Los equipos como el AIR 3255 logran una reducción de casi un 20% en las emisiones de CO₂ incorporadas. La iniciativa respalda la estrategia climática de la telco, enfocada en reducir las emisiones de alcance 1 y 2 en un 30% y la intensidad de las emisiones de alcance 3 en un 39,8% para 2027. En el marco del Día Mundial del Medio Ambiente, que se conmemora este 5 de junio, Liberty Costa Rica y Ericsson destacan el despliegue de su red 5G, basada en equipos de red de acceso radio (RAN) de última generación que no solo ofrecen alto desempeño, sino que también permiten una operación más eficiente y sostenible en términos de consumo de energía y emisiones de CO₂, reforzando su compromiso con una conectividad responsable. Estos resultados demuestran que es posible contar con redes de alto rendimiento que además sean eficientes y sostenibles. Liberty está desplegando su red 5G con el portafolio más reciente de Ericsson Radio System, que combina: AIR 3255, una radio Massive MIMO en la banda de 3,5 GHz, ultraligera y altamente sostenible, que ofrece un alto rendimiento usando aproximadamente un 30% menos de energía y un 20% menos de CO₂ incorporado que los modelos anteriores. Radio 4432 B28 en 700 MHz, optimizada para alta eficiencia y amplia cobertura, ideal para extender el 5G a zonas rurales y de difícil acceso. RAN Processor 6655, una baseband de nueva generación con capacidades de IA mejoradas, mayor capacidad y eficiencia energética, y la posibilidad de consolidar más funciones de red en menos hardware, reduciendo así el consumo de energía a nivel de sitio. Estas soluciones están impulsadas por SoC Ericsson Silicon y funciones avanzadas como Massive MIMO, beamforming y apagado dinámico. En conjunto, dirigen la potencia de radio únicamente hacia los usuarios activos y ajustan automáticamente el uso de energía en tiempo real, lo que ayuda a reducir de forma significativa el desperdicio energético. El enfoque de Ericsson para abordar las emisiones de carbono incorporadas —aquellas generadas a lo largo de toda la cadena de valor, incluida la fabricación, el transporte y la instalación— subraya la importancia de ir más allá del uso energético operativo. Esto se logra mediante una perspectiva de ciclo de vida que prioriza la reducción en el uso de materiales, el aumento de la integración tecnológica, la optimización de la logística y la habilitación de actualizaciones de software que maximizan la vida útil de los productos. Este despliegue refleja el compromiso de Ericsson de apoyar a sus clientes en el cumplimiento de sus objetivos de sostenibilidad mediante el desarrollo de soluciones cada vez más eficientes en rendimiento y consumo energético. De acuerdo con el último Sustainability Statement de Ericsson, la compañía alcanzó seis meses antes de lo previsto su objetivo de reducir en un 40 por ciento el consumo promedio de energía de los nuevos sitios típicos de estaciones base de radio hacia finales de 2025, comparado con la línea base de 2021. Ahora Ericsson trabaja en una nueva ambición: reducir tanto el consumo de energía como el carbono incorporado de los nuevos sitios tipo de estaciones base de radio en un 50 por ciento para 2027, en relación con los niveles de 2021. Además, el despliegue de la red 5G de Liberty Costa Rica respalda su estrategia climática, que tiene como objetivo una reducción del 30% en las emisiones de alcance 1 y 2 para 2027 (frente a 2021) y una disminución del 39% en la intensidad de las emisiones de alcance 3 por cada millón de colones de valor añadido en el mismo período. Wendy Madriz, gerente de Comunicaciones de Liberty, señala que “la red 5G que estamos construyendo para Costa Rica no solo ofrece mayor velocidad y capacidad, sino que lo hace de una manera más eficiente y ambientalmente responsable. Estamos comprometidos con conectar a las comunidades y seguir creciendo cuidando el medio ambiente”. Sean Cryan, CEO para Latinoamérica Norte y el Caribe en Ericsson, afirma: “Este despliegue 5G nos recuerda que la industria de las telecomunicaciones tiene un papel real y medible en la transición hacia un futuro más sostenible. Lo que estamos logrando juntos en Costa Rica es exactamente el tipo de impacto que queremos replicar en toda la región”. Le puede interesar: Claude Opus 4.8: la apuesta por una IA “más honesta”

Llegó un nuevo episodio del resumen semanal sobre el colapso organizado de la humanidad (pero sin manual de uso). 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: La IA simula sociedades: Claude creó democracia, Grok extinguió a todos Microsoft crea un asistente ejecutivo: tu calendario ya puede despedirte solo El cementerio de unicornios crece: la IA se está comiendo a las startups pre-ChatGPT El padrino de la IA advierte que las máquinas despertaron: excelente semana para tener botón de apagado Anthropic sale a bolsa: la guerra de la IA ahora también cotiza Tu celular funciona como un casino: sorpresa para absolutamente nadie CNN demanda a Perplexity: “los hechos son libres”, el periodismo no tanto La IA descifra secretos medievales: finalmente automatizamos la brujería ¿Qué comemos hoy?: una startup cree haber resuelto el dilema más difícil de la humanidad Y muchas "noticias" increíbles más... Le puede interesar: Week Report #86: el noticiero que confirma que vivimos en una loca simulación

