El nuevo chip está diseñado para ejecutar agentes de inteligencia artificial directamente en laptops y computadoras de escritorio. La apuesta busca trasladar parte del poder de la IA desde los centros de datos hacia los dispositivos personales y abrir un nuevo frente competitivo contra Intel, AMD, Qualcomm e incluso Apple. Durante décadas, la evolución de la computadora personal estuvo definida por mejoras graduales: procesadores más rápidos, gráficos más potentes y baterías más eficientes. Nvidia cree que la próxima transformación será mucho más profunda. En el marco de Computex 2026, la compañía presentó RTX Spark, un nuevo "superchip" que busca convertir las computadoras Windows en plataformas diseñadas específicamente para ejecutar agentes de inteligencia artificial. Jensen Huang, fundador y director ejecutivo de Nvidia, describió el lanzamiento como una reinvención de la PC para la era de la inteligencia artificial personal. La declaración puede sonar ambiciosa, pero los números ayudan a entender por qué la empresa considera que se trata de un cambio de paradigma. RTX Spark ofrece hasta un petaflop de rendimiento para tareas de IA, integra una CPU basada en arquitectura Arm desarrollada junto a MediaTek y una GPU Blackwell de Nvidia, y puede configurarse con hasta 128 GB de memoria unificada. Según la compañía, los equipos equipados con este chip serán capaces de ejecutar localmente modelos de lenguaje de hasta 120.000 millones de parámetros con contextos de hasta un millón de tokens. También podrán generar video mediante IA en resolución 4K, editar contenido 12K y ejecutar videojuegos AAA a más de 100 cuadros por segundo en resolución 1440p. La apuesta revela un cambio importante en la estrategia de Nvidia. Hasta ahora, el auge de la inteligencia artificial se concentró principalmente en centros de datos. OpenAI, Anthropic, Google y Meta dependen de enormes granjas de GPU para entrenar y ejecutar modelos. RTX Spark intenta trasladar parte de esa capacidad al dispositivo personal, permitiendo que agentes inteligentes trabajen localmente sin depender constantemente de la nube. La visión es que la computadora deje de ser una herramienta reactiva y se convierta en un asistente activo. En lugar de abrir aplicaciones, buscar archivos o completar tareas manualmente, los usuarios podrían delegar procesos completos a agentes de IA capaces de actuar en nombre del usuario. Nvidia incluso está colaborando con Microsoft para integrar estas capacidades directamente en Windows mediante nuevas herramientas de seguridad y una arquitectura denominada OpenShell. El anuncio también tiene implicaciones competitivas. Durante años, Nvidia dominó el mercado de aceleradores para inteligencia artificial, pero dependía de Intel o AMD para los procesadores centrales de las computadoras personales. RTX Spark rompe parcialmente esa dependencia al combinar CPU y GPU dentro de una misma plataforma. El mercado reaccionó inmediatamente: tras el anuncio, las acciones de Intel, AMD y Qualcomm registraron caídas mientras Nvidia avanzaba en bolsa. Más allá de la reacción bursátil, el movimiento representa una expansión estratégica hacia un mercado donde Nvidia históricamente tenía una presencia limitada. La empresa está trabajando con fabricantes como Dell, Lenovo, HP, Asus, MSI y Microsoft para lanzar alrededor de 30 modelos de laptops y 10 equipos de escritorio durante el segundo semestre del año. Algunos dispositivos tendrán menos de 14 milímetros de grosor y pesarán menos de tres libras. La pregunta que surge es si existe una demanda real para este tipo de computadoras. La industria tecnológica ha intentado varias veces crear nuevas categorías de PC sin lograr resultados masivos. Los llamados AI PCs promovidos durante 2024 y 2025 tuvieron una recepción desigual debido a la falta de aplicaciones verdaderamente transformadoras. Nvidia parece estar apostando a que los agentes autónomos serán el caso de uso que finalmente convenza a consumidores y empresas. Existen señales que respaldan esa hipótesis. Adobe ya está rediseñando Photoshop y Premiere para aprovechar RTX Spark, prometiendo duplicar el rendimiento de tareas de IA y procesamiento gráfico. Más de 100 desarrolladores de software y videojuegos anunciaron compatibilidad con la nueva plataforma. Sin embargo, el verdadero desafío no será tecnológico sino cultural. La computación personal lleva cuarenta años basada en la interacción directa mediante teclado, ratón y aplicaciones. Nvidia propone un modelo donde la conversación reemplaza buena parte de esas interfaces. Si los usuarios aceptan esa transición, RTX Spark podría convertirse en el inicio de una nueva categoría informática. Si no ocurre, terminará siendo recordado como otro intento de incorporar inteligencia artificial a la computadora tradicional. Podría interesarle: Herramienta de IA de Visa ayuda a identificar más de US$ 26 mil millones en presuntos fraudes en la región

La firma confirmó la solicitud de IPO, aunque prefirió mantener bajo estricta reserva tanto la valoración específica que buscará en la bolsa como los términos de la oferta y la cantidad de acciones disponibles. La solicitud se anticipa estratégicamente a OpenAI. La startup Anthropic presentó de manera confidencial su solicitud para una oferta pública inicial (IPO, por sus siglas en inglés) en el mercado de valores de los Estados Unidos. Este movimiento estratégico, además de un hito para la compañía, también impulsa de forma drástica la competencia financiera en el sector tecnológico. El ascenso meteórico de Anthropic se vio acelerado por el anuncio reciente de la recaudación de US$65.000 millones de dólares en financiamiento, una cifra monumental que ha catapultado su valoración posterior a la inversión (post-money) hasta los US$965.000 millones de dólares. Para poner este crecimiento en perspectiva, la startup estaba valorada en US$380.000 millones de dólares en febrero. Se anticipa que su salida a la bolsa se daría en otoño de este año. En este contexto, Anthropic superó a su principal rival, OpenAI, convirtiéndose formalmente en la startup más valiosa del mundo. Gran parte de este éxito comercial y financiero se atribuye al lanzamiento, a finales del año pasado, de sus productos avanzados de asistencia de codificación dentro del ecosistema de Claude. En un breve comunicado de dos párrafos en su blog oficial, Anthropic confirmó la solicitud de IPO, aunque prefirió mantener bajo estricta reserva tanto la valoración específica que buscará en la bolsa como los términos de la oferta y la cantidad de acciones disponibles. La compañía argumentó que este formato de presentación confidencial les otorga la flexibilidad de salir al mercado una vez que la Comisión de Bolsa y Valores de EE. UU. (SEC) complete la respectiva revisión de sus estados financieros. "Esto nos da la opción de salir a bolsa después de que la SEC complete su revisión. La propuesta de oferta pública inicial dependerá de las condiciones del mercado y de otros factores. El número de acciones que se ofrecerán y el precio aún no se han establecido. Este anuncio se publica bajo la Regla 135 de la Ley de Valores de 1933 y sus enmiendas" detalló el comunicado. The Guardian explica que este mecanismo de presentación confidencial se convirtió en una práctica habitual para las corporaciones de gran envergadura. Este movimiento de Anthropic no ocurre de forma aislada. La solicitud se anticipa estratégicamente a OpenAI, firma de la cual se espera que presente de manera inminente su propia documentación para cotizar en bolsa. El mercado financiero se prepara así para un año histórico, ya que se prevé que tres de las firmas privadas más influyentes del planeta den el salto público: Anthropic, OpenAI y SpaceX. Esta última, liderada por Elon Musk, también ha optado por la vía de la solicitud confidencial, apuntando a una cotización con una valoración cercana a los US$1.75 billones (trillions en inglés) mientras busca captar US$75.000 millones de dólares en nuevas inversiones. Le puede interesar: Microsoft planea nueva "superapp" de Copilot

Las compañías descubren que desplegar inteligencia artificial a escala se parece menos a comprar software y más a operar un centro de datos. El auge de los modelos generativos está trasladando el poder hacia los equipos de DevOps y plataforma. Durante los últimos dos años, la conversación corporativa sobre inteligencia artificial estuvo dominada por modelos, chatbots y asistentes capaces de generar texto, código e imágenes. Sin embargo, a medida que las empresas intentan convertir los experimentos en sistemas de producción, está emergiendo una realidad mucho menos glamorosa: el verdadero desafío no es la IA, sino la infraestructura que la sostiene. Esa es la tesis central planteada por Aviad Rossmann en DevOps.com, donde sostiene que la inteligencia artificial empresarial se está convirtiendo rápidamente en un problema de DevOps y de ingeniería de plataformas. La afirmación refleja un cambio profundo en la industria. Las organizaciones que comenzaron conectando herramientas como Jira, Confluence, SharePoint o Slack a modelos de lenguaje están descubriendo que el verdadero cuello de botella aparece cuando los sistemas deben operar de forma estable, segura y económicamente viable a gran escala. El problema surge cuando la IA deja de ser una demostración tecnológica y se convierte en infraestructura crítica. Según Rossmann, muchas empresas iniciaron sus proyectos convencidas de que la complejidad residía en la búsqueda y recuperación de información. La realidad fue distinta. Una vez que los modelos entran en producción aparecen desafíos relacionados con orquestación de GPUs, monitoreo, programación de cargas de trabajo, observabilidad, gobernanza y resiliencia operativa. La diferencia es fundamental. Los motores de búsqueda corporativos ya existían. Lo que los modelos de lenguaje aportan es la capacidad de sintetizar información dispersa y reconstruir razonamientos organizacionales. Pero esa capacidad de inferencia tiene un costo técnico enorme que muchas organizaciones subestimaron. En la práctica, las empresas están siguiendo tres caminos. El primero consiste en comprar más hardware. El segundo, externalizar completamente la inferencia a proveedores mediante APIs. El tercero, construir entornos privados en la nube para mantener el control sobre los datos. Ninguna opción es sencilla. La compra de GPUs ofrece soberanía tecnológica, pero también introduce problemas de planificación energética, redundancia, administración de controladores, monitoreo de utilización y previsión de capacidad. Rossmann advierte además que el hardware para IA se deprecia a una velocidad inusual: una inversión realizada hoy puede parecer tecnológicamente obsoleta en apenas 18 meses. La externalización tampoco resuelve todo. Cuando los modelos procesan datos internos relacionados con clientes, propiedad intelectual o decisiones estratégicas, aparecen interrogantes sobre cumplimiento normativo, residencia de datos, dependencia de proveedores y previsibilidad de costos. La tercera vía, cada vez más popular, es desplegar modelos en nubes privadas. Pero lo que inicialmente parece una solución intermedia termina convirtiéndose en una compleja arquitectura de Kubernetes, pools de GPUs, políticas de escalamiento, sistemas de balanceo de carga y configuraciones de seguridad que requieren conocimientos especializados. El fenómeno está produciendo una transformación silenciosa dentro de los departamentos tecnológicos. Los equipos que antes se enfocaban en automatización, integración continua y despliegue de software ahora están siendo empujados hacia la administración de infraestructura de IA. IBM resumió recientemente esta transición con una frase contundente durante su conferencia Think 2026: "los modelos no importan realmente si la base no es correcta". La industria está empezando a comprender que la IA empresarial necesita una especie de sistema operativo propio. Rossmann argumenta que las plataformas actuales siguen exponiendo demasiada