Una nueva tendencia entre desarrolladores expone cómo el uso de tokens se convierte en una métrica crítica, y en un síntoma de los límites económicos de la inteligencia artificial. El concepto, descrito en el blog de Pragmatic Engineer, gira en torno a maximizar el valor obtenido por cada token procesado por un modelo de IA. En un entorno donde los costos de uso están directamente ligados a la cantidad de tokens consumidos, optimizar esta métrica se ha convertido en una obsesión técnica y económica. Lejos de ser una curiosidad, el fenómeno revela una verdad incómoda: la inteligencia artificial no está limitada por su capacidad, sino por su costo operativo. Cada interacción con modelos avanzados implica consumo de tokens, que a su vez se traduce en gasto en cómputo. Esto ha llevado a desarrolladores a diseñar prompts más eficientes, reducir redundancias y reconfigurar flujos de trabajo para obtener más valor con menos procesamiento. El resultado es una especie de microeconomía dentro de la IA. Equipos enteros optimizan prompts como si fueran líneas de código crítico, buscando reducir costos sin sacrificar rendimiento. Esta tendencia conecta directamente con el debate más amplio que atraviesa la industria. Mientras empresas como OpenAI avanzan hacia modelos más potentes y costosos, actores como DeepSeek presionan con alternativas más baratas, obligando a todos a reconsiderar la relación entre precio y capacidad. El tokenmaxxing, en ese sentido, no es solo una práctica técnica. Es una señal de madurez del mercado. Cuando los usuarios empiezan a optimizar costos al nivel de cada interacción, significa que la tecnología ha dejado de ser experimental y ha entrado en la lógica de eficiencia empresarial. También plantea una tensión inevitable. Si el futuro de la IA depende de sistemas cada vez más grandes, pero los usuarios demandan eficiencia extrema, la industria deberá encontrar un equilibrio entre potencia y accesibilidad. En ese equilibrio se juega algo más que márgenes. Se define quién podrá realmente usar la inteligencia artificial a escala, y quién quedará fuera de esa revolución. Lea también: El 44% de la música nueva ya es generada por inteligencia artificial

El evento reúne a líderes globales para debatir cómo la inteligencia artificial redefine los negocios sin perder el control ni los valores. En un entorno empresarial marcado por la aceleración tecnológica y la explosión de datos, la inteligencia artificial se posiciona como un factor decisivo para la competitividad. Sin embargo, el debate ya no gira solo en torno a su adopción, sino a la confianza, la gobernanza y el impacto humano detrás de estas herramientas. Con este enfoque inició el SAS Innovate 2026 en Dallas, Texas, un encuentro que reúne a especialistas en tecnología y negocios de todo el mundo los días 28 y 29 de abril en el Centro de Convenciones Gaylord. La jornada inaugural estuvo marcada por reflexiones estratégicas sobre el papel de la IA en la transformación empresarial. Durante la apertura, Jenn Chase, Chief Marketing Officer de SAS, destacó que, pese a la evolución de las industrias y el aumento en la escala de los desafíos, el principio fundamental de la compañía se mantiene intacto: el uso de datos confiables para generar valor. El mensaje dio paso a la intervención de Bryan Harris, Chief Technology Officer de SAS, quien centró su discurso en lo que definió como una “crisis de confianza” en la era de la inteligencia artificial. Según explicó, no se trata de una duda sobre la relevancia de la IA, sino sobre el papel de las personas en un entorno cada vez más automatizado. “Estamos en una crisis de confianza… No es un colapso en la creencia de que la IA importará. Es un colapso en la creencia de que las personas importarán”, señaló Harris, al tiempo que planteó un llamado a las organizaciones a asumir un rol activo en la construcción del futuro. El ejecutivo enfatizó que la adopción de IA no implica elegir entre personas y rentabilidad, sino construir un puente hacia una nueva generación de talento empoderado por la tecnología. En este contexto, subrayó que el crecimiento exponencial de los datos está generando una brecha de información que las empresas deben cerrar para evitar fatiga, confusión y pérdida de oportunidades. Harris explicó que la evolución tecnológica de SAS ha estado orientada precisamente