La empresa anunció la entrada en operación de su nuevo centro de datos en el país, una infraestructura diseñada para responder al crecimiento exponencial de la demanda tecnológica empresarial y fortalecer la capacidad digital de Centroamérica. Con una inversión superior a los US$25 millones y una extensión de 5.000 metros cuadrados, el proyecto representa uno de los movimientos más relevantes en infraestructura tecnológica de la región en los últimos años. Más allá de ampliar la capacidad operativa de IFX, la puesta en marcha de Orión busca posicionar a Guatemala como un punto estratégico para operaciones digitales críticas, servicios en la nube y continuidad empresarial. El nuevo centro de datos se integra a la red regional de IFX en América Latina y ofrecerá más de 1 megawatt de energía redundante para clientes, operación ininterrumpida 24x7x365 y una arquitectura respaldada por controles avanzados de seguridad física y lógica. Uno de los hitos más importantes del proyecto es la certificación Tier III de diseño otorgada por el Uptime Institute, un estándar internacional que garantiza que el data center puede realizar mantenimientos programados sin detener sus operaciones. En un contexto donde la disponibilidad de datos y la resiliencia tecnológica son fundamentales para bancos, fintechs, retailers, telecomunicaciones y entidades públicas, esta capacidad se convierte en un diferenciador clave. “Guatemala necesita más capacidad para acompañar el crecimiento digital de sus empresas. Con la entrada en operación de Orión, estamos sumando una infraestructura que fortalece la capacidad del país para sostener operaciones críticas y responder con mayor solidez a una demanda empresarial cada vez más exigente”, afirmó Alexander Gutiérrez, Country Manager de IFX en Guatemala. La apuesta de IFX también tiene impacto económico y de talento. La operación del nuevo data center impulsará empleo especializado y contribuirá al fortalecimiento del ecosistema tecnológico local, en un momento donde la región acelera inversiones vinculadas a cloud computing, ciberseguridad, inteligencia artificial y servicios administrados. Con más de 25 años de presencia regional, IFX continúa expandiendo su infraestructura para atender a organizaciones que requieren alta disponibilidad, seguridad y eficiencia operativa. La llegada de Orión no solo amplía la capacidad tecnológica del país: también refleja cómo Guatemala se consolida como un nodo estratégico para la economía digital de Centroamérica. Le puede interesar: ¿Cómo las telco en Guatemala pueden fortalecer su estrategia de ciberseguridad?

El laboratorio fundado por la ex OpenAI, Mira Murati, presentó una arquitectura multimodal capaz de procesar audio, video y texto de forma simultánea. La apuesta apunta a una IA que interrumpe, responde y reacciona casi en tiempo real, acercándose más a una conversación humana que a un chatbot tradicional. La carrera por construir asistentes de inteligencia artificial más naturales acaba de entrar en una nueva fase. Thinking Machines, la startup creada por la ex CTO de OpenAI, Mira Murati, presentó esta semana su primer gran avance tecnológico: los llamados “interaction models”, sistemas diseñados para interactuar con humanos sin las pausas artificiales que todavía dominan la mayoría de chatbots y asistentes conversacionales. La idea central parece simple, pero implica una ruptura profunda con la arquitectura actual de los modelos generativos. En vez de esperar a que una persona termine de hablar o escribir para responder, el sistema escucha, observa y procesa múltiples señales simultáneamente. Audio, video y texto conviven dentro del mismo flujo de inferencia. El resultado es un modelo capaz de reaccionar en apenas 0,4 segundos y de participar en “microturnos”, una dinámica conversacional mucho más parecida a la comunicación humana cotidiana. Ese detalle técnico cambia radicalmente la experiencia. Los modelos actuales operan como una especie de ping pong lingüístico: el usuario habla, el sistema espera, procesa y luego responde. Thinking Machines sostiene que ese esquema genera fricción y limita la sensación de naturalidad. Sus nuevos modelos, en cambio, permanecen “presentes” durante toda la interacción. La IA puede detectar interrupciones, cambios de tono, señales visuales o contexto ambiental antes de que la interacción termine formalmente. En términos estratégicos, el anuncio refleja hacia dónde se mueve toda la industria. Durante los últimos dos años, el foco estuvo puesto en aumentar el tamaño de los modelos y mejorar su capacidad de razonamiento. Ahora la batalla empieza a desplazarse hacia la interacción. La pregunta ya no es únicamente qué tan inteligente es un modelo, sino qué tan fluido se siente conversar con él. La propia Thinking Machines ilustró posibles usos que parecen extraídos de la ciencia ficción cotidiana: traducción instantánea mientras alguien habla, alertas posturales cuando el usuario se encorva frente a la computadora, o asistentes capaces de seguir conversaciones complejas mientras observan el entorno visual del usuario. El movimiento también intensifica la competencia en el terreno multimodal. Google, Meta y OpenAI ya trabajan en sistemas capaces de integrar voz, imagen y texto. Sin