Por primera vez, los máximos responsables de OpenAI, Anthropic y Google DeepMind participaron formalmente en una reunión de trabajo con los líderes de las siete economías más influyentes del planeta. El encuentro marca un cambio histórico: la inteligencia artificial ya no es solamente una industria tecnológica, sino un asunto de Estado. Hasta hace pocos años, los directores ejecutivos de las grandes empresas tecnológicas acudían a foros económicos para explicar tendencias, presentar productos o defender posiciones regulatorias. Esta semana ocurrió algo distinto. En la ciudad francesa de Évian-les-Bains, durante la cumbre del G7, los líderes de las democracias más poderosas del mundo compartieron mesa con Sam Altman (OpenAI), Dario Amodei (Anthropic) y Demis Hassabis (Google DeepMind), en una sesión dedicada a la implementación segura, rápida y efectiva de la inteligencia artificial. También participaron ejecutivos de Cohere, Mistral, Black Forest Labs, Domyn, Sakana AI y Synthesia. La fotografía es histórica porque simboliza un cambio de estatus para la industria de la IA. Los directivos de estas compañías ya no son simples empresarios tecnológicos. Hoy participan en conversaciones que hasta hace poco estaban reservadas para jefes de Estado, ministros de Defensa, bancos centrales o instituciones multilaterales. El encuentro se produjo en medio de un contexto geopolítico complejo. Las guerras en Ucrania e Irán dominaron gran parte de la agenda del G7, pero la inteligencia artificial logró abrirse espacio como uno de los asuntos estratégicos del siglo XXI. Detrás de la reunión existe una realidad cada vez más evidente: las empresas de IA controlan tecnologías que podrían redefinir la productividad económica, la seguridad nacional, la investigación científica, la educación, la salud y la defensa. Donald Trump describió la IA durante el encuentro como "la cosa más grande de todas", aunque advirtió que debe manejarse con extrema cautela. La afirmación puede sonar exagerada, pero refleja la percepción creciente de los gobiernos. Por primera vez desde la aparición de internet, una tecnología de propósito general está avanzando tan rápido que los Estados parecen correr detrás de las compañías privadas. La paradoja es evidente. Mientras los gobiernos intentan diseñar regulaciones, son las empresas quienes poseen los modelos, los centros de datos, los chips, los investigadores y gran parte del conocimiento técnico necesario para comprender los riesgos. Por eso el encuentro de Évian no fue únicamente una conversación sobre innovación. Fue una negociación sobre poder. Los ejecutivos de IA llegaron al G7 en un momento especialmente delicado. Días antes, la administración estadounidense había ordenado restringir el acceso internacional a los modelos más avanzados de Anthropic, Fable 5 y Mythos 5, alegando preocupaciones de seguridad nacional. La medida provocó inquietud entre aliados de Estados Unidos y abrió preguntas sobre quién controla realmente la infraestructura de la inteligencia artificial global. La presencia simultánea de líderes políticos y tecnológicos revela además otro fenómeno: las decisiones más importantes sobre inteligencia artificial ya no se están tomando únicamente en laboratorios o empresas privadas. Están migrando hacia espacios donde convergen diplomacia, economía y seguridad. La historia reciente ofrece pocos precedentes comparables. Ni los fundadores de las redes sociales ni los pioneros de la computación personal participaron tan temprano en discusiones geopolíticas de este nivel. Lea también: El 70% de los CIOs afirma que la adopción de IA avanza más rápido de lo que pueden monitorear

Conversaciones entre el CEO de Amazon y altos funcionarios estadounidenses derivaron en restricciones sin precedentes sobre los modelos más avanzados de Anthropic. El episodio expone una nueva realidad para la industria: la inteligencia artificial ya no es solo una carrera tecnológica, sino un asunto de seguridad nacional. La industria de la inteligencia artificial acaba de recibir una señal inequívoca sobre quién tiene la última palabra cuando los modelos más avanzados comienzan a cruzar las fronteras de la seguridad nacional. Según reveló The Wall Street Journal, conversaciones mantenidas por Andy Jassy, CEO de Amazon, con funcionarios de la administración estadounidense ayudaron a desencadenar una ofensiva regulatoria contra los modelos más avanzados de Anthropic, una de las empresas de IA más valiosas y relevantes del mercado. La decisión terminó obligando a la compañía a restringir el acceso a sus modelos Fable 5 y Mythos 5 para usuarios extranjeros, una medida que posteriormente derivó en una suspensión mucho más amplia de los servicios. El detonante habría sido una serie de pruebas realizadas por investigadores de Amazon. Según las versiones publicadas por diversos medios, los especialistas lograron obtener mediante prompts información relacionada con ciberataques que supuestamente debía permanecer bloqueada por los sistemas de seguridad del modelo. Jassy trasladó esas preocupaciones a funcionarios del gobierno estadounidense, incluidos altos responsables económicos y de seguridad nacional. Poco después comenzaron las evaluaciones gubernamentales y los análisis técnicos que desembocaron en la intervención. La reacción fue extraordinaria por varias razones. Primero, porque Amazon no es un observador externo. Es uno de los mayores inversionistas de Anthropic y uno de sus principales socios de infraestructura a través de AWS. El caso plantea preguntas incómodas sobre los límites entre colaboración estratégica, competencia tecnológica y supervisión regulatoria. Segundo, porque la medida adoptada por Washington fue excepcionalmente amplia. La administración ordenó restringir el acceso de gobiernos extranjeros, empresas e individuos fuera de Estados Unidos a los modelos Fable 5 y Mythos 5, argumentando riesgos para la seguridad nacional. Anthropic afirmó posteriormente que recibió la orden sin detalles técnicos específicos sobre las preocupaciones detectadas. La compañía sostuvo que el supuesto método para vulnerar las salvaguardas del sistema no representaba una amenaza novedosa y que capacidades similares ya existen en otros modelos accesibles públicamente. Sin embargo, para la Casa Blanca el riesgo parecía suficientemente serio como para actuar de forma inmediata. Más allá de la controversia técnica, el episodio revela una transformación profunda del mercado de IA. Hasta hace pocos años, las discusiones regulatorias se centraban en privacidad, sesgos algorítmicos o derechos de autor. Ahora la conversación gira en torno a ciberseguridad ofensiva, control de exportaciones y rivalidad geopolítica. La preocupación de Washington no se limita a la posibilidad de que un modelo facilite tareas de hacking. También existe inquietud por