de negocio. Los requerimientos regulatorios ya no son consideraciones futuras, son realidades operacionales inmediatas. Las organizaciones que retrasen la acción hasta que los requerimientos hayan sido expedidos, corren el riesgo de quedarse atrás. Aquellas que comiencen ahora pueden aprovechar los esfuerzos de cumplimiento regulatorio para incrementar la resiliencia de las redes, mejorar el reporteo, reducir el riesgo y modernizar las operaciones de seguridad. La visibilidad ha mejorado, pero las brechas permanecen La visibilidad sigue siendo la piedra angular de la seguridad de OT. Sin un entendimiento claro de los activos, los flujos de comunicación, usuarios, aplicaciones y dependencias no pueden segmentar redes, identificar actividad anormal, o establecer prioridades de respuesta de manera efectiva. El reporte 2026 indica que existe un progreso, con el porcentaje de encuestados que tienen visibilidad completa de los entornos de OT incrementando de 5% en 2025 a 14% en 2026. Esto representa una mejora significativa. Sin embargo, el reporte también reveló que muchas organizaciones aún carecen de visibilidad completa. Aproximadamente el 23% de los encuestados solo tienen visibilidad de la mitad de sus entornos de OT. Esto quiere decir que muchos equipos de seguridad están defendiendo estos ambientes sin visibilidad completa. La modernización está cambiando el panorama de OT El reporte demuestra que las organizaciones están actualizando sus sistemas de control industriales. Cuarenta por ciento de los encuestados reportó que sus sistemas ICS tienen menos de cinco años de antigüedad, un incremento del 20% con respecto a 2025. Esto refleja una tendencia de modernización, enfocada en aumentar la confiabilidad, rendimiento y seguridad. Si bien, la modernización puede ayudar a reducir el riesgo, requiere un manejo cuidadoso. Los sistemas nuevos usualmente aumentan la conectividad, la transferencia de datos, el acceso remoto y la integración con plataformas de TI y nube. Como resultado, la seguridad debería estar integrada a las estrategias de modernización desde el inicio, en lugar de ser incorporada después. Para las organizaciones que aún operan con sistemas de legado, el reporte señala la necesidad de una disciplina de parcheo estricta, controles compensatorios, monitoreo continuo y segmentación. La presión en cuanto a costos permea en las decisiones de seguridad Por último, el reporte resalta un cambio en cómo las organizaciones evalúan el éxito de la ciberseguridad. Para 2026, la reducción y evitación de costos se han convertido en las métricas principales. La productividad, continúa siendo también el principal foco. Esto es comprensible. Los líderes de OT enfrentan presión para justificar las inversiones de seguridad. Pero el ahorro de costos, o debería afectar la resiliencia. Dentro de la configuración para ambientes de OT, inversión insuficiente puede resultar en tiempo fuera de producción, riesgos de seguridad, problemas de cumplimiento regulatorios, pérdida de ganancias e irrupciones físicas. El caso de uso más fuerte para la seguridad de OT no reside en únicamente reducir el ciber riesgo, si no en asegurar la continuidad operativa. Cinco prácticas para ayudar a las organizaciones a madurar más rápido El reporte concluye con algunas recomendaciones prácticas para mejorar la ciberseguridad de OT, incluyendo: Segmentar y micro segmentar las redes de TI y OT para minimizar el movimiento lateral y limitar el impacto de los ataques. Usar acceso remoto seguro para brindar soporte a proveedores y terceros sin depender de métodos de acceso amplios y persistentes. Integrar OT dentro de la planeación de operaciones de seguridad y respuesta a incidentes para que los equipos puedan responder a los ciber incidentes sin descuidar las realidades de producción y seguridad. Invertir en inteligencia de amenazas específica para OT que involucre protocolos industriales, amenazas específicas por sector y comportamiento de activos de OT. Considerar un enfoque de plataforma para simplificar las operaciones, realzar la visibilidad, centralizar el control y facilitar respuestas más rápidas y coordinadas. Estas prácticas apuntan hacia un mismo principio: la ciberseguridad para OT no puede resolverse con herramientas y equipos aislados. Por el contrario, demanda un enfoque unificado que involucre personas, procesos y tecnología desplegada tanto para ambientes de TI como ambientes de OT. El Reporte sobre el Estado de Tecnología Operacional y Ciberseguridad resalta un mercado en transición. Al tiempo que la seguridad para OT madura, el panorama de amenazas evoluciona. Problemas como el Ransomware, phishing, tiempo de permanencia, visibilidad limitada, y arquitecturas de seguridad fragmentadas continúan representando retos significativos. Afortunadamente las organizaciones están mejorando la visibilidad, reevaluando su madurez de una manera más honesta, preparándose para la regulación e invirtiendo en capacidades de seguridad más avanzadas. Le puede interesar: Por qué el éxito de la IA empresarial hoy depende del runtime y no de los modelos