embargo, Thinking Machines intenta diferenciarse no tanto por la amplitud modal, sino por la latencia y la continuidad conversacional. Esa obsesión por reducir el tiempo de respuesta no es menor. En interfaces humanas, diferencias de apenas cientos de milisegundos alteran la percepción psicológica de fluidez. Una demora de 0,4 segundos acerca el intercambio a los tiempos naturales del habla humana, donde las interrupciones y superposiciones son normales. El desafío técnico consiste en mantener precisión y coherencia mientras el modelo procesa señales simultáneas en tiempo real. La presentación llega además en un momento delicado para el nuevo laboratorio de Murati. Desde su lanzamiento en febrero de 2025, la compañía ha estado rodeada de enorme expectativa y también de turbulencias internas, incluyendo salidas de talento hacia competidores como Meta y OpenAI. En el fondo, Thinking Machines parece apostar a que el futuro de la IA no será textual, sino conversacional y ambiental. Menos cajas de chat y más sistemas capaces de coexistir con humanos de manera permanente, observando, escuchando y reaccionando en tiempo real. Lea también: La Generación Z no mueve un dedo sin la opinión de ChatGPT

Los SLM ofrecen mayor precisión, menor costo y mejor adaptación a tareas específicas, desafiando el dominio de los grandes modelos. Un informe de Gartner anticipa que, para 2027, su empleo triplicará al de los LLM en las empresas. Durante años, la narrativa dominante en inteligencia artificial ha girado en torno a modelos cada vez más grandes. Sin embargo, en el mundo empresarial está ocurriendo lo contrario. Los modelos pequeños, especializados y ajustados a tareas concretas están emergiendo como la opción más pragmática y eficiente. Un informe de Gartner anticipa que para 2027 el uso de modelos pequeños triplicará al de los grandes modelos de lenguaje en entornos empresariales. La razón es clara: precisión contextual, costos más bajos y mayor facilidad de integración en procesos reales de negocio. A diferencia de los LLM generalistas, los SLM están diseñados para resolver problemas específicos, desde atención al cliente hasta análisis financiero o cumplimiento regulatorio. Esto reduce el riesgo de “alucinaciones” y mejora la confiabilidad en sectores críticos como banca o salud. El factor económico es determinante. Modelos más pequeños consumen menos recursos computacionales, lo que reduce costos operativos y de mantenimiento. En algunos casos, pueden operar incluso en un solo GPU, como ocurre con ciertas implementaciones recientes de Google. Además, el costo por respuesta puede ser hasta una sexta parte del de modelos más grandes, lo que cambia radicalmente la ecuación de escalabilidad. Este cambio está dando forma a nuevas arquitecturas. En lugar de depender de un único modelo potente, las empresas construyen “fábricas de conocimiento”, donde múltiples modelos pequeños trabajan en cadena, ejecutando tareas específicas dentro de un flujo más amplio. El resultado es una inteligencia artificial más modular y eficiente. Grandes modelos siguen siendo relevantes, pero como capa estratégica inicial, encargada de planificación o razonamiento complejo. Luego, modelos más pequeños ejecutan el trabajo operativo. Este enfoque también responde a preocupaciones de gobernanza y privacidad. Los SLM pueden desplegarse dentro de infraestructuras internas, detrás de firewalls, lo que facilita el cumplimiento regulatorio y el control sobre datos sensibles. En términos estratégicos, el mensaje es contundente. La ventaja competitiva no estará en quién tiene el modelo más grande, sino en quién diseña mejor el sistema que los orquesta. La IA empresarial se está moviendo de una lógica de potencia a una de precisión. Puede interesarle: El gasto global en TI superará los US$6 billones en 2026 impulsado por la fiebre de la IA

Los hackers dejaron de experimentar con inteligencia artificial y empezaron a industrializarla. Nuevos reportes muestran campañas más rápidas, automatizadas y difíciles de detectar, mientras las empresas todavía intentan entender cómo defenderse. La inteligencia artificial ya no es solo una herramienta defensiva en ciberseguridad. Ahora también es un acelerador ofensivo. Esa es la principal conclusión del análisis publicado por The Hacker News, que describe cómo 2026 se convirtió en el punto de inflexión para los ataques asistidos por IA. Lo preocupante no es únicamente la sofisticación técnica, sino la velocidad con la que el ecosistema criminal está adoptando automatización, generación de código y manipulación conversacional. Durante años, la industria de ciberseguridad advirtió sobre el potencial de la IA para amplificar amenazas. Pero hasta ahora gran parte de esos riesgos permanecía en fase experimental. Lo que está cambiando es la escala. Según el reporte, grupos criminales ya utilizan modelos generativos para producir campañas de phishing hiperpersonalizadas, automatizar reconocimiento de vulnerabilidades y generar malware adaptable en tiempo real La transformación recuerda lo que ocurrió con el ransomware hace una década. Primero aparecieron ataques aislados. Luego llegaron plataformas completas de “ransomware as a service”. Ahora la IA amenaza con convertir la ciberdelincuencia en una operación semiautónoma. El dato más inquietante es que los costos de entrada se están desplomando. Antes, desarrollar malware sofisticado requería equipos técnicos especializados. Hoy, modelos abiertos y herramientas generativas permiten que actores con menos experiencia produzcan campañas convincentes en cuestión de minutos. La IA también está eliminando una barrera histórica del cibercrimen: el idioma. Los ataques de phishing ya no contienen errores gramaticales evidentes. Los modelos actuales pueden imitar tono corporativo, estructuras internas y patrones culturales específicos de cada región. Eso cambia radicalmente el panorama empresarial. Los departamentos de seguridad construyeron durante años defensas basadas en detectar anomalías relativamente obvias. Pero la IA generativa está produciendo ataques cada vez más humanos. En algunos casos, indistinguibles de comunicaciones legítimas. El artículo de The Hacker News advierte además sobre el crecimiento de deepfakes de voz y video utilizados en fraudes corporativos. Empresas financieras y multinacionales ya enfrentan incidentes donde ejecutivos falsificados mediante IA autorizan transferencias o solicitan accesos internos. La amenaza tiene además una dimensión económica enorme. Según estimaciones de IBM y Accenture citadas en distintos estudios recientes, los costos globales del cibercrimen podrían superar los US$10 billones anuales antes del final de la década, impulsados en parte por automatización ofensiva basada en IA. Paradójicamente, las mismas empresas que impulsan inteligencia artificial para productividad están acelerando indirectamente la sofisticación criminal. Cada avance en generación de texto, código o voz tiene una aplicación dual. Ahí aparece el verdadero dilema de 2026: la industria tecnológica todavía vende IA como una revolución de eficiencia, mientras los equipos de seguridad empiezan a verla como una crisis estructural. Las compañías responden con otra ola de automatización defensiva. Sistemas de detección autónoma, análisis conductual impulsado por machine learning y plataformas de respuesta automatizada están creciendo rápidamente. Pero la asimetría persiste: atacar suele ser más barato que defender. Lea también: OpenAI busca dotar de ciberseguridad al gobierno de Estados Unidos

El CEO de OpenAI sostiene que millones de jóvenes utilizan el chatbot como asesor personal, terapeuta, tutor y guía de vida. La declaración revela hasta qué punto la IA empieza a ocupar espacios que antes pertenecían a humanos e instituciones. En una entrevista citada por Fortune, el CEO de OpenAI afirmó que muchos usuarios jóvenes están utilizando ChatGPT como una especie de “life advisor” o incluso como un “operating system” para organizar decisiones personales, relaciones, estudios y trabajo. La frase puede sonar exagerada, pero refleja un fenómeno cada vez más visible: la inteligencia artificial está migrando desde tareas utilitarias hacia funciones emocionales y cognitivas más íntimas. Según Altman, la Generación Z y parte de los millennials, no interactúan con ChatGPT únicamente para escribir textos o programar código. También lo usan para pedir consejos sentimentales, interpretar conversaciones, planificar carreras profesionales y tomar decisiones cotidianas. La declaración llega en un momento particularmente sensible para la industria tecnológica. Después del boom inicial de IA generativa, las empresas empiezan a descubrir que el verdadero valor económico podría no estar solamente en automatizar trabajo, sino en convertirse en infraestructura psicológica permanente. Eso explicaría por qué gigantes tecnológicos compiten ferozmente por desarrollar asistentes cada vez más persistentes, personalizados y multimodales. La visión de Altman apunta justamente hacia ese futuro. Un sistema capaz de recordar contexto, preferencias, historial y comportamiento para actuar como una capa continua de acompañamiento digital. El concepto recuerda parcialmente a la película Her, pero con una diferencia importante: ya no parece ciencia ficción. El fenómeno también coincide con cambios culturales profundos. Diversos estudios recientes muestran que los usuarios jóvenes se sienten más cómodos interactuando con sistemas conversacionales que con canales institucionales tradicionales. Terapia, educación, soporte técnico y orientación profesional empiezan a mezclarse dentro de interfaces de IA. La propia OpenAI ha acelerado herramientas de memoria persistente y personalización, precisamente para fortalecer esa continuidad contextual entre usuario y asistente. Pero el entusiasmo viene acompañado de preocupaciones crecientes. Expertos en ética tecnológica y salud mental advierten que delegar decisiones emocionales o personales a modelos de lenguaje puede generar dependencia psicológica, sesgos de validación y relaciones parasociales difíciles de regular. El problema es especialmente complejo porque la IA conversacional opera en una zona ambigua: no es un terapeuta, pero muchas veces actúa como uno; no es un amigo, pero puede simular cercanía emocional; no es una autoridad profesional, aunque millones de usuarios interpretan sus respuestas como orientación confiable. La industria tecnológica pasó años intentando capturar nuestra atención. Ahora parece intentar capturar algo mucho más profundo: nuestra capacidad cotidiana de interpretar el mundo. Lea también: Meta y Google entran en una guerra de agentes inteligentes

Mientras Silicon Valley compite por chatbots y aplicaciones, Apple parece apostar por otra idea: esconder la inteligencia artificial dentro de objetos cotidianos. Los próximos AirPods Pro con cámara podrían ser el primer paso. Apple rara vez habla primero. Prefiere esperar, observar y entrar cuando la tecnología ya puede integrarse elegantemente en productos masivos. Eso es precisamente lo que parece estar ocurriendo con inteligencia artificial. Ejecutivos cercanos al liderazgo futuro de Apple consideran que la compañía está “a punto de cambiar el mundo” mediante una nueva generación de dispositivos potenciados por IA, incluyendo AirPods Pro equipados con cámaras. La idea suena extraña hasta que se entiende la estrategia más amplia. Mientras competidores como OpenAI, Google y Meta convierten la IA en interfaces explícitas, Apple parece querer volverla invisible. No se trataría de “usar ChatGPT”, sino de vivir rodeado de dispositivos que entienden contexto, entorno y comportamiento sin necesidad de abrir una aplicación. Los AirPods con cámara encajan perfectamente en esa visión. Según filtraciones y análisis citados por Wccftech, Apple trabaja en sensores visuales capaces de capturar información ambiental para alimentar sistemas de inteligencia contextual y computación espacial. Eso permitiría desde navegación contextual y traducción en tiempo real hasta reconocimiento de objetos o interacción avanzada con asistentes inteligentes. El movimiento también conecta directamente con la estrategia iniciada por Apple Vision Pro. Apple parece estar construyendo lentamente un ecosistema donde audio, visión artificial, sensores y modelos de IA convergen en una capa permanente de computación ambiental. En vez de pantallas gigantescas o interfaces agresivas, la empresa apuesta por dispositivos discretos que desaparecen físicamente mientras amplifican percepción digital. La aproximación contrasta radicalmente con el fracaso de varios gadgets de IA lanzados en 2024 y 2025, incluyendo dispositivos independientes que prometían reemplazar smartphones pero terminaron ofreciendo experiencias limitadas. Apple entendió algo que otros todavía intentan descifrar: la IA probablemente no reemplazará el hardware existente de inmediato. Primero se integrará silenciosamente dentro de él. Ahí radica el verdadero riesgo para el mercado. Si Apple logra convertir AirPods en sensores inteligentes permanentes, podría expandir enormemente su dominio sobre computación personal. Los auriculares dejarían de ser accesorios de audio para convertirse en interfaces de percepción aumentada. Eso abriría además nuevas tensiones sobre privacidad. Un dispositivo con cámaras siempre presentes cerca del rostro introduce preguntas inevitables sobre vigilancia ambiental, captura pasiva de datos y procesamiento contextual continuo. Apple históricamente utiliza privacidad como diferenciador competitivo, pero integrar visión artificial en wearables cotidianos eleva la complejidad del debate. También existe una dimensión estratégica interna. El reporte sugiere que el liderazgo futuro de Apple considera que la próxima gran transformación tecnológica no será un único producto, sino una integración profunda entre hardware, IA y servicios. Eso explicaría por qué la compañía avanza con cautela mientras el resto de la industria acelera lanzamientos apresurados. Lea también: El nuevo Siri se ensaya con Veritas, el chatbot secreto de Apple

¿Por qué algunas compañías triunfan con la Inteligencia Artificial mientras otras no pasan de la etapa de prueba? En este programa, analizamos los casos de gigantes como Walmart, Coca-Cola y Unilever para extraer los seis patrones fundamentales de una implementación exitosa. En nuestra sección AcademIA, explicamos por qué el éxito no depende de la tecnología, sino de: Priorizar el problema de negocio antes que la herramienta. Definir KPIs claros y una línea base para medir el ROI. Integración total en el flujo de trabajo diario de tu equipo. Lograr "Quick Wins" o resultados medibles en solo 8 a 12 semanas. Además, en esta edición #47: AINews: El Pentágono abre sus puertas a OpenAI y Google, y la crisis de stock de Mac Mini por el auge de los agentes de IA. ConciencIA: El fin del código tradicional. Analizamos el Vibe Coding y el nuevo paradigma del "Software 3.0". AIMaizing: El primer reality show 100% IA y el misterio de las imágenes de ChatGPT que "no quieren" ser virales. Si busca una guía estratégica para llevar la IA a tu organización con paso firme, este episodio es imprescindible. Vea el episodio 47 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

Nuevos correos y testimonios revelados en el juicio entre el magnate y OpenAI muestran que el empresario intentó reclutar a Sam Altman y a otros fundadores para crear un laboratorio de inteligencia artificial dentro de Tesla. El episodio reescribe parte de la historia fundacional de OpenAI y expone cómo la lucha por el control de la IA comenzó mucho antes del boom generativo. La batalla legal entre Elon Musk y Sam Altman está dejando al descubierto algo más que diferencias filosóficas sobre el futuro de la inteligencia artificial. Las audiencias en Oakland están funcionando como una excavación arqueológica de Silicon Valley, una donde aparecen correos internos, tensiones personales y planes alternativos que pudieron cambiar por completo el mapa de la industria. Uno de los hallazgos más reveladores surgió esta semana: Musk intentó convencer a Altman y a otros cofundadores de OpenAI de abandonar el laboratorio y crear una unidad de IA dentro de Tesla. Según documentos y testimonios citados por Ars Technica, WIRED y TechCrunch, el empresario incluso contempló ofrecerle a Altman un asiento en el directorio de Tesla para liderar un “world-class AI lab” dentro de la automotriz. La revelación confirma algo que durante años se insinuó en los márgenes de la narrativa pública: Musk nunca vio a OpenAI únicamente como un proyecto filantrópico. Lo veía como una infraestructura estratégica para competir por el control de la próxima plataforma tecnológica global. Durante el juicio, Greg Brockman declaró que Musk defendía la creación de una estructura con fines de lucro porque consideraba imposible financiar el desarrollo de AGI bajo un esquema puramente nonprofit. Según Reuters, el multimillonario quería control operativo total y llegó a hablar de recaudar hasta US$80.000 millones para proyectos vinculados con la colonización de Marte. Ese detalle resulta especialmente significativo en retrospectiva. Mientras OpenAI evolucionó hacia una organización híbrida respaldada por Microsoft, Musk terminó creando xAI, una empresa que hoy compite directamente con OpenAI, Anthropic y Google DeepMind. El conflicto actual parece menos una ruptura ideológica y más una disputa histórica por liderazgo, propiedad intelectual y velocidad de ejecución. Las nuevas pruebas también muestran cómo Tesla pudo haber sido, en otra línea temporal, el epicentro de la revolución generativa. En 2017, cuando OpenAI aún era un laboratorio relativamente pequeño, Musk ya percibía que la IA tendría un impacto transversal sobre automóviles autónomos, robótica y sistemas energéticos. Integrar el talento de OpenAI dentro de Tesla habría significado fusionar datos de conducción, infraestructura computacional y modelos avanzados bajo una sola organización. La idea no prosperó porque los cofundadores rechazaron entregar el control total a Musk. Según Brockman, la discusión terminó en una ruptura emocional y estratégica. Ese momento terminó definiendo gran parte de la industria actual. OpenAI tomó un camino independiente y luego se convirtió en el actor que detonó la explosión comercial de la IA generativa con ChatGPT. Musk, mientras tanto, quedó fuera del laboratorio que ayudó a fundar y pasó años criticando su transformación corporativa. Paradójicamente, muchas de las críticas que Musk hace hoy sobre concentración de poder en IA reflejan exactamente lo que él mismo intentó construir dentro de Tesla: un laboratorio cerrado, verticalmente integrado y bajo liderazgo absoluto. La tensión se vuelve todavía más compleja porque las revelaciones ocurren mientras xAI atraviesa reestructuraciones internas y rotación de ejecutivos. TechCrunch reportó recientemente que varios cofundadores originales abandonaron la compañía, en medio de presión competitiva frente a OpenAI y Anthropic. Lea también: El gran problema del comercio con IA: el 91% de las experiencias no permiten comprar

La próxima gran batalla de la inteligencia artificial ya no gira solamente alrededor de chatbots. Meta, Google y otros gigantes tecnológicos están compitiendo por desarrollar agentes autónomos capaces de ejecutar tareas complejas, navegar aplicaciones y operar como asistentes digitales permanentes. La industria tecnológica ya parece haber tomado una decisión: el chatbot fue apenas el comienzo. Tras la explosión inicial de la IA generativa, gigantes como Meta y Google están entrando en una nueva fase competitiva centrada en agentes inteligentes capaces de actuar, ejecutar tareas y tomar decisiones con autonomía limitada. CNBC describió esta nueva etapa como las “agentic wars”, una carrera que redefine qué significa realmente interactuar con software. La diferencia es fundamental. Los chatbots actuales responden preguntas. Los agentes prometen hacer trabajo real. Reservar vuelos, coordinar agendas, navegar interfaces empresariales, gestionar compras, programar código o automatizar procesos corporativos son algunas de las funciones que las grandes tecnológicas intentan convertir en servicios autónomos impulsados por IA. El interés de Meta y Google no es accidental. Ambas compañías enfrentan un problema estratégico similar: si la interfaz dominante del futuro deja de ser el buscador o la red social y pasa a ser un agente inteligente persistente, la estructura económica de internet puede cambiar radicalmente. En el caso de Google, el riesgo es existencial. Durante más de dos décadas, el negocio del buscador dependió de que usuarios hicieran clic sobre enlaces y anuncios. Un agente autónomo que simplemente complete tareas podría reducir drásticamente ese modelo de tráfico. Meta, por su parte, busca evitar quedar atrapada en plataformas ajenas. La empresa de Mark Zuckerberg quiere integrar agentes dentro de WhatsApp, Instagram y sus dispositivos de realidad aumentada, convirtiendo la IA en una capa operativa permanente de su ecosistema. La guerra de agentes también está acelerando una nueva carrera por infraestructura. Estos sistemas requieren modelos más avanzados, memoria persistente, capacidad multimodal y acceso continuo a herramientas externas. Eso implica mayores costos computacionales y dependencia creciente de chips especializados. En paralelo, las empresas están compitiendo por controlar el comportamiento del usuario antes incluso de que exista una interfaz definitiva. El agente que administre calendarios, correos, compras y preferencias personales tendrá acceso a una capa de datos mucho más valiosa que la obtenida por redes sociales o motores de búsqueda tradicionales. La industria financiera ya percibe esa transición. Empresas de infraestructura, nube y ciberseguridad comenzaron a reorganizarse alrededor del concepto de “agentic AI”, como demostró esta semana Cloudflare con sus despidos masivos y reestructuración corporativa. Lea también: Alphabet, Amazon, Meta y Microsoft: el póker que convierte la IA en una máquina de ingresos

La compañía de infraestructura web anunció el recorte de cerca del 20% de su plantilla global pese a reportar resultados financieros mejores a los esperados. La decisión refleja cómo la inteligencia artificial está transformando no solo productos tecnológicos, sino también la estructura laboral de Silicon Valley. La promesa original de la inteligencia artificial era liberar a los trabajadores de tareas repetitivas. En 2026, cada vez más empresas tecnológicas reinterpretan esa idea de forma literal. Cloudflare anunció el despido de más de 1.100 empleados globalmente, aproximadamente el 20% de su fuerza laboral, en medio de una reestructuración diseñada para convertir a la empresa en una organización “agentic AI-first”. El dato más llamativo no es solamente el tamaño del recorte, sino el contexto financiero en el que ocurre. La compañía superó expectativas de Wall Street durante el primer trimestre de 2026, registrando ingresos de US$639,8 millones y ganancias ajustadas de 25 centavos por acción. También elevó su proyección anual hasta un rango de US$2.810 millones en ingresos. Sin embargo, el mercado castigó el anuncio. Las acciones cayeron entre 13% y 19% en operaciones posteriores al cierre, reflejando la creciente ansiedad de inversionistas frente a compañías que sustituyen crecimiento humano por automatización agresiva. El CEO Matthew Prince sostuvo que la medida no responde a problemas de desempeño ni a presión de costos de corto plazo. Según el memo interno citado por varios medios, el uso de IA dentro de la empresa creció más de 600% en apenas tres meses. Equipos de ingeniería, marketing, finanzas y recursos humanos comenzaron a operar miles de workflows automatizados diariamente. En términos corporativos, Cloudflare está intentando hacer algo más profundo que reducir plantilla: redefinir cómo funciona una empresa tecnológica en la era de agentes autónomos. Ese cambio marca un punto de inflexión para Silicon Valley. Durante décadas, las tecnológicas crecieron contratando más ingenieros, más vendedores y más personal operativo. La nueva lógica de la IA generativa invierte esa ecuación. Ahora las compañías intentan demostrar que pueden crecer mientras reducen headcount. Cloudflare no está sola. Empresas como PayPal, Coinbase y Freshworks también vincularon recientes recortes de personal con procesos de automatización basados en IA. El problema es que el mercado aún no sabe cómo valorar esta transición. Los inversionistas celebran eficiencia, pero temen que muchas compañías estén utilizando la IA como narrativa para justificar desaceleraciones estructurales o sobrecontratación previa. Puede interesarle: 31% de los CIOs no tienen clara la estrategia corporativa de IA en sus organizaciones

Al integrar cobros con tarjeta, el sitio web del emprendedor actúa fundamentalmente como un puente tecnológico hacia las entidades financieras, delegando el procesamiento real a pasarelas externas. Sin embargo, esta tercerización no exime al dueño del negocio de su responsabilidad, ya que un entorno digital vulnerable compromete la transacción antes incluso de que esta llegue al procesador de pagos. Por Aneyka Esilka Hurtado Mena, Profesora de la Facultad de Informática, Electrónica y Comunicación de la Universidad de Panamá. Es fundamental comprender, desde el inicio, que cuando un emprendedor decide vender por internet, su página web no se convierte mágicamente en una sucursal bancaria capaz de mover dinero por sí misma. En realidad, el sitio funciona meramente como una interfaz de usuario, un intermediario digital que conecta la intención de compra del cliente con una pasarela de pagos. Esta pasarela es el verdadero motor financiero, un servicio externo especializado que se encarga de "hablar" el lenguaje encriptado de los bancos y las grandes redes de tarjetas como Visa o Mastercard para validar que la tarjeta tenga fondos y autorizar la operación en segundos. Bajo este modelo operativo, el sitio web del comercio tiene una función muy específica: recolectar los datos de la orden y presentarlos a la pasarela de forma segura. Aquí radica una confusión habitual, pues muchos creen que, al contratar a proveedores robustos como PayPal, Stripe o Mercado Pago, la seguridad de su propia página pasa a un segundo plano. Nada más lejos de la realidad; si la "tienda" (el sitio web) tiene ventanas rotas o cerraduras oxidadas, de nada sirve que el camión blindado (la pasarela) sea el más seguro del mundo, porque el cliente podría ser asaltado justo antes de entregar su dinero al conductor. La conexión entre el sitio web y la pasarela se realiza generalmente mediante lo que llamamos API (Application Programming Interface o Interfaz de Programación de Aplicaciones). Imaginen la API como un traductor que permite que la tienda online y el banco se entiendan. Si esta integración se hace de forma descuidada, utilizando claves de acceso públicas o configuraciones por defecto, un atacante podría interceptar la comunicación. El emprendedor es responsable de asegurar que este canal de diálogo técnico esté blindado, garantizando que la petición de cobro llegue íntegra y sin alteraciones a su destino final. Un riesgo latente en este escenario de intermediación es el denominado Digital Skimming o secuestro de formularios. Dado que el sitio web es quien presenta el formulario donde el usuario escribe sus datos, los ciberdelincuentes pueden inyectar un código malicioso invisible en la página del comercio. De esta forma, aunque la transacción se procese legítimamente en la pasarela externa, los datos han sido copiados silenciosamente en el momento en que el cliente los tecleaba. Aquí, la pasarela funcionó perfecto, pero la inseguridad del entorno del emprendedor permitió el robo. Por ello, la implementación de certificados SSL/TLS (Secure Sockets Layer), que activan el candado y el protocolo HTTPS en el navegador, es el primer mandamiento de la seguridad web. Este certificado cifra o "empaqueta" la información mientras viaja desde la computadora del cliente hasta el servidor del comercio y luego hacia la pasarela. Sin este túnel cifrado, cualquier dato viaja como texto plano, legible para cualquier observador en la red. Para cualquier emprendedor, tener ese certificado al día es el primer paso indispensable para garantizar un entorno seguro. Pero no es lo único: también entra en la ecuación el estándar PCI DSS para la seguridad de las tarjetas. Ojo, porque, aunque no gestiones los cobros directamente, si tu web envía al usuario a una pasarela de pago, ya estás obligado a cumplir con los requisitos y autoevaluaciones de esta normativa. Esto implica compromisos como no almacenar jamás el código de seguridad (CVV) de las tarjetas y asegurar que su proveedor de hosting (alojamiento web) cumpla también con medidas de seguridad perimetral adecuadas. Existen dos formas principales de integrar estos pagos: mediante redirección o mediante un formulario integrado (iframe). En la redirección, el cliente sale de la tienda para pagar en la página segura de la pasarela; es menos estético, pero reduce la carga de seguridad del emprendedor. En el modelo integrado, el cliente nunca "sale" visualmente de la tienda, lo cual mejora la experiencia de usuario y la conversión de ventas, pero exige que el emprendedor sea mucho más riguroso con la seguridad de su código, ya que la percepción de confianza recae 100% en su marca. Para aquellos negocios que requieren cobros recurrentes o suscripciones, la tecnología de "tokenización" es la aliada perfecta en este esquema de intermediación. En lugar de guardar los datos de la tarjeta para futuros cobros (un riesgo inmenso), la pasarela devuelve al comercio un "token" o ficha digital alfanumérica. Este token representa la tarjeta, pero no contiene información financiera real. Así, el emprendedor puede ordenar cobros futuros usando esa ficha, manteniendo la comodidad del cliente sin convertir su base de datos en un botín atractivo para hackers. Es importante destacar que la responsabilidad del emprendedor no termina cuando el botón de "pagar" es presionado y la transacción es aprobada. El entorno post-venta también es vulnerable; por ejemplo, si el sistema de correos automatizados del sitio web es vulnerado, podría enviar confirmaciones de compra falsas con enlaces de phishing (suplantación de identidad). Proteger las credenciales de administración del sitio web y utilizar autenticación de dos pasos es vital para evitar que los delincuentes usen la reputación del negocio para atacar a los clientes que ya confiaron en él. En conclusión, el modelo de pasarelas de pago ofrece una división de tareas eficiente: la pasarela pone la infraestructura financiera y el emprendedor pone el entorno comercial. Sin embargo, esta relación es simbiótica y frágil. La seguridad no es un producto que se compra con la suscripción a la pasarela, sino un proceso activo que el dueño del sitio web debe gestionar. Entender que su web es el guardián de la puerta, y no la bóveda, es el primer paso para construir un negocio digital resiliente y confiable. Le puede interesar: IA agéntica: el nuevo frente de la seguridad informática