el acceso de actores extranjeros a sistemas considerados estratégicos para la competitividad tecnológica estadounidense. Diversos reportes indican que funcionarios estaban alarmados por la posibilidad de que capacidades avanzadas terminaran en manos de organizaciones vinculadas a China. El caso Anthropic ilustra además una paradoja creciente en el sector. Las empresas compiten por desarrollar modelos cada vez más potentes, pero cuanto más capaces se vuelven, más probable es que entren en el radar de los organismos de seguridad nacional. Para inversionistas y ejecutivos tecnológicos, la lección es clara: la próxima generación de modelos fundacionales no será evaluada únicamente por su rendimiento comercial o técnico. También deberá superar pruebas políticas, estratégicas y regulatorias. Lo que comenzó como una conversación entre un CEO y funcionarios gubernamentales terminó convirtiéndose en uno de los precedentes más importantes para la gobernanza de la inteligencia artificial avanzada. Y podría ser apenas el inicio de una nueva etapa en la que los modelos de IA sean tratados con la misma sensibilidad que las tecnologías nucleares, criptográficas o militares. Lea también: Por qué los presupuestos de TI están quebrando por el costo de los tokens de IA

Llegó un nuevo episodio del podcast de noticias tecnológicas para tiempos tecnológicamente muuuuy complicados. Conduce Maximiliano Poter. Maximiliano Poter conduce el Week Report, un desenfadado magazine de noticias del mundo IT que, cada viernes, brinda un resumen de los acontecimientos más destacados de los últimos siete días: todo lo importante, lo curioso y hasta lo más absurdo que ha sucedido en el ámbito de la tecnología y los negocios para que cierre su semana bien informado, con buena onda y una gota de acidez. En esta entrega: Claude Fable 5 rompió récords... de mortalidad infantil tecnológica. Washington descubrió que el botón "Apagar IA" también existe. Amazon llamó al gobierno para denunciar a una empresa en la que invirtió miles de millones. Nace el "Loop Engineering", la carrera del futuro que probablemente ya quedó obsoleta. Microsoft inventó el "Token Capital", o cómo explicar que no tener el mejor modelo en realidad es una ventaja. Google convirtió 2.000 celulares viejos en un centro de datos y una montaña de relaciones públicas. SpaceX salió a bolsa y Elon Musk desbloqueó el modo "Error de Excel". Oracle administrará los recursos humanos de todo Estados Unidos. ¿Qué podría salir mal? Un robot escaló un volcán mientras los humanos seguimos perdiendo discusiones con impresoras. Investigadores descubrieron que 13 palabras en Reddit pueden reprogramar la inteligencia artificial mundial. Un estudio confirma que usar IA te hace parecer vago, aunque hagas el trabajo mejor y más rápido. Reino Unido quiere prohibir las redes sociales a menores y accidentalmente reinventar el documento digital universal. Anthropic pasó de vender chatbots a pedir selfies, documentos y antecedentes. Facebook convirtió grupos, comentarios y Marketplace en una fuente oficial de conocimiento. Qué podría salir mal (parte II). La IA no está reemplazando a todos los trabajadores... solo a los que recién empiezan. Le puede interesar: Week Report #88: el único resumen semanal donde la distopía viene explicada paso a paso

La presión ciudadana por servicios más ágiles, el crecimiento de la inteligencia artificial y la necesidad de gobiernos más transparentes están acelerando una carrera que ya no admite pausas. La transformación digital del sector público dejó de ser un proyecto de modernización para convertirse en una condición indispensable para la competitividad y el desarrollo de los países. Durante décadas, la transformación digital del Estado fue presentada como una meta deseable. Hoy es una necesidad urgente. Los gobiernos enfrentan una combinación de desafíos sin precedentes: ciudadanos que esperan servicios tan ágiles como los que reciben de empresas privadas, restricciones presupuestarias cada vez mayores, amenazas cibernéticas crecientes y una demanda constante de transparencia y rendición de cuentas. La magnitud del desafío es evidente. Según el informe E-Government Survey 2024 de las Naciones Unidas, más del 70% de los países del mundo ha acelerado significativamente sus estrategias de gobierno digital en los últimos 5 años, impulsados por las lecciones aprendidas durante la pandemia y por la rápida adopción de tecnologías emergentes como la inteligencia artificial, la automatización y la analítica avanzada. América Latina y el Caribe no son la excepción. De acuerdo con el Banco Interamericano de Desarrollo (BID), la región aún enfrenta importantes brechas en interoperabilidad, digitalización de procesos y gestión de datos, factores que limitan la eficiencia gubernamental y afectan directamente la experiencia ciudadana. En muchos países, los ciudadanos continúan enfrentando trámites redundantes, requisitos duplicados y procesos presenciales que podrían resolverse digitalmente en minutos. La transformación digital no consiste únicamente en incorporar nuevas tecnologías. Implica rediseñar procesos, eliminar barreras burocráticas y construir instituciones capaces de responder de manera más rápida y efectiva a las necesidades de la población. Los gobiernos que avanzan en esta dirección logran reducir costos operativos, mejorar la calidad de los servicios y fortalecer la confianza ciudadana. La inteligencia artificial se ha convertido en uno de los principales catalizadores de esta evolución. Desde asistentes virtuales para atención ciudadana hasta modelos predictivos que ayudan a anticipar necesidades sociales o detectar fraudes, las administraciones públicas comienzan a descubrir nuevas formas de generar valor a partir de los datos. Sin embargo, el aprovechamiento de estas herramientas requiere marcos regulatorios, capacidades técnicas y estrategias de gobernanza que garanticen un uso ético y seguro. A ello se suma el creciente riesgo cibernético. La digitalización masiva amplía la superficie de ataque de las instituciones públicas. Según diversos reportes de organismos internacionales especializados en ciberseguridad, los gobiernos continúan siendo uno de los principales objetivos de grupos criminales debido al valor estratégico de la información que administran. La resiliencia digital ya forma parte esencial de cualquier estrategia de modernización estatal. Precisamente porque la modernización del Estado se ha convertido en una prioridad estratégica para la competitividad, la eficiencia institucional y la calidad de vida de los ciudadanos, resulta fundamental generar espacios donde gobiernos, organismos multilaterales y empresas tecnológicas puedan intercambiar experiencias y construir soluciones conjuntas. Con ese propósito nace GovTech Forums, el encuentro especializado que reunirá