Aunque los modelos generativos producen textos, imágenes y campañas publicitarias cada vez más sofisticadas, la evidencia muestra que las personas continúan valorando más las creaciones humanas. La razón no está en la calidad técnica, sino en algo que las máquinas todavía no pueden replicar: la experiencia humana. La industria tecnológica suele presentar la inteligencia artificial como una fuerza inevitable destinada a automatizar prácticamente cualquier actividad intelectual. Sin embargo, cuando la conversación se traslada al terreno de la creatividad, la narrativa comienza a mostrar grietas. Un análisis publicado por Computerworld sostiene que, incluso cuando las personas son incapaces de distinguir entre contenido generado por humanos y contenido generado por IA, siguen prefiriendo las obras creadas por personas una vez que conocen su origen. La observación parece menor, pero plantea una pregunta fundamental para el futuro de la economía creativa: ¿qué es exactamente lo que valoramos cuando consumimos arte, diseño, escritura o contenido? La respuesta parece estar menos relacionada con la calidad técnica que con el significado. Los modelos generativos actuales son extraordinariamente eficaces para reproducir patrones. Pueden escribir artículos, diseñar imágenes, generar música y producir campañas publicitarias en cuestión de segundos. Sin embargo, gran parte de ese trabajo deriva de una recombinación estadística de conocimientos previos. Lo que sigue faltando es una experiencia propia del mundo. Diversas investigaciones académicas han llegado a conclusiones similares. Un estudio publicado en 2025 encontró que los sistemas de IA superan a los humanos en ciertas pruebas de pensamiento divergente y resolución de problemas, pero obtienen resultados inferiores en tareas de escritura creativa. Los investigadores concluyeron que el rendimiento creativo de la IA parece surgir de mecanismos diferentes a los procesos cognitivos humanos asociados con la creatividad genuina. La diferencia es especialmente visible cuando la creatividad exige contexto cultural, emociones complejas o experiencias personales. La historia ofrece un antecedente revelador. Cuando apareció la fotografía en el siglo XIX, muchos artistas temieron que la pintura perdiera relevancia. Ocurrió exactamente lo contrario. La imposibilidad de competir con la precisión mecánica de las cámaras impulsó movimientos como el impresionismo y el expresionismo, que desplazaron el foco desde la representación objetiva hacia la interpretación subjetiva de la realidad. La inteligencia artificial podría estar produciendo una transformación semejante. Si las máquinas son capaces de generar contenidos técnicamente correctos de forma instantánea, el valor diferencial de los creadores humanos podría desplazarse hacia elementos más difíciles de automatizar: visión personal, intuición, sensibilidad cultural, autenticidad y capacidad de conectar experiencias aparentemente inconexas. La paradoja es que el avance de la IA podría terminar aumentando el valor de aquello que la tecnología no puede producir. El debate también tiene implicaciones económicas. Según el Foro Económico Mundial, el futuro no debería entenderse como una competencia entre humanos y máquinas, sino como una combinación de capacidades complementarias. La organización sostiene que la mayor oportunidad reside en integrar inteligencia artificial y talento humano tanto en dominios analíticos como creativos. En la práctica, eso ya está ocurriendo. Las agencias de publicidad utilizan modelos generativos para acelerar procesos de investigación. Los estudios de diseño emplean IA para explorar conceptos visuales. Los escritores recurren a asistentes digitales para organizar ideas. Pero en la mayoría de los casos, la decisión final continúa dependiendo del criterio humano. La razón es simple. La creatividad no consiste únicamente en producir algo nuevo. También implica decidir qué vale la pena decir, por qué debe decirse y cuál es el significado detrás de esa creación. Lea también: Microsoft planea nueva "superapp" de Copilot

Más del 40% de las empresas ya ha sufrido interrupciones o pérdidas tras un ciberataque de acuerdo con un informe de Veeam. En un entorno donde el caos es inevitable, la diferencia está en quién sabe gestionarlo con una estrategia sólida. La emoción por el fútbol vuelve a capturar la atención de las personas por estos días. Hay una lección clave que trasciende la cancha: los partidos no se ganan evitando el caos, sino gestionándolo con estrategia. Jugadas inesperadas, cambios de ritmo y decisiones en segundos hacen de este deporte un juego impredecible, donde la estrategia marca la diferencia. Hoy, las organizaciones enfrentan un escenario similar en el entorno digital con múltiples amenazas, ataques más rápidos y actores más sofisticados que convierten la operación del día a día en un terreno de juego complejo. Esta realidad no es menor. Según el más reciente informe Data Trust and Resilience Report 2026 de Veeam, más del 40% de las empresas que sufrieron un incidente reportaron interrupciones operativas o pérdidas financieras, evidenciando el impacto real del “caos” digital. Así como en el fútbol, donde un error puede cambiar el resultado del partido, en ciberseguridad una falla en la ejecución puede traducirse en pérdidas críticas. Cuando el ataque llega: la importancia de una estrategia de recuperación sólida En el mundo digital, los ataques son inevitables, pero la forma en que las organizaciones responden define el resultado. El mismo informe revela que, en ataques de ransomware, solo el 28% de las organizaciones logró recuperar completamente sus datos, mientras que el resto enfrentó pérdidas o interrupciones. “Aunque muchas empresas tienen planes, pocas están realmente listas para ejecutarlos bajo presión. La diferencia está en la preparación: no se trata de evitar el caos, sino de convertirlo en una ventaja estratégica a través del llamado ‘caos controlado’.” Señala Javier Castrillón, Territory Sales Manager en Veeam. Para convertir el caos en control, una estrategia efectiva de disaster recovery debe contemplar: Visibilidad total del juego: entender dónde están los datos, cómo se mueven y qué sistemas son críticos; similar a cómo un equipo analiza el posicionamiento en la cancha. Controles que se ejecutan, no solo se planean: así como los entrenamientos se reflejan en el partido, las políticas deben estar respaldadas por herramientas y procesos que funcionen en tiempo real. Recuperación probada, no asumida: no basta con tener un plan; es clave validarlo