La magnitud del evento también representa un desafío tecnológico. Durante grandes acontecimientos deportivos, empresas de telecomunicaciones, bancos, comercios electrónicos, plataformas digitales y medios de comunicación suelen experimentar incrementos significativos en el tráfico de datos y en la demanda de atención al cliente. Arrancó el Mundial y este año promete ser mucho más que una competencia deportiva. Con 48 selecciones participantes, 104 partidos y una audiencia estimada de más de 5 mil millones de personas a nivel global, el torneo se perfila como uno de los eventos más conectados y digitales de la historia, donde la inteligencia artificial generativa (GenAI) desempeñará un papel fundamental en la forma en que aficionados, empresas y organizaciones interactúan con la información en tiempo real. Desde asistentes virtuales que responden preguntas sobre partidos y jugadores hasta la generación automática de contenido, análisis predictivos y herramientas avanzadas de ciberseguridad, la IA generativa está transformando la manera en que las organizaciones gestionan grandes volúmenes de datos y ofrecen experiencias personalizadas a millones de usuarios de forma simultánea. Según la consultora IDC, el gasto mundial en soluciones de inteligencia artificial superará los 630 mil millones de dólares para 2028, impulsado por la creciente adopción de herramientas generativas en sectores como servicios financieros, telecomunicaciones, comercio minorista y medios de comunicación. En América Latina, IDC proyecta que la inversión en IA mantendrá tasas de crecimiento de doble dígito durante los próximos años, consolidándose como una de las principales prioridades tecnológicas de las organizaciones. “Para Centroamérica y el Caribe, donde sabemos que la digitalización continúa acelerándose, este evento deportivo representa una oportunidad para que empresas y organismos públicos aprovechen el potencial de estas tecnologías para mejorar la atención al cliente, optimizar procesos operativos y fortalecer la seguridad digital”, señaló Martha Ardila Country Manager Red Hat Centro América y Caribe. La nueva experiencia del aficionado La inteligencia artificial generativa permitirá a medios de comunicación, plataformas deportivas y marcas ofrecer experiencias más personalizadas durante el torneo. Entre las aplicaciones más relevantes destacan: Resúmenes automáticos de partidos en tiempo real. Traducción instantánea de contenidos a múltiples idiomas. Chatbots especializados para responder preguntas sobre resultados, estadísticas y calendarios. Recomendaciones personalizadas de contenido según las preferencias de cada usuario. Generación automática de videos, gráficos y análisis deportivos. La FIFA ya ha incorporado herramientas de inteligencia artificial en competiciones recientes para mejorar el análisis de datos y la experiencia digital de los aficionados, una tendencia que se espera se amplíe significativamente durante el Mundial 2026. El reto de gestionar millones de interacciones La magnitud del evento también representa un desafío tecnológico. Durante grandes acontecimientos deportivos, empresas de telecomunicaciones, bancos, comercios electrónicos, plataformas digitales y medios de comunicación suelen experimentar incrementos significativos en el tráfico de datos y en la demanda de atención al cliente. La IA generativa puede ayudar a automatizar consultas, agilizar procesos y mejorar la experiencia de los usuarios sin necesidad de aumentar proporcionalmente los recursos operativos. "Eventos globales como éste nos dejan ver la capacidad de las organizaciones para responder de manera rápida, segura y eficiente a millones de interacciones simultáneas. La inteligencia artificial generativa puede convertirse en un aliado estratégico para mejorar la experiencia digital, siempre que se implemente sobre plataformas confiables y escalables", señaló Ardila. Ciberseguridad: una prioridad durante los grandes eventos Los eventos deportivos de alcance global también suelen atraer un aumento en las amenazas digitales. Según el informe 2025 Global Threat Landscape Report de Fortinet, América Latina continúa siendo una de las regiones más atacadas por los ciberdelincuentes, registrando miles de millones de intentos de ataque cada año. En este contexto, la inteligencia artificial puede utilizarse para identificar anomalías, detectar fraudes, automatizar respuestas a incidentes y fortalecer la resiliencia de las operaciones digitales. De acuerdo con IBM, el costo promedio global de una brecha de datos alcanzó los 4.88 millones de dólares en 2024, lo que subraya la importancia de combinar innovación con estrategias sólidas de protección de datos y gestión de riesgos. La importancia de una plataforma abierta para la IA A medida que las organizaciones incorporan capacidades de inteligencia artificial generativa, también enfrentan desafíos relacionados con la gobernanza, la privacidad de los datos y la interoperabilidad entre distintos entornos tecnológicos. Para Red Hat, el éxito de estas iniciativas depende de contar con plataformas abiertas que permitan desarrollar, implementar y gestionar aplicaciones de IA de forma consistente en entornos híbridos y multicloud. Soluciones como Red Hat OpenShift AI permiten a las organizaciones trabajar con modelos abiertos y propietarios, gestionar el ciclo de vida de las aplicaciones de inteligencia artificial y escalar operaciones manteniendo el control sobre los datos. Asimismo, tecnologías como Red Hat Ansible Automation Platform ayudan a automatizar tareas complejas y optimizar recursos en escenarios de alta demanda. "El verdadero valor de la inteligencia artificial no está únicamente en los modelos, sino en la capacidad de ejecutarlos de manera segura, flexible y eficiente en cualquier entorno. Las organizaciones necesitan plataformas que les permitan innovar sin comprometer el control, la seguridad o el cumplimiento regulatorio", agregó Ardila. Un legado que irá más allá del torneo Si bien el Mundial 2026 será uno de los mayores escaparates para la inteligencia artificial generativa, las capacidades desarrolladas para gestionar este tipo de eventos tendrán aplicaciones de largo plazo en sectores como banca, salud, educación, gobierno y comercio. Para Centroamérica y el Caribe, la combinación de inteligencia artificial, automatización y nube híbrida representa una oportunidad para acelerar la transformación digital, impulsar la innovación y fortalecer la competitividad de las organizaciones en una economía cada vez más impulsada por los datos. Le puede interesar: ¿Qué hace diferente a un gobierno digital de uno simplemente digitalizado?

