El evento continúa consolidándose como uno de los principales espacios de encuentro para la comunidad tecnológica de América Central y el Caribe. Además de las conferencias, el encuentro promueve experiencias exclusivas, reuniones estratégicas y actividades orientadas a fortalecer el ecosistema regional de innovación. Con más de 600 participantes, se llevó a cabo el Centro de Convenciones Crowne Plaza una nueva edición del Tech Day Nicaragua 2026, un encuentro que reunió a ejecutivos, líderes y especialistas de la industria para analizar las tendencias que están redefiniendo el panorama digital. La jornada incluyó conferencias, espacios de networking y la participación de referentes internacionales en inteligencia artificial, infraestructura, ciberseguridad, conectividad y transformación digital. La edición de Nicaragua, que cuenta con el main sponsor de J Icaza, representa la tercera parada de una gira regional que recorrerá ocho países durante 2026, luego de las escalas en Costa Rica y Guatemala. Posteriormente, el Tech Day continuará su recorrido por El Salvador, Puerto Rico, Panamá, República Dominicana y Honduras, consolidando una plataforma regional para el intercambio de experiencias y mejores prácticas entre los principales actores del sector tecnológico. Cabe destacar que el evento se realizó gracias a marcas patrocinadoras como: J Icaza, Tigo Business, Dell, Nutanix, Fortinet, ManageEngine, Ideay, Ruckus, Sicsa, Claro, Sencom, Hermoso y Vigil, Sitcom, Cambium, Ak Digital, Dascom, Staco Energy, Stack AI, PBS, Crowne Plaza, DT Solutions, Extel, Workcorp, Unicit, Mastertec y HP, así como las alianzas GO! Audiovisuales, Nescafé, Maximiza, Total BTL, Grupo Barsa, Startup World Cup. Vea también: Tech Day Nicaragua 2026: Nutanix apuesta por la soberanía de datos y el control de la IA mientras La agenda inició a cargo de Erick Torres, CEO de Efficiency IT Services con la conferencia “IA que ejecuta: de Dell local al negocio real”, donde se indicó sobre cómo usar un equipo Dell como laboratorio local para entrenar y validar IA empresarial, desplegarla en cloud y convertirla en motores operativos que asisten ventas, CRM, repuestos, taller y postventa con mejora continua y métricas reales.A continuación, Sergio Vargas, Territory Account Manager de Nutanix, brindó la charla "Libera tu centro de datos: flexibilidad, rendimiento y migración inteligente", enfocada en la modernización de la infraestructura tecnológica mediante hiperconvergencia. Después subió a escenario Brayan Steven Rodriguez Peña, Technical Consultant de ManageEngine, con la conferencia “De la gestión de endpoints hasta la gestión de la experiencia digital del empleado (DEX)”, donde los asistentes aprendieron a reconocer las tendencias del futuro, implementar una gestión segura y eficiente, y brindar una experiencia coherente al usuario final. La mañana avanzó con la conferencia “Ciberseguridad potenciada por Inteligencia Artificial (I.A.)” impartida por Norman Santana, Gerente de Ingeniería Pre-Venta B2B de TIGO BUSINESS, donde se mostró cómo las empresas pueden mejorar su seguridad y proteger sus activos frente a un entorno de riesgos cada vez más complejo. Le siguió la conferencia “El futuro de la ciberseguridad: IA, MDR y protección inteligente con ESET” la cual estuvo a cargo de Marcelo Zúniga, Business Development Manager de ESET quien comentó que la evolución de la ciberseguridad está marcada por tres ejes principales: IA, Servicios Gestionados de Detección y Respuesta (MDR) y soluciones de protección inteligente. Durante la mañana también participó Edenilson Lara, Software Business Development Manager de Ricoh Latam, con la conferencia "Automatización Inteligente con AI", dedicada a la automatización de procesos mediante inteligencia artificial, gestión documental e Intelligent Document Processing. Posteriormente, Joel Acevedo Rodríguez, Systems Engineer de Fortinet, presentará "El futuro ya llegó — y se escribe con IA", donde analizó los principales riesgos y desafíos que plantea la adopción segura de la inteligencia artificial en las organizaciones. Lea también: Tech Day Nicaragua 2026: La urgencia de asegurar el "elefante amarillo" de la IA La conectividad empresarial fue otro de los ejes del encuentro con la conferencia "Redes inteligentes, resultados reales", a cargo de Diego Huertas, Channel Senior Systems Engineer de Ruckus Networks, quien expuso las tendencias en redes inalámbricas empresariales de alta densidad. Más adelante, Cristopher Espinoza, Consultor TIC Sr. de Claro Empresas, expuso sobre “AIRGAP: Un entorno seguro”, en donde indicó que es una estrategia de ciberseguridad que aísla física o lógicamente datos, respaldos y sistemas críticos de redes externas para impedir accesos no autorizados y ataques remotos. Reduce la superficie de ataque y fortalece la protección frente a ransomware y malware. La ciberseguridad ocupó un lugar central con Juan Fernando Romero, ingeniero consultor senior de ciberseguridad en Systems Enterprise-SENCOM, quien presentará "Inteligencia artificial: El falso 9 de la ciberseguridad", una exposición orientada al uso responsable de la IA, el consumo de tokens, los guardrails y las buenas prácticas para minimizar riesgos. Luego se desarrolló el panel "Del soporte al liderazgo: el nuevo rol estratégico del CIO en la transformación del negocio", con la participación de Alexander Vargas, gerente de IT de Cukra Industrial, quien compartirá su experiencia sobre el papel estratégico que desempeñan hoy los CIO en la generación de valor para las organizaciones. La agenda de la tarde continuó con Santiago Blanco, Gerente General de Sicsa, y su conferencia “IA con retorno de inversión”, en la cual mostró un método para diseñar e implementar soluciones integrales de Inteligencia artificial con resultados medibles. Después siguió Ismael Aguilar, gerente regional de ventas de Cambium Networks, quien ofreció la conferencia "Arquitectura digital: construyendo el mañana sin un solo cable", enfocada en las tendencias de la banda ancha fija y las nuevas tecnologías inalámbricas. En cambio Arturo Peach, gerente regional de ventas para Latinoamérica de DASCOM Americas en AK Digital, con la presentación "Control de calidad inteligente: transformando la producción de documentos seguros con inteligencia artificial", mostró cómo la IA está revolucionando los procesos de inspección y producción documental. En el tramo final del evento, Dany Bismarck Guido Acevedo, ingeniero de preventa de Hikvision Nicaragua, expuso "Hikvision AIoT: construyendo ecosistemas inteligentes para un mundo más seguro", dedicada a las aplicaciones de inteligencia artificial e Internet de las Cosas en soluciones de seguridad electrónica. Luego de forma virtual Víctor Estrugo Rottenstein, CEO de Stravenlor, presentó "Quantum Computing: la nueva era tecnológica", una conferencia que exploró el impacto combinado de la inteligencia artificial y la computación cuántica sobre los negocios y la sociedad. Finalmente, el cierre estuvo a cargo de Marcelo Burman, gerente general de Connecta B2B, quien presentó la conferencia "Del Chief Information Officer al Chief Intelligence Orchestrator: El nuevo rol del CIO", centrada en la evolución estratégica del liderazgo tecnológico. Además: Tech Day Nicaragua 2026: los CIO analizan cómo liderar la próxima ola de transformación digital

Santiago Blanco, Gerente General en Sicsa, dictó una conferencia enfocada en desmitificar la tecnología y devolverle el protagonismo a la estrategia empresarial y al factor humano. En el marco del Tech Day Nicaragua, evento que contó con el main sponsor de J Icaza, Santiago Blanco, Gerente General en Sicsa, advirtió que la IA no debe concebirse como el escenario principal de la estructura digital de una organización, sino como un engranaje intermedio capaz de conectar y optimizar plataformas que ya existen, como un ERP o sistemas de CRM (Sohjo, HubSpot, entre otros). "La IA por sí sola realmente no sirve para charlar un rato con ella; el factor humano va a estar presente todavía en casi todos los procesos. La IA no genera valor por sí sola si no diseñamos procesos, desarrollamos software y la potenciamos", afirmó el ejecutivo. El punto de partida nunca debe ser "necesitamos implementar IA", sino identificar con total claridad qué indicadores o KPIs se desean transformar. "Si nosotros no ordenamos nuestro proceso, lo único que vamos a obtener va a ser un proceso totalmente desordenado de manera digital. Digitalizar un desastre va a producir un desastre digital", sentenció Blanco, subrayando la importancia de documentar los procesos antes de dar el salto tecnológico. Casos de éxito: De tareas tediosas a resultados medibles Durante la ponencia, se compartieron ejemplos concretos de cómo la IA puede integrarse en pequeñas verticales de negocio para automatizar tareas repetitivas y mejorar la toma de decisiones: Auditoría en Call Centers: En un caso práctico, se pasó de auditar manualmente el 20% de las llamadas a registrar el 100% de las interacciones, midiendo incluso pausas de determinados segundos, lo que derivó en un incremento del 50% en la calidad de la atención al cliente. Atención al Cliente 24/7: Modelos capaces de responder con un 95% de efectividad exactamente lo que el usuario consulta en un e-commerce, integrando enlaces directos de compra sin necesidad de sustituir las plataformas de chat existentes. Prospección Comercial: Herramientas que procesan el buyer persona de la empresa, escanean fuentes como LinkedIn y extraen perfiles comerciales idóneos, ahorrando a los ejecutivos de ventas el trabajo manual de bases de datos en Excel. Lectura de Facturas en Aduanas: Automatización del procesamiento de miles de facturas diarias mediante modelos OCR que transforman la información a formatos estructurados (como JSON) para su ingreso directo en el ERP. Las claves para una implementación exitosa Blanco concluyó su participación dejando cuatro reflexiones esenciales para los líderes de TI que hoy se encuentran estructurando presupuestos y buscando la aprobación de las direcciones financieras: La IA reemplaza tareas, no personas: Funciona para eliminar las labores tediosas, abriendo nuevas oportunidades para que el talento humano se capacite y asuma roles de análisis y supervisión. Rentabilidad sobre novedad: La tecnología debe dejar de ser vista como un gasto y empezar a convertirse en una inversión con un retorno claro (ROI). Ir de menos a más: No se debe empezar por el proceso más pesado o colapsado de la empresa; lo ideal es experimentar y aprender con los flujos más simples. No se trata del modelo de IA: La discusión no es si usar ChatGPT, DeepSeek u otra alternativa privada, sino diseñar la solución de negocio específica que resuelva el dolor de la organización. Vea también: Tech Day Nicaragua 2026: los CIO analizan cómo liderar la próxima ola de transformación digital

En esta edición, Hugues Bertin conversa con Samuel Falmagne, CEO y cofundador de la insurtech francesa. En 2019 me crucé con una insurtech francesa que me capturó de inmediato, porque atacaba un problema tan viejo como la profesión actuarial: construir modelos de pricing era lento, manual y en muchos casos una caja negra. Akur8 prometía lo contrario: machine learning con transparencia total, modelos hasta diez veces más rápidos y totalmente auditables para el regulador. Desde entonces los sigo de cerca. Hoy cuentan con más de 350 clientes en 40 países y acaban de dar un salto que reordena la conversación con el lanzamiento de Akur8 Agents. Tuve el honor de conversar con Samuel Falmagne, CEO y cofundador, para explorar qué cambia cuando la IA deja de asistir y empieza a actuar. 350+ Clientes en el mundo 40+ Países con presencia 3.000+ Actuarios usando la plataforma cada día +50% Crecimiento de ARR en 2025 12 Países cubiertos en LATAM De un problema actuarial global a una plataforma con 350+ clientes La historia empezó incluso antes del nacimiento de Akur8. El equipo fundador de I+D, con años de experiencia en pricing actuarial, data science y desarrollo de software dentro de una aseguradora global, pasó cuatro años construyendo una solución de machine learning transparente para modelización de riesgo en seguros. Su convicción era que la IA transparente podía transformar los procesos actuariales y empoderar a los equipos para tomar mejores decisiones sin sacrificar gobernanza. Samuel cofundó Akur8 en 2019, después de 15 años en IBM y luego en Shift Technology, para aportar su expertise comercial y de change management y ayudar a escalar el negocio a nivel internacional. Hoy trabajan con aseguradoras como AXA, Generali y Tokio Marine, y en LATAM tienen presencia en 12 países, incluyendo México, Brasil, Argentina y Colombia. Akur8 Agents: agentes construidos por actuarios, para actuarios La distinción que importa, según Samuel, es que los Akur8 Agents han sido construidos por equipos actuariales y de producto de Akur8, diseñados alrededor de flujos actuariales reales y embebidos directamente dentro de la infraestructura de su plataforma. Los prompts y los datos del cliente permanecen seguros, sin ningún reentrenamiento externo de modelos. La mayor parte de lo que hoy se etiqueta como IA agéntica sigue siendo, en muchos casos, asistentes de IA conectados a datos. El trabajo actuarial demanda algo distinto: pasos revisables, base en lógica actuarial y una trazabilidad de auditoría completa. La frontera está definida con claridad. El agente se ocupa de los pasos estructurados y repetitivos: construir estructuras tarifarias completas, generar reportes desde templates reutilizables, chequear la configuración de variables antes de que comience la modelización, guiar la construcción de fórmulas en lenguaje natural, entre otras tareas. Nada que requiera juicio profesional se delega. El actuario ve cada acción del agente, la revisa y la aprueba antes de que el siguiente paso se ejecute. Transparente y trazable por diseño En un sector fuertemente regulado, la palabra que atraviesa toda la propuesta es transparencia. Akur8 la presenta como un principio de diseño: “Transparent and Traceable by Design”. Cualquier usuario puede abrir un log y mostrar exactamente qué hizo el agente, con qué datos, en qué momento y bajo qué instrucción. No hay puntos ciegos. Con Akur8 Agents, los equipos pueden ver cada acción que toma la IA, revisar y aprobar los cambios antes de que se ejecuten. Multilingüe: pensado para operaciones globales y equipos LATAM Un punto que para mí es especialmente relevante en la región es la capacidad multilingüe nativa. La capacidad está integrada de raíz: se puede interactuar con un proyecto en cualquier idioma. Por ejemplo, preguntarle al agente en alemán que resuma un proyecto japonés y recibir la respuesta en español. Para América Latina, donde los equipos suelen operar en español o portugués pero reportan a casas matrices europeas o estadounidenses en inglés, esa flexibilidad cambia el día a día de un equipo actuarial regional. La estrategia se aceleró en 2026 con dos adquisiciones clave. Matrisk, ahora Akur8 Discover, incorporó inteligencia de mercado con IA al flujo de pricing y transformó análisis regulatorios estadounidenses que antes tomaban días en respuestas instantáneas y citadas. Slope Software, hoy Akur8 Life, extendió su alcance a vida, rentas vitalicias y pensiones. Ambos movimientos apuntan en la misma dirección: una única plataforma que cubra toda la cadena de valor actuarial, en todas las líneas de negocio. “La visión es simple: convertirnos en la primera elección para cualquier actuario, en cualquier lugar, en todas las líneas de negocio”, dijo Samuel Falmagne, CEO y cofundador de Akur8. Con más de 3.000 actuarios usándola a diario, agentes fiables, auditables y basados en lógica actuarial, y una hoja de ruta que ya piensa en todo el ecosistema actuarial, estoy convencido de que la próxima ola de transformación del pricing y reservas en seguros se va a jugar desde plataformas como Akur8. Le puede interesar: Primo: la startup de IA que está reinventando los seguros desde Ciudad de México a Buenos Aires

El noticiero que todas las semanas comprueba que la tecnología avanza mucho más rápido que el sentido común. Conduce Maximiliano Poter. Maximiliano Poter conduce el Week Report, un desenfadado magazine de noticias del mundo IT que, cada viernes, brinda un resumen de los acontecimientos más destacados de los últimos siete días: todo lo importante, lo curioso y hasta lo más absurdo que ha sucedido en el ámbito de la tecnología y los negocios para que cierre su semana bien informado, con buena onda y una gota de acidez. En esta entrega: Claude descubrió que piensa... y ahora tampoco sabemos qué está pensando. El CEO de Palantir dijo en voz alta lo que muchos clientes de IA prefieren facturar en silencio. Zuckerberg admite que los agentes de IA todavía no hacen los milagros del PowerPoint. Nvidia encontró una forma de enfriar los centros de datos antes que las expectativas del mercado. Le dieron un café a una IA y confirmó que regalar todo no es un modelo de negocio. OpenAI propone compartir la riqueza... empezando por la de los demás. Microsoft descubrió que para implementar IA todavía hacen falta miles de personas. Lenovo lanzó un smartphone tan inteligente que decidió quitarle casi todo lo que hace a un smartphone. Meta pasó de comprar GPUs compulsivamente a querer alquilárselas al resto del mundo. La IA ya crea flores que no existen... y también gente que las compra. Hollywood demandó a la IA... y ahora la IA quiere revisar los archivos de Hollywood. Una actriz creada por IA consiguió un papel antes que muchos actores humanos. Hay padres pagando fortunas para que una IA eduque a sus hijos. La presión por sacar buenas notas acaba de cambiar de bando. China decidió que enamorarse de un chatbot ya requiere regulación. Elon Musk encontró una nueva forma de hacer negocios: venderle tecnología... a Elon Musk. Y muchas alucinaciones más... Le puede interesar: Week Report #91: las noticias que eran un chiste hace seis meses

Un nuevo estudio basado en conversaciones reales de usuarios de ChatGPT, Claude y Gemini muestra que las recomendaciones generadas por inteligencia artificial ya están modificando el recorrido de compra. Las marcas descubren que la batalla por la atención se está trasladando desde Google hacia los asistentes conversacionales. Durante más de dos décadas, el marketing digital giró alrededor de una premisa relativamente estable: los consumidores descubrían productos mediante búsquedas, redes sociales o publicidad online. La irrupción de la inteligencia artificial generativa está alterando esa lógica a una velocidad difícil de medir. Ahora, la primera interacción entre una persona y una marca puede ocurrir dentro de una conversación con un asistente de IA. Ese fenómeno es precisamente el centro de una investigación difundida por Scrunch, compañía especializada en optimización de marcas para motores de respuesta basados en IA. El estudio, titulado From Prompt to Purchase, analiza cómo las recomendaciones emitidas por sistemas como ChatGPT, Claude y Gemini afectan el comportamiento posterior de los usuarios en la web abierta. Los resultados sugieren que la influencia es tangible y cuantificable. Según los investigadores, cuando un asistente recomienda una marca a un usuario que no había mostrado interacción reciente con ella, las búsquedas de esa marca en Google aumentan 4,3 puntos porcentuales. Las visitas al sitio oficial de la empresa crecen 2,4 puntos porcentuales y las visitas a páginas de retailers vinculadas con la marca aumentan 1 punto porcentual. El estudio se basa en un panel que conecta datos de navegación voluntariamente compartidos con conversaciones reales mantenidas en plataformas de IA. Lo interesante no es solamente el incremento de tráfico, sino la forma en que ocurre. La investigación concluye que la IA funciona como un generador de demanda difícil de rastrear mediante los sistemas tradicionales de atribución. El usuario recibe una recomendación dentro de una conversación, luego abandona el entorno del chatbot y realiza una búsqueda en Google o visita directamente el sitio de la marca. Para las herramientas de analítica convencionales, ese tráfico aparece como búsqueda orgánica o acceso directo, aunque el detonante real haya sido una interacción con inteligencia artificial. En otras palabras, los modelos de atribución utilizados durante años por departamentos de marketing podrían estar quedándose ciegos frente a una parte creciente del proceso de decisión. La relevancia del hallazgo va más allá de una cuestión técnica. Implica una transformación profunda del embudo comercial. Durante años, las marcas optimizaron sus estrategias para aparecer en la primera página de Google. Ahora deben empezar a preguntarse cómo aparecer en las respuestas de los modelos de lenguaje. La tendencia coincide con un cambio más amplio en los hábitos digitales. Diversos estudios académicos recientes muestran que los consumidores confían cada vez más en recomendaciones generadas por IA cuando buscan información sobre productos y servicios. Investigaciones sobre marketing digital y comportamiento del consumidor señalan que estas herramientas aumentan la interacción, la confianza y la predisposición a la compra cuando ofrecen respuestas personalizadas. Sin embargo, la evolución también abre interrogantes. Si los asistentes se convierten en intermediarios entre consumidores y marcas, el control de la visibilidad comercial podría desplazarse desde los motores de búsqueda hacia los modelos de inteligencia artificial. Las empresas ya no competirían únicamente por posicionamiento SEO, sino también por ser comprendidas, citadas y recomendadas por sistemas algorítmicos cuyo funcionamiento es mucho menos transparente. Lo que emerge es una nueva capa del ecosistema digital: una economía de recomendaciones algorítmicas donde la influencia ocurre antes de la búsqueda, antes del clic y antes incluso de que el consumidor visite una página web. El recorrido tradicional del cliente no desaparece, pero está adquiriendo un nuevo punto de partida. Y ese punto de partida, cada vez más, es un prompt. Lea también: La IA en la mesa del poder mundial: los CEO tecnológicos se sientan con los líderes del G7

En un panel de discusión, líderes de tecnología de Cukra Industrial y Seguros Lafise coincidieron en que el futuro de los CIO pasa por comprender el negocio, liderar el cambio organizacional y convertir la inteligencia artificial en un habilitador de valor para las empresas. El liderazgo tecnológico dejó de ser un área enfocada exclusivamente en la infraestructura para convertirse en uno de los principales motores de transformación empresarial. En un contexto marcado por la inteligencia artificial, la nube y la aceleración digital, los responsables de tecnología están llamados a participar cada vez más en las decisiones estratégicas que definen el futuro de las organizaciones. Esta fue una de las principales conclusiones del panel "Del soporte al liderazgo: el nuevo rol estratégico del CIO en la transformación del negocio", realizado durante el Tech Day Nicaragua 2026, evento que contó con el main sponsor de J Icaza y que reunió a ejecutivos, especialistas y líderes empresariales para analizar las tendencias que están redefiniendo el ecosistema tecnológico de la región. El conversatorio fue moderado por Marcelo Burman, gerente general de Connecta B2B, quien planteó una reflexión sobre la evolución del área de tecnología: de ser considerada durante años un centro de costos, a convertirse en un actor estratégico capaz de generar ventajas competitivas para el negocio. El panel contó con la participación de Alexander Vargas, gerente de IT de Cukra Industrial, S.A., y Marvin Gaitán, gerente de Tecnología de Seguros Lafise, quienes compartieron las experiencias de sus organizaciones y coincidieron en que el CIO moderno debe hablar el lenguaje del negocio antes que el de la tecnología. Para Alexander Vargas, el cambio comenzó cuando las organizaciones dejaron de evaluar a TI únicamente por la disponibilidad de servidores, redes o soporte técnico y empezaron a medir su capacidad para reducir costos, aumentar la productividad y responder con rapidez a las nuevas condiciones del mercado. "Los de TI tenemos que pensar como un gerente general", afirmó, al explicar que hoy el líder tecnológico debe participar activamente en la estrategia corporativa. Por su parte, Marvin Gaitán destacó que la adopción de la nube ha permitido que los equipos tecnológicos dediquen menos tiempo a la administración de infraestructura y más a generar valor para la organización. Según explicó, esta evolución ha facilitado acelerar el despliegue de nuevos servicios, reducir los tiempos de implementación y participar de forma mucho más cercana en las decisiones del negocio. Uno de los mensajes más contundentes del panel fue la importancia de cambiar la manera en que los CIO presentan sus proyectos ante la alta dirección. Vargas explicó que las inversiones tecnológicas no deben defenderse desde una perspectiva técnica, sino demostrando cómo contribuyen a reducir riesgos, optimizar costos, incrementar la eficiencia o fortalecer la competitividad de la empresa. Esa visión, aseguró, es la que permite que tecnología deje de verse como un gasto y sea reconocida como un área generadora de valor. La inteligencia artificial ocupó un espacio central en la conversación. Gaitán señaló que, además de acelerar el desarrollo de nuevos servicios, la IA exige fortalecer la gobernanza tecnológica, establecer políticas claras para el uso de los datos y administrar cuidadosamente los presupuestos asociados a estas soluciones. En ese sentido, advirtió que la adopción de esta tecnología debe responder a una estrategia empresarial y no únicamente al entusiasmo por incorporar nuevas herramientas. Alexander Vargas complementó esta visión señalando que el CIO del futuro deberá conocer profundamente el negocio, liderar procesos de cambio organizacional, construir una cultura basada en datos y entender qué tecnología resuelve realmente los problemas de la empresa. Para el ejecutivo, el verdadero diferencial ya no será conocer la última tendencia tecnológica, sino convertir la información en decisiones estratégicas capaces de generar resultados. Al compartir las decisiones más complejas que han enfrentado durante procesos de transformación digital, ambos coincidieron en que el mayor desafío no ha sido implementar tecnología, sino gestionar el cambio en las personas. Desde reemplazar procesos manuales por tableros inteligentes hasta ejecutar una migración completa de un ERP, las experiencias demostraron que el éxito de cualquier iniciativa depende principalmente de la adopción por parte de los colaboradores y del liderazgo para acompañar ese proceso. Como cierre del panel, los participantes coincidieron en que el papel del CIO continuará evolucionando a medida que la inteligencia artificial transforme la manera en que operan las organizaciones. Más que administradores de infraestructura, los líderes tecnológicos deberán convertirse en estrategas capaces de conectar innovación, datos y personas para impulsar el crecimiento del negocio, un desafío que, según concluyeron, apenas comienza. Vea también: Tech Day Nicaragua 2026: Nutanix apuesta por la soberanía de datos y el control de la IA mientras

Joel Acevedo Rodríguez, de Fortinet, abordó cómo la inteligencia artificial ha dejado de ser una tecnología lejana para convertirse en una realidad omnipresente dentro de las organizaciones. En el marco del Tech Day Nicaragua 2026, evento con el main sponsor de J Icaza, la conferencia de Joel Acevedo Rodríguez, Systems Engineer de Fortinet, describió a la IA como una fuerza con un potencial operativo enorme, pero capaz de desestabilizar procesos internos si realiza un movimiento en falso, bajo la analogía de un "elefante amarillo gigante". La velocidad de adopción de la IA no tiene precedentes históricos: mientras que la infraestructura del internet tardó cerca de 15 años en masificarse, la IA ha alcanzado al 53% de la población global en apenas tres años. Hoy en día, el 88% de las empresas ya utiliza esta tecnología, independientemente de si cuenta con regulaciones internas para ello. Además, la inversión en este sector se ha multiplicado por 2,6 veces en comparación con años anteriores. Durante la sesión se realizó una encuesta en tiempo real para evaluar el estado de la adopción y gobernanza de la IA en las empresas nicaragüenses, arrojando datos clave sobre los riesgos locales: Falta de visibilidad: El 75% de los líderes tecnológicos sospecha que sus empleados utilizan herramientas de IA generativa para tareas cotidianas (como resumir currículums o procesar datos de contabilidad), pero carecen de herramientas para medirlo o confirmarlo. Vacíos de control: La inmensa mayoría de las organizaciones admitió que no cuenta con la capacidad técnica para detectar si un colaborador filtra información confidencial, código fuente o contratos a modelos públicos de IA como ChatGPT o Gemini. Gobernanza fragmentada: Aunque existen comités formales en algunas empresas, predomina un escenario donde distintas áreas de negocio deciden adoptar soluciones de IA por su cuenta y riesgo, comprometiendo potencialmente la seguridad general de la marca. A nivel global, los riesgos ya muestran un impacto financiero directo: una de cada cinco brechas de datos actuales se debe a información confidencial pegada en IA generativa, y una de cada tres empresas que adoptó estos modelos reporta haber sufrido daños en su negocio debido a sesgos o falta de entrenamiento adecuado. Casos reales de fallas en IA Para ilustrar las vulnerabilidades de procesos, se destacaron incidentes de gran relevancia: Fuga de propiedad intelectual: El caso de Samsung, que expuso patentes y llaves secretas en modelos públicos. Ataques de inyección de código (Prompt Injection): En Brasil, el sistema judicial automatizado fue manipulado por abogados que insertaron texto invisible en documentos en blanco para forzar fallos a su favor. Pérdidas comerciales y toxicidad: Desde sesgos de edad en software de reclutamiento hasta la sobreestimación de precios de viviendas por parte de Zillow, pasando por chatbots municipales en Nueva York que emitieron consejos ilegales. La respuesta está en la gobernanza multicapa Para mitigar estas amenazas, se enfatizó la necesidad de una defensa de ciberseguridad multicapa que incluya gestión de riesgos, auditorías de datos representativos, supervisión humana y hardening de servidores. Como parte de las soluciones, se presentó AI Gate de Fortinet, una herramienta que actúa como intermediaria antes de que las consultas lleguen a los modelos fundacionales, bloqueando la filtración de datos confidenciales, la toxicidad y los ataques del OWASP Top 10. La ponencia concluyó con una premisa clara: el verdadero reto actual de las organizaciones no es simplemente adoptar la IA, sino garantizar su seguridad absoluta. Vea también: Tech Day Nicaragua 2026: Nutanix apuesta por la soberanía de datos y el control de la IA mientras

La compañía amplía su estrategia más allá de la hiperconvergencia con nuevas capacidades para reutilizar infraestructura existente, ejecutar inteligencia artificial en entornos privados y controlar el creciente costo de los modelos de IA. Sergio Vargas, Territory Account Manager de Nutanix, sostiene que el verdadero desafío ya no es adoptar inteligencia artificial, sino gobernarla. Durante los últimos dos años, la conversación empresarial sobre inteligencia artificial ha estado dominada por modelos generativos, chatbots y grandes modelos de lenguaje. Sin embargo, detrás de esa carrera tecnológica comienza a emerger una preocupación mucho más pragmática: dónde ejecutar esos modelos, cómo proteger los datos corporativos y, sobre todo, cuánto costará mantenerlos funcionando. Ese fue el eje de la presentación de Sergio Vargas, Territory Account Manager de Nutanix, en el Tech Day Nicaragua 2026 (con el main sponsor de J Icaza) quien planteó que la discusión tecnológica ya no debe centrarse únicamente en la potencia de los modelos de IA, sino en la infraestructura capaz de administrarlos de manera sostenible. "La intención es que ustedes tengan el control en una infraestructura que ustedes van a controlar. Tienen la soberanía de datos, tienen seguridad", afirmó Vargas durante su exposición. Más allá de la hiperconvergencia Uno de los anuncios destacados fue la expansión del soporte para almacenamiento externo. Según explicó Vargas, Nutanix ahora permite integrar plataformas como Dell PowerStore, además del soporte existente para Pure Storage y PowerFlex. La compañía también prevé incorporar compatibilidad con NetApp y Lenovo hacia finales de año. El objetivo es responder a un problema que ha golpeado a prácticamente toda la industria tecnológica: el encarecimiento del hardware impulsado por la demanda de infraestructura para inteligencia artificial. "Seguramente hicieron un presupuesto el año pasado y les dijeron: esto va a valer 500.000 dólares. En enero estaban listos para comprar y resulta que ahora vale un millón y medio", comentó Vargas. "La explosión de inteligencia artificial y la sobredemanda de recursos afectó a toda la industria." En lugar de obligar a reemplazar toda la infraestructura, Nutanix propone reutilizar servidores y sistemas de almacenamiento existentes, permitiendo a las empresas migrar su plataforma sin realizar inversiones completas en nuevo hardware. Infraestructura híbrida como respuesta Otro componente central de la estrategia consiste en facilitar arquitecturas híbridas. Según explicó Vargas, una organización puede mantener su ambiente principal en su propio centro de datos y desplegar un clúster adicional en servicios como AWS para funciones de recuperación ante desastres, sin necesidad de construir un segundo centro de datos. Incluso desmintió una de las ideas más extendidas sobre la plataforma. "Otro mito: Nutanix tiene que tener mínimo tres nodos. No es cierto. Yo puedo tener un solo nodo con Nutanix." Como ejemplo mencionó el caso de Walmart en Centroamérica, donde la compañía utiliza tres nodos para los ambientes productivos y un nodo adicional para recuperación de desastres, replicando únicamente las máquinas virtuales críticas. El siguiente paso: controlar la inteligencia artificial Sin embargo, el tema que ocupó buena parte de la presentación fue la evolución de la IA. Vargas diferenció tres etapas. La primera corresponde a la inteligencia artificial tradicional, enfocada principalmente en análisis predictivo. La segunda es la inteligencia artificial generativa, capaz de producir texto, imágenes, código o video. La tercera, y la que considera el próximo gran desafío para las empresas, es la inteligencia artificial agéntica. "Un agente puede tomar una queja de un cliente, revisar el inventario, procesar un reembolso y enviar un reemplazo sin intervención humana. No solamente genera contenido, también toma decisiones". Esta capacidad promete automatizar procesos empresariales completos, pero también introduce nuevos riesgos relacionados con seguridad, gobernanza y costos operativos. Gobernanza antes que velocidad Mientras gran parte del mercado continúa enfocándose en desarrollar modelos cada vez más grandes y potentes, el mensaje de Nutanix apunta hacia un problema menos visible pero igualmente estratégico: la gobernanza de la inteligencia artificial. El crecimiento de los agentes autónomos, la presión por proteger información sensible y la necesidad de controlar los costos operativos están desplazando la conversación desde el desarrollo de modelos hacia la administración de toda la infraestructura que los soporta. "Hagamos un uso responsable de la inteligencia artificial", concluyó Vargas. "Asegurémonos de que estamos utilizándola de la manera más ordenada y organizada posible". En una industria obsesionada con quién desarrolla el próximo modelo revolucionario, Nutanix apuesta por una tesis diferente: el verdadero valor podría estar en ofrecer las herramientas para que las empresas mantengan el control sobre sus datos, sus costos y sus decisiones, independientemente de qué modelo de IA utilicen. Podría interesarle: Todo el Banking Tech Summit Honduras 2026: IA, resiliencia y nuevos modelos digitales

Las herramientas de programación asistida por IA están reduciendo la demanda de desarrolladores junior a un ritmo inesperado. Lo que durante décadas fue la puerta de entrada a la industria tecnológica está desapareciendo, obligando a empresas, universidades y profesionales a replantear cómo se formará la próxima generación de ingenieros de software. Durante décadas existió una regla no escrita en la industria del software: nadie nacía siendo un arquitecto de sistemas. Los mejores ingenieros comenzaron corrigiendo errores sencillos, escribiendo funciones básicas, documentando código y resolviendo tareas repetitivas. Ese trabajo, poco glamoroso pero esencial, era el laboratorio donde se adquiría la experiencia necesaria para asumir responsabilidades cada vez mayores. La inteligencia artificial está rompiendo ese ciclo. El resultado no es únicamente una mejora en la productividad de los equipos de desarrollo. También está desapareciendo el tipo de trabajo que tradicionalmente ocupaban los programadores con menos experiencia, precisamente el espacio donde aprendían el oficio. El ensayo publicado por Seldo sostiene que el mercado para los desarrolladores junior ha sido "arrasado" por la IA, una afirmación provocadora que encuentra respaldo en una tendencia visible desde la llegada de herramientas como GitHub Copilot, ChatGPT, Claude, Gemini, Cursor o Windsurf. Actividades que antes requerían horas de trabajo manual ahora pueden resolverse en minutos mediante asistentes capaces de generar funciones completas, detectar errores, documentar proyectos, escribir pruebas unitarias e incluso refactorizar aplicaciones enteras. Para muchas empresas, la conclusión parece obvia: si un desarrollador senior apoyado por inteligencia artificial puede producir el equivalente al trabajo de varios programadores junior, la necesidad de contratar perfiles de entrada disminuye considerablemente. La transformación está ocurriendo con una velocidad inusual incluso para los estándares de la industria tecnológica. Diversas compañías han comenzado a reorganizar sus equipos alrededor de pequeños grupos de ingenieros experimentados que utilizan agentes de IA para ejecutar gran parte del trabajo operativo. El objetivo ya no es ampliar plantillas, sino aumentar la productividad individual. Este fenómeno coincide con un contexto económico distinto al que impulsó las contrataciones masivas entre 2020 y 2022. Después del auge de la pandemia llegaron los despidos, la presión por mejorar la rentabilidad y una mayor disciplina en el gasto. La inteligencia artificial apareció justamente cuando las empresas buscaban hacer más con menos. Los datos ayudan a dimensionar el cambio. GitHub informó que millones de desarrolladores utilizan Copilot y que la herramienta ya genera una parte significativa del código escrito por sus usuarios. Microsoft ha señalado que el asistente puede completar hasta cerca del 40 por ciento del código en algunos lenguajes y tareas repetitivas. Estudios internos de distintas empresas muestran además aumentos de productividad que oscilan entre el 20 y el 55 por ciento dependiendo del tipo de proyecto y del nivel de experiencia del programador. Sin embargo, el verdadero impacto no está únicamente en la velocidad para escribir código. La IA está automatizando precisamente las tareas consideradas formativas: corregir pequeños errores, implementar funciones simples, escribir documentación, traducir requerimientos en código o generar casos de prueba. Esas actividades eran el equivalente tecnológico de la residencia médica o de la práctica profesional en otras disciplinas. Si desaparecen esos primeros escalones, surge una pregunta incómoda: ¿cómo se formarán los ingenieros que deberán reemplazar a los actuales desarrolladores senior dentro de diez años? Ese es el núcleo del argumento desarrollado por Seldo. La industria podría estar optimizando el presente a costa de comprometer su futuro. Podría interesarle: China vuelve a sacudir el mercado de IA con nuevo y económico modelo de Z.ai

Con el lanzamiento del nuevo modelo, la empresa promete democratizar la creación de imágenes y potenciar el comercio digital, pero una función que permite utilizar fotografías de usuarios públicos para generar nuevas imágenes vuelve a colocar a la compañía en el centro del debate sobre privacidad, consentimiento y uso de datos personales. Hace apenas dos años, la competencia en inteligencia artificial giraba alrededor de una pregunta relativamente sencilla: ¿qué modelo generaba mejores imágenes? En 2026 esa batalla ya quedó atrás. La nueva carrera consiste en algo mucho más ambicioso: lograr que los usuarios dejen de pensar que están utilizando inteligencia artificial porque ésta simplemente se convierta en una parte invisible de las aplicaciones que utilizan todos los días. Ese parece ser el objetivo de Meta con el lanzamiento de Muse Image, el nuevo modelo desarrollado por Meta Superintelligence Labs, la división creada para acelerar la estrategia de IA de la empresa. La herramienta, conocida internamente como Mango, comenzó a desplegarse de forma gratuita dentro de Meta AI y ya forma parte de Instagram Stories y WhatsApp. No se trata únicamente de un nuevo generador de imágenes. Es un nuevo intento por convertir la inteligencia artificial en la infraestructura cotidiana del ecosistema de Meta. La diferencia es importante. Mientras empresas como OpenAI, Midjourney o Stability AI construyeron su crecimiento alrededor de aplicaciones especializadas, Meta apuesta por llevar la IA directamente al lugar donde ya conviven miles de millones de usuarios. Es una estrategia mucho más difícil de ejecutar, pero también potencialmente mucho más poderosa. Muse puede generar imágenes a partir de texto, editar fotografías mediante instrucciones escritas y aplicar efectos visuales personalizados para compartirlos en Instagram, Facebook o WhatsApp. También incorpora imágenes prediseñadas que funcionan como punto de partida para usuarios sin experiencia creativa, además de herramientas capaces de eliminar personas de una fotografía, insertar texto, crear códigos QR funcionales o modificar completamente una escena mediante lenguaje natural. Nada de eso resulta revolucionario por sí solo. Google, OpenAI, Adobe y Canva llevan meses ampliando capacidades similares. La verdadera innovación aparece cuando esas funciones dejan de vivir dentro de una aplicación independiente y pasan a formar parte de plataformas donde las personas conversan, compran, venden y comparten fotografías todos los días. Meta no pretende que el usuario abra un programa específico para crear imágenes. Pretende que simplemente escriba una instrucción mientras conversa por WhatsApp o prepara una historia para Instagram. Es una diferencia de diseño, pero también de negocio. Cada nueva interacción con IA fortalece el ecosistema de Meta sin obligar al usuario a abandonar sus plataformas. Marketplace se convierte en un laboratorio comercial Uno de los ejemplos más reveladores del lanzamiento no tiene relación con filtros o fotografías artísticas. Meta mostró cómo Muse puede visualizar un sofá de segunda mano dentro del garaje o la sala de un comprador antes de concretar la compra. La función fue diseñada para integrarse con Facebook Marketplace, uno de los negocios menos visibles pero más exitosos de la compañía. El movimiento refleja una tendencia que atraviesa toda la industria tecnológica. La inteligencia artificial ya no busca únicamente generar contenido. Comienza a intervenir directamente en decisiones de consumo. La posibilidad de visualizar muebles, decoración o accesorios antes de comprarlos reduce incertidumbre, aumenta la confianza del consumidor y podría incrementar las tasas de conversión dentro del comercio electrónico. Es una evolución lógica si se observa hacia dónde se mueve el mercado. Amazon, Google y Shopify ya incorporan herramientas generativas para comerciantes. Adobe desarrolla asistentes que producen campañas completas de marketing. La publicidad digital también empieza a transformarse mediante anuncios creados dinámicamente por inteligencia artificial. Muse entra precisamente en ese espacio. Meta confirmó que la plataforma servirá para generar anuncios personalizados, un movimiento especialmente relevante para una empresa cuyo negocio continúa dependiendo principalmente de la publicidad. Cada imagen producida automáticamente representa menos tiempo de diseño para los anunciantes y, potencialmente, más inversión dentro de las plataformas de Meta. La función que nadie esperaba Pero ninguna de esas aplicaciones fue la protagonista del lanzamiento. La conversación cambió cuando se conoció una característica mucho más delicada. Muse permite utilizar fotografías públicas de Instagram para crear nuevas imágenes generadas mediante inteligencia artificial. El procedimiento es sencillo. Si una persona mantiene un perfil público, otro usuario puede etiquetarla y utilizar sus fotografías como base para generar nuevas composiciones. Meta sostiene que existen controles para impedirlo. El problema es el punto de partida. La función está habilitada salvo que el usuario decida desactivarla. La compañía explica en su política que otras personas pueden crear contenido utilizando fotografías públicas mediante las funciones de IA de Meta y que quienes aparezcan en esas imágenes no recibirán notificaciones cuando ello ocurra. Desde una perspectiva técnica, la herramienta funciona exactamente como fue diseñada. Desde una perspectiva ética, el panorama cambia radicalmente. La discusión ya no gira únicamente alrededor de la propiedad intelectual de las imágenes generadas por inteligencia artificial. Ahora aparece una pregunta distinta. ¿Puede una plataforma utilizar la identidad visual de millones de personas como materia prima para crear contenido generado por otros usuarios simplemente porque esas fotografías son públicas? El peso del pasado La rapidez con la que surgieron las críticas no puede separarse de la historia reciente de Meta. En 2019, la compañía pagó una multa récord de 5.000 millones de dólares impuesta por la Comisión Federal de Comercio de Estados Unidos (FTC) después del caso Cambridge Analytica, que reveló el uso indebido de datos de decenas de millones de usuarios de Facebook para elaborar perfiles políticos. Dos años más tarde, Meta también eliminó su sistema de reconocimiento facial automático tras años de presión regulatoria y demandas relacionadas con el tratamiento de datos biométricos. Muse llega inevitablemente acompañado por ese historial. Aunque técnicamente los usuarios pueden modificar la configuración para impedir el uso de sus imágenes, organizaciones dedicadas a la privacidad llevan años cuestionando precisamente ese modelo. El consentimiento basado en la desactivación voluntaria suele favorecer a las plataformas porque la mayoría de las personas nunca revisa configuraciones complejas de privacidad. La discusión trasciende incluso a Meta. Europa continúa desarrollando regulaciones específicas para inteligencia artificial mediante la AI Act, mientras que distintos reguladores analizan hasta qué punto los modelos generativos pueden reutilizar contenido personal sin autorización expresa. La llegada de Muse probablemente acelerará ese debate. Podría interesarle: La IA está rompiendo los modelos operativos tradicionales de las empresas

La inteligencia artificial está dejando de limitarse al análisis de datos para comenzar a interactuar con el entorno físico a través de robots y sistemas autónomos. Fabiola Montero, de la Universidad de Panamá, analiza qué es la Physical AI, cómo está transformando el rol de los científicos de datos y por qué esta tecnología perfila una nueva etapa en la evolución de la automatización inteligente. Por Fabiola Montero, profesora de la Facultad de Informática, Electrónica y Comunicación de la Universidad de Panamá Durante años, la ciencia de datos se ha enfocado en analizar información para generar predicciones, detectar patrones y apoyar la toma de decisiones. Sin embargo, una nueva tendencia está llevando la inteligencia artificial un paso más allá. Se trata de la Physical AI, una tecnología que no solo analiza datos, sino que también permite que máquinas y robots interactúen directamente con el entorno físico. En lugar de limitarse a recomendar una acción, estos sistemas pueden ejecutarla, abriendo nuevas posibilidades para la industria, la logística, la salud y muchos otros sectores. A diferencia de los robots industriales tradicionales, que siguen instrucciones previamente programadas en entornos controlados, los sistemas