constantemente en escenarios reales para garantizar su efectividad cuando llegue un momento de tensión. La ciberresiliencia no es una teoría, es una capacidad operativa que se construye antes del incidente y se pone a prueba durante el mismo. Del exceso de confianza a la ejecución estratégica Uno de los mayores riesgos en ciberseguridad no es el ataque en sí, sino la falsa sensación de estar preparado. De acuerdo con Veeam, el 90% de las organizaciones cree estar lista para recuperarse de un ciberataque, pero la realidad demuestra brechas importantes en la ejecución. Es el equivalente a un equipo que confía en su táctica, pero no logra ejecutarla bajo la presión del partido. Cerrar esta brecha requiere transformar la confianza en capacidad real a través de: Preparación constante: entrenamientos continuos, pruebas de recuperación y actualización de estrategias frente a nuevas amenazas. Claridad en la estrategia: roles definidos, métricas claras y alineación entre tecnología y negocio para tomar decisiones rápidas. Ejecución bajo presión: automatización y procesos que permitan actuar con precisión incluso en escenarios críticos. En el entorno digital, no gana quien evita el caos, sino quien logra dominarlo. Así como en el fútbol, donde los mejores equipos convierten la incertidumbre en oportunidades, las organizaciones que desarrollan resiliencia real son aquellas capaces de transformar el caos en “caos controlado”, asegurando continuidad, confianza y ventaja competitiva incluso en los momentos más desafiantes. Le puede interesar: Microsoft quiere reemplazar al asistente ejecutivo: Scout inaugura la era de los agentes autónomos en la oficina

La empresa anunció una nueva función llamada Meta Business Agent, una herramienta IA que se puede usar en aplicaciones como WhatsApp, Messenger e Instagram para responder a las consultas de los clientes, recomendar productos y reservar citas. La semana anterior, Meta lanzó una serie de ofertas para creadores y empresas en sus redes sociales, a través de la marca Meta One. Precisamente, este agente de IA se incluye en la suscripción enfocada en negocios. De acuerdo con información publicada por el medio CNBC, Meta explicó que este movimiento les permite ofrecer experiencias personalizadas, comenzando dentro de las aplicaciones de mensajería que sus clientes ya usan. "Hoy quiero presentar Meta Business Agent, dando a cada negocio, de cualquier tamaño, un agente para hablar con los clientes y ayudar a dirigir su operación. Ahora, una tienda de ropa en Birmingham o una panadería en São Paulo pueden ofrecer la misma experiencia siempre activa y altamente personalizada que una gran marca", dijo el CEO de Meta, Mark Zuckerberg. Los clientes también pueden acceder a una nueva Meta Business Agent Platform que les permite conectar fuentes de datos de terceros de servicios como Shopify y Zendesk, lo que les permite. CNBC cita que Meta todavía depende de los anuncios para aproximadamente el 98% de sus ingresos, habiendo tenido dificultades repetidamente para vender productos digitales y físicos a lo largo de los años. Zuckerberg dijo que Meta está construyendo actualmente "capacidades agénticas" que pueden realizar tareas avanzadas, desde sugerir formas de hacer crecer su negocio, brindar inteligencia competitiva, hasta información en tiempo real sobre lo que funciona y lo que no. "A medida que nuestros modelos avancen, su agente asumirá más tareas y, eventualmente, le ayudará a dirigir todo su negocio", dijo Zuckerberg. En octubre, Meta lanzó una versión de prueba gratuita del servicio, entonces llamado Business AI, que solo estaba disponible en países seleccionados, incluidos México e India. La compañía se está enfocando cada vez más en un entorno competitivo, en un sector en el que gigantes como Amazon y Microsoft ya lanzaron sus propios agentes IA. Por otro lado, usuarios se han volcado hacia plataformas de agentes de IA gratuitos como Open Claw A las grandes empresas que actualmente utilizan la plataforma WhatsApp Business de Meta se les cobrará en función del consumo por la nueva función de agente de IA, de manera similar a cómo pagan por cada mensaje que envían a los clientes en la aplicación. Le puede interesar: Microsoft quiere reemplazar al asistente ejecutivo: Scout inaugura la era de los agentes autónomos en la oficina

En un escenario donde la inteligencia artificial avanza desde los laboratorios hacia operaciones cada vez más complejas y escalables, la discusión ya no pasa por elegir entre TensorFlow o PyTorch, sino por entender cómo integrarlos estratégicamente. Esta columna analiza cómo la convergencia entre ambos ecosistemas redefine las competencias necesarias en ciencia de datos y transforma la manera en que se construyen soluciones de IA robustas, flexibles y listas para producción. Por Fabiola Montero, Profesora de la Facultad de Informática, Electrónica y Comunicación de la Universidad de Panamá La consolidación de la inteligencia artificial exige una visión estratégica para llevar los proyectos desde la investigación hasta el despliegue en entornos de producción a gran escala. Durante años, el debate técnico estuvo dividido entre dos grandes marcos de trabajo para el desarrollo de modelos de aprendizaje automático: PyTorch, conocido por su flexibilidad y facilidad para experimentar, y TensorFlow, reconocido por su solidez y orientación hacia entornos industriales. Sin embargo, hoy esa rivalidad ha quedado atrás. Ambas herramientas han evolucionado y se han acercado tanto que dominar su uso combinado se ha convertido en una ventaja clave para cualquier profesional de la ciencia de datos. Durante la última década, elegir entre una u otra plataforma definió en gran medida cómo se construían los proyectos de inteligencia artificial. Cada una tenía una filosofía distinta. PyTorch fue diseñado para ser flexible y cercano al lenguaje Python. Su principal ventaja es que permite construir y modificar los modelos mientras