El lanzamiento confirma el auge de una nueva generación de plataformas capaces de transformar instrucciones en lenguaje natural en aplicaciones funcionales. Base44, la plataforma de creación de aplicaciones que Wix compró por 80 millones de dólares el año pasado, acaba de lanzar su primer modelo propietario, Base One. Se trata de una base de código abierto optimizada y entrenada con decenas de millones de interacciones reales de usuarios, y su fundador, Maor Shlomo, apuesta a que un modelo especializado y específico superará a los modelos de vanguardia en la creación de aplicaciones. Durante décadas, el desarrollo de software ha estado condicionado por una premisa aparentemente inamovible: para construir una aplicación era indispensable escribir código. La inteligencia artificial comenzó a cuestionar esa idea con asistentes capaces de sugerir funciones, completar líneas de programación o detectar errores. Ahora, una nueva generación de plataformas pretende ir mucho más lejos. Su objetivo ya no es ayudar a programar, sino hacer que programar deje de ser necesario. Ese cambio quedó reflejado en el crecimiento de Base44, una startup que en apenas unos meses pasó de ser un experimento impulsado por un solo fundador a convertirse en uno de los casos más comentados dentro del ecosistema de desarrollo impulsado por IA. La compañía, adquirida por Wix, representa una tendencia que empieza a redefinir la industria: la aparición de plataformas capaces de convertir una descripción escrita en lenguaje natural en aplicaciones completas listas para utilizar. El concepto, conocido como "vibe coding", propone una relación completamente distinta entre las personas y el software. En lugar de aprender lenguajes de programación, configurar servidores o integrar bases de datos, el usuario describe lo que necesita. La inteligencia artificial interpreta la intención, genera la interfaz, construye la lógica del negocio, configura la base de datos e incluso implementa funciones como autenticación, almacenamiento de archivos o integraciones con servicios externos. Base44 nació precisamente bajo esa premisa. La plataforma funciona sobre grandes modelos de lenguaje que orquestan automáticamente todas las capas necesarias para construir una aplicación moderna. El usuario interactúa mediante instrucciones conversacionales mientras el sistema traduce esas solicitudes en componentes funcionales, reduciendo drásticamente la complejidad técnica habitual del desarrollo de software. La diferencia respecto a generaciones anteriores de herramientas "low code" o "no code" es significativa. Esas plataformas todavía exigían comprender flujos de trabajo, componentes visuales y limitaciones técnicas. Base44 pretende ocultar prácticamente toda esa complejidad detrás de una conversación con un modelo de IA. El resultado es una democratización mucho más agresiva del desarrollo. Un diseñador, un analista financiero o un emprendedor sin conocimientos técnicos pueden construir prototipos funcionales en cuestión de minutos, algo que hasta hace poco requería equipos completos de ingeniería. Este fenómeno coincide con una aceleración sin precedentes del mercado de asistentes de programación. Microsoft continúa expandiendo GitHub Copilot; OpenAI impulsa herramientas especializadas para desarrollo sobre GPT; Anthropic posiciona Claude como uno de los modelos preferidos para programación compleja; Google integra Gemini en sus entornos de desarrollo, mientras startups como Replit, Bolt, Lovable y Cursor experimentan con interfaces cada vez más cercanas al lenguaje natural. Sin embargo, Base44 representa un cambio conceptual. Mientras muchas herramientas siguen pensando en desarrolladores profesionales, su propuesta elimina al programador como intermediario entre la idea y el producto. La adquisición por parte de Wix tampoco resulta casual. Durante años, la compañía israelí revolucionó la creación de sitios web permitiendo que cualquier usuario construyera páginas mediante interfaces visuales. La integración de Base44 amplía esa estrategia hacia un mercado mucho más ambicioso: aplicaciones empresariales completas creadas mediante inteligencia artificial. Desde una perspectiva de negocio, el movimiento tiene implicaciones relevantes. El desarrollo de software continúa siendo uno de los principales cuellos de botella para empresas de todos los tamaños. La escasez de talento especializado, los elevados costos salariales y los largos ciclos de desarrollo limitan la innovación de miles de organizaciones. Reducir ese proceso de meses a días, o incluso horas, modifica radicalmente la economía de crear software. No significa, sin embargo, que los desarrolladores vayan a desaparecer. Las aplicaciones empresariales siguen enfrentando desafíos relacionados con escalabilidad, seguridad, arquitectura, cumplimiento regulatorio y mantenimiento continuo. La IA puede automatizar gran parte del trabajo repetitivo, pero todavía resulta necesario contar con especialistas capaces de validar la calidad del producto, supervisar arquitecturas complejas e intervenir cuando aparecen requisitos altamente específicos. Lea también: El auge del gasto político de la industria de la IA

