TinyML está llevando la inteligencia artificial más allá de la nube, al permitir que sensores, dispositivos IoT y equipos de bajo consumo procesen información y tomen decisiones en tiempo real. En esta columna, Fabiola Montero, de la Universidad de Panamá, analiza cómo esta tecnología combina eficiencia, privacidad y capacidad de procesamiento local para abrir nuevas posibilidades en sectores como la industria, la salud, la agricultura y las ciudades inteligentes. Por Fabiola Montero, profesora de la Facultad de Informática, Electrónica y Comunicación de la Universidad de Panamá Cuando pensamos en inteligencia artificial (IA), normalmente imaginamos grandes centros de datos, servidores de alto rendimiento o servicios en la nube capaces de procesar enormes volúmenes de información. Sin embargo, una nueva tendencia está cambiando esta visión. Gracias a TinyML, hoy es posible ejecutar modelos de IA directamente en pequeños dispositivos como sensores, relojes inteligentes, equipos industriales o sistemas del Internet de las Cosas (IoT), utilizando muy poca memoria y consumiendo una cantidad mínima de energía. TinyML representa una evolución práctica del aprendizaje automático, también conocido como Machine Learning, hacia dispositivos con recursos muy limitados. En lugar de depender permanentemente de la nube para analizar los datos, estos equipos pueden procesar la información localmente y tomar decisiones en tiempo real. Esto amplía el alcance de la ciencia de datos y permite desarrollar soluciones más rápidas, privadas y eficientes en sectores como la industria, la salud, la agricultura y las ciudades inteligentes. Una de las principales características de TinyML es que está diseñado para funcionar en microcontroladores y dispositivos embebidos con capacidades muy reducidas de procesamiento, memoria y consumo energético. Estas limitaciones obligan a los científicos de datos a optimizar cada etapa del desarrollo del modelo. En lugar de crear redes neuronales muy grandes, deben seleccionar cuidadosamente las variables más relevantes, reducir el tamaño de los modelos y aprovechar al máximo los recursos disponibles. En este contexto, la eficiencia se convierte en un objetivo tan importante como la precisión. Otra ventaja importante es el procesamiento local de la información, conocido como Edge AI o inteligencia artificial en el borde de la red. En este enfoque, los datos se analizan directamente en el dispositivo donde se generan, sin necesidad de enviarlos continuamente a la nube. Esto reduce los tiempos de respuesta, disminuye el consumo de ancho de banda y mejora la privacidad de la información. Por ejemplo, un sensor instalado en una máquina industrial puede detectar una vibración anormal y generar una alerta inmediatamente, mientras que un dispositivo médico portátil puede analizar señales cardíacas sin transmitir datos sensibles a servidores externos. Las aplicaciones de TinyML continúan creciendo en numerosos sectores. En la industria se utiliza para el mantenimiento predictivo de maquinaria mediante el análisis continuo de vibraciones y sonidos. En salud permite desarrollar dispositivos capaces de monitorear signos vitales en tiempo real. En agricultura facilita el control inteligente del riego y el monitoreo de cultivos mediante sensores distribuidos. También se emplea en dispositivos portátiles, hogares inteligentes y sistemas de monitoreo ambiental, donde la autonomía energética y la rapidez de respuesta son factores esenciales. Antes de implementarse en un dispositivo inteligente, los modelos deben optimizarse para adaptarse a sus limitados recursos de memoria y procesamiento. Para ello se emplean técnicas como la cuantización, que reduce el tamaño del modelo y mejora su eficiencia, y el pruning o poda de redes neuronales, que elimina conexiones innecesarias manteniendo un rendimiento muy similar. Estas estrategias permiten ejecutar modelos de IA en sensores, microcontroladores y otros dispositivos de bajo consumo, sin sacrificar de manera importante la calidad de las predicciones. El desarrollo de TinyML también ha sido impulsado por herramientas especializadas que facilitan el trabajo de los científicos de datos e ingenieros. Plataformas como TensorFlow Lite Micro, Edge Impulse y STM32Cube.AI permiten entrenar, optimizar y desplegar modelos de IA en dispositivos embebidos de forma cada vez más sencilla, acelerando la adopción de esta tecnología en