se trabaja, lo que facilita detectar errores, hacer pruebas rápidas y experimentar con nuevas ideas sin complicaciones. Por eso se convirtió rápidamente en la herramienta favorita de investigadores y científicos de datos que necesitan explorar y probar soluciones con agilidad. TensorFlow, en cambio, nació pensando en la escala y la industria. Su diseño estaba orientado a procesar grandes volúmenes de datos con el máximo rendimiento y a funcionar en distintos tipos de hardware. Su ecosistema incluye herramientas especializadas como TensorFlow Extended para automatizar el flujo de datos, TensorFlow Serving para poner modelos en producción con alta disponibilidad, y LiteRT para ejecutar modelos en dispositivos móviles o de bajo consumo. Por estas razones, TensorFlow sigue siendo la opción preferida en empresas grandes y entornos regulados, donde la estabilidad, el control y el mantenimiento a largo plazo son prioritarios. Sin embargo, la idea de que PyTorch era solo para investigación y TensorFlow solo para producción ya no refleja la realidad. Ambas herramientas han incorporado las fortalezas de la otra y hoy compiten en terrenos que antes eran exclusivos de su rival. PyTorch, por ejemplo, introdujo herramientas que le permiten optimizar automáticamente el rendimiento de los modelos y desplegarlos directamente en dispositivos móviles y hardware especializado, sin necesidad del entorno Python. Esto lo pone a la altura de lo que TensorFlow ofrecía históricamente en ese campo. Al mismo tiempo, el ecosistema de TensorFlow respondió apostando por mayor flexibilidad y compatibilidad. La llegada de Keras 3, una interfaz de programación que funciona como puente entre distintas plataformas de aprendizaje automático, fue un punto de inflexión importante: permite escribir el código del modelo una sola vez y elegir después con qué motor ejecutarlo. Un equipo puede entrenar su modelo usando PyTorch por su agilidad en la fase de experimentación, y luego compilarlo con los aceleradores de TensorFlow o JAX —una biblioteca de cómputo numérico de alto rendimiento desarrollada por Google— para maximizar el rendimiento cuando el modelo pasa a producción. Esto elimina uno de los problemas más comunes en los proyectos de inteligencia artificial: tener que reescribir todo el código al cambiar de plataforma. Otro avance importante tiene que ver con el entrenamiento de modelos muy grandes, que requieren distribuir el trabajo entre miles de procesadores especializados. Tanto PyTorch como TensorFlow han desarrollado herramientas maduras para gestionar esta distribución de forma eficiente, compatibles con el hardware más avanzado disponible en el mercado. Esto significa que la elección de una u otra plataforma ya no está limitada por su capacidad de cómputo, sino por las necesidades específicas del proyecto y la infraestructura disponible. En definitiva, el profesional de la ciencia de datos de hoy no puede darse el lujo de dominar solo una herramienta. La convergencia entre TensorFlow y PyTorch no significa que sean idénticas, sino que se complementan. Saber cuándo usar cada una, y cómo combinarlas según las necesidades del proyecto, es lo que define la diferencia entre una solución funcional y una solución robusta, escalable y sostenible en el tiempo. En un campo que avanza tan rápido, la flexibilidad estratégica no es opcional: es la base del éxito profesional. Le puede interesar: La contratación de personal para ciberseguridad se estanca: casi la mitad de los líderes de TI enfrentan resistencia corporativa

Un estudio de Aithos encontró que todos los modelos de lenguaje analizados fallaron en cumplir con los requisitos legales de la UE. Descubrieron que recolectan datos de los usuarios sin consentimiento, intentan manipular individuos vulnerables y hasta crean perfiles psicológicos. La organización de investigación sin fines de lucro Aithos reveló que los principales modelos de inteligencia artificial (IA) violan las normativas de la Unión Europea (UE) sobre IA y protección de datos. Aithos ganó relevancia internacional tras desarrollar LARA (Legal Assessment for Real-world Agents), que es una herramienta de auditoría diseñada para simular escenarios de la vida real y evaluar si los modelos de inteligencia artificial cumplen con el GDPR (Reglamento General de Protección de Datos) y la Ley de IA de la Unión Europea. Fue con esta herramienta que encontraron infracciones como que los modelos de IA recolectan datos de los usuarios sin el consentimiento de estos, intentaban manipular a individuos vulnerables y, un punto preocupante, creaban perfiles psicológicos. De acuerdo con ComputerWorld, Aithos encontró que todos los modelos de lenguaje analizados fallaron en cumplir con los requisitos legales de la UE. En algunos casos, se detectaron violaciones a las reglas en hasta un 93% de las situaciones probadas. El mejor desempeño fue del modelo Claude Opus 4.7 Anthropic obtuvo el mejor resultado, que aun así solo alcanzó un nivel de cumplimiento del 54% de las veces. Aithos señaló que la responsabilidad no recae únicamente en las grandes tecnológicas desarrolladoras. Las empresas que utilicen estos modelos para construir sus propios agentes de IA también podrían ser consideradas legalmente responsables por estos fallos. El estudio subraya que hay un desafío crítico para las empresas que buscan implementar soluciones de IA generativa en el territorio europeo, sugiriendo que la tecnología actual aún está lejos de alinearse con el marco legal vigente. El mejor de los desempeños de los modelos evaluados deja casi la mitad de sus interacciones en un limbo legal, lo que pone en riesgo de sanciones a estas empresas. De acuerdo con GDPR las sanciones pueden alcanzar los €20 millones o el 4% del volumen de negocios anual global del ejercicio anterior de la empresa. Según la ley de IA, las aplicaciones IA prohibidas pueden conllevar multas de hasta €35 millones o el 7% de los ingresos globales.