Digitalizar formularios o trasladar trámites al entorno online es apenas el comienzo. La verdadera transformación ocurre cuando la tecnología redefine la forma en que el Estado opera, toma decisiones y genera valor para los ciudadanos. Muchos gobiernos se consideran digitales porque han implementado portales web, aplicaciones móviles o sistemas electrónicos para realizar trámites. Sin embargo, la diferencia entre un gobierno digital y uno simplemente digitalizado es mucho más profunda. La digitalización consiste en convertir procesos analógicos en procesos electrónicos. Un formulario en papel que pasa a completarse en línea es un ejemplo claro. Aunque representa una mejora, no necesariamente transforma la experiencia ciudadana ni la eficiencia institucional. Un gobierno digital, en cambio, replantea integralmente la forma en que funciona el Estado. Utiliza la tecnología como un habilitador estratégico para rediseñar procesos, integrar instituciones, aprovechar datos y ofrecer servicios centrados en las necesidades de las personas. Según la Organización para la Cooperación y el Desarrollo Económicos (OCDE), los gobiernos digitales son aquellos que utilizan tecnologías y datos para generar valor público, promover la transparencia, fortalecer la participación ciudadana y mejorar continuamente la calidad de los servicios. La diferencia puede observarse en aspectos concretos. En un Estado digitalizado, el ciudadano sigue siendo responsable de navegar múltiples organismos y aportar información repetidamente. En un gobierno digital, las instituciones comparten datos de manera segura, los procesos están integrados y los servicios se organizan alrededor de las necesidades de las personas, no de las estructuras burocráticas. La interoperabilidad constituye uno de los elementos fundamentales de esta evolución. Cuando los sistemas gubernamentales pueden comunicarse entre sí, los ciudadanos dejan de actuar como intermediarios entre oficinas públicas. Esto reduce tiempos, costos y errores, además de mejorar significativamente la experiencia de servicio. La gestión basada en datos también marca una diferencia sustancial. Los gobiernos digitales utilizan analítica avanzada e inteligencia artificial para comprender mejor los problemas públicos, anticipar demandas y evaluar el impacto de sus políticas. La toma de decisiones deja de apoyarse exclusivamente en intuiciones o información fragmentada. Otro factor distintivo es la cultura organizacional. La transformación digital exige nuevas capacidades de liderazgo, modelos de trabajo más ágiles y una disposición constante a innovar. Sin estos cambios, incluso las mejores herramientas tecnológicas terminan reproduciendo las mismas ineficiencias existentes. Comprender la diferencia entre digitalizar procesos y construir un verdadero gobierno digital será uno de los grandes temas que marcarán la agenda pública durante los próximos años. La transición hacia modelos de gestión más inteligentes, conectados y centrados en el ciudadano requiere espacios de intercambio donde los responsables de liderar estos cambios puedan acceder a conocimiento, experiencias y soluciones concretas. Con ese propósito se desarrollará GovTech Forums, el principal encuentro regional dedicado a la transformación digital del sector público, que tendrá lugar el 3 de noviembre en el Centro de Convenciones de Costa Rica y el 12 de noviembre en el Santo Domingo Marriott, República Dominicana. Bajo el lema “Where Government Transformation Meets Innovation”, el evento reunirá a representantes gubernamentales, organismos internacionales, expertos en políticas públicas y empresas tecnológicas para analizar los desafíos y oportunidades del gobierno digital. A través de conferencias magistrales, paneles especializados, fireside chats, casos de éxito y espacios de networking, los asistentes podrán conocer experiencias reales de modernización estatal y estrategias para acelerar la innovación pública. Asimismo, las Innovation Roundtables permitirán desarrollar propuestas colaborativas sobre interoperabilidad, inteligencia artificial aplicada al sector público, modernización institucional y nuevas políticas digitales. Los ejes temáticos incluirán Gobierno Digital, Inteligencia Artificial y Automatización, Open Data, Ciberseguridad, Smart Cities, Compras Públicas Innovadoras y Transformación Digital. Además, un área de exhibición tecnológica reunirá a proveedores de soluciones que hoy están ayudando a gobiernos de todo el mundo a mejorar sus servicios, fortalecer la transparencia y aumentar la eficiencia operativa. Dirigido a ministros, viceministros, CIOs, CTOs, responsables de innovación, autoridades regulatorias, municipalidades, organismos multilaterales y empresas tecnológicas, GovTech Forums busca consolidarse como el principal escenario para impulsar la evolución del sector público en América Latina y el Caribe. Más información sobre la agenda, los speakers, las oportunidades de networking y la compra de entradas está disponible en www.govtechforums.com. Le puede interesar: República Dominicana adopta tecnología costarricense para reforzar la lucha contra la corrupción