a resolver este desafío, desde el desarrollo de su lenguaje de programación hasta arquitecturas multinube y soluciones avanzadas de analítica. Hoy, ese camino converge en la inteligencia artificial, especialmente en el concepto de IA agéntica, capaz de automatizar flujos de trabajo empresariales. No obstante, advirtió que este tipo de inteligencia introduce nuevos retos, particularmente en la confiabilidad de los resultados. A diferencia de los sistemas deterministas, los modelos basados en lenguaje pueden generar respuestas distintas ante un mismo escenario, lo que exige la implementación de salvaguardas para garantizar precisión y evitar riesgos operativos. A esta visión se sumó la perspectiva de Reggie Townsend, Vicepresidente de AI Ethics, Government & Social Impact en SAS, quien profundizó en la relación entre tecnología, cultura y toma de decisiones. El ejecutivo advirtió que los sistemas diseñados para escalar el juicio humano pueden, paradójicamente, desplazarlo si no existe una gobernanza adecuada. “Tenemos que preservar el juicio humano si queremos preservar la cultura humana”, afirmó Townsend, al subrayar que la IA debe complementar —y no sustituir— la capacidad humana en contextos de ambigüedad y decisiones críticas. Uno de los mensajes más destacados de las conferencias fue el de Harris quien reflexionó sobre el futuro expresando que “Ayer fue internet, hoy es la IA y mañana será otra cosa. Pero lo único que sobrevive a cada innovación son las personas”. Le puede interesar: OpenAI presenta GPT-5.5: ¿un nuevo paso hacia la automatización total?

Un reporte asegura que la empresa detrás de ChatGPT avanzaría en el desarrollo de su propio smartphone, con diseño vinculado a Jony Ive y una llegada estimada para 2028. OpenAI parece decidida a dejar de ser una aplicación instalada en dispositivos de terceros para convertirse en fabricante de hardware. La compañía estaría desarrollando su primer smartphone propio, asociada con MediaTek, Qualcomm y Luxshare, en un movimiento que la pondría en competencia directa con Apple Inc. y su iPhone. La noticia marca un giro relevante. Hasta ahora, distintos rumores sobre los planes de hardware de OpenAI apuntaban a productos periféricos: parlantes inteligentes, gafas conectadas y dispositivos experimentales potenciados por IA. El teléfono, en cambio, es otra liga. Es el centro de la vida digital de miles de millones de personas y el principal punto de acceso a asistentes, búsquedas, pagos, mensajería y productividad. Detrás del proyecto aparece una figura clave: Jony Ive, exjefe de diseño de Apple y uno de los arquitectos del iPhone moderno. Su estudio LoveFrom ya venía colaborando con OpenAI, y ahora ese vínculo podría desembocar en el producto más ambicioso de la alianza. El reporte también sugiere una ventana de lanzamiento hacia 2028, lo que indica que el proyecto estaría aún en etapas tempranas. Pero el calendario tiene lógica. Construir un teléfono competitivo exige cadena de suministro global, acuerdos con operadores, soporte técnico, distribución y, sobre todo, una propuesta diferencial en un mercado maduro. Ahí entra la inteligencia artificial. OpenAI no necesita copiar el modelo tradicional de apps y pantallas saturadas de iconos. Su oportunidad sería diseñar un dispositivo centrado en interacción conversacional, automatización contextual y ejecución de tareas mediante agentes inteligentes. En otras palabras, un teléfono donde la IA no sea una función extra, sino el sistema operativo de facto. Eso también explica por qué empresas tecnológicas buscan controlar hardware y software al mismo tiempo. Apple lo hizo con enorme éxito. Google LLC lo intenta con Pixel. OpenAI podría seguir el mismo camino para no depender de iOS ni Android en la distribución de ChatGPT. El desafío no es menor. Apple sigue dominando el segmento premium, mientras fabricantes asiáticos sostienen volumen y márgenes ajustados. Además, el mercado global de smartphones lleva años sin crecimiento explosivo. Entrar tarde exige una idea contundente. Pero si algo mostró la era ChatGPT es que OpenAI no juega solo a mejorar software. También quiere definir la próxima interfaz de la computación personal. Y esa batalla, aparentemente, podría librarse desde el bolsillo. Le puede interesar: OpenAI presenta GPT-5.5: ¿un nuevo paso hacia la automatización total?

En un contexto donde muchas empresas fracasan al implementar inteligencia artificial por falta de estrategia, la marca apuesta por acompañamiento, formación y una visión integral para convertir la tecnología en resultados de negocio. La conversación sobre inteligencia artificial en el mundo corporativo suele moverse entre dos extremos: entusiasmo desbordado y ejecución deficiente. En ese punto de tensión se posiciona GBM, una de las principales compañías tecnológicas de la región, que a través de su evento NextGen busca cerrar la brecha entre inversión y resultados. “El evento NextGen fue preparado por GBM pero con speakers y con el apoyo de IBM, que tienen un gran conocimiento en distintas áreas. Nuestro objetivo es seguir dando aprendizaje, seguir dando a conocer no solo sobre las tecnologías de IBM sino también cómo pueden implementar las tecnologías para lograr oportunidades de negocio”, explica Gabriela Hidalgo, gerente de mercadeo de GBM Costa Rica. La iniciativa no es menor en un contexto donde la adopción de IA se ha acelerado, pero no necesariamente con dirección clara. Según distintos análisis de la industria, una parte significativa de las organizaciones aún no logra traducir sus inversiones en inteligencia artificial en impactos medibles, principalmente por la ausencia de estrategias estructuradas y una débil alineación interna. Hidalgo lo reconoce sin rodeos: “Las empresas están en esa lucha por invertir y estarse constantemente innovando, pero no es tampoco algo oculto que muchas están fallando en ese intento, sobre todo por no tener una estrategia, una guía clara”. Frente a este escenario, NextGen se presenta como algo más que un evento tecnológico. Funciona como una plataforma de alfabetización ejecutiva en tendencias críticas como integración, modernización, inteligencia artificial, ciberseguridad y automatización. La agenda apunta a un problema estructural, cómo traducir conceptos complejos en decisiones operativas concretas. El enfoque de GBM parte de una premisa que contrasta con la lógica tradicional de venta tecnológica. “Lo que hemos aprendido es justo eso, conocer primero las necesidades de nuestros clientes, entender su realidad, su mercado, su industria, el tamaño de la empresa, para poder entonces proporcionar la tecnología que necesitan”, señala Hidalgo. Ese diagnóstico previo se convierte en un diferenciador en un mercado saturado de soluciones puntuales. En lugar de promover herramientas aisladas, la compañía impulsa lo que define como un enfoque integral, una arquitectura que conecte múltiples capas tecnológicas sin perder de vista el impacto económico. En palabras de Hidalgo, se trata de “brindar esa solución integral que afronte todos estos temas, mayores costos, necesidad de eficiencia, hacer más con menos e innovar sin quedarse atrás”. El énfasis en eficiencia no es casual. La presión por optimizar costos mientras se invierte en innovación se ha convertido en uno de los principales dilemas para los líderes tecnológicos. En ese contexto, la promesa de la inteligencia artificial no se mide solo en capacidades, sino en retorno de inversión. Más allá del evento, la compañía complementa esta estrategia con formación continua a través de su plataforma educativa, orientada a desarrollar habilidades técnicas y capacidades organizacionales. La lógica es clara: la transformación digital no ocurre en conferencias, sino en procesos sostenidos de aprendizaje. El caso de GBM ilustra una tendencia más amplia en el mercado tecnológico. A medida que la inteligencia artificial deja de ser una novedad y se convierte en infraestructura crítica, el valor ya no reside únicamente en la tecnología, sino en la capacidad de integrarla de forma coherente dentro de la organización. Lea también: IA empresarial: la integración reemplaza a la obsesión por los modelos

La cadena guatemalteca integra inteligencia artificial a su ecosistema digital con “MACO”, un asistente virtual que automatiza la asesoría al cliente, optimiza decisiones de compra y marca un hito en la transformación tecnológica del sector retail en el país. La transformación digital del retail en Guatemala suma un nuevo protagonista con el lanzamiento de “MACO”, el asistente virtual de inteligencia artificial desarrollado por CEMACO para fortalecer su plataforma de comercio electrónico y mejorar la interacción con los clientes en entornos digitales. Diseñado como una solución tecnológica de asesoría automatizada, MACO utiliza inteligencia artificial para procesar consultas en lenguaje natural y generar respuestas claras, precisas y accionables en tiempo real. Su implementación permite a los usuarios acceder a recomendaciones personalizadas y guías detalladas, optimizando tanto la toma de decisiones como la ejecución de proyectos para el hogar o empresas. El sistema es capaz de analizar variables clave como disponibilidad de productos, buenas prácticas y presupuesto, integrando estos factores en una respuesta que no solo sugiere opciones, sino que también incluye pasos de instalación y recomendaciones de seguridad. Esta capacidad convierte a MACO en una herramienta que trasciende la atención básica, incorporando criterios técnicos y estándares validados en cada interacción. “Queremos que cada interacción de los clientes con el Asistente Virtual de IA de CEMACO, MACO se sienta como hablar con un asesor experto y de confianza”, señaló Juan Carlos Daetz Ramírez, Líder de Operaciones y Subgerente de Comercio Electrónico, al destacar el enfoque de la compañía en soluciones digitales que faciliten la experiencia del usuario. Desde una perspectiva tecnológica, MACO representa un avance en la adopción de inteligencia artificial dentro del retail guatemalteco. Su capacidad de aprendizaje continuo le permite mejorar con cada interacción, afinando la precisión de sus recomendaciones y elevando el nivel de personalización del servicio. La herramienta está disponible en múltiples puntos de contacto digitales, incluyendo cemaco.com, WhatsApp y kioscos en tienda, lo que evidencia una estrategia omnicanal que busca integrar la experiencia física y digital bajo un mismo ecosistema tecnológico. Con esta incorporación, cemaco.com amplía sus funcionalidades al integrar asesoría en tiempo real dentro de su plataforma, consolidándose como un espacio que no solo facilita la compra, sino que también acompaña al usuario durante todo el proceso, desde la exploración hasta la ejecución de proyectos. Además, la implementación de MACO posiciona a CEMACO como la primera empresa en Guatemala en incorporar un asistente virtual con inteligencia artificial en el sector retail, estableciendo un referente en la adopción de tecnologías emergentes dentro del mercado nacional. La integración de esta solución tecnológica refuerza la evolución digital de la compañía, combinando innovación, automatización y un enfoque centrado en el usuario para ofrecer una experiencia de compra más eficiente y personalizada. Le puede interesar: Todo lo que pasó en el Banking Tech Summit Guatemala 2026: la banca regional acelera su reinvención

Un experimento real en retail, donde un agente de inteligencia artificial recibió 100.000 dólares y un contrato de tres años para operar un negocio en San Francisco, revela tanto el potencial como las fallas estructurales de la automatización empresarial. En una esquina del barrio Cow Hollow, en San Francisco, una tienda sin gerente humano está poniendo a prueba una de las promesas más ambiciosas de la inteligencia artificial: operar negocios en el mundo físico. El experimento, impulsado por la startup Andon Labs, consiste en delegar todas las decisiones a un agente de IA llamado Luna, desde la selección de inventario hasta la contratación de empleados. El punto de partida no es menor. Luna recibió un presupuesto de 100.000 dólares, un contrato de arrendamiento por tres años y un único objetivo: generar ganancias. En cuestión de minutos, el sistema publicó ofertas laborales en plataformas como LinkedIn e Indeed, entrevistó candidatos y tomó decisiones de contratación. También diseñó el concepto de tienda, eligió productos y estableció precios. Pero la narrativa de eficiencia se quiebra rápidamente cuando la IA entra en contacto con la complejidad del mundo real. En su primer día, la tienda abrió sin personal porque el sistema olvidó programar los turnos. En otros casos, realizó pedidos excesivos de inventario o proporcionó información incorrecta a clientes y periodistas, llegando incluso a “inventar” productos que no existían en el local. Felix Johnson es uno de los empleados contratado por Luna, tiene 30 años de edad y experiencia en tiendas minoristas; se comunica con Luna a través de Slack, aunque afirma que la comunicación es amable la mayoría del tiempo, dice que sus opciones de inventario son muy inconsistentes. El contraste entre capacidad técnica y ejecución práctica es el núcleo del experimento. Luna puede operar a velocidades “superhumanas” y ejecutar múltiples tareas simultáneamente, pero carece de criterio contextual, algo crítico en entornos como el retail. Desde Andon Labs, el objetivo nunca fue construir una tienda rentable en el corto plazo, sino observar cómo estos sistemas fallan. La IA incluso mostró sesgos en contratación, rechazando candidatos calificados por no cumplir requisitos estrictos de experiencia minorista, y problemas de consistencia en branding, como la incapacidad de reproducir su propio logotipo de manera uniforme. El caso funciona como una radiografía temprana del futuro del trabajo automatizado. Más que reemplazar de inmediato a los humanos, estos sistemas parecen amplificar la necesidad de supervisión, gobernanza y diseño organizacional. La tienda no es solo un negocio: es un laboratorio donde se evidencia que la autonomía de la IA todavía depende, paradójicamente, de estructuras humanas sólidas para no colapsar. Lea también: El costo oculto de la automatización: cuánto realmente cuesta operar agentes de IA

La posible megainversión marca un punto de inflexión en la carrera por la inteligencia artificial, consolidando un modelo de alianzas estratégicas frente a la competencia directa. Google está preparando una de las mayores inversiones en la historia de la inteligencia artificial: un desembolso inicial de 10 mil millones de dólares con la promesa de llegar hasta 40.000 millones si Anthropic cumple con ciertos objetivos de rendimiento. La magnitud de la cifra no solo refleja el apetito por liderar la nueva ola tecnológica, sino también el cambio de estrategia en Silicon Valley, donde las grandes tecnológicas ya no compiten únicamente desarrollando modelos propios, sino también financiando ecosistemas paralelos. La relación entre Google y Anthropic no es nueva. El gigante tecnológico ya había invertido miles de millones en la compañía, pero este nuevo movimiento eleva la apuesta a un nivel que rivaliza con la inversión de Microsoft en OpenAI. La lógica es clara: asegurar acceso preferencial a modelos avanzados, integrar capacidades en productos existentes y, al mismo tiempo, diversificar riesgos en un mercado altamente volátil. El contexto es determinante. El desarrollo de modelos fundacionales se ha convertido en una carrera de capital intensivo, donde el costo de entrenamiento y operación escala rápidamente. La cifra de 40.000 millones no solo financia investigación, también infraestructura, talento y, sobre todo, tiempo, un recurso crítico en una industria donde la ventaja competitiva puede evaporarse en meses. Desde una perspectiva estratégica, esta inversión también revela una tensión clave: el equilibrio entre control y dependencia. Google, que desarrolla su propia familia de modelos, apuesta simultáneamente por un actor externo. Esto sugiere que incluso los líderes tecnológicos reconocen la imposibilidad de monopolizar la innovación en IA. El movimiento tiene implicaciones más amplias. Consolida un mercado dominado por alianzas multimillonarias, eleva las barreras de entrada para nuevos competidores y acelera la concentración de poder en pocas plataformas. Puede interesarle: OpenAI presenta GPT-5.5: ¿un nuevo paso hacia la automatización total?

La marca refuerza su presencia en el país con una tienda que permite a los usuarios interactuar directamente con productos que combinan alto desempeño, evolución tecnológica y tendencias globales. Casio da un paso relevante en su estrategia de expansión en Guatemala con la apertura de su primera tienda oficial, un movimiento que no solo amplía su presencia física, sino que también acerca su propuesta tecnológica a los consumidores a través de una experiencia directa e inmersiva. El nuevo espacio ha sido diseñado como un entorno moderno, accesible y acogedor, donde los usuarios pueden interactuar de primera mano con dispositivos que integran tecnología, funcionalidad y diseño. Esta apertura permite a la marca fortalecer su conexión con el mercado local mediante un modelo que prioriza la experiencia del usuario. Desde una perspectiva tecnológica, la tienda reúne un portafolio de relojes que responden a distintas necesidades y estilos de vida. Las líneas Casio, G-SHOCK y Edifice reflejan la evolución de la marca en el desarrollo de productos que combinan resistencia, innovación y precisión, adaptándose tanto a usos cotidianos como a exigencias más específicas. “Hoy damos un paso muy importante, ya que es la primera vez que contamos con un espacio oficial en Guatemala. Esto marca un antes y un después en nuestra relación con el consumidor guatemalteco, permitiéndonos ofrecer una experiencia de marca más cercana, humana y completa”, afirmó Kelly Marimon, Gerente de Marketing de G-SHOCK en Kenex Trading. Más allá del punto de venta, este nuevo espacio funciona como un canal directo para que los usuarios exploren las características técnicas de los productos, comprendan sus funcionalidades y tomen decisiones informadas basadas en su desempeño y durabilidad. Guatemala se consolida así como un mercado relevante dentro de la estrategia de crecimiento de Casio en Latinoamérica, impulsado por un entorno dinámico y por la demanda de productos que integran tecnología, diseño y alto rendimiento. “El compromiso de Casio va más allá de ofrecer productos; queremos ser parte de las historias de nuestros consumidores, acompañarlos en su día a día y seguir construyendo una conexión genuina con cada uno de ellos. Los invitamos a visitarnos y vivir esta experiencia”, concluyó Kelly Marimon. Con esta apertura, la marca refuerza su enfoque en acercar la innovación tecnológica al usuario final, a través de un espacio que combina experiencia, producto y conexión directa con el consumidor. Le puede interesar: Todo lo que pasó en el Banking Tech Summit Guatemala 2026: la banca regional acelera su reinvención

El nuevo modelo mejora razonamiento, código y ejecución autónoma, consolidando la transición de chatbots a sistemas capaces de operar tareas completas. El anuncio llega tan solo semanas después de que Anthropic presentara su último modelo. OpenAI ha elevado nuevamente el listón con el lanzamiento de GPT-5.5, un modelo que no solo mejora métricas tradicionales, sino que redefine lo que significa “usar” inteligencia artificial en entornos reales. El sistema, presentado el 23 de abril de 2026, introduce avances significativos en razonamiento, programación, investigación científica y ejecución de tareas complejas. Según la compañía, el modelo está diseñado para abordar problemas ambiguos con mínima supervisión humana, una capacidad que apunta directamente al corazón del trabajo del conocimiento. En benchmarks técnicos, GPT-5.5 alcanza un 82,7 por ciento de precisión en Terminal-Bench 2.0, superando a modelos competidores como Claude Opus 4.7 y Gemini 3.1 Pro, lo que refuerza su posicionamiento en tareas de ingeniería y desarrollo. Pero el verdadero salto no está en el rendimiento puntual, sino en el cambio de paradigma. OpenAI describe esta generación como más cercana a un “agente” que a un chatbot, capaz de planificar, ejecutar y corregir tareas en múltiples pasos. Este enfoque responde a una tendencia más amplia: la automatización de flujos completos de trabajo. En lugar de responder preguntas, los modelos ahora pueden gestionar proyectos, interactuar con software y tomar decisiones intermedias. En otras palabras, dejan de ser herramientas pasivas para convertirse en operadores activos. El lanzamiento también refleja la velocidad vertiginosa del desarrollo en OpenAI. Solo en 2026, la compañía ha encadenado múltiples iteraciones de GPT-5.x, retirando modelos anteriores como GPT-4o y acelerando la obsolescencia tecnológica dentro de su propio ecosistema. Detrás de esta evolución hay una realidad económica ineludible: la IA es cada vez más dependiente del cómputo. El entrenamiento y operación de estos modelos continúa apoyándose en infraestructura intensiva, principalmente GPUs avanzadas, lo que mantiene la presión sobre costos y escalabilidad. En paralelo, el contexto competitivo se intensifica. OpenAI compite no solo con Google y Anthropic, sino con una nueva ola de modelos open source que desafían su estructura de precios y su modelo propietario. Podría interesarle: OpenAI tensiona su relación con Microsoft y se acerca a Amazon en la guerra por la nube

La proliferación de herramientas y factores de autenticación ha elevado la complejidad en las instituciones financieras, impulsando un cambio hacia plataformas integradas que reduzcan fricción, aceleren implementaciones y refuercen la seguridad en un entorno de fraude cada vez más sofisticado. La promesa de la banca digital, acceso inmediato, operaciones sin fricción y control total desde el móvil, choca cada vez más con una realidad interna marcada por la fragmentación tecnológica. Lo que el cliente percibe como una experiencia simple es, en muchos casos, el resultado de múltiples sistemas desconectados que deben coordinarse en tiempo real. Y cuando fallan, el impacto es directo. La fricción no solo afecta la experiencia del usuario, también tensiona la operación interna, donde distintos equipos deben interactuar con múltiples herramientas para resolver un solo caso. El origen del problema está en la evolución misma de la digitalización. A medida que los bancos incorporaron capas de seguridad, onboarding digital y prevención de fraude, el ecosistema se volvió más complejo. “Ha llegado un punto de complejidad donde muchos de ustedes están hoy gestionando identidades, habilitando diferentes factores de autenticación, habilitando verificaciones de identidad (…) y teniendo detrás en segundo plano un sistema de prevención de fraude”, señala Kennedy Román, Director Centroamérica y Caribe de Consein Panamá. El resultado es un entorno donde la eficiencia se diluye. “Las personas del contact center, las personas de seguridad de tarjeta (…) no tengan que estar saltando entre seis, siete aplicaciones para poder darle el servicio al cliente”, describe, evidenciando una operativa que ya no escala frente a la demanda actual. Frente a este escenario, comienza a consolidarse una nueva estrategia: la unificación. “Cómo lograr tener todos esos elementos en una plataforma unificada (…) donde yo puedo tener a distintos proveedores (…) vistos en una sola plataforma, en una sola herramienta”, explica. Este enfoque no elimina la diversidad de soluciones, pero las organiza bajo un mismo sistema, con lógica multivendor. El cambio también redefine los tiempos. Donde antes los proyectos podían extenderse durante más de un año, la expectativa ahora es radicalmente distinta. Este enfoque modular responde a otro desafío creciente: la multiplicación de factores de autenticación. Contraseñas, tokens, biometría facial, notificaciones push o enlaces mágicos forman parte de un abanico en expansión. Sin embargo, no existe una solución única. “La bala de plata no existe”, afirma, subrayando que la clave está en la combinación inteligente de mecanismos según el contexto de cada transacción. En paralelo, la identidad digital se posiciona como el eje central de la operación. La capacidad de validar documentos en tiempo real, adaptados por país y conectados a fuentes gubernamentales, se vuelve crítica en procesos de onboarding. A nivel regulatorio, la presión también aumenta. Las autoridades financieras han intensificado las exigencias para proteger al usuario y garantizar la integridad del sistema. Sin embargo, el trasfondo es más profundo. “El tema de la seguridad y la protección del usuario es un tema no tecnológico, es un tema de reputación”, advierte. En este contexto, la irrupción de la inteligencia artificial introduce una nueva capa de complejidad. No solo las instituciones la adoptan para mejorar sus sistemas, también los actores maliciosos. La consecuencia es una carrera constante donde la adaptabilidad se vuelve esencial. Las plataformas deben integrarse fácilmente, evolucionar sin fricción y permitir a las entidades ajustar políticas, factores de autenticación y proveedores sin rediseñar toda su infraestructura. El horizonte que se dibuja es claro: una única capa de orquestación capaz de gestionar identidades, autenticación y fraude de forma integrada, reduciendo la complejidad operativa y mejorando la experiencia del cliente. No como una aspiración futura, sino como una respuesta urgente a un sistema que, tal como está, ya no alcanza. Lea también: Banking Tech Summit Panamá 2026: del core legacy a la plataforma inteligente

Un análisis reciente revela que los agentes de inteligencia artificial, lejos de ser infinitamente escalables, tienen costos operativos significativos que podrían redefinir la economía de la automatización. La narrativa dominante en torno a la inteligencia artificial sugiere una promesa de eficiencia casi ilimitada. Sin embargo, un análisis publicado por Toby Ord introduce una perspectiva más matizada: los agentes de IA tienen costos, y no son triviales. El estudio examina el costo por hora de operación de agentes basados en modelos actuales, considerando variables como uso de tokens, infraestructura y ejecución continua. La conclusión es clara: aunque los costos han disminuido drásticamente en los últimos años, siguen siendo lo suficientemente relevantes como para influir en decisiones empresariales. Dependiendo del nivel de complejidad y autonomía, los agentes pueden costar desde fracciones de dólar por hora hasta cifras considerablemente más altas en escenarios intensivos. Esto plantea un contraste directo con la percepción de que la IA es esencialmente gratuita una vez implementada. El análisis también destaca una dinámica clave. A medida que los modelos se vuelven más capaces, tienden a consumir más recursos, lo que introduce una tensión entre rendimiento y costo. En otras palabras, agentes más inteligentes no siempre son más eficientes desde el punto de vista económico. Este factor cobra especial relevancia en entornos empresariales donde la escala es determinante. Operar miles de agentes simultáneamente puede generar costos acumulativos significativos, especialmente en casos de uso que requieren procesamiento continuo o acceso a grandes volúmenes de datos. Sin embargo, el panorama no es estático. La tendencia de reducción de costos en hardware y modelos sugiere que la economía de los agentes seguirá mejorando. Pero el mensaje central permanece: la automatización basada en IA no elimina el costo del trabajo, lo transforma. En ese contexto, las empresas deberán adoptar una visión más estratégica. No se trata solo de automatizar, sino de decidir qué procesos justifican el costo de ser operados por agentes inteligentes. La eficiencia, en la era de la IA, ya no es un supuesto. Es una ecuación. Lea también: La resaca de la IA: el retorno sobre inversión entra en crisis en las empresas

La marca presentó en Guatemala y la región un dispositivo que ofrece la batería más grande del mercado hasta el momento, con tres días de autonomía y opción de carga inversa para suministrar energía a otros dispositivos. El nuevo Magic8 Lite es una mezcla de resistencia, rendimiento y acabados modernos en un smartphone que llegó para competir en los primeros lugares de su categoría. Como era de esperarse, incluye funciones potenciadas por Inteligencia Artificial que mejoran su rendimiento en diferentes usos. Acá le contamos todo sobre el Magic8 Lite: Le puede interesar: IT NOW Review: Kingston SSD Dual Portable a prueba