complejidad a los desarrolladores. Mientras los sistemas operativos tradicionales abstraen la gestión de memoria, almacenamiento o procesamiento, las plataformas de inferencia todavía obligan a los equipos a lidiar directamente con aceleradores, asignación de recursos, cachés y enrutamiento de modelos. Los costos ya están generando preocupación. En comunidades de ingeniería y DevOps abundan testimonios sobre gastos crecientes asociados a la inferencia. Un profesional relató recientemente que su organización pasó de gastar US$28.000 mensuales a US$47.000 mensuales en servicios relacionados con IA para desarrolladores en apenas seis meses, proyectando más de US$500.000 anuales que no estaban contemplados en los presupuestos corporativos. Las cifras ayudan a explicar por qué tantas iniciativas parecen estancarse. Un estudio académico publicado este año señala que la inversión global corporativa en IA alcanzó US$252.300 millones durante 2024, pero apenas el 6% de las compañías reportó un impacto significativo en ganancias. La investigación concluye que los principales obstáculos son organizacionales e infraestructurales, no necesariamente tecnológicos. La narrativa dominante de la inteligencia artificial continúa centrándose en quién posee el modelo más avanzado. Sin embargo, el verdadero campo de batalla empresarial parece estar desplazándose hacia otra dirección. La ventaja competitiva ya no depende únicamente de acceder a mejores algoritmos, sino de operar sistemas de inferencia confiables, seguros y económicamente sostenibles. Lea también: Los prompts de IA que, sin saberlo, pueden estar filtrando secretos dentro de las empresas

Los sindicatos del períodico han presentado demandas por prácticas laborales desleales, acusando a la dirección de utilizar herramientas de IA como sistemas de vigilancia encubierta y de negarse a transparentar su estrategia tecnológica. El debate sobre los límites de la inteligencia artificial en las empresas tiene un nuevo capítulo en las mesas de negociación laboral. Los sindicatos Tech Guild y Times Guild del medio The New York Times han presentado demandas por prácticas laborales desleales, acusando a la dirección de utilizar herramientas de IA como sistemas de vigilancia encubierta y de negarse a transparentar su estrategia tecnológica. De acuerdo con información de The Verge, la disputa escaló tras la implementación de dos plataformas: DX, un software de productividad que mutó de medir métricas globales a evaluar rendimientos individuales, y Glean, un motor de búsqueda que indexa correos, códigos y borradores internos. Los trabajadores del New York Times denuncian que ambas herramientas se usan para auditar el desempeño de ellos, sin que los trabajadores hayan dado su consentimiento. Ben Harnett, ingeniero de software del Times y líder sindical, alertó sobre el peligro de automatizar la evaluación humana mediante estadísticas planas: "Ahora a las personas en situaciones disciplinarias de repente se les recrimina: 'Solo hiciste una solicitud de cambio de código por semana y eso está un 25% por debajo del estándar de la industria'", comentó. El sindicalista agregó que la forma en que están usando DX y Glean equivale realmente a desplegar tecnología de vigilancia contra los trabajadores. Por su parte, la portavoz del periódico, Danielle Rhoades, rechazó estas descripciones y afirmó que la empresa responderá mediante los canales contractuales normales. Asimismo, desistió de contestar las preguntas enviadas por The Verge. The Verge cita que Times Guild se encuentra actualmente negociando un nuevo contrato; están presionando por protecciones sólidas contra la IA. Uno de los requisitos que piden es que haya un ser humano detrás de cualquier herramienta de IA que se utilice. Además, que cualquier trabajo periodístico que use IA esté etiquetado de forma transparente y que el personal reciba una compensación por los acuerdos de entrenamiento de modelos de IA que la empresa ponga en práctica. Le puede interesar: Los prompts de IA que, sin saberlo, pueden estar filtrando secretos dentro de las empresas

Visa Account Attack Intelligence (VAAI) Score ayuda a identificar la probabilidad de que se estén generando fraudes mediante ataques de enumeración en las transacciones de comercio electrónico. Tras su despliegue en América Latina y el Caribe a mediados de 2025, la herramienta Visa Account Attack Intelligence (VAAI) Score se está consolidando como una herramienta para fortalecer la ciberseguridad y combatir el fraude digital en la región. Visa anunció esta tecnología logró identificar más de US$ 26 mil millones en intentos de fraude en menos de un año desde su lanzamiento en la región. VAAI Score es una innovadora herramienta de evaluación de riesgo que combina la IA generativa y las capacidades de aprendizaje automático para detectar y evaluar mejor las transacciones y detectar posibles ataques por enumeración en tiempo real. Con base en el análisis de transacciones de VisaNet, VAAI Score proporciona una evaluación de cada transacción en tan solo 20 milisegundos, tomando en cuenta hasta 182 atributos de riesgo. "A medida que las empresas, los bancos y consumidores se enfrentan a esquemas de fraude cada vez más sofisticados, los resultados que estamos viendo de VAAI Score de Visa marcan un hito importante en nuestra lucha contra los ataques por enumeración. Es un ejemplo del poder de la innovación para mejorar continuamente la seguridad del ecosistema de comercio digital”, dijo Leopoldo Cottin, líder de Soluciones de Inteligencia de Riesgo y Seguridad para Visa América Latina y el Caribe. “En Visa seguimos comprometidos a ser pioneros y aprovechar proactivamente las capacidades de la IA generativa para crear un futuro más seguro y confiable para todos”. Puntuación de riesgo más robusta Según datos internos, la alta precisión de VAAI Score en la identificación de posibles amenazas puede resultar en una reducción de 85% en falsos positivos en comparación con otros modelos de riesgo. Esto ha ayudado