En Estados Unidos, una red de super PACs (los comités políticos encargados de recaudar e invertir dinero para influir en las elecciones) está vinculada a Anthropic, creadora de la popular herramienta Claude, y la otra a OpenAI, creadora de ChatGPT. Estados Unidos está atravesando el proceso de las elecciones al Congreso que se celebrarán el 3 de noviembre de este año. En medio de este proceso electoral se está viviendo un gasto importante de la industria de la IA en campañas de republicanos y demócratas. En este país se utilizan los PACs, comités de acción política, que tienen algunas limitaciones en los fondos que se pueden recibir, o los Super PACs, que son organizaciones políticas que pueden recaudar y gastar cantidades limitadas de dinero para influir en las elecciones. Los super PACs pueden recibir cheques de millones de dólares de un solo individuo, empresa, sindicato u otra organización. Es ahí donde entra la industria de IA. Los Ángeles Times reportó que una red de super PACs está vinculada a Anthropic, creadora de la popular herramienta Claude, y la otra a OpenAI, creadora de ChatGPT. De acuerdo con datos de este medio de comunicación, ambas empresas se encuentran entre los inversores políticos más prolíficos en lo que va de las elecciones de mitad de período de 2026, habiendo desembolsado más de 38 millones de dólares hasta la fecha para influir en las contiendas de todo el país, lo que sitúa a estos grupos entre los mayores financistas externos en las elecciones al Congreso. La cifra se elevará conforme la campaña se acerque a noviembre, mientras ambas empresas se preparan para su ingreso al mercado bursátil. El gasto de ambos del 1 de enero al 15 de junio se dividió así: PACs vinculados con OpenAI Think Big (Demócratas): US$14.1 millones American Mission (Republicanos): US$8 millones PACs vinculados con Anthropic Jobs and Democracy (Demócratas): US$11 millones Defending Our Values (Republicanos: US$5.2 millones El bum del gasto político en IA se produce en un momento en que las empresas de tecnología emergente se sienten cada vez más “cómodas utilizando su poder para alcanzar un objetivo político”, afirmó Adam Kovacevich, exejecutivo de políticas públicas de Google y fundador de Chamber of Progress (Cámara del Progreso), un grupo gremial tecnológico de orientación progresista. Estos Super PACs pueden recaudar y gastar cantidades ilimitadas de dinero en las elecciones federales, gracias a un fallo del Tribunal Supremo en el caso Citizens United de 2010. Los Ángeles Times citó al candidato Al Olszewski, cuyo oponente en las primarias republicanas para el Congreso por Montana le ganó por 30 puntos tras recibir el impulso de 877.000 dólares en anuncios de un super PAC respaldado por el cofundador de OpenAI. “Como candidato de base, era imposible competir contra esa cantidad de dinero. Me aplastaron”, señaló Olszewski. Los gigantes de la IA han enfatizado que son independientes de estos grupos políticos. No obstante, uno de los grupos cuenta con US$25 millones en apoyo del cofundador de OpenAI, Greg Brockman, y su esposa, Anna. Además, ese grupo cuenta con otros US$100 millones vinculados a una de las firmas de capital de riesgo más grandes de Silicon Valley, que posee una participación importante en OpenAI. Según los informes, el director de política global de OpenAI estuvo involucrado en la concepción del grupo. Le puede interesar: Los jóvenes usan más IA que nadie, pero son también quienes más desconfían de ella

La nueva familia introduce tres variantes con mejoras sustanciales en programación, investigación científica y ciberseguridad, además de un despliegue gradual marcado por la supervisión del gobierno de Estados Unidos. La carrera por construir modelos de inteligencia artificial cada vez más capaces acaba de entrar en una nueva fase. OpenAI anunció una vista previa limitada de GPT-5.6, una familia integrada por Sol, Terra y Luna que busca ampliar el desempeño en tareas complejas de razonamiento, programación, investigación científica y ciberseguridad, mientras introduce el conjunto de salvaguardas más robusto desarrollado por la compañía hasta la fecha. La decisión de comenzar con un despliegue restringido no responde únicamente a razones técnicas. OpenAI confirmó que compartió anticipadamente los planes del lanzamiento con el gobierno estadounidense y que, a petición de las autoridades, la disponibilidad inicial quedó limitada a un pequeño grupo de socios considerados de confianza. La empresa sostiene que este mecanismo no debería convertirse en la norma para futuros modelos, pero considera que facilita una transición hacia una disponibilidad general prevista