a los principales protagonistas de la innovación pública de América Latina y el Caribe. Bajo el lema “Where Government Transformation Meets Innovation”, GovTech Forums celebrará sus próximas ediciones el 3 de noviembre en el Centro de Convenciones de Costa Rica y el 12 de noviembre en el Santo Domingo Marriott, República Dominicana. El evento está diseñado como un punto de encuentro entre líderes del sector público, proveedores tecnológicos y tomadores de decisión que impulsan la modernización del Estado mediante el uso estratégico de la tecnología. La agenda incluirá conferencias magistrales, paneles de discusión, fireside chats, casos de éxito, lanzamientos tecnológicos y espacios de networking orientados a generar alianzas concretas entre el sector público y privado. Además, contará con las denominadas Innovation Roundtables, mesas multisectoriales de cocreación donde expertos, funcionarios y empresas trabajarán en propuestas de transformación digital, marcos de adopción de inteligencia artificial, estrategias de modernización institucional y nuevos enfoques de política pública. Los contenidos estarán organizados en torno a cinco grandes ejes temáticos: Gobierno Digital y servicios ciudadanos; Inteligencia Artificial y Automatización; Ciberseguridad y Confianza Digital; Open Data y transparencia gubernamental; y Smart Cities e Innovación Pública. Asimismo, el evento dispondrá de un área de exhibición donde empresas de cloud computing, ciberseguridad, telecomunicaciones, inteligencia artificial, automatización, identidad digital y plataformas de atención ciudadana presentarán las tecnologías que están redefiniendo la gestión pública. GovTech Forums está dirigido a ministros, viceministros, CIOs y CTOs gubernamentales, directores de innovación, responsables de compras públicas, entidades regulatorias, municipalidades, organismos multilaterales, startups GovTech, consultoras y proveedores tecnológicos que buscan acelerar la transformación digital del sector público. Quienes deseen conocer más detalles sobre la agenda, los expositores, oportunidades de patrocinio y adquisición de entradas pueden visitar el sitio oficial del evento: www.govtechforums.com. Le puede interesar: República Dominicana adopta tecnología costarricense para reforzar la lucha contra la corrupción

Aunque la narrativa pública sigue dominada por anuncios multimillonarios y despliegues masivos de inteligencia artificial, dentro de las compañías está ocurriendo un fenómeno menos visible: la cancelación sistemática de iniciativas que no logran demostrar valor, controlar riesgos o justificar sus costos. Durante los últimos tres años, la inteligencia artificial ha sido presentada como una carrera tecnológica donde el único movimiento posible parecía ser avanzar. Más modelos, más copilotos, más agentes autónomos. Sin embargo, detrás de los comunicados corporativos y las demostraciones de producto, una realidad mucho más compleja está emergiendo en las organizaciones: muchas iniciativas de IA están siendo eliminadas antes de llegar a consolidarse. Un análisis publicado por ITPro describe este fenómeno como una "poda de IA", una fase en la que las empresas están revisando con mayor rigor sus inversiones tecnológicas y retirando aquellas implementaciones que no generan resultados tangibles. Lejos de representar un rechazo a la inteligencia artificial, el movimiento refleja una maduración del mercado. Según Anushree Verma, analista de Gartner, las organizaciones están abandonando proyectos que presentan altos riesgos, beneficios ambiguos o estructuras de costos difíciles de sostener. La atención se está desplazando desde la experimentación hacia la rentabilidad medible. El cambio resulta significativo porque contradice la percepción dominante de que toda iniciativa de IA genera valor automáticamente. En la práctica, muchas implementaciones corporativas nacieron impulsadas por el temor a quedarse atrás en la carrera tecnológica. El resultado fue una proliferación de pilotos con objetivos poco definidos, métricas difusas y expectativas infladas. La historia recuerda a otros ciclos tecnológicos. Durante la adopción temprana de la computación en la nube o la transformación digital, numerosas organizaciones desplegaron herramientas sin una estrategia clara, para descubrir posteriormente que la tecnología por sí sola no resolvía problemas de negocio. En el caso de la inteligencia artificial, la diferencia es la velocidad. El auge de modelos generativos desde finales de 2022 llevó a muchas empresas a lanzar iniciativas simultáneas en áreas de productividad, atención al cliente, automatización documental y desarrollo de software. Tres años después, los responsables financieros exigen respuestas más concretas. ITPro señala que los copilotos de propósito general están entre los proyectos sometidos a mayor escrutinio. Aunque generan entusiasmo entre los usuarios, muchas organizaciones tienen dificultades para cuantificar su impacto económico. En contraste, las herramientas diseñadas para procesos específicos suelen mostrar beneficios más fáciles de medir, como la reducción de tiempos de atención o mejoras operativas claramente identificables. La distinción es relevante porque anticipa una posible reconfiguración del mercado. El futuro inmediato podría favorecer soluciones verticales y especializadas frente a plataformas genéricas que prometen resolver cualquier problema. Otro desafío emergente es lo que Gartner denomina "agent sprawl", o proliferación descontrolada de agentes de IA. A medida que diferentes departamentos adoptan herramientas autónomas para tareas específicas, las empresas comienzan a enfrentarse a ecosistemas fragmentados, difíciles de gobernar y con crecientes costos de mantenimiento. Este fenómeno coincide con una tendencia más amplia observada en la industria tecnológica. Diversos estudios de consultoras como Gartner y Deloitte han señalado que las organizaciones están entrando en una etapa de racionalización de la IA, donde la prioridad deja de ser experimentar y pasa a ser demostrar retorno sobre la inversión. Desde una perspectiva empresarial, la poda podría ser una señal positiva. Las tecnologías que sobreviven a este proceso suelen convertirse en infraestructuras duraderas. Las que desaparecen, generalmente revelan que fueron impulsadas más por expectativas de mercado que por necesidades reales. Podría interesarle: La falla de Meta que permitió secuestrar cuentas de Instagram con una simple conversación