Expertos de SAS advierten que las universidades deben acelerar su transformación, integrar tecnología real y fomentar el pensamiento crítico en los estudiantes. La transformación digital está redefiniendo el mercado laboral a un ritmo que los sistemas educativos tradicionales aún no logran igualar. En este contexto, surge una preocupación creciente sobre la desconexión entre lo que enseñan las universidades y las habilidades que demandan las empresas en la era de la inteligencia artificial. Durante una conversación sostenida en el marco de SAS Innovate, Liz Morán, Directora de Programas Académicos y Certificación de SAS, explicó a la revista IT Now, que existe una amplia brecha en la capacidad de respuesta de las instituciones educativas. “Algunos programas están haciendo un gran trabajo al colaborar con la industria, pero otros aún están tratando de encontrar cómo hacerlo”, afirmó. Según la especialista, uno de los principales obstáculos es la rigidez estructural de las universidades, donde la actualización de currículos puede tardar años. Morán destacó que, ante estas limitaciones, muchas instituciones están recurriendo a estrategias complementarias como experiencias de aprendizaje aplicado, competencias con empresas, actividades inmersivas y colaboración directa con actores del mercado. Estas iniciativas permiten a los estudiantes tener contacto con tecnologías y casos reales, incluso cuando los planes de estudio formales no se actualizan con la suficiente rapidez. En cuanto a las habilidades clave en la era de la inteligencia artificial, la experta señaló que no existe consenso. Mientras algunos sectores insisten en mantener una formación sólida en programación y matemáticas, otros consideran que es más importante enseñar a interactuar con tecnologías avanzadas. “Debe existir un equilibrio: los estudiantes necesitan entender los fundamentos estadísticos y matemáticos para interpretar los resultados de la IA, pero también deben aprender a construir soluciones que generen valor real y sean auditables”, explicó. Desde la perspectiva de la industria, Waldimir Perdomo, Senior Director of Commercial Services, Education and Training de SAS, subrayó que la colaboración directa con las universidades es fundamental para generar talento relevante. Compartió el caso de República Dominicana, donde la falta de profesionales capacitados generaba una competencia constante entre bancos y entidades gubernamentales. A través de alianzas con universidades y acceso a tecnología y certificaciones, se logró ampliar el talento disponible y mejorar la empleabilidad de los egresados. Morán añadió que en América Latina existe un creciente interés por este tipo de colaboraciones, especialmente en sectores como banca, telecomunicaciones y gobierno. SAS, explicó, actúa como facilitador entre empresas y universidades, proporcionando acceso a software, capacitación y recursos educativos. “Cuando eliminas las barreras y facilitas la adopción tecnológica, las universidades responden con mayor entusiasmo”, indicó. Otro de los puntos críticos abordados fue la necesidad de un cambio urgente en el enfoque educativo frente a la inteligencia artificial. Para Morán, las universidades deben ir más allá de la preocupación por el uso indebido de herramientas como los modelos de lenguaje y enfocarse en integrar la tecnología de manera estratégica. “No se trata solo de evitar que los estudiantes hagan trampa, sino de prepararles para un entorno donde estas herramientas serán parte de su día a día”, sostuvo. Ambos expertos coincidieron en que, aunque la tecnología seguirá evolucionando, el aprendizaje humano seguirá siendo insustituible. La interacción entre personas, el desarrollo del pensamiento crítico y el escepticismo saludable serán competencias esenciales. “Los estudiantes deben aprender a cuestionar los resultados de la inteligencia artificial y entender sus posibles sesgos”, concluyó Morán, quien también resaltó la importancia de la ética de datos como un pilar fundamental en la formación del futuro profesional. La conversación también puso sobre la mesa la evolución de los modelos educativos hacia esquemas más dinámicos y conectados con la realidad del mercado. Tanto Morán como Perdomo coincidieron en que el futuro apunta a una mayor integración de experiencias como pasantías, programas de formación dual y colaboración en tiempo real con empresas, donde los estudiantes no solo aprendan conceptos, sino que participen activamente en la resolución de problemas reales. En este nuevo entorno, el rol del estudiante también cambia. Las nuevas generaciones, ya familiarizadas con herramientas digitales y modelos de inteligencia artificial, enfrentan el desafío de no caer en una confianza ciega en la tecnología. Desarrollar pensamiento crítico, cuestionar resultados y validar la información se vuelve una habilidad esencial para evitar errores y comprender realmente los procesos detrás de los sistemas inteligentes. Finalmente, los expertos destacaron que la ética de datos será un componente clave en la formación profesional. Más allá de los conocimientos técnicos, los futuros talentos deberán ser capaces de identificar sesgos, garantizar la transparencia de los modelos y construir soluciones responsables. En un contexto donde la inteligencia artificial gana protagonismo, la combinación entre capacidades humanas y criterio ético será determinante para el desarrollo sostenible de la tecnología. Le puede interesar: Kristi Boyd, de SAS: “La IA generativa no es el riesgo; el riesgo está en cómo se aplica”