para las próximas semanas. La nueva familia establece una segmentación mucho más clara del catálogo. GPT-5.6 Sol representa el modelo de mayor capacidad, pensado para tareas de máxima complejidad. Terra apunta al equilibrio entre rendimiento y costo, ofreciendo un desempeño comparable al de GPT-5.5 con un precio aproximadamente dos veces menor. Luna, por su parte, se posiciona como la alternativa más rápida y económica para aplicaciones de gran escala. Más allá del cambio comercial, la verdadera novedad está en la arquitectura de razonamiento. OpenAI incorpora un nuevo modo denominado "max", que permite dedicar más recursos computacionales a problemas complejos, además de un modo "ultra", basado en múltiples subagentes capaces de colaborar para resolver tareas extensas. En programación, GPT-5.6 Sol establece un nuevo estado del arte en Terminal-Bench 2.1, una referencia utilizada para evaluar flujos de trabajo reales en línea de comandos que requieren planificación, coordinación de herramientas e iteración. En biología computacional también mejora respecto de GPT-5.5 al obtener mejores resultados en GeneBench utilizando menos tokens, una combinación particularmente relevante para reducir costos operativos en investigación científica. Donde OpenAI pone mayor énfasis es en la ciberseguridad. Según la compañía, GPT-5.6 Sol desplaza la frontera entre rendimiento y eficiencia en investigaciones de vulnerabilidades y explotación de sistemas. En ExploitBench logra resultados comparables con otros modelos de referencia utilizando aproximadamente un tercio de los tokens generados, mientras que toda la familia muestra mejoras consistentes en ExploitGym, un benchmark desarrollado por investigadores de la Universidad de California en Berkeley junto con laboratorios especializados en IA. Paradójicamente, el incremento de capacidades llega acompañado por restricciones mucho más sofisticadas. OpenAI afirma que entrenó el modelo para rechazar solicitudes relacionadas con actividades ofensivas, incluso cuando el usuario intenta ocultar su intención mediante técnicas de jailbreak o reformulación de instrucciones. A ello suma verificaciones en tiempo real, monitoreo continuo, señales asociadas a las cuentas, diferentes niveles de acceso y sistemas automáticos de detección de abuso. La empresa sostiene que GPT-5.6 no supera el umbral denominado Cyber Critical dentro de su marco interno de preparación. Lea también: Lanzan un browser impulsado por IA que actúa en sitios donde el usuario ya inició sesión

Los artículos del gigante de la tecnología que se verán afectados por el aumento son los MacBook, iPads y los Apple Vision y van desde los US$100 a los US$300, según el modelo. La escasez global de chips de memoria, que ha causado aumentos sin precedentes en las RAM, ROM y demás componentes, provocó que Apple Inc. eleve los precios de varios de sus productos en su tienda en línea. La compañía justificó la medida debido al incremento sin precedentes en los costos de los componentes, que ha sido impulsada por el auge de la inteligencia artificial (IA). En una entrevista exclusiva con The Wall Street Journal, el director ejecutivo de Apple, Tim Cook, advirtió que los incrementos de precios se habían vuelto "inevitables" debido a la presión en los costos de los proveedores de componentes. "Estamos haciendo nuestro mejor esfuerzo para mitigar los enormes aumentos que nos están trasladando, y hemos intentado proteger a nuestros clientes, pero la situación se ha vuelto insostenible", afirmó Cook al Journal. El CEO describió la situación de desabasto de memoria como una "inundación de las que ocurren una vez cada cien años". Este ajuste golpeó con fuerza a los modelos de entrada y configuraciones profesionales, registrando incrementos de entre el 15% y el 25%: MacBook Neo: Sube de US$599 a US$699 (+$100). MacBook Air (512GB): Pasa de US$1.099 a US$1,299 (+US$200). MacBook Pro 14" (Entrada): Sube de $1.699 a $1.999 (+US$300). iPad Air: Sube de US$599 a US$749 (+US$150). iPad Pro 11": Pasa de US$999 a US$1.199 (+US$200). Apple Vision Pro (Base): Se incrementa en US$200, pasando de US$3.499 a US$3.699. Por el momento, toda la línea de celulares iPhone quedó completamente excluida de esta ronda de aumentos. La causa principal detrás de esta crisis radica en que los fabricantes de semiconductores (como Micron) están priorizando la producción de memorias de alto ancho de banda y almacenamiento para los centros de datos de IA de gigantes tecnológicos, restando capacidad de producción a los componentes destinados a la electrónica de consumo masivo. Según datos publicados por Wall Street Journal, de la firma TrendForce, los precios de la memoria DRAM se dispararon casi un 98% a inicios de año. "La rápida expansión de los centros de datos de IA ha creado un aumento extraordinario en la demanda de memoria y almacenamiento. Nunca habíamos visto que el precio de un componente aumentara tanto y tan rápido" señaló un portavoz de Apple mediante un comunicado oficial: El anuncio realizado el viernes anterior tomó por sorpresa a los mercados, donde los analistas preveían ajustes marginales e incrementales en lugar de aumentos directos de hasta $300 en hardware ya existente. Las acciones de Apple sufrieron una caída superior al 5% en las primeras horas de transacciones tras la apertura de la tienda virtual, reflejando el temor de los inversores ante una posible contracción en la demanda de consumo de cara a la temporada del regreso a clases en los Estados Unidos. Le puede interesar: Por qué el éxito de la IA empresarial hoy depende del runtime y no de los modelos