Rosario Hanon, de Negoconsulting AI, instó a proteger el "servidor más importante": el cerebro humano. La inteligencia artificial debe verse como un espejo de nuestra capacidad. En el marco del Festival IA Nicaragua 2026, Rosario Hanon Velázquez, gerente fundadora de Negoconsulting AI, impartió una reveladora charla titulada "Expandí tu alcance con IA: anatomía de un agente OpenClaw". A través de su experiencia práctica y demostraciones en vivo, Hanon invitó a la audiencia a romper los límites de lo conocido y a entender a profundidad el verdadero potencial de los agentes autónomos de inteligencia artificial. Hanon comenzó explicando que la inteligencia artificial ha dejado de ser una simple herramienta de chat textual, como ChatGPT o las versiones tradicionales de Claude. "Open Claw es el equivalente de darle manos a la inteligencia artificial. En vez de solo quedarse respondiendo, Open Claw ejecuta"explicó. Para ilustrarlo de forma sencilla, propuso imaginar a un agente de IA como el próximo empleado a contratar dentro de una organización. La diferencia radica en las herramientas que se le otorgan: no es lo mismo un colaborador con papel y lápiz que uno dotado de una computadora conectada. Un agente confiable es capaz de procesar información, ordenar ideas y ejecutar flujos de trabajo complejos basados en reglas, evidencia y, fundamentalmente, la aprobación humana (Human in the loop). La anatomía del agente: el enfoque OpenClaw Utilizando una analogía con la fisionomía y herramientas humanas, la fundadora de Negoconsulting AI desglosó los componentes esenciales para estructurar un robot en la plataforma OpenClaw: El Cuerpo (VPS): Equivale a la computadora del agente. Se utiliza un servidor virtual privado en la nube (como Hostinger) donde residen el agente y sus herramientas. La Identidad y Memoria: Definidas por el prompt (instrucciones de comportamiento) y el contexto, los cuales se almacenan en archivos de formato .md para asegurar su retención. El Cerebro: Lo constituye el modelo de lenguaje seleccionado, tales como Gemini o ChatGPT. Las Manos: Son las herramientas, integraciones y conexiones directas que se le otorgan para operar. La Boca (Canales): Las vías de comunicación a través de las cuales el usuario interactúa con el agente, como WhatsApp, Telegram, Slack o aplicaciones nativas. Retar a la IA: automatización y casos Reales Durante la sesión, se realizaron ejercicios prácticos automatizando flujos con la herramienta N8N alojada en un VPS. Se demostró cómo un agente puede investigar el sitio web de una empresa, estructurar planes de marketing B2B y empaquetar de forma automatizada un reporte completo: documentos ejecutivos, hojas financieras y tableros (dashboards) de control simulados con KPIs y estimaciones de retorno de inversión. Hanon enfatizó el valor del tiempo humano, argumentando que labores repetitivas como la elaboración de reportes mensuales restan eficiencia a funciones críticas como las ventas de campo. Asimismo, destacó la velocidad de desarrollo que permite la IA, compartiendo que para una aplicación de predicciones del Mundial (World Cup) se llegaron a iterar y corregir fallas en 99 versiones en un solo día, una velocidad imposible para el desarrollo de software tradicional. A pesar de la autonomía, la especialista de Negoconsulting AI dejó claro que un agente debe operar bajo estrictos controles. Es indispensable parametrizar los accesos de los robots (correos, límites financieros con herramientas de pago integradas) y requerir siempre confirmación humana antes de ejecutar gastos o acciones definitivas. Finalmente, Rosario Hanon instó a proteger el "servidor más importante": el cerebro humano. La inteligencia artificial debe verse como un espejo de nuestra capacidad. No se trata de delegar la creatividad, la estrategia o aquello que nos apasiona y genera valor real, sino de automatizar los procesos repetitivos, los formatos y los flujos ordenados bajo una supervisión humana estricta y profesional. Vea también: Festival IA Nicaragua 2026: la clave no es tener IA, sino saber a quién se invita al negocio

Instalar una herramienta de inteligencia artificial puede tomar apenas unos minutos; integrarla correctamente al negocio puede requerir meses de trabajo. Esa diferencia fue uno de los principales temas abordados por Erick Alexander Torres Prado durante Festival IA Nicaragua. Durante Festival IA Nicaragua, Erick Alexander Torres Prado, CEO de Efficiency IT Services, presentó la conferencia “Agentes de IA: del espejismo a la ejecución”, donde abordó los criterios que las organizaciones deben considerar para implementar agentes de inteligencia artificial de forma segura, ética y alineada con sus procesos empresariales. El especialista inició su presentación con una reflexión sobre la adopción tecnológica en las empresas. Así como nadie permite el ingreso de cualquier persona a su hogar sin conocerla, tampoco las organizaciones deberían incorporar herramientas de inteligencia artificial sin comprender quién las desarrolla, cómo funcionan y qué riesgos pueden representar para la operación. Según explicó, la facilidad con la que actualmente se instalan aplicaciones y soluciones basadas en IA puede generar una falsa sensación de seguridad. Para ilustrar este punto, Torres Prado compartió ejemplos de casos empresariales donde la aparente innovación escondía importantes riesgos de gobernanza y supervisión. Su mensaje fue claro: la inteligencia artificial puede convertirse en una herramienta poderosa para la productividad, pero únicamente cuando existe transparencia sobre su funcionamiento y control humano sobre los procesos críticos. Uno de los conceptos más relevantes de la conferencia fue que la IA sin ética ni supervisión humana no equivale a eficiencia. Desde su perspectiva, el verdadero reto no consiste en adoptar más herramientas, sino en desarrollar criterios adecuados para evaluar qué tecnologías deben integrarse al negocio y cuáles podrían generar vulnerabilidades operativas o de seguridad. La diferencia entre un chatbot y un agente que genera valor Durante la ponencia, Torres Prado explicó que muchas organizaciones están incorporando soluciones que operan de manera aislada y sin conexión con los sistemas internos. Este enfoque, advirtió, limita considerablemente el potencial de la inteligencia artificial, ya que crea nuevas “islas tecnológicas” que no generan un impacto real en los procesos empresariales. Según señaló, un agente de IA útil debe estar conectado a elementos fundamentales del negocio como inventarios, historiales de compra, sistemas de gestión, bases de datos y políticas comerciales. Solo de esta forma puede ofrecer respuestas relevantes y ejecutar acciones que generen valor para la organización y para los clientes. El conferencista destacó que el valor no está en que la IA pueda conversar, sino en su capacidad para actuar dentro de los flujos operativos. Un agente verdaderamente efectivo puede consultar información en tiempo real, verificar disponibilidad de productos, procesar solicitudes y participar activamente en procesos de venta, servicio o cobranza. Como ejemplo, presentó casos donde agentes especializados gestionan