de Physical AI pueden adaptarse a situaciones nuevas. Gracias al aprendizaje profundo, una técnica de inteligencia artificial que permite a las máquinas aprender a partir de grandes cantidades de datos, son capaces de reconocer objetos desconocidos, desplazarse en espacios donde hay personas u obstáculos y reaccionar ante cambios inesperados sin necesidad de que cada situación haya sido programada de antemano. Un ejemplo de este avance es Robotic Transformer 2 (RT-2), desarrollado por Google DeepMind que combina visión por computadora, procesamiento del lenguaje natural y control robótico. Este modelo combina visión por computadora, procesamiento del lenguaje natural y control robótico para que un robot pueda comprender instrucciones escritas o habladas y convertirlas en acciones físicas. De esta manera, el sistema puede realizar tareas con objetos o situaciones que nunca había visto durante su entrenamiento, demostrando una capacidad de adaptación mucho mayor que la de los robots convencionales. Este nuevo escenario también transforma el trabajo del científico de datos. Ahora no basta con analizar bases de datos o entrenar modelos predictivos. Es necesario integrar información proveniente de cámaras, sensores de profundidad, detectores de fuerza e incluso instrucciones en lenguaje natural, sincronizando todos estos datos para que el robot pueda comprender su entorno y actuar de forma segura. Obtener este tipo de información es complejo, costoso y requiere una cuidadosa planificación. Para reducir estos costos, muchas organizaciones entrenan primero sus modelos en simuladores. Plataformas como NVIDIA Isaac Sim permiten crear entornos virtuales muy parecidos al mundo real, donde los robots pueden aprender miles de tareas antes de ser utilizados físicamente. Sin embargo, todavía existe un reto importante: un robot que funciona perfectamente en una simulación no siempre obtiene los mismos resultados cuando se enfrenta a objetos reales, superficies diferentes o condiciones cambiantes. Por ello, los investigadores desarrollan técnicas que preparan a los modelos para adaptarse a múltiples escenarios antes de su implementación. Evaluar estos sistemas también requiere nuevos criterios. En la ciencia de datos tradicional suele medirse la precisión de las predicciones, pero en Physical AI también es necesario valorar la seguridad, la capacidad de completar una tarea correctamente y la respuesta ante situaciones inesperadas. Un error no solo puede afectar un resultado estadístico, sino también provocar daños en equipos, productos o incluso poner en riesgo a las personas. Actualmente, la Physical AI ya tiene aplicaciones en diversos sectores. Robots capaces de clasificar materiales reciclables, organizar paquetes en centros logísticos o colaborar en procesos de manufactura son algunos ejemplos de tecnologías que ya están siendo utilizadas. También existen proyectos para desarrollar robots humanoides que puedan asistir en tareas domésticas o de apoyo, aunque todavía se encuentran en etapas de prueba y perfeccionamiento. La Physical AI representa una nueva etapa en la evolución de la inteligencia artificial. Al combinar análisis de datos, visión por computadora, procesamiento del lenguaje y robótica, estos sistemas pueden pasar de interpretar información a interactuar directamente con el mundo que los rodea. Aunque aún existen desafíos técnicos importantes, su desarrollo abre oportunidades para construir soluciones más inteligentes, autónomas y útiles en diferentes áreas de la sociedad. Para los científicos de datos, comprender esta tecnología desde hoy significa prepararse para uno de los campos con mayor potencial de crecimiento en los próximos años. Le puede interesar: IA en el Estado: la oportunidad histórica para reinventar los servicios públicos

Según un reporte de la empresa, es una estructura que no fue programada en el entrenamiento y surgió espontaneamente. Guarda similitudes intrigantes con la forma en que los humanos accedemos conscientemente a los pensamientos. ¿Cada cuánto tiempo aprovecha para ir a su espacio de reflexión interna? Bueno, la conciencia es algo que tenemos los seres humanos, y sin llegar a ser eso, Anthropic identificó un pequeño espacio interno que Claude se creó. El medio Axios recogió un artículo de la empresa en la que describe este hallazgo. Citan que Claude tiene un pequeño espacio de trabajo interno que utiliza para retener y manipular ideas sin expresarlas con palabras. Según Anthropic, es una estructura que guarda similitudes intrigantes con la forma en que los humanos accedemos conscientemente a los pensamientos. No es que Claude sienta o experimente algo similar; sin embargo, la startup ha encontrado una división sorprendentemente similar a la humana entre la información utilizada para el razonamiento deliberado y el volumen mucho mayor de computación automática que ocurre por debajo de este. A este rincón digital lo han bautizado como "J-Space" (Espacio J), en honor a Jacobian (jacobiano), la técnica matemática que los investigadores utilizaron para descubrir qué estaba pasando en la "mente" del modelo. La compañía explicó que Claude activa de forma paralela estrategias que no siempre se muestran en su 'cadena de pensamiento' habitual. Los investigadores comprobaron que el modelo utiliza este espacio silencioso para procesar tareas cotidianas, como detectar errores en líneas de código o identificar elementos dentro de una imagen antes de dar su respuesta definitiva. Para demostrarlo, los científicos de Anthropic hicieron un experimento curioso: le pidieron a Claude que copiara una frase ordinaria mientras, al mismo tiempo, pensaba en el famoso puente Golden Gate de San Francisco. Mientras el modelo estaba ocupado copiando el texto visible, en su J-Space las computaciones estaban repletas de conceptos ocultos como "puente" y "California". Es el equivalente de la IA a estar cocinando mientras piensas en las vacaciones. Más allá de lo filosófico, este hallazgo tiene una utilidad práctica crucial: la seguridad. Anthropic sugiere que vigilar el J-Space podría ser la clave definitiva para descubrir si una inteligencia artificial nos está ocultando algo o planeando un sabotaje. De hecho, los resultados ya han encendido algunas alarmas. En pruebas con modelos modificados para sabotear código de forma encubierta, la empresa descubrió que palabras como "falso", "secreto" o "fraude" se encendían en su espacio de reflexión interna justo antes de responder, a pesar de que el código final que entregaban al usuario parecía completamente normal e inofensivo. El artículo de investigación de Anthropic utiliza la palabra "consciente" más de 200 veces, aunque la empresa no llega al extremo de afirmar que sus modelos sean conscientes. Igualmente, es complicado determinar cuándo la IA logra la conciencia, dada la falta de una definición universalmente aceptada. Le puede interesar: “Las 7 Magníficas” del sector IT registraron pérdidas por US$2,3 billones en valor de mercado