Los modelos de lenguaje de gran tamaño están redefiniendo el alcance de la ciencia de datos al abrir el acceso al análisis de enormes volúmenes de información no estructurada. Sin embargo, su adopción también plantea desafíos relacionados con la precisión, los sesgos, la gobernanza y la evaluación de sus resultados. En esta columna, Fabiola Montero analiza el potencial transformador de los LLMs y las condiciones necesarias para que su implementación genere valor de forma responsable. Por Fabiola Montero, profesora de la Facultad de Informática, Electrónica y Comunicación de la Universidad de Panamá. La mayor parte del conocimiento disponible en el mundo no se encuentra almacenada en tablas ni en bases de datos relacionales; reside en documentos, informes, contratos, publicaciones científicas, registros clínicos, correos electrónicos, comentarios de clientes y transcripciones de reuniones. Durante décadas, este enorme volumen de información permaneció prácticamente inaccesible para el análisis sistemático a gran escala. La aparición de los modelos de lenguaje de gran tamaño (Large Language Models, LLMs), considerados uno de los avances más significativos de la inteligencia artificial (IA) en los últimos años, ha cambiado esta realidad al permitir que las organizaciones extraigan conocimiento de información no estructurada con niveles de eficiencia sin precedentes. Sin embargo, junto con estas oportunidades emergen desafíos técnicos, éticos y operativos que exigen una comprensión rigurosa de sus capacidades y limitaciones. La evolución de este campo ha sido extraordinariamente rápida. Los modelos de lenguaje de última generación desarrollados por organizaciones como OpenAI, Anthropic, Google, Meta DeepSeek y Alibaba han alcanzado niveles notables de desempeño en tareas de razonamiento, comprensión contextual, generación de código y procesamiento multimodal. Estas capacidades emergen de proceso de entrenamientos a gran escala sobre enormes volúmenes de texto, complementados con técnicas de ajuste supervisado y aprendizaje por refuerzo con retroalimentación humana (RLHF), cuyo propósito es alinear el comportamiento del modelo con criterios explícitos de utilidad, seguridad y calidad. Paralelamente, la disponibilidad de modelos abiertos permite a organizaciones y centros de investigación desplegar soluciones locales con mayor control sobre los datos, un aspecto especialmente relevante en sectores regulados o con requisitos estrictos de privacidad. En aplicaciones de ciencia de datos, los LLMs han demostrado valor tangible en tareas que tradicionalmente requerían una intervención manual intensiva. En análisis de sentimiento y clasificación de texto, superan con frecuencia a los enfoques tradicionales basados en bolsa de palabras o representaciones estáticas, al capturar matices semánticos, contexto e incluso ciertos niveles de ambigüedad lingüística. En extracción de información permiten identificar entidades, relaciones y eventos dentro de documentos no estructurados con niveles de precisión cada vez más cercanos al desempeño humano. Asimismo, en generación de código asisten en la elaboración de scripts para limpieza, transformación, visualización y exploración de datos, acelerando significativamente los ciclos de desarrollo sin sustituir la supervisión especializada del científico de datos. Técnicas como LoRA (Low-Rank Adaptation), un método que permite ajustar modelos grandes modificando únicamente matrices de bajo rango, y QLoRA (Quantized Low-Rank Adaptation), una variante que incorpora cuantización para reducir aún más el consumo de memoria y cómputo, permiten adaptar modelos de gran tamaño utilizando recursos computacionales relativamente modestos mediante actualizaciones eficientes de sus parámetros. Esto facilita la especialización en terminología técnica, lenguaje corporativo o dominios altamente especializados sin necesidad de reentrenar completamente el modelo. Por otro lado, la recuperación aumentada con generación (Retrieval-Augmented Generation, RAG) un enfoque que combina recuperación desde fuentes externas con generación de texto permite fundamentar las respuestas en documentos verificables, reduciendo significativamente el riesgo de respuestas incorrectas al incorporar información recuperada en tiempo real. En entornos empresariales, estas técnicas se han convertido en componentes esenciales