millones de transacciones mensuales relacionadas con procesos de cobranza, logrando niveles de automatización equivalentes al trabajo realizado por cientos de colaboradores. Sin embargo, aclaró que estos resultados solo son posibles cuando la inteligencia artificial forma parte integral de la operación y no funciona como una herramienta independiente. Velocidad, integración y personalización Otro de los puntos destacados fue la importancia de la integración mediante APIs y arquitecturas conectadas. Torres Prado explicó que muchas experiencias deficientes de atención al cliente ocurren porque las soluciones de IA carecen de acceso a la información necesaria para responder correctamente. En este sentido, mostró ejemplos de agentes capaces de identificar vehículos mediante números de chasis, consultar catálogos especializados, verificar inventarios y generar cotizaciones en menos de un minuto. Este tipo de automatización, señaló, permite reducir tiempos de respuesta y aumentar las probabilidades de conversión comercial. Asimismo, resaltó la capacidad de la inteligencia artificial para interpretar regionalismos, sinónimos y diferentes formas de describir productos o servicios. Esta comprensión contextual permite ofrecer experiencias más naturales y precisas, especialmente en mercados donde los mismos artículos reciben nombres distintos según la región o el sector económico. Para el CEO de Efficiency IT Services, la personalización también representa un elemento clave. Un agente inteligente debe comprender el origen de la interacción, la campaña que generó el contacto y el historial del cliente para adaptar sus respuestas y recomendaciones, evitando conversaciones genéricas que disminuyen la efectividad comercial. Transparencia y gobernanza como pilares La conferencia concluyó con una advertencia sobre la importancia de la transparencia tecnológica. Torres Prado recomendó a las empresas exigir claridad a los proveedores sobre la arquitectura utilizada, los modelos implementados, las certificaciones de seguridad y los entornos donde se procesan los datos. A su juicio, la confianza en una solución de inteligencia artificial debe construirse de la misma forma que cualquier relación empresarial: mediante información verificable, procesos auditables y una comprensión clara de quién administra la tecnología y cómo se protegen los datos. El mensaje final fue que el futuro de la inteligencia artificial empresarial no pertenece a quienes improvisan, sino a quienes construyen procesos sólidos, integrados y gobernados. En ese escenario, los agentes de IA dejan de ser una promesa tecnológica para convertirse en herramientas capaces de generar eficiencia, acelerar ventas y fortalecer la competitividad de las organizaciones. Vea también: Festival IA Nicaragua 2026: el 95% de las empresas fracasa al implementar IA

El avance de la inteligencia artificial ha dejado de ser una simple tendencia de innovación para convertirse en el motor operativo de las organizaciones modernas. En el marco del IA Festival, el evento clave de actualización tecnológica, se presentó la conferencia "Automatizaciones con inteligencia artificial: métricas y técnicas de implementación", impartida por Raúl Coronado, Profesor de IA en Keiser University. Durante su intervención, Coronado desglosó las estrategias técnicas indispensables para migrar de una automatización tradicional a un ecosistema empresarial inteligente, haciendo especial énfasis en que el éxito de la IA no se mide por su complejidad tecnológica, sino por su impacto directo y su viabilidad financiera dentro del negocio. De la automatización simple a los ecosistemas inteligentes El académico inició su ponencia explicando cómo los profesionales y emprendedores llegan hoy en día a las aulas con ideas de proyectos masivos (como la generación automática de proformas o integraciones complejas con CRM), pero muchas veces partiendo desde cero en conocimientos de la nube o herramientas de IA. Para acortar esta brecha, Coronado destacó el poder de las plataformas de automatización low-code y no-code. Como punto de partida técnico, el experto recomendó herramientas como Power Automate de Microsoft, debido a su facilidad de uso, su interfaz gráfica basada en nodos (canvas con funcionalidad drag-and-drop) y su integración nativa con Copilot y servicios de correo. "La automatización tradicional genera velocidad mediante flujos de trabajo rígidos, pero la inteligencia artificial añade criterio cognitivo al proceso. El verdadero reto no es usar la IA en un navegador de forma aislada, sino integrarla directamente en nuestros flujos de negocio para que actúe automáticamente ante un disparador (trigger) real." Para ilustrar este potencial, Coronado mostró ejemplos prácticos diseñados por estudiantes en solo una semana de capacitación: Ecosistemas básicos: Flujos capaces de capturar datos desde formularios (Microsoft Forms) y segmentarlos de manera automática en herramientas de gestión de proyectos como Jira, Trello o Slack sin escribir una sola línea de código. Procesamiento inteligente de CVs: Un flujo que detecta la llegada de un correo electrónico con un currículum adjunto, lo descarga en la nube (Dropbox, OneDrive o Google Drive) y le aplica un prompt estructurado (definiendo rol, tarea y contexto) para extraer el nombre del prospecto y asignarle una calificación del 0 al 100 según el perfil de la vacante, consolidando los resultados ordenados en un archivo de Excel. Asimismo, introdujo plataformas avanzadas como N8N, que permiten estructurar agentes de IA conversacionales y dinámicos donde es posible intercambiar con un clic el modelo base (OpenAI, Anthropic, Meta) o conectar bases de datos vectorizadas en plataformas como Supabase para auditar contratos o leyes mediante técnicas que evitan las alucinaciones de la IA. El "Martillo de Maslow" y los peligros de sobre-automatizar Un punto crítico de la conferencia fue la advertencia sobre el uso desmedido de la tecnología, ejemplificado con una experiencia personal del ponente. Al intentar automatizar las alertas de llamadas perdidas de un centro de llamadas con 40 sedes, Coronado utilizó IA para procesar cada correo e ingresarlo a un Excel. ¿El resultado? El volumen masivo de transacciones consumió todos los créditos de IA mensuales de la compañía en pocos días. La solución óptima llegó al sustituir la IA por un bloque de código tradicional que extraía el texto rígido, demostrando que no todo requiere inteligencia artificial. El académico recordó la famosa analogía del "Martillo de Maslow": si tu única herramienta es un martillo, tiendes a tratar cada problema como si fuera un clavo. Instó a los líderes tecnológicos a capacitarse en diversas áreas para no sesgar las soluciones únicamente hacia la tecnología que ya dominan. Técnicas de implementación ética: Mapeo, Upskilling y Reskilling Frente al temor social del desplazamiento laboral por la automatización, Coronado propuso una metodología estructurada para que las empresas adopten la IA de forma responsable y ética: Mapeo de tareas por puesto: No se deben evaluar puestos completos, sino desglosar un rol en columnas de tareas operativas, sociales, estratégicas y creativas dentro de un Excel. Esto permite marcar con precisión cuáles son susceptibles a automatización total o parcial, protegiendo las áreas donde el juicio humano aporta valor real. Upskilling: Elevar las competencias de los colaboradores actuales dentro de su misma área (por ejemplo, capacitar a un analista tradicional en analítica predictiva con IA). Reskilling: Reconvertir al personal cuyas tareas operativas fueron absorbidas por la IA hacia áreas completamente nuevas y estratégicas dentro de la organización (como trasladar personal administrativo hacia la ciencia de datos). Métricas financieras y el Retorno de Inversión (ROI) Coronado enfatizó que las implementaciones de IA suelen fallar por la falta de auditoría financiera, mencionando casos en la industria donde se despide a desarrolladores para introducir IA, solo para recontratarlos al descubrir que las facturas de consumo de tokens en la nube superan los costos previos. Para evitar esto, propuso el uso de calculadoras de ROI personalizadas que evalúen de manera estricta los siguientes parámetros: Horas o minutos ahorrados por cada ejecución automatizada. Tasa de error de la IA frente a la tasa de error humana (y el costo financiero de ambos errores). Comparativa del costo por transacción (valor de la hora del empleado versus el valor de los tokens consumidos). Como cierre de éxito internacional, expuso el caso de la multinacional IKEA y su chatbot "Billy". Al automatizar el 47% de sus 3.2 millones de consultas recurrentes, la labor de 8.500 operadores de call center fue absorbida por el sistema. En lugar de ejecutar despidos masivos, la empresa realizó un proceso de reskilling, transformando a esos empleados en asesores remotos de diseño de interiores. Este nuevo canal estratégico no solo preservó el empleo, sino que generó 1,3 millones de euros en ventas adicionales, demostrando el balance perfecto entre automatización, rentabilidad y responsabilidad social. Vea también: Festival IA Nicaragua 2026: el 95% de las empresas fracasa al implementar IA

Claudio Stopatto asume como General Manager de Infrastructure Solutions Group (ISG) para la región. Lenovo anunció su más reciente decisión estratégica a nivel corporativo con una renovación en su liderazgo en la unidad de infraestructura para América Latina. Con una amplia experiencia en el mercado de la tecnología, destacando en las áreas de infraestructura y telecomunicaciones, Claudio Stopatto se incorporó a Lenovo en 2021 como Director General de ISG en Brasil y en el último año lideró la división de Software y Alianzas para América Latina. “Estamos en un momento único en la industria, donde la adopción de la IA y la computación de alto rendimiento han dejado de ser una tendencia para convertirse en imperativos de negocio. Es un honor liderar el equipo de ISG en América Latina para apoyar a nuestros clientes y socios en este camino. Nuestro compromiso es entregar las soluciones inteligentes que nuestros clientes necesitan para ser competitivos hoy y estar listos para el futuro”, resaltó Stopatto. Le puede interesar: El 70% de los CIOs afirma que la adopción de IA avanza más rápido de lo que pueden monitorear

En el marco del Día de la Gastronomía Sostenible, expertos destacan cómo la inteligencia artificial puede ayudar a las familias a optimizar sus compras, ahorrar dinero y adoptar hábitos de consumo más responsables. Cada año, millones de toneladas de alimentos terminan en la basura mientras una parte importante de la población mundial enfrenta dificultades para acceder a una alimentación adecuada. Esta realidad ha convertido la reducción del desperdicio alimentario en uno de los principales desafíos para avanzar hacia modelos de consumo más sostenibles. En el marco del Día de la Gastronomía Sostenible, que se conmemora cada 18 de junio, especialistas destacan que los hogares tienen un papel determinante en la reducción de las pérdidas de alimentos. Acciones tan simples como planificar mejor las compras, organizar los productos almacenados y aprovechar los ingredientes disponibles pueden marcar una diferencia significativa. En Panamá, la tecnología comienza a posicionarse como una herramienta clave para impulsar estos cambios de hábitos. Las nuevas soluciones digitales permiten a los consumidores tener un mayor control sobre los alimentos que conservan en casa, evitando compras innecesarias y facilitando una gestión más eficiente de los productos. "Cada vez más consumidores buscan maneras prácticas de reducir el desperdicio de alimentos y adoptar hábitos de consumo más conscientes. La tecnología puede desempeñar un papel importante al brindar información útil que facilite la toma de decisiones en la cocina", explicó Nicole Alba, gerente de Mercadeo de la División de Digital Appliances de Samsung Centroamérica y el Caribe. Uno de los desafíos más comunes en los hogares es olvidar qué alimentos están disponibles, comprar productos duplicados o no utilizar ingredientes antes de su fecha de vencimiento. Para responder a estas necesidades, Samsung ha desarrollado tecnologías basadas en inteligencia artificial que ayudan a las familias a gestionar mejor sus alimentos y optimizar su consumo. Entre estas innovaciones destaca AI Vision Inside, incorporada en los refrigeradores Bespoke AI de la compañía. La tecnología utiliza una cámara integrada y sistemas de inteligencia artificial para identificar y registrar automáticamente los alimentos que entran y salen del refrigerador, permitiendo a los usuarios consultar el inventario desde la pantalla del equipo o a través de un teléfono inteligente. Además de ofrecer una mejor organización, la plataforma puede recomendar recetas basadas en los ingredientes disponibles, ayudando a aprovechar los alimentos antes de que se deterioren. Esta funcionalidad no solo contribuye a reducir el desperdicio, sino que también permite optimizar el presupuesto familiar y fomentar prácticas más sostenibles dentro del hogar. La conectividad también amplía las posibilidades de automatización en la cocina. Cuando el refrigerador está integrado con otros electrodomésticos compatibles, puede enviar información de las recetas directamente al horno, facilitando la preparación de los alimentos y simplificando las tareas diarias. Más allá de la comodidad, estas soluciones reflejan una tendencia creciente en la que la innovación tecnológica se convierte en un aliado para promover cambios positivos en el comportamiento de los consumidores. La combinación de información en tiempo real, planificación y automatización permite tomar decisiones más conscientes sobre el uso de los alimentos. En un contexto donde la sostenibilidad ocupa un lugar cada vez más relevante en la agenda global, expertos coinciden en que la adopción de herramientas tecnológicas puede contribuir a construir hogares más eficientes y responsables. En Panamá, estas iniciativas buscan demostrar que pequeñas acciones apoyadas por la innovación pueden generar un impacto positivo tanto en la economía familiar como en el cuidado del planeta. Le puede interesar: "Mundial de Fútbol 2026: se multiplican las amenazas de ciberseguridad"

En medio de la carrera empresarial por adoptar inteligencia artificial, Santiago Blanco, gerente general de SICSA, sostiene que el principal desafío no es la tecnología, sino la gestión del cambio. La experiencia de la compañía revela por qué muchas organizaciones tropiezan antes de obtener resultados reales. La conversación global sobre inteligencia artificial suele centrarse en modelos cada vez más potentes, inversiones multimillonarias y promesas de productividad sin precedentes. Sin embargo, en las salas de reuniones de las empresas la historia es mucho más compleja. Durante su presentación en el Festival de Inteligencia Artificial en Nicaragua, Santiago Blanco, gerente general de SICSA, puso sobre la mesa una estadística que resume el problema: “Hoy hay un estudio en MIT que dice que el 95% de las empresas han fracasado en el proceso de implementar inteligencia artificial”. La cifra resulta especialmente llamativa en un momento en que compañías de todos los sectores están acelerando proyectos de automatización, asistentes virtuales y sistemas de inteligencia artificial generativa. Pero para Blanco, el problema no está en los modelos ni en la tecnología disponible. “Y es verdad, nosotros hemos fracasado con algunos entes”, reconoció. “Porque la continuidad es como si nos queremos cambiar de software, queremos cambiar de ERP; si realmente nos queremos digitalizar, si no hay un seguimiento, realmente se nos complica”. La reflexión coincide con una tendencia observada en múltiples estudios internacionales. Aunque las empresas incrementan sus presupuestos destinados a IA, muchas iniciativas terminan estancadas en fases piloto o no consiguen generar retornos tangibles. Los obstáculos suelen estar relacionados con procesos, cultura organizacional y gobernanza más que con limitaciones tecnológicas. El problema antes que el algoritmo En lugar de comenzar por la selección de modelos o herramientas, Blanco propone una ruta mucho más pragmática. “Identificar el problema correcto, qué es lo que vamos a mejorar”, explicó. “Quizás tengamos una serie de problemas muy grandes dentro de la empresa, pero tenemos que elegir quizás el más sencillo, el de mayor alcance y el menos costoso”. La lógica contradice la narrativa predominante que impulsa a las organizaciones a desplegar soluciones de IA en múltiples áreas simultáneamente. Según SICSA, ese enfoque suele generar frustración y resultados inconsistentes. La recomendación es avanzar por etapas. “No podemos venir y decir, vamos a utilizar IA para la empresa y con esto vamos a hacer maravillas, vamos a ganar millones, vamos a conquistar al mundo. No, no es así. No funciona así. Debemos comenzar de a poco”. Esta visión se alinea con las mejores prácticas que hoy promueven consultoras y centros de investigación especializados en transformación digital. Los proyectos con mayor tasa de éxito suelen enfocarse primero en casos de uso concretos, medibles y relativamente acotados. La gestión del cambio sigue siendo el factor decisivo Para Blanco, la variable más subestimada sigue siendo el componente humano. “Es super importante la gestión del cambio, hablar con las personas, que todos seamos partícipes del cambio que vamos o que queremos lograr dentro de nuestra empresa”, afirmó. La irrupción de herramientas como ChatGPT también ha alimentado temores laborales que pueden ralentizar los procesos de adopción. Frente a ello, SICSA insiste en que la inteligencia artificial debe entenderse como una tecnología de apoyo y no como un sustituto absoluto de los trabajadores. “Realmente era un mito. Viene la IA y yo me quedo sin trabajo. No es tan así. Hay que ser orquestador. El humano forma parte del proceso”. El mensaje adquiere relevancia mientras gobiernos, universidades y empresas debaten el impacto de la automatización sobre el empleo. Aunque ciertas tareas pueden ser reemplazadas, la tendencia dominante apunta a una redefinición de funciones más que a una sustitución masiva de trabajadores. La supervisión humana sigue siendo indispensable La experiencia práctica de SICSA también muestra los límites actuales de la automatización. Blanco relató un proyecto basado en lectura automatizada de documentos y extracción de datos que alcanzó niveles muy altos de precisión. “Logramos una eficiencia entre un 95 y un 98% de la fidelidad de los datos”, explicó. Sin embargo, incluso con esos resultados, la supervisión humana continúa siendo necesaria. “Al final de eso tiene que haber un humano de controles, porque si una agencia de aduana se equivoca realmente la multa puede ser muy grande”. La afirmación refleja una realidad cada vez más evidente en la industria. Los sistemas de IA pueden automatizar tareas complejas con altos niveles de exactitud, pero en sectores regulados o críticos las decisiones finales continúan requiriendo validación humana. Más allá del entusiasmo que rodea a la inteligencia artificial generativa, la experiencia compartida por SICSA sugiere que la verdadera transformación empresarial sigue dependiendo de factores clásicos: liderazgo, procesos, métricas y disciplina de ejecución. “Si yo no tengo medido ese puesto, lo que voy a hacer es crecer el desastre que tengo y no voy a saber si me está dando resultados o no”, advirtió Blanco. En otras palabras, la IA no corrige organizaciones desordenadas. Amplifica lo que ya existe. Y en un mercado donde la presión por adoptar estas tecnologías es cada vez mayor, esa puede ser la lección más importante para las empresas que buscan evitar formar parte de ese 95% de proyectos fallidos. Lea también: Así fue el Festival IA de Panamá: estrategias, productividad y liderazgo para acelerar la adopción empresarial

Mientras la atención del mundo tecnológico se concentra en la inteligencia artificial generativa y los modelos de última generación, las máquinas de soporte vectorial (SVM) continúan demostrando su vigencia en aplicaciones donde la precisión, la eficiencia y la capacidad de generalización son esenciales. Por Fabiola Montero, profesora de la Facultad de Informática, Electrónica y Comunicación de la Universidad de Panamá En los últimos años, la inteligencia artificial (IA) ha estado dominada por modelos generativos, redes neuronales profundas y sistemas capaces de crear texto, imágenes y código. Sin embargo, detrás de esta revolución tecnológica continúan vigentes algoritmos clásicos que siguen ofreciendo resultados sobresalientes en numerosos escenarios reales. Entre ellos destacan las máquinas de soporte vectorial (Support Vector Machines, SVM), una técnica que, pese a haber sido desarrollada décadas atrás, mantiene un papel relevante dentro de la inteligencia artificial moderna gracias a su precisión, capacidad de generalización y sólido fundamento matemático. Las SVM fueron desarrolladas a partir de los trabajos de Vladimir Vapnik y sus colaboradores durante las décadas de 1960 y 1970, y alcanzaron una amplia difusión internacional en los años noventa gracias a sus destacadas capacidades de clasificación. Su principio fundamental consiste en construir una frontera de decisión que maximice el margen entre las diferentes clases de datos. Esta frontera, representada mediante un hiperplano en el espacio de características, se define buscando la máxima distancia posible respecto a las observaciones más cercanas de cada categoría. Esta estrategia proporciona propiedades estadísticas altamente deseables, entre ellas una sólida capacidad de generalización y una menor propensión al sobreajuste. Tales ventajas se sustentan en la teoría del aprendizaje estadístico y en el principio de minimización del riesgo estructural, que busca equilibrar el ajuste del modelo a los datos disponibles con su capacidad para responder adecuadamente ante nuevas observaciones. Una característica distintiva de las SVM es que su funcionamiento depende únicamente de un conjunto reducido de observaciones críticas denominadas vectores de soporte. Estos puntos, ubicados en los límites del margen de separación, determinan la posición y orientación de la frontera de decisión. Gracias a esta propiedad de esparsidad, el modelo puede realizar predicciones de manera eficiente y mantener una mayor estabilidad frente a observaciones alejadas de la frontera que no influyen en la solución óptima. Una de las mayores fortalezas de las SVM es su capacidad para abordar problemas no lineales mediante el uso de funciones kernel. Este mecanismo permite proyectar los datos a espacios de mayor dimensionalidad donde una separación lineal resulta posible, sin necesidad de calcular explícitamente dicha transformación. Entre los kernels más utilizados se encuentran el lineal, el polinomial, el de base radial (RBF) y el sigmoidal. Esta flexibilidad permite adaptar el modelo a diferentes estructuras de datos manteniendo la ventaja de resolver un problema de optimización convexa con solución global. En el ámbito práctico, las SVM han demostrado una notable eficacia en sectores donde la confiabilidad del modelo resulta fundamental. En ciberseguridad se emplean para detectar tráfico malicioso y filtrar correos no deseados a partir de patrones presentes en los registros de red. En bioinformática son especialmente útiles en escenarios caracterizados por una alta dimensionalidad y un número reducido de muestras, como ocurre en la clasificación de perfiles génicos. En visión por computadora han sido utilizadas exitosamente para el reconocimiento de caracteres manuscritos y la identificación de objetos en conjuntos de datos estructurados. Asimismo, en el sector financiero contribuyen a la detección de fraude y a la evaluación del riesgo crediticio, donde la correcta identificación de eventos poco frecuentes puede representar importantes ahorros económicos. Por ejemplo, una entidad bancaria puede utilizar una SVM para distinguir transacciones legítimas de posibles fraudes analizando cientos de variables relacionadas con el comportamiento histórico de sus clientes. De manera similar, un sistema de ciberseguridad puede clasificar automáticamente conexiones sospechosas en función de patrones previamente identificados como amenazas. A diferencia de los modelos de aprendizaje profundo, que suelen requerir grandes volúmenes de datos y una elevada capacidad computacional, las SVM pueden ofrecer excelentes resultados con conjuntos de datos más reducidos y recursos moderados. Esta característica las convierte en una alternativa atractiva para organizaciones que buscan soluciones precisas sin necesidad de infraestructuras complejas de inteligencia artificial. Por esta razón, continúan siendo ampliamente utilizadas en aplicaciones empresariales, científicas e industriales donde la eficiencia y la confiabilidad son tan importantes como la innovación. No obstante, estas capacidades también presentan desafíos. La selección del kernel adecuado y la optimización de parámetros como C y gamma requieren procedimientos sistemáticos de ajuste, tales como la validación cruzada y la búsqueda en cuadrícula. Además, el entrenamiento puede volverse computacionalmente costoso cuando se trabaja con grandes volúmenes de datos. A ello se suma la sensibilidad del algoritmo al escalado de las variables, lo que hace indispensable aplicar técnicas de normalización o estandarización durante el preprocesamiento. Desde la perspectiva de la IA aplicada, las SVM reflejan un principio fundamental: la elección del modelo debe responder a las características del problema y no a tendencias tecnológicas del momento. No existe un algoritmo universalmente superior para todos los escenarios. Las SVM destacan particularmente cuando los datos están bien estructurados, las clases presentan una separación razonable y se requiere un equilibrio adecuado entre exactitud, generalización y eficiencia. En un contexto donde la IA evoluciona a gran velocidad y surgen continuamente nuevas arquitecturas y modelos generativos, las máquinas de soporte vectorial demuestran que la innovación no siempre implica reemplazar las técnicas existentes. Su permanencia en aplicaciones reales evidencia que los fundamentos sólidos continúan siendo tan importantes como las tecnologías emergentes. Más que una tecnología del pasado, las SVM representan una solución madura y confiable que sigue aportando valor en la construcción de sistemas inteligentes para la toma de decisiones basada en datos. En definitiva, las máquinas de soporte vectorial demuestran que la relevancia de una tecnología no depende de su novedad, sino de su capacidad para resolver problemas de manera efectiva. Aunque la atención actual se concentra en modelos generativos y arquitecturas cada vez más complejas, las SVM continúan ocupando un lugar importante dentro de la inteligencia artificial moderna gracias a su precisión, robustez y capacidad de generalización. Su permanencia confirma que los fundamentos sólidos siguen siendo esenciales para construir sistemas inteligentes confiables y sostenibles. Le puede interesar: El 70% de los CIOs afirma que la adopción de IA avanza más rápido de lo que pueden monitorear