a reducir las pérdidas relacionadas con fraude y las ineficiencias operativas, fortaleciendo la seguridad de los pagos ante la evolución de las amenazas digitales. Esta tecnología cuenta con seis veces más atributos que los modelos anteriores a VAAI, y está destinada a revolucionar la forma en que las instituciones financieras en la región combaten la creciente amenaza de ataques por enumeración en las transacciones con tarjeta no presente. La puntuación de riesgo permite a los emisores gestionar mejor su riesgo de fraude asociado a los esquemas de enumeración, proporcionando a los bancos una herramienta sofisticada para evitar compromisos de cuentas y detener transacciones fraudulentas antes de que ocurran. El Impacto de los ataques por enumeración Los ataques por enumeración se han convertido en una amenaza significativa para la industria financiera. Estos ataques están afectando a más de 750 emisores y 2.000 comercios en todo el mundo, generando aproximadamente USD 1,1 mil millones en pérdidas anuales por fraude. Entre las regiones impactadas, América Latina y el Caribe ocupa el segundo lugar (después de Estados Unidos) con más de 19% de los ataques dirigidos a emisores. Los actores maliciosos están adoptando cada vez más las tecnologías programáticas de pruebas automatizadas, como botnets y guiones automatizados para monetizar las transacciones de comercio electrónico. Sin embargo, en los últimos seis meses, Visa logró contener un incremento del 13% en ataques de enumeración únicos a nivel de la red, mientras continuó mejorando sus principales indicadores de seguridad. Con el VAAI Score de Visa y su arsenal de herramientas de inteligencia ante ataques y soluciones de riesgo de fraude, la compañía está a la vanguardia en la expansión del uso de la IA generativa en ciberseguridad, para así proteger las transacciones en línea y mejorar la seguridad financiera como nunca. En los últimos cinco años, Visa ha invertido más de US$ 12 mil millones en ciberseguridad y prevención de fraude, incluyendo IA y análisis de datos para permitir un comercio confiable. Esta inversión ha llevado a importantes esfuerzos de prevención de fraude, bloqueando miles de millones de dólares en transacciones fraudulentas anualmente. Le puede interesar: Los modelos de IA están cambiando cómo y qué buscamos

En el entorno empresarial actual, el debate ya no gira en torno a si la inteligencia artificial reemplazará o no a los profesionales. La realidad es mucho más inmediata: un nuevo tipo de colaborador ha ingresado a las organizaciones. No firma contratos, no solicita vacaciones y no ocupa un escritorio físico, pero está redactando propuestas, clasificando datos y agilizando flujos operativos cada minuto. Se trata de los agentes de inteligencia artificial. En esta edición número 50 de Prompt IT!, nuestra sección AcademIA se sumerge a fondo en las reglas de este nuevo ecosistema corporativo. Explicamos de forma detallada cómo evolucionar desde el management tradicional hacia el Work Planning, un enfoque donde los líderes ya no solo dirigen personas, sino que orquestan flujos mixtos de trabajo. Analizamos con precisión metodológica qué tareas específicas se deben delegar (procesos rutinarios, análisis masivos de información o borradores creativos) y cuáles son las seis zonas críticas protegidas que jamás deben externalizarse por exigir juicio ético o estratégico. Además, compartimos cómo estructurar un flujo operativo bajo el concepto de Human in the Loop (Humano en el bucle) y cómo evitar el peligroso antipatrón de la "ilusión del control" en las empresas. A la par de este análisis central, el episodio viene cargado con la mejor actualización de la industria global: Evolución en herramientas: Analizamos el despliegue de Gemini 3.5 de Google y sus nuevos agentes capaces de procesar flujos de trabajo incluso con el ordenador apagado, junto con el debate oculto sobre el consumo real de tokens. Cine y geopolítica algorítmica: El impactante estreno en Cannes de una película de 95 minutos generada íntegramente por IA en solo dos semanas, y la agresiva guerra de precios desatada por la startup china DeepSeek que desafía el mercado estadounidense. Fichajes y dilemas de Estado: La incorporación del célebre investigador Andrej Karpathy a Anthropic, el fallido gemelo digital del gobierno argentino y la primera declaración doctrinal del Vaticano sobre la dignidad humana frente a los algoritmos. La perspectiva de la Generación Z: Una mirada estadística y analítica a la caída del entusiasmo tecnológico en jóvenes de 15 a 30 años, y cómo las empresas deben reconfigurar sus narrativas para transformar el miedo al reemplazo en un interés por la amplificación de capacidades. Este episodio está diseñado para dotar a directores generales, mandos medios y líderes de equipos de los criterios necesarios para liderar la adopción tecnológica con absoluta responsabilidad y control. Vea el episodio 50 de Prompt IT! Prompt IT! está disponible todos los lunes a través de las tres comunidades de Connecta B2B: IT NOW, Mercados & Tendencias y Construir, además de su propio canal de YouTube, la plataforma 1000 CIOs Club y en formato podcast, ofreciendo un alcance amplio y especializado para diversos sectores de la economía. Le puede interesar: Volvió Prompt IT!, con más IA para toda la región