para construir sistemas de IA más confiables, precisos y escalables. A diferencia de los modelos predictivos tradicionales, donde métricas como precisión, recall o F1-score suelen ser suficientes, los LLMs requieren enfoques más amplios que consideren dimensiones como veracidad, coherencia, robustez, equidad y seguridad. Iniciativas como HELM (Holistic Evaluation of Language Models), promueven evaluaciones multidimensionales que permiten analizar el comportamiento de los modelos en escenarios diversos y bajo múltiples criterios simultáneamente. Esta perspectiva evita que las decisiones de adopción se basen exclusivamente en indicadores aislados que pueden no reflejar el desempeño real en ambientes de producción. A pesar de sus avances, los desafíos técnicos y éticos continúan siendo significativos. La denominada alucinación, es decir, la generación de información aparentemente creíble pero incorrecta desde el punto de vista de los hechos verificables, sigue siendo una limitación inherente a estos sistemas. Este problema no desaparece simplemente utilizando modelos más grandes, sino que requiere mecanismos de verificación, validación externa y estrategias de recuperación de información adecuadamente diseñadas. Del mismo modo, los sesgos presentes en los datos de entrenamiento pueden reflejarse en respuestas que reproduzcan representaciones distorsionadas de determinados grupos, lo que exige auditorías sistemáticas antes de cualquier despliegue en contextos sensibles. Las oportunidades que ofrecen los LLMs para la ciencia de datos son indudables. Permiten ampliar el alcance del análisis, automatizar tareas complejas y aprovechar fuentes de información que durante años permanecieron subutilizadas. Sin embargo, estos beneficios solo pueden materializarse plenamente cuando se reconocen y gestionan adecuadamente sus limitaciones. La combinación de innovación tecnológica, evaluación rigurosa, gobernanza responsable y conocimiento especializado será fundamental para garantizar que estas herramientas contribuyan de manera efectiva a la generación de conocimiento y a la toma de decisiones basada en evidencia. En este contexto, el científico de datos no pierde relevancia; por el contrario, adquiere un papel cada vez más estratégico como puente entre el potencial de la IA y las necesidades reales de las organizaciones. Le puede interesar: Panamá fortalece su agenda digital con misión estratégica de la AIG en Suecia

La inteligencia artificial se ha convertido en uno de los principales motores de crecimiento para los equipos comerciales modernos. Hoy en día, empresas de múltiples industrias utilizan agentes conversacionales, motores de puntuación (scoring), automatización de prospección y asistentes inteligentes para acelerar las ventas, calificar prospectos y mejorar la experiencia del cliente. Por Juan Daniel Flórez, cofundador de Rootstack Panamá. Pero junto con esa eficiencia surge un riesgo silencioso: el sesgo algorítmico. La Organización para la Cooperación y el Desarrollo Económicos, OCDE, advierte que el sesgo algorítmico, errores sistemáticos que pueden producir resultados injustos entre distintos grupos de usuarios, es uno de los principales riesgos de implementar IA en contextos de toma de decisiones. Esto significa que un sistema de IA podría estar afectando las conversiones, la priorización de prospectos o la experiencia comercial sin que nadie lo note. No por malas intenciones, sino por un diseño deficiente, datos incompletos o falta de gobernanza. ¿Cómo puede la IA discriminar a los clientes de manera involuntaria? Muchas organizaciones asumen que la tecnología es neutral. No lo es. Los modelos aprenden a partir de datos históricos, decisiones humanas previas y patrones heredados. Si esas entradas contienen sesgos, la IA puede replicarlos o incluso amplificarlos. En América Latina, vender implica comprender una diversidad lingüística real. Un cliente en Panamá no habla de la misma manera que uno en Colombia, México o Chile. Incluso dentro de un mismo país existen profundas diferencias regionales, como por ejemplo, el uso de “vos” en partes de Centroamérica y el Cono Sur frente al “tú” en otras regiones. Si un sistema de voz fue entrenado con muestras limitadas, puede interpretar mal ciertos acentos, entender incorrectamente la intención del usuario o generar respuestas inadecuadas. Eso no solo afecta la conversación: afecta los ingresos. Las empresas que entienden la diversidad como un activo estratégico construyen modelos más sólidos. No solo más justos, sino también más rentables, porque comprenden mejor a más clientes. La IA más rentable no es la que simplemente reduce costos. Es la que también fortalece la confianza, amplía oportunidades y protege la reputación. Automatizar las ventas sin gobernanza acelera los errores. Automatizar con supervisión, datos diversos y criterios justos acelera el crecimiento. Le puede interesar: Por qué el éxito de la IA empresarial hoy depende del runtime y no de los modelos