La revolución iniciada por ChatGPT está acelerando una depuración histórica en el ecosistema emprendedor. Más de 220 startups creadas antes del boom de la IA ya perdieron su valoración de mil millones de dólares, mientras el capital fluye hacia OpenAI, Anthropic y una nueva generación de compañías nativas de inteligencia artificial. Durante años, Silicon Valley vivió bajo una premisa casi inquebrantable: crecer primero, preocuparse después por la rentabilidad. La combinación de tasas de interés cercanas a cero, abundancia de capital y aceleración digital durante la pandemia permitió que cientos de empresas alcanzaran valoraciones superiores a los mil millones de dólares. Hoy ese mundo parece lejano. Datos de PitchBook divulgados por CNBC muestran que más de 220 startups estadounidenses han perdido su condición de unicornio. Muchas de ellas fueron estrellas de la era previa a ChatGPT, pero ahora enfrentan un mercado que valora atributos completamente distintos. Según la firma de análisis, las empresas que levantaron capital por última vez en 2021 registran una caída promedio del 68% en sus valoraciones, mientras que aquellas financiadas en 2022 acumulan retrocesos cercanos al 52%. La transformación no es solamente financiera: es estructural. El lanzamiento de ChatGPT a finales de 2022 redefinió la forma en que los inversionistas evalúan el potencial de crecimiento. Lo que antes requería equipos de cientos de ingenieros, presupuestos millonarios y años de desarrollo, hoy puede construirse con grupos significativamente más pequeños apoyados por herramientas de inteligencia artificial. Samir Kaul, socio de Khosla Ventures, describió este cambio con una frase reveladora: la nueva generación de emprendedores programa en inglés. La observación resume un fenómeno que está alterando las reglas económicas del software. La capacidad de crear productos con menos personal reduce costos, acelera la innovación y disminuye las barreras de entrada. Como consecuencia, muchas startups tradicionales se encuentran atrapadas en una posición incómoda. Conservan estructuras de costos diseñadas para otra época mientras compiten contra empresas nacidas en la era de la IA. El impacto es particularmente visible en el sector SaaS. PitchBook identifica 75 compañías de software empresarial entre los llamados "unicornios caídos". La razón es sencilla: la inteligencia artificial está automatizando funciones que antes justificaban licencias de software independientes. Herramientas de programación asistida, automatización documental y agentes inteligentes están absorbiendo capacidades que durante años sostuvieron negocios multimillonarios. La magnitud del cambio también se refleja en la distribución del capital de riesgo. Mientras cientos de startups intentan justificar valoraciones heredadas de 2021, el dinero se concentra en un número reducido de actores. OpenAI alcanzó recientemente una valoración cercana a los 840.000 millones de dólares tras una ronda récord de financiación. Anthropic, por su parte, se aproxima al billón de dólares de valoración después de captar 65.000 millones de dólares adicionales. La concentración de recursos en estas compañías está redefiniendo todo el mercado tecnológico. Los efectos secundarios comienzan a multiplicarse. Empresas como Glossier, Savage X Fenty, AG1, Betterment y SeatGeek aparecen entre las compañías que han visto deteriorarse significativamente sus valoraciones. En paralelo, adquisiciones recientes muestran descuentos que habrían sido impensables durante el auge de 2021. Ryan Falvey, de Restive Ventures, estima que los múltiplos de valoración se han comprimido aproximadamente seis veces desde los máximos alcanzados durante la pandemia. En términos prácticos, una empresa que genera exactamente los mismos ingresos que hace cinco años podría valer hasta un 85% menos en el entorno actual. La situación plantea una pregunta incómoda para el ecosistema emprendedor: ¿estamos observando una corrección saludable o el inicio de una extinción masiva? Probablemente ambas cosas. La historia de la tecnología está llena de momentos en los que una innovación transforma radicalmente la asignación de capital. Internet desplazó a empresas tradicionales. Los teléfonos inteligentes redefinieron industrias completas. Ahora la inteligencia artificial parece estar produciendo una nueva redistribución de ganadores y perdedores. La diferencia es la velocidad. Lo que normalmente habría tomado una década está ocurriendo en apenas tres años. Lea también: The New York Times en conflicto por el uso de IA para evaluar empleados

La compañía presentó un agente de inteligencia artificial que no espera instrucciones para actuar. Integrado en Outlook, Teams, OneDrive y SharePoint, el sistema representa un cambio profundo en la estrategia de Microsoft: pasar de asistentes conversacionales a trabajadores digitales capaces de ejecutar tareas de manera autónoma. Durante los últimos tres años, la industria tecnológica ha intentado convencer a las empresas de que los chatbots podían aumentar la productividad. Ahora Microsoft cree que la siguiente etapa ya no consiste en responder preguntas, sino en trabajar por cuenta propia. La compañía anunció el lanzamiento de Microsoft Scout, un nuevo agente de inteligencia artificial diseñado para funcionar como un asistente ejecutivo permanente. A diferencia de herramientas como ChatGPT o Microsoft Copilot, que requieren interacción directa del usuario, Scout permanece activo en segundo plano, monitorea flujos de trabajo, coordina tareas y toma decisiones operativas dentro de los límites definidos por cada organización. La presentación marca la aparición de una nueva categoría que Microsoft denomina "Autopilots", agentes autónomos capaces de actuar en nombre de una persona o equipo sin necesidad de recibir instrucciones constantes. Según explicó la empresa, estos sistemas cuentan con una identidad propia dentro de la infraestructura corporativa y operan utilizando los permisos y políticas de seguridad establecidos por la organización. Scout está integrado en el