La nueva versión del modelo insignia de Anthropic no busca únicamente ser más inteligente. La compañía quiere diferenciarse en el terreno más delicado de la industria: confianza, transparencia y seguridad en sistemas autónomos capaces de ejecutar tareas complejas. Mientras la industria tecnológica sigue obsesionada con benchmarks, velocidad y capacidades de razonamiento, Anthropic intenta posicionarse en un territorio mucho más sensible: la confiabilidad de la inteligencia artificial. La compañía anunció el lanzamiento de Claude Opus 4.8, una actualización de su modelo insignia que, según la empresa, mejora significativamente en honestidad, transparencia y precisión contextual. El movimiento llega en un momento crítico para el sector, donde los modelos más avanzados empiezan a demostrar comportamientos emergentes cada vez más difíciles de controlar y explicar. La apuesta de Anthropic no es casual. En lugar de competir únicamente por quién construye el modelo “más poderoso”, la empresa intenta instalar otra narrativa: la IA empresarial necesitará sistemas que sepan reconocer incertidumbre y admitir errores. En otras palabras, modelos menos propensos a inventar respuestas convincentes cuando no tienen suficiente información. Según The Verge, Anthropic asegura que Claude Opus 4.8 es aproximadamente cuatro veces menos propenso que versiones anteriores a ignorar errores en código o presentar afirmaciones infundadas con exceso de confianza. Ese detalle parece técnico, pero tiene enormes implicaciones económicas. La industria empieza a descubrir que el verdadero cuello de botella de la IA no es únicamente capacidad computacional, sino confianza operacional. Las empresas pueden tolerar respuestas imperfectas en un chatbot casual, pero no en sistemas que escriben código, manejan análisis financieros o ejecutan tareas autónomas de negocio. Por eso Anthropic está construyendo una identidad distinta frente a competidores como OpenAI, Google o Meta. La compañía insiste en convertir la “seguridad” en una ventaja comercial, especialmente mientras los modelos avanzan hacia comportamientos cada vez más agentic, capaces de planificar, ejecutar tareas y operar durante períodos prolongados sin supervisión humana directa. Claude Opus 4.8 incorpora precisamente esa dirección estratégica. Además de mejoras en razonamiento, programación y análisis, la empresa introdujo sistemas de “dynamic workflows”, un mecanismo que permite a la IA dividir tareas complejas en cientos de subagentes paralelos capaces de verificar resultados antes de entregar respuestas finales. Es un paso importante hacia agentes autónomos empresariales. También es una señal de cómo se está redefiniendo la competencia en Silicon Valley. La batalla ya no gira únicamente alrededor del chatbot más popular, sino alrededor de quién construirá la infraestructura cognitiva que operará empresas enteras. Anthropic parece entender que esa transición requiere algo más que potencia bruta. El contexto financiero explica parte de la urgencia. Reuters y Barron’s reportaron que Anthropic alcanzó recientemente una valoración cercana a los 965 mil millones de dólares tras levantar 65 mil millones en nueva financiación. La compañía también habría elevado su revenue run-rate desde 14 mil millones hasta 47 mil millones de dólares en apenas unos meses. Es crecimiento explosivo incluso para estándares de inteligencia artificial. Ese capital alimenta otra carrera igual de importante: la búsqueda de modelos más grandes y sofisticados. Anthropic confirmó además que trabaja en Claude Mythos, una nueva generación de IA descrita como significativamente más poderosa y con capacidades avanzadas en ciberseguridad. Pero ahí aparece la paradoja central de la industria. Cuanto más capaces son los modelos, más complejos se vuelven sus riesgos emergentes. Podría intererarle: El Vaticano entra al debate de la IA, que parece mostrar sesgos religiosos

Mientras las compañías aceleran la adopción de ChatGPT, Copilot y asistentes generativos, una nueva amenaza se expande silenciosamente en oficinas, departamentos legales y equipos de desarrollo: los empleados están compartiendo información crítica con modelos de IA sin darse cuenta. El problema ya no es el malware ni el phishing, sino las conversaciones cotidianas con chatbots. La revolución de la inteligencia artificial dentro de las empresas está creando una paradoja incómoda. Cuanto más útil se vuelve la IA generativa para acelerar tareas diarias, más fácil resulta exponer información confidencial sin intención maliciosa. La escena ya es común en miles de organizaciones: un abogado pega un contrato en ChatGPT para resumirlo, un desarrollador sube código propietario para depurar errores, un reclutador carga currículums para generar preguntas de entrevista o un gerente financiero comparte hojas de cálculo para construir proyecciones. Lo que parece productividad cotidiana se está convirtiendo en uno de los mayores agujeros de seguridad corporativa de la era de la IA. Un informe reciente publicado por CIO advierte que ChatGPT generó 410 millones de violaciones de políticas de prevención de pérdida de datos (DLP) en apenas un año, un incremento interanual del 99,3 %. El fenómeno refleja un cambio profundo en la naturaleza de los riesgos empresariales: ahora los datos sensibles salen de las organizaciones a través de conversaciones. La industria de ciberseguridad ya tiene un nombre para este fenómeno: “prompt data leakage”, o filtración de datos mediante prompts. El concepto describe la exposición accidental de información sensible cuando empleados introducen datos corporativos en interfaces conversacionales de IA. El problema es que las herramientas tradicionales de seguridad nunca fueron diseñadas para monitorear chats con inteligencia artificial. Los sistemas DLP clásicos inspeccionan correos electrónicos, archivos adjuntos y transferencias de documentos, pero no entienden qué ocurre dentro de una ventana de conversación con un modelo generativo. Según el análisis de CIO, existen doce escenarios específicos que hoy concentran la mayoría de las filtraciones empresariales relacionadas con IA. El primero involucra la resumización de contratos. Equipos legales copian acuerdos completos en herramientas públicas para generar versiones simplificadas, exponiendo nombres de clientes, términos comerciales y cláusulas confidenciales. Otro caso frecuente ocurre en recursos humanos, donde gerentes introducen evaluaciones de desempeño o planes disciplinarios para “mejorar la redacción”, filtrando datos salariales y registros internos. El reclutamiento también se transformó en una nueva superficie de riesgo. Reclutadores están cargando currículums completos para generar