proyectos industriales y comerciales. Evaluar un modelo TinyML implica considerar aspectos que van más allá de la precisión. También es necesario medir el tiempo que tarda en responder, el consumo de energía, la memoria utilizada y la estabilidad durante largos períodos de funcionamiento. En muchos casos, un modelo ligeramente menos preciso puede resultar más conveniente si consume mucha menos energía o permite utilizar hardware más económico. Por ello, el equilibrio entre rendimiento y eficiencia constituye uno de los principales desafíos en este tipo de soluciones. Lejos de reemplazar a los grandes modelos de IA, TinyML los complementa. Mientras los modelos alojados en la nube procesan grandes volúmenes de información y generan conocimiento global, TinyML permite que millones de dispositivos inteligentes tomen decisiones rápidas y locales. Esta combinación crea arquitecturas más eficientes, donde cada nivel del sistema cumple una función específica: los sensores responden inmediatamente a eventos, los equipos de borde procesan información regional y la nube coordina el análisis global. El crecimiento de esta tecnología refleja una tendencia clara dentro de la IAl: no siempre es necesario desarrollar modelos cada vez más grandes para obtener mejores resultados. En muchas aplicaciones, el verdadero desafío consiste en llevar capacidades inteligentes a dispositivos pequeños, económicos y energéticamente eficientes. Esto abre nuevas oportunidades para desplegar soluciones de IA en lugares donde antes resultaba técnica o económicamente inviable. TinyML demuestra que el futuro de la IA no depende únicamente del tamaño de los modelos, sino de su capacidad para adaptarse a las necesidades reales de cada entorno. A medida que aumente el número de dispositivos conectados y la demanda de procesamiento en tiempo real, esta tecnología se convertirá en un componente esencial de la próxima generación de soluciones inteligentes. La verdadera innovación no estará únicamente en desarrollar modelos más grandes, sino en hacer que la IA sea accesible, eficiente y útil en cualquier entorno. Le puede interesar: K-means: el algoritmo que revela patrones ocultos en los datos

La compañía desplegará el cable Alisios, que conectará a Panamá con Chile, República Dominicana y Estados Unidos, como parte de una nueva arquitectura regional orientada a fortalecer la capacidad y resiliencia de las redes digitales. La infraestructura digital de las Américas avanza hacia una mayor integración regional con nuevas inversiones en conectividad submarina. En este contexto, Google Cloud anunció Americas Connect, un proyecto global que contempla el despliegue de nuevos sistemas de cables submarinos para ampliar la capacidad, velocidad y resiliencia de las comunicaciones digitales en el continente. Uno de los componentes centrales de esta iniciativa será Alisios, un nuevo cable submarino que tendrá a Panamá como uno de sus puntos estratégicos de interconexión. La infraestructura permitirá conectar directamente al país con las redes de Chile y República Dominicana, reforzando las rutas de intercambio de datos entre el Pacífico, el Caribe y Estados Unidos. El proyecto fue presentado por Brian Quigley, vicepresidente de Infraestructura de Red Global de Google Cloud, quien explicó que Americas Connect estará conformado por tres nuevos sistemas de cables submarinos: Alisios, Canoa y OlaLuz, además de una nueva ramificación del cable Firmina. En conjunto, estas infraestructuras buscan crear una red más redundante y preparada para responder al crecimiento de la demanda de conectividad en la región. Para Panamá, uno de los principales beneficios estará en la creación de nuevas rutas hacia el Pacífico. Alisios establecerá un anillo de conectividad entre Chile y Panamá, acompañado de un tercer enlace hacia la costa oeste de Estados Unidos. Esta ruta permitirá conectar con las regiones de nube de Google Cloud ubicadas en Los Ángeles, Las Vegas y Chile, ampliando las alternativas para el transporte de datos. La infraestructura también fortalecerá la posición de Panamá como punto de conexión hacia el Caribe. A través de Alisios, el país quedará enlazado con República Dominicana y, desde allí, con la costa este de Estados Unidos, específicamente con Carolina del Sur y Virginia. Esta arquitectura permitirá diversificar las rutas existentes y reducir la dependencia de determinados corredores de conectividad. El