ecosistema Microsoft 365 y puede acceder a Teams, Outlook, OneDrive y SharePoint, además de analizar correos electrónicos, calendarios, contactos y conversaciones para comprender el contexto laboral de cada usuario. Su función no es únicamente responder consultas, sino identificar tareas pendientes, organizar agendas, detectar riesgos en proyectos y coordinar actividades antes de que se conviertan en problemas. Entre las capacidades demostradas por Microsoft se encuentran la programación automática de reuniones entre participantes ubicados en diferentes zonas horarias, la generación de materiales preparatorios para encuentros ejecutivos, el seguimiento de entregables y la reserva de espacios en la agenda para garantizar que determinadas tareas se completen a tiempo. Scout también puede detectar decisiones estancadas que estén bloqueando proyectos y alertar a los responsables correspondientes. La diferencia respecto a Copilot es significativa. Mientras los asistentes actuales funcionan bajo un modelo reactivo basado en preguntas y respuestas, Scout opera bajo una lógica persistente. Según Bloomberg, el agente incluso aparece dentro de los sistemas corporativos de correo electrónico y calendario como si fuera un empleado más de la organización, una característica que amplía considerablemente el rango de acciones que puede ejecutar. Detrás del lanzamiento existe también una dimensión estratégica. Microsoft continúa siendo uno de los socios más importantes de OpenAI, pero Scout refleja el creciente interés de la compañía por construir tecnologías propias. El sistema utiliza OpenClaw, una plataforma de código abierto que ganó notoriedad a comienzos de 2026, y se apoya en Work IQ, la nueva capa de inteligencia contextual presentada por Microsoft durante Build 2026. La empresa reveló además que más de 3.000 empleados ya utilizan versiones preliminares de Scout para actividades profesionales y personales. Actualmente el producto se encuentra disponible en una vista previa privada para clientes seleccionados y organizaciones Frontier. El acceso requiere inscripción en el programa Frontier, configuración de políticas mediante Intune y una licencia de GitHub Copilot. La apuesta de Microsoft responde a una tendencia que comienza a redefinir el mercado corporativo de IA. Los grandes proveedores tecnológicos ya no compiten únicamente por ofrecer mejores modelos de lenguaje. La nueva carrera consiste en construir agentes capaces de ejecutar trabajo real. Podría interesarle: El verdadero cuello de botella de los agentes de IA no es la inteligencia, es quién tiene permiso para actuar

Fortinet publicó el Reporte Global sobre la Brecha de Habilidades en Ciberseguridad 2026, revelando los desafíos emergentes y persistentes que enfrentan las organizaciones al lidiar con la escasez continua de habilidades en ciberseguridad y un panorama de amenazas en constante evolución. Los hallazgos clave de la encuesta global incluyen: La falta de habilidades en ciberseguridad, derivada en parte de la inversión insuficiente en talento de ciberseguridad, sigue siendo una de las principales causas de brechas de seguridad devastadoras. Aunque los ciberdefensores están aprovechando eficazmente las herramientas impulsadas por IA, es necesario mejorar y reforzar la capacitación de habilidades para aprovechar plenamente los beneficios de estas tecnologías avanzadas. A pesar de las brechas en la inversión, se están realizando esfuerzos intencionales para atraer y retener talento de alto nivel en ciberseguridad. “La ciberseguridad no es simplemente un problema técnico, sino un riesgo estratégico para el negocio. La encuesta de este año sugiere que, aunque las juntas directivas generalmente reconocen la importancia de la ciberseguridad, se necesita más inversión para abordar problemas clave, como los riesgos de la aceleración en IA y la continua escasez de habilidades en ciberseguridad. Abordar estos problemas es fundamental para la resiliencia del negocio ante un panorama de amenazas cada vez más complejo,” destacó Carl Windsor, CISO en Fortinet. La falta de habilidades en ciberseguridad sigue siendo una de las principales causas de brechas de seguridad devastadoras en las empresas. La encuesta global reveló: Hay mucho en juego: El 86% de las organizaciones reportan una o más brechas en los últimos 12 meses. El 52% afirma que las brechas les cuestan más de $1 millón, frente a un 38% en 2021. Las brechas tienen el mayor costo en América del Norte, con un promedio de $2 millones por brecha. La falta de habilidades en ciberseguridad sigue siendo una de las principales preocupaciones: Por tercer año consecutivo, los líderes de TI citan la falta de habilidades en ciberseguridad como una de las principales causas de las brechas de seguridad (56%). El cincuenta y un por ciento afirma que necesitan habilidades en ciberseguridad de nivel sénior sobre todas las demás, sin embargo, el 49% tiene dificultades para obtener la aprobación para contratar más personal en ciberseguridad. Esto es sorprendente, ya que el 50% afirma que los ejecutivos e incluso los miembros de la junta directiva han enfrentado sanciones después de un ciberataque, lo que subraya el riesgo. El uso de IA por parte de los empleados crea nuevos desafíos en materia de ciberseguridad que las juntas directivas aún no comprenden. El informe muestra: La implementación de IA en entornos corporativos genera riesgos: El uso de la IA por parte de los empleados supone un riesgo que las personas no comprenden del todo. Solo la mitad (50%) de los líderes cree que los miembros de su junta directiva están “plenamente informados” sobre los posibles riesgos del uso de la IA. Puede surgir una nueva brecha de habilidades: A medida que continúa la adopción de la IA, el 63% espera una mayor necesidad de roles de supervisión y gobernanza de IA en los equipos de ciberseguridad en los próximos tres años. A pesar de las brechas en la inversión, la inversión en certificaciones aumenta año tras año. Los hallazgos del informe demuestran lo siguiente: La disposición a pagar por certificaciones aumenta: el 92% revela que pagaría por que un empleado se certifique, frente al 73% de los encuestados en el reporte de 2025. Iniciativas dedicadas a identificar y fomentar el talento: Para obtener talento de grupos subrepresentados, el 92% utiliza prácticas, aprendizajes, asociaciones y programas. El setenta y uno por ciento reporta objetivos formales de contratación para grupos de talento subutilizados. La IA para ciberseguridad crea oportunidades y desafíos La adopción de herramientas de ciberseguridad impulsadas por IA es generalizada, ya que los responsables de la toma de decisiones ven su potencial para apoyar a los equipos de ciberseguridad en sus operaciones. Los resultados de la encuesta revelan: Amplia adopción de herramientas de seguridad impulsadas por IA: El 91% de los encuestados están utilizando o experimentando con soluciones de ciberseguridad impulsadas por IA. El escepticismo o la incertidumbre sobre la IA para la ciberseguridad es del 38%, una disminución desde el 43% en el informe del año pasado. La IA apoya a los profesionales de TI y seguridad de hoy: El 84% afirma que las herramientas de seguridad mejoradas por IA están ayudando a los equipos de TI y seguridad a ser más efectivos y eficientes. Esto es crítico, ya que los defensores cibernéticos y los ciberdelincuentes ahora están equipados con la misma tecnología; el 44% de los encuestados citan la defensa contra ataques de ciberseguridad impulsados por IA como una preocupación principal. Sin embargo, la IA está ampliando la brecha de habilidades en ciberseguridad. Al mismo tiempo, hay múltiples esfuerzos para superarla. Los encuestados comparten lo siguiente: Inversión en desarrollo de habilidades: El 60% de los encuestados afirman que su principal desafío en reclutamiento es encontrar talento en ciberseguridad con experiencia específica en IA. Hoy en día, El 92% tiene probabilidades de invertir en capacitación o certificaciones de ciberseguridad relacionadas con la IA en los próximos 12 meses. Implementación de programas para reforzar la capacitación: Las organizaciones afirman que necesitan personal con nuevas habilidades para apoyar su adopción de la IA, incluyendo desarrollo de modelos de IA (55%), supervisión de herramientas de IA (54%) y automatización de la seguridad (52%). El cincuenta y nueve por ciento de las organizaciones están desarrollando programas internos de formación o reciclaje para apoyar la adopción de la IA, mientras que el 52% están adquiriendo formación o reciclaje de proveedores del sector. La inversión a nivel de la junta directiva y la alta dirección en un enfoque en capas de ciberseguridad, que combine personas, procesos y tecnología, es esencial. Las organizaciones deben seguir aprovechando los grupos de talento infrautilizados e invirtiendo en formación y mejora de habilidades para construir y retener la experiencia que necesitan. Esto requiere un enfoque coordinado basado en tres pilares clave: la concientización y la educación, la ampliación del acceso a la formación y la certificación específicas, y la implementación de tecnologías de seguridad avanzadas. Para ayudar a las organizaciones a abordar los desafíos que enfrentan como resultado de la brecha de habilidades en ciberseguridad, el galardonado Instituto de Formación Fortinet ofrece uno de los programas de formación más grandes y amplios de la industria para hacer que la formación en ciberseguridad y las nuevas oportunidades profesionales estén disponibles para todos, e incluye un servicio de Formación en Concientización sobre Seguridad para que las organizaciones desarrollen una fuerza laboral consciente en materia de ciberseguridad. Le puede interesar: El verdadero cuello de botella de los agentes de IA no es la inteligencia, es quién tiene permiso para actuar

Se espera un adelanto oficial durante la conferencia Build. La compañía planea unificar sus herramientas de inteligencia artificial en una sola plataforma. Según capturas de pantalla filtradas, esta nueva "superapp" rediseñará por completo la experiencia del usuario a través de tres pilares fundamentales. Microsoft se prepara para dar un golpe sobre la mesa en su conferencia Build en San Francisco. De acuerdo con filtraciones del medio TestingCatalog, la compañía trabaja este nuevo paso bajo el lema interno "Entregando un solo Copilot". La compañía planea unificar sus herramientas de inteligencia artificial en una sola plataforma. Según capturas de pantalla exclusivas filtradas por este medio especializado, esta nueva "superapp" rediseñará por completo la experiencia del usuario a través de tres pilares fundamentales. El primero de ellos es Scout, un agente de IA que permanece siempre activo dentro de la sección Autopilot. A este se le suman dos nuevas pestañas clave reveladas en la filtración. Por otro lado, encontramos Copilot Code, una superficie de programación integrada con GitHub Copilot. Esta herramienta permitirá gestionar repositorios locales y remotos. A esto se le añadirá la función Routines, con la que los usuarios podrán programar tareas automáticas de código. Microsoft busca competir directamente con soluciones como Claude Code de Anthropic, ofreciendo una ventaja competitiva para los millones de desarrolladores que ya pagan por su ecosistema. Por otro lado, la pestaña Cowork (Trabajo en equipo) funcionará como un agregador de datos capaz de revisar calendarios o investigar empresas para preparar la jornada laboral. Aunque las imágenes de TestingCatalog muestran la aplicación corriendo en el navegador Edge, aún está por confirmarse si tendrá acceso total a los archivos locales del escritorio o si operará completamente en la nube. Tras una reciente reestructuración interna, Jacob Andreou liderará la división. Microsoft tiene el objetivo de revertir una adopción inicial algo tímida y, al centralizar sus funciones multimedia en un solo lugar, busca frenar el avance de OpenAI y Anthropic. Se espera un adelanto oficial durante la conferencia Build; el lanzamiento definitivo de esta ambiciosa aplicación está previsto para finales del verano.

Mientras la industria compite por construir agentes cada vez más autónomos, las empresas descubren que el problema crítico no es la calidad de los modelos, sino el control sobre datos, identidades y autorizaciones. La carrera tecnológica por desarrollar agentes de inteligencia artificial cada vez más capaces está chocando contra una barrera inesperada. No se trata de la potencia de los modelos, ni de la velocidad de procesamiento, ni siquiera de la calidad de las respuestas. El obstáculo más difícil de resolver es mucho más antiguo: los permisos. Según un análisis publicado por VentureBeat, los proyectos empresariales basados en agentes de IA están encontrando límites operativos porque las organizaciones todavía no han resuelto una pregunta básica: qué puede hacer un agente, en nombre de quién puede hacerlo y cómo se verifica que esa acción esté autorizada. La observación resulta particularmente relevante en un momento en que gigantes tecnológicos presentan agentes capaces de ejecutar tareas complejas, coordinar flujos de trabajo y operar aplicaciones empresariales sin intervención constante de usuarios humanos. Workday, una de las compañías más activas en este espacio, sostiene que la gobernanza es el elemento que determinará el éxito o fracaso de la próxima generación de IA corporativa. Gerrit Kazmaier, presidente de producto y tecnología de la empresa, explicó al medio que muchos clientes intentan construir agentes conectando directamente modelos a bases de datos corporativas, perdiendo por el camino la riqueza de sus sistemas de seguridad y autorización. El resultado suele ser información excesivamente amplia, decisiones incorrectas o acciones fuera de contexto. La diferencia puede parecer técnica, pero tiene implicaciones profundas para sectores como recursos humanos, finanzas o salud. Un chatbot que responde incorrectamente una consulta puede generar frustración. Un agente que procesa una nómina errónea, modifica permisos indebidos o ejecuta una transacción financiera equivocada puede generar consecuencias legales y económicas inmediatas. Por esa razón, Workday está construyendo su estrategia alrededor de lo que denomina un "sistema de registro" para agentes. La idea consiste en que los agentes operen dentro de las mismas estructuras de identidad, jerarquías organizacionales y reglas de autorización ya existentes en las plataformas empresariales. Los agentes no reciben poderes propios. Actúan exclusivamente dentro de los permisos del usuario que los invoca. La discusión revela una de las grandes paradojas del actual auge de la inteligencia artificial. La industria ha invertido enormes recursos en mejorar razonamiento, contexto y capacidades multimodales, pero muchas organizaciones siguen enfrentando problemas básicos relacionados con identidad digital y control de acceso. La importancia de este desafío está siendo reconocida incluso por firmas de análisis. Gartner advirtió recientemente que el 40% de las organizaciones podrían degradar o retirar agentes de IA durante el próximo año debido a problemas de gobernanza. El error más frecuente consiste en aplicar el mismo modelo de control a agentes con distintos niveles de autonomía. Según la consultora, los sistemas deberían clasificarse en diferentes categorías, desde agentes que simplemente observan información hasta agentes totalmente autónomos que ejecutan acciones por cuenta propia. Cada nivel requiere controles específicos, monitoreo continuo y distintos mecanismos de aprobación. La preocupación no es teórica. A medida que los agentes comienzan a interactuar con sistemas empresariales reales, los riesgos aumentan exponencialmente. Datos financieros, historiales laborales, contratos, inventarios y procesos regulatorios están entrando en el radio de acción de estos sistemas automatizados. Dan Obendorfer, director de producto de Würk, resumió el dilema con una frase contundente: si los permisos viven fuera del sistema donde residen los datos, la batalla ya está perdida. El problema también está modificando la arquitectura tecnológica de las empresas. Durante años, las organizaciones construyeron ecosistemas fragmentados con múltiples herramientas de autenticación, gestión documental y control de acceso. Los agentes están obligando a reconsiderar esa fragmentación porque necesitan comprender relaciones organizacionales completas para actuar correctamente. La tendencia coincide con una creciente preocupación sobre el comportamiento autónomo de sistemas avanzados. Wired describió recientemente cómo la explosión de agentes de programación y automatización está generando entusiasmo, pero también inquietudes relacionadas con costos, supervisión y errores operativos. A medida que los agentes adquieren mayor capacidad de acción, la cuestión deja de ser qué tan inteligentes son y pasa a ser qué tan controlables resultan. Podría interesarle: Los modelos de IA están cambiando cómo y qué buscamos