preguntas automáticas o análisis de candidatos, compartiendo historiales laborales y datos personales con plataformas externas. En marketing y ventas, el problema escala rápidamente. Empleados están utilizando chatbots para limpiar bases de datos CRM, redactar correos comerciales o resumir notas de clientes. El resultado es la exposición de teléfonos, correos electrónicos, presupuestos y estrategias comerciales. Sin embargo, el área donde las alarmas son más fuertes es desarrollo de software. Muchos programadores ya utilizan asistentes de IA como parte rutinaria de su flujo de trabajo. El problema aparece cuando copian funciones propietarias, claves API o fragmentos internos de sistemas críticos en plataformas públicas para resolver bugs. Según el reporte, este tipo de comportamiento requiere controles automáticos inmediatos capaces de detectar credenciales y bloquearlas antes de que abandonen la red corporativa. La preocupación no es teórica. Samsung ya enfrentó incidentes de filtración vinculados al uso interno de ChatGPT, mientras que múltiples empresas tecnológicas han comenzado a restringir o monitorear activamente herramientas generativas externas. Al mismo tiempo, la llamada “shadow AI” continúa creciendo: empleados utilizan aplicaciones no autorizadas porque las alternativas oficiales son lentas, insuficientes o inexistentes. Ese fenómeno recuerda a la explosión del “shadow IT” durante la adopción masiva de servicios cloud hace una década. La diferencia es que ahora las filtraciones pueden ocurrir simplemente escribiendo texto en una conversación. Para muchos expertos, prohibir la IA ya no es una estrategia viable. Los bloqueos totales suelen empujar a los trabajadores hacia herramientas invisibles para los departamentos de TI, agravando aún más el problema. La alternativa emergente es un modelo de “gobernanza conversacional”, donde las empresas clasifican dinámicamente qué información puede compartirse con sistemas de IA y bajo qué condiciones. Eso incluye mecanismos de redacción automática que reemplazan datos sensibles antes de que lleguen al modelo, aislamiento de navegador para impedir copiar o subir archivos, sistemas de monitoreo en tiempo real y políticas contextuales según el tipo de información. El desafío se complica todavía más con la expansión de agentes autónomos y sistemas basados en Retrieval-Augmented Generation (RAG), capaces de consultar bases internas de conocimiento corporativo. Investigaciones recientes advierten que estos entornos pueden filtrar información sensible si no implementan controles estrictos de acceso. La discusión también está abriendo un nuevo frente legal. Expertos en privacidad y compliance ya advierten que los prompts podrían convertirse en evidencia judicial. Un análisis citado en Reddit sobre gobernanza de prompts señala que incluso versiones empresariales de IA no garantizan automáticamente protección de privilegio legal o confidencialidad. Eso significa que conversaciones aparentemente inocuas con IA podrían terminar siendo descubribles en litigios futuros. En paralelo, la calidad de los datos comienza a emerger como otra variable crítica. Son muchas las compañías que están alimentando sistemas de IA con información desorganizada, incompleta o mal clasificada, amplificando riesgos operativos y regulatorios. Lea también: La factura oculta de la IA comienza a golpear a Microsoft y las Big Tech

De acuerdo con un estudio de Google, al menos un billón de personas está utilizando motores de búsqueda con IA mensualmente. El usuario ya no busca de forma estática: interactúa, responde, pide comparaciones e incluso corrige cuando se envió mal alguna pregunta. Los modelos de IA cambiaron la forma en la cual se busca: se pasó de preguntas en los motores tradicionales a enviar prompts a la IA, y la migración en esta vía también cambió lo que las personas buscan. Esta es una de las claves encontradas por Google en el informe AI Mode: How people are using in the U.S (Modo IA: Cómo lo está usando la gente en EE. UU). Google señala que la IA está impulsando la transformación más significativa de las búsquedas en su historia. Este movimiento técnico hacia entornos de inteligencia artificial no es un simple cambio de interfaz; representa una evolución cognitiva en la relación entre las personas y los datos. Al dejar de verse obligados a "traducir" sus pensamientos a conceptos fragmentados para que una máquina los entienda, los usuarios están adoptando el lenguaje natural como la norma definitiva. El impacto directo se refleja en la estructura física de las búsquedas: las preguntas que se envían a los AI Mode son, en promedio, tres veces más largas que una búsqueda convencional. El usuario ya no busca de forma estática: interactúa, responde, pide comparaciones e incluso corrige cuando se envió mal alguna pregunta. De hecho, el informe revela que las consultas de seguimiento se incrementan a un ritmo superior al 40% mes a mes, consolidando un modelo dinámico de "ida y vuelta". Google indica que lo “searchable” (buscable) se expandió. También se quebraron las barreras del texto escrito. Por ejemplo, una de cada seis búsquedas en esta modalidad se realizan con formatos alternativos como imágenes, voz o videos. La posibilidad de interactuar a través del entorno, como capturar una fotografía para resolver un problema técnico, está expandiendo radicalmente la frontera de lo que es indexable y localizable en la red. En lo relativo al negocio y consumo, Google categoriza este nuevo paradigma en cinco grandes áreas de comportamiento empresarial y cotidiano que los desarrolladores, así como estrategas de marketing digital, deben mapear con urgencia: Decidir con criterio analítico: Las consultas comparativas complejas para tomar decisiones de compra o logística aumentaron un 40%. Planificación acelerada: Las búsquedas enfocadas en "hacer" o estructurar planes complejos (itinerarios, flujos de trabajo) crecen un 80% más rápido que el promedio general. Creación bajo demanda: Las solicitudes para generar activos visuales o digitales (como logos, códigos informáticos, historias o imágenes conceptuales) se han más que triplicado. Apredizaje y exploración continua: Se consolida el uso de la IA como un tutor personal para desglosar conceptos técnicos o programación, sumado a un alza del 30% en búsquedas destinadas puramente a la generación de ideas (brainstorming). Respecto al ecosistema corporativo y los directores de tecnología (CTOs), los datos de este informe trazan una hoja de ruta obligatoria y es que más de un billón de personas están utilizando motores de búsqueda con IA mensualmente, de acuerdo con Google. Si el consumidor final y el colaborador empresarial ya no buscan información mediante palabras clave aisladas, las arquitecturas de datos, las estrategias de SEO, el desarrollo de aplicaciones y los canales de atención al cliente (como los chatbots corporativos) deben migrar hacia interfaces cognitivas capaces de procesar este contexto masivo y conversacional. Quienes lideren el mercado de la información de ahora en adelante serán aquellos capaces de entender y responder a los prompts de una humanidad que, finalmente, le está hablando a las máquinas en su propio idioma. Le puede interesar: Los prompts de IA que, sin saberlo, pueden estar filtrando secretos dentro de las empresas

Los nuevos planes van desde versiones plus de las redes sociales de la empresa, como Instagram y Facebook, así como para Meta IA, con precios desde entre los US$4 y US$50 por mes. Las ofertas de suscripción de Meta se han expandido significativamente para las redes sociales de la empresa, usuarios de Meta IA y nuevos niveles de suscripción bajo la marca “Meta One” con planes para creadores y empresas. De acuerdo con TechCrunch, los planes plus para consumidores de Facebook e Instagram tendrán un costo de US$4 mensuales y para WhatsApp de US$3. Si bien no reemplazan Meta Verified, esto les permitirá a los usuarios las siguientes especificaciones: Facebook e Instagram Plus: Se enfoca en la expresión social y ofrece herramientas como ver el número total de personas que han repetido una historia, crear listas de audiencia ilimitadas, destacar historias por más de 24 horas y previsualizar historias sin aparecer como espectador. WhatsApp Plus: Se centra en la personalización y mensajería, incluyendo temas para la aplicación, tonos de llamada personalizados, más chats fijados y stickers premium. Las suscripciones para la inteligencia artificial, Meta IA, son dos y estarán en una fase de prueba en mercados como Bolivia, Guatemala y Singapur. Meta One Plus está dirigido a usuarios que desean funciones estándar de la IA bajo un modelo de suscripción, como interacciones con la IA de Meta, generación de imagen y vídeo en una escala menor a planes premium; el costo es de US$8 al mes. Por otro lado, Meta One Premium tendrá un costo de US$20 mensuales, desbloquea mayor capacidad para consultas complejas (un "modo de pensamiento" más profundo) y más herramientas de generación de video e imagen. Para el segmento B2B y creadores de contenido, Meta introduce los niveles Essential (US$14,99/mes) y Advanced (US$49,99/mes). El nivel Essential está dirigido a quienes buscan fortalecer su presencia y seguridad en plataformas de Meta, con insignia de verificación, herramientas de protección contra la suplantación de identidad, una hoja de enlaces mejorada, una función similar a Meta Verified que permite a los usuarios centralizar y redirigir su audiencia hacia sus diferentes canales sociales y sitios web desde un solo lugar. El plan Advanced es particularmente relevante para las empresas, ya que garantiza una mayor visibilidad en el feed de Facebook e Instagram, prioridad en los resultados de búsqueda y herramientas de programación optimizadas. También incluye un sistema de notificaciones para detectar cuando otros usuarios reutilizan contenido original, facilitando la protección de la propiedad intelectual. Desde una perspectiva estratégica, Meta busca extraer mayor valor de su audiencia existente ante las limitadas oportunidades de crecimiento orgánico de usuarios. Naomi Gleit, jefa de producto de Meta, indicó en un vídeo en su perfil de Instagram que Meta One seguirá expandiéndose con funciones de análisis competitivo y beneficios exclusivos para los usuarios de sus gafas inteligentes con IA en las próximas semanas. Con este movimiento, Meta no solo optimiza su estructura de ingresos, sino que se posiciona para competir directamente con otros proveedores de modelos de IA, como OpenAI, Anthropic y Google, que cobran por capacidad de procesamiento, consolidando una oferta tecnológica integral que abarca desde la mensajería personal hasta la productividad empresarial avanzada. Le puede interesar: Los modelos de IA están cambiando cómo y qué buscamos

La cadena local iCon, especializada en productos Apple, presentó a un creador de contenido desarrollado con inteligencia artificial que ya opera en Instagram. El proyecto busca mostrar cómo múltiples herramientas de IA pueden integrarse dentro del ecosistema de la marca para producir contenido digital, en momentos en que los influencers virtuales comienzan a convertirse en un nuevo fenómeno de negocio global. La industria de la inteligencia artificial acaba de abrir otro frente dentro de la economía digital: los influencers sintéticos. Mientras empresas tecnológicas alrededor del mundo experimentan con avatares, asistentes virtuales y creadores generados por IA, Costa Rica acaba de entrar oficialmente en esa conversación. La empresa iCon presentó esta semana a Ignacio Con, un personaje desarrollado con inteligencia artificial que comenzó a publicar contenido tecnológico en Instagram como parte de una iniciativa de innovación local. La compañía, identificada como Apple Premium Partner y con más de 35 años de operación en el país, describe el proyecto como una exploración sobre “lo que hoy es posible construir a partir de la integración de distintas herramientas de inteligencia artificial”. Activo desde finales de abril bajo el perfil @i_gnacio_con, el personaje funciona como un creador digital especializado en productos, lanzamientos y tendencias tecnológicas. Pero detrás de la apariencia de influencer existe algo más ambicioso: un laboratorio público sobre cómo la IA puede producir identidad, narrativa y contenido multimedia dentro de un entorno comercial real. “Ignacio Con no nace para competir con creadores humanos. Nace para mostrar lo que se puede lograr cuando distintas tecnologías de inteligencia artificial se integran dentro de un mismo proceso creativo”, afirmó Marianela Hernández, gerente de Mercadeo de iCon. El proyecto mezcla generación de video, audio, fotografía y texto utilizando herramientas de IA conectadas al ecosistema Apple. Según la compañía, no existe una única plataforma detrás del personaje, sino una combinación de sistemas y procesos creativos que permiten construir “una identidad digital con voz propia”. La aparición de Ignacio ocurre en un momento particularmente simbólico para la industria tecnológica. Los influencers virtuales ya dejaron de ser una curiosidad experimental y comenzaron a transformarse en un modelo de negocio global. El proyecto de iCon refleja una evolución distinta del fenómeno. Ya no se trata únicamente de personajes renderizados para campañas publicitarias, sino de identidades digitales impulsadas por IA generativa capaz de producir contenido continuo y reaccionar en tiempo real. “Ignacio aparece en redes sociales como un creador en construcción, que experimenta con inteligencia artificial y aprende en tiempo real frente a la audiencia”, explicó Hernández. Esa idea de “aprendizaje público” conecta con una tendencia creciente dentro del ecosistema de IA generativa: la humanización de los sistemas algorítmicos. Empresas tecnológicas están descubriendo que los usuarios interactúan con mayor facilidad cuando la inteligencia artificial tiene personalidad, rostro y narrativa. Para iCon, la apuesta también funciona como demostración tecnológica del ecosistema Apple en tiempos donde la IA se convirtió en el principal campo de batalla de la industria. La compañía define a su personaje como alguien que “tiene acceso a información prácticamente ilimitada, pero no experiencia”. Esa frase resume uno de los grandes debates de la inteligencia artificial contemporánea: la diferencia entre procesar información y comprender el mundo. Podría interesarle: UNGL reúne a municipalidades de Costa Rica para promover el desarrollo sostenible de infraestructura digital

La creciente complejidad operativa, la presión por optimizar costos y la criticidad cada vez mayor de la infraestructura digital están obligando a replantear cómo se gestionan los data centers. En esta columna, Jeremías Donato, de Bjumper, analiza por qué el futuro de estas operaciones ya no depende solo de sumar herramientas, sino de construir procesos integrados que conecten personas, sistemas y datos para reducir errores y ganar eficiencia. Por Jeremías Donato, de Bjumper Durante años, gestionar un data center tenía una regla bastante sencilla: que no se caiga. Y con eso bastaba. Cada equipo hacía su parte, cada sistema cumplía su función y, aunque todo estuviera más o menos conectado (algún Excel por aquí, algún mail por allá), la operación seguía adelante. Facilities por un lado, IT por otro, el cableado en algún documento que "alguien" tenía… Y todos confiando en que, si algo pasaba, alguien reaccionaría a tiempo. Y durante mucho tiempo, funcionó. Hoy ya no. No porque antes estuviera mal, sino porque el contexto ha cambiado tanto que ese modelo simplemente no escala: • La digitalización de servicios y el aumento del procesamiento (sea o no IA). • El impacto real de cualquier caída en el negocio. • La presión por optimizar costes (Sí, el Data Center se va convirtiendo en un centro de costes importante de las empresas). • Menos manos para gestionar más complejidad (crecieron más rápido los data centers que los profesionales capacitados). El Data Center dejó de ser "invisible" para convertirse en algo crítico y estratégico. Estamos obligados a cambiar cómo lo operamos. BMS, EPMS, DCiM, ITSM… Se sigue operando con sistemas separados, datos que no cuadran y decisiones que muchas veces se toman con información incompleta o desactualizada. Tenemos más tecnología que nunca… pero no necesariamente más control. El problema es que seguimos poniendo las herramientas en el centro, cuando lo que debería estar en el centro son los procesos. DCBP – Data Center Basado en Procesos Cuando el Data Center se gestiona desde procesos, deja de importar tanto dónde está cada dato y empieza a importar que el dato sea coherente, esté actualizado y tenga sentido dentro del conjunto. Los procesos son los que conectan el mundo físico con el lógico, los que aseguran que un cambio en un rack se refleje en el servicio, los que garantizan que lo que dice el DCiM, la CMDB y la realidad sea lo mismo. ¿Qué significa realmente un Data Center basado en procesos? Es un modelo donde la operación se organiza por procesos estándar de O&M bien definidos, conectando IT y OT, integrando sus herramientas y garantizando la confiabilidad de la información en todo momento. Las herramientas pasan a ser fuentes de datos, mientras los procesos orquestan, validan y automatizan la operación: 1. Recibir el evento, petición o tarea programada. 2. Validar factibilidad con información de herramientas integradas. 3. Activar o rechazar orden de trabajo según validación. 4. Coordinar notificación, ejecución y revisión con el personal. 5. Cerrar la orden de trabajo. 6. Actualizar automáticamente todos los sistemas implicados. Sin errores. Sin pérdidas de información. Sin depender de memoria humana. Además de la eficiencia operativa, ahora se mide de verdad: confiabilidad, disponibilidad, SLAs y OLAs. Y entonces, poco a poco, dejas de reaccionar… y empiezas a gestionar. Por eso, el cambio no va de añadir más tecnología. Va de cambiar el modelo. Vea también: El fenómeno del “AI Washing” empresarial