anuncio fue recibido por el Gobierno panameño como un respaldo a la estrategia nacional para consolidar al país como un centro regional de infraestructura digital. El presidente José Raúl Mulino destacó que la llegada del proyecto se alinea con la Iniciativa del Hub Digital de Panamá y con el componente de infraestructura digital de la Estrategia Nacional Digital. «Nos complace enormemente dar la bienvenida a este nuevo proyecto de Google y nos enorgullece que Panamá sea considerado un punto estratégico para esta infraestructura submarina. El anuncio de los nuevos cables submarinos marca un hito transformador y se alinea con la Iniciativa del Hub Digital de Panamá y el pilar de infraestructura digital de la Estrategia Nacional Digital», afirmó el mandatario. La arquitectura regional se complementará con Canoa, que conectará República Dominicana con Bermudas, y OlaLuz, que enlazará República Dominicana con Florida. Estos sistemas formarán nuevos anillos de conectividad que, a su vez, tendrán conexión con Europa, particularmente con Madrid, mediante los sistemas Nuvem y Sol. La incorporación de unidades de ramificación también permitirá ampliar la red en el futuro conforme aumenten las necesidades de capacidad. Con Americas Connect, Panamá suma una nueva infraestructura a su ecosistema de conectividad internacional y refuerza su papel como punto de convergencia entre distintas rutas digitales de las Américas. La ampliación de estas conexiones puede favorecer la resiliencia de las redes utilizadas por empresas e instituciones, además de respaldar servicios en la nube, aplicaciones digitales y operaciones que dependen de una transmisión de datos más rápida y confiable. Más allá de la infraestructura física, la llegada de nuevas rutas submarinas coloca a Panamá ante una oportunidad para profundizar su estrategia de hub digital y atraer actividades vinculadas con la economía tecnológica. Una mayor capacidad de interconexión puede convertirse en un factor de competitividad para empresas que requieren conectividad internacional, servicios digitales y acceso eficiente a mercados regionales y globales. Le puede interesar: La IA agéntica exige que las empresas reinventen su modelo de negocio, no solo automaticen tareas

En el marco de su 104 aniversario, la empresa da un paso decisivo en la esfera tecnológica internacional al consolidar la ciberseguridad y la gestión de riesgos como ejes de su propuesta de valor al mercado. Con un panorama nacional impactado por más de 40.000 denuncias por delitos informáticos contabilizados por el Organismo de Investigación Judicial entre 2018 y 2025, RACSA responde con una oferta tecnológica alineada a la Estrategia Nacional de Ciberseguridad 2023-2027. Por ejemplo, a través de soluciones biométricas de vanguardia como BIOmetric ID, RACSA ofrece mecanismos robustos de autenticación y trazabilidad en trámites, protegiendo de manera integral la información de la ciudadanía, las instituciones y las empresas ante eventuales fraudes. Ciberseguridad y fortalecimiento del rol como integrador del Estado Esta etapa de madurez empresarial en ciberseguridad se alinea con la visión del Gobierno de la República que, mediante el Decreto Ejecutivo N.° 45804-MP-MIDEPLAN, incorporó formalmente a la empresa al Sector de Ciencia, Tecnología, Innovación y Telecomunicaciones (coordinado desde el MICITT), consolidándola como el habilitador tecnológico esencial de la institucionalidad costarricense. Muestra de que la gestión de riesgos y la seguridad operativa son pilares de la gestión interna en RACSA son los reconocimientos obtenidos por la empresa en el marco de su 104 aniversario. En el contexto conmemorativo, la empresa recibió la acreditación de la norma de calidad ISO 9001:2015 -respaldada por la red global IQNET con sede en Suiza-, un histórico hito que corona tres años de profunda transformación interna. Esta certificación estandariza procesos y mitiga riesgos para prevenir fallas en plataformas de misión crítica, garantizando la continuidad del negocio y elevando la excelencia en el servicio. A nivel externo, ubica a RACSA a la altura de los integradores más exigentes del mercado. Este respaldo internacional le abre de forma automática las puertas comerciales a más de 30 países, otorgándole validez normativa para competir en licitaciones complejas y establecer alianzas bajo los más altos estándares de gobernanza y transparencia, sin requerir de reevaluaciones locales. Asimismo, le otorga acceso a una base de datos pública internacional donde clientes, gobiernos y socios tecnológicos pueden verificar al instante y en tiempo real la vigencia de sus credenciales operativas. Vanguardia en conectividad y arquitectura segura de última generación La solidez normativa de RACSA coincide con su liderazgo en infraestructura de nueva generación, un ámbito donde la empresa rompió el paradigma de las telecomunicaciones nacionales al desplegar la primera red pura 5G Stand Alone (SA) del país, oficializada el 25 de julio de 2024. Al operar sobre una arquitectura nativa e independiente de las redes 4G, esta tecnología garantiza ultra baja latencia y alta capacidad de conectar múltiples dispositivos de forma simultánea y segura sin perder calidad en la conexión. En este escenario, la implementación de soluciones como el Acceso Inalámbrico Fijo (FWA) y servicios de conectividad empresarial basada en software (redes SD-WAN) para administrar, optimizar y asegurar las redes de forma inteligente y centralizadas democratiza la banda ancha para comunidades, empresas y el sector productivo, impulsando el desarrollo de aplicaciones en facilidades clave como Internet de las Cosas (IoT) y la automatización industrial en zonas estratégicas del país. Un modelo sostenible para el próximo siglo El impacto de RACSA también destaca por su alcance ciudadano a través de soluciones como la plataforma de Servicios al Ciudadano 1311, las Ventanillas Electrónicas de Servicios (VES) con su sistema de citas en línea, que han permitido poner a disposición de toda la población nacional trámites para pasaportes, DIMEX y ControlPas bajo un modelo de atención ágil, seguro y confiable. Todo este avance se ejecuta bajo un claro compromiso socioambiental, evidenciado en la calificación de 96,04% en el Programa de Gestión Ambiental Institucional (PGAI 2025) del MINAE (Franja Verde +) y la distinción del Sistema de Reconocimientos Sociolaborales (SIRESOL) otorgada en el presente año por el Ministerio de Trabajo por su modelo ejemplar de Teletrabajo en condiciones de Seguridad y Bienestar. Al proyectarse hacia el futuro, las acreditaciones ISO 9001 e IQNET y su robusta oferta de valor demuestran que la amplia trayectoria institucional puede traducirse en agilidad, adaptación al cambio y liderazgo. RACSA se reafirma no solo como un competidor internacional de alto nivel, sino como el socio tecnológico maduro, seguro y sostenible que Costa Rica requiere para liderar la transformación digital del próximo siglo. Le puede interesar: Kimi K3 encontró la puerta de salida: el modelo chino expuso una falla en las pruebas de seguridad de la IA

Marcela Payés, Digital Business & Growth Strategist y Fabricio Quintanilla, de Tek Factori, analizaron los elementos que deben priorizar las empresas al diseñar o modernizar plataformas digitales. En el marco de Tech Day El Salvador 2026, organizado por Connecta B2B con Tigo Business como main sponsor y el respaldo de su comunidad tecnológica IT NOW, se desarrolló el panel “Construyendo la próxima generación de plataformas digitales: seguridad, escalabilidad e inteligencia”. La conversación reunió a Marcela Payés, Digital Business & Growth Strategist y Fabricio Quintanilla, CTO de Tek Factori, quienes analizaron los elementos que deben priorizar las empresas al diseñar o modernizar plataformas digitales. Uno de los primeros consensos fue que la tecnología no debe definir por sí sola la estrategia. Antes de seleccionar herramientas, arquitecturas o modelos de inteligencia artificial, las organizaciones necesitan comprender qué problema buscan resolver y cómo esa solución aportará valor al negocio y a sus usuarios. Payés señaló que una plataforma debe ser flexible, abierta y orientada a las personas. Esto implica facilitar su integración con otras soluciones, permitir la incorporación de nuevas tecnologías y garantizar que tanto los equipos internos como los clientes finales puedan utilizarla de forma sencilla. Quintanilla añadió que las plataformas actuales también necesitan gobierno de la información, seguridad e interoperabilidad. Para el especialista, proteger los datos y administrarlos correctamente son tareas distintas, aunque ambas resultan indispensables para responder a las necesidades futuras de las organizaciones. Datos, personas y procesos antes que tecnología aislada Durante el panel se discutió la importancia de avanzar con metodologías ágiles, pero sin confundir agilidad con velocidad. Trabajar de forma ágil no significa terminar un proyecto más rápido, sino entregar funciones útiles en menor tiempo y mejorarlas progresivamente. Este enfoque permite introducir nuevas capacidades por etapas, aplicar controles de seguridad en distintas capas y ajustar las plataformas conforme cambian las condiciones del negocio. Para los panelistas, innovación, rapidez y seguridad no deben verse como objetivos opuestos, sino como elementos que deben avanzar en paralelo. Marcela Payés, Digital Business & Growth Strategist. Otro de los temas centrales fue la gestión de datos. Payés advirtió que muchas empresas cuentan con grandes volúmenes de información, pero no necesariamente con datos organizados, conectados o útiles para tomar decisiones. Por ello, recomendó que cualquier nueva plataforma se desarrolle junto con una estrategia de datos, reglas de gobernanza, responsables definidos y criterios de calidad. Sin estos elementos, incluso las soluciones más avanzadas pueden ofrecer resultados limitados. Quintanilla utilizó la figura de un lago para explicar el concepto de data lake. Una organización puede concentrar toda su información en un mismo espacio, pero eso no garantiza que sabrá qué extraer, cómo utilizarlo o quién será responsable de administrarlo. La reflexión apuntó a que acumular datos sin una estrategia puede generar más complejidad que valor. La capacidad de aprovecharlos dependerá de la calidad de la información, de la trazabilidad y de los objetivos que la empresa haya definido previamente. Los panelistas también abordaron los retos que aparecen cuando se intenta modernizar plataformas ya existentes. Entre ellos mencionaron arquitecturas cerradas, sistemas que no se comunican entre sí, información fragmentada y módulos añadidos sin una visión integral. Fabricio Quintanilla, CTO de Tek Factori A estos desafíos técnicos se suma la resistencia de las personas. Quintanilla señaló que muchos proyectos fallan no por la herramienta elegida, sino porque los usuarios continúan aferrados a procesos anteriores o no comprenden los beneficios de la transformación. En ese sentido, insistió en que personas, procesos y tecnología deben trabajar de forma coordinada. Comprar una plataforma avanzada no resolverá por sí sola un problema si los equipos no cuentan con formación, procesos claros y disposición para cambiar la manera en que trabajan. La IA amplía capacidades, pero también eleva los riesgos Al hablar sobre las tendencias que marcarán el futuro, Payés destacó el crecimiento de las arquitecturas abiertas y modulares, capaces de adaptarse rápidamente a nuevas necesidades empresariales. La especialista también anticipó una mayor inversión en ordenamiento, calidad y gobierno de datos, debido a que la inteligencia artificial solo puede generar resultados confiables cuando trabaja con información estructurada y relevante. Quintanilla compartió un ejemplo relacionado con una prueba de inteligencia artificial que logró acceder a credenciales almacenadas en caché y conectarse a sistemas para completar una conciliación bancaria. El caso ilustró cómo un modelo puede encontrar rutas no previstas para alcanzar un objetivo. La experiencia evidenció que la autonomía de la IA debe acompañarse de controles estrictos, límites de acceso y supervisión humana, especialmente cuando existe información financiera, credenciales o infraestructura sensible involucrada. El panel también planteó que la inteligencia artificial no necesariamente eliminará todos los empleos, pero sí transformará numerosas tareas repetitivas y operativas. La adaptación dependerá de que los profesionales comprendan estas herramientas y desarrollen nuevas competencias para utilizarlas de manera productiva y segura. Al cierre, ambos especialistas coincidieron en que una plataforma preparada para el futuro debe priorizar flexibilidad, interoperabilidad, estándares, seguridad, calidad de datos y experiencia de usuario. La conclusión fue que construir la próxima generación de plataformas digitales exige algo más que adquirir tecnología. Las organizaciones necesitan alinear estrategia, información, procesos y talento para que la innovación pueda escalar sin comprometer la seguridad ni la utilidad para las personas. Le puede interesar: Así fue el Tech Day El Salvador 2026: IA, ciberseguridad y resiliencia digital en la agenda del país

El consultor y exministro de Ciencia, Tecnología y Telecomunicaciones, Luis Adrián Salazar, abogó por una transición hacia una "gobernanza inteligente" que priorice el bienestar humano y la ética por encima de la simple digitalización, advirtiendo que, en un ecosistema de tecnologías convergentes, el éxito radica en la capacidad de las organizaciones para entender el contexto y no solo el producto. En el marco del evento Tech Day Puerto Rico 2026, Luis Adrián Salazar, reconocido consultor y exministro de Ciencia, Tecnología y Telecomunicaciones, presentó una visión disruptiva sobre el futuro de la inteligencia artificial (IA). Lejos de los temores apocalípticos sobre una IA que actúa autónomamente al estilo "Terminator", Salazar planteó una hoja de ruta donde la tecnología debe ser tratada como una herramienta subordinada al propósito humano, destacando que el verdadero desafío no es la máquina, sino las reglas y la visión estratégica con la que los seres humanos la implementan. Salazar inició su exposición desmitificando la percepción pública sobre la "peligrosidad" autónoma de la IA. Utilizando como analogía las decisiones arbitrales en el fútbol (donde un fuera de juego se mide al milímetro), el experto argumentó que la IA funciona de manera perfecta al capturar datos con precisión extrema. El problema, enfatizó, no reside en el algoritmo, sino en las reglas que los humanos definen para él."El tema no es la inteligencia artificial, el tema son las reglas que nosotros les damos", sentenció. Esta premisa le permitió introducir su concepto central: la gobernanza no debe ser un mecanismo de freno, sino un marco que potencie la innovación inteligente. Del "tsunami tecnológico" a la transformación real Durante su charla, Salazar alertó sobre el fenómeno de las tecnologías convergentes (IA, 5G, ciberseguridad, Cloud) que están golpeando a las empresas como un "tsunami". Advirtió que, ante esta avalancha, muchas organizaciones cometen el error de intentar digitalizarse sin un rumbo claro."Cuando pensamos únicamente en digitalizar, podemos terminar digitalizando el desorden e incluso la corrupción", advirtió. Para el consultor, el enfoque debe migrar de una mera digitalización hacia una verdadera transformación institucional. La clave, según Salazar, es cambiar el discurso de ventas: las empresas no deben intentar vender el "producto" tecnológico, sino el "contexto" de la solución para sus clientes, centrándose en cómo la tecnología mejora procesos, amplía mercados y soluciona necesidades reales. Gobernanza, Ética y Confianza Ante la disparidad global sobre cómo regular la IA, Salazar propuso un enfoque basado en la "gobernanza flexible y centrada en el riesgo". Su visión aboga por: Innovación Inteligente: Implementar sandboxes (espacios de prueba) regulatorios que impulsen la creatividad en lugar de estrangularla con burocracia excesiva. Gobiernos Corporativos: Destacó la necesidad imperativa de contar con perfiles expertos en tecnologías emergentes dentro de las juntas directivas, más allá de los roles tradicionales de tecnología (CIO o CTO). La Ecuación Digital: La propuesta de Salazar integra conectividad, datos de calidad, ciberseguridad, alfabetización digital y, sobre todo, confianza. "Si no existe confianza, el negocio se cae", subrayó. El ser humano como eje de desarrollo El punto final y más crítico de la exposición de Salazar fue una defensa a ultranza de la humanidad. En un mundo donde la IA puede generar código, programar y tomar decisiones, el experto llamó a no perder de vista que el objetivo final de cualquier desarrollo tecnológico es el bienestar, la dignidad y la equidad. Salazar concluyó que la verdadera ventaja competitiva del futuro no residirá exclusivamente en la potencia del algoritmo, sino en la capacidad humana de potenciarse a sí misma a través de la inteligencia artificial. "Hoy es cuando, como seres humanos, debemos potenciar más la inteligencia humana como un precepto de desarrollo", finalizó el consultor, dejando un llamado claro a los líderes empresariales presentes: es momento de diseñar estrategias donde la tecnología sea un medio, y nunca un fin, para construir una economía digital inclusiva. Vea también: Tech Day Puerto Rico 2026: la IA agéntica obliga a reinventar el liderazgo tecnológico

Marcelo Burman, gerente general de Connecta B2B, sostuvo que la llegada de agentes capaces de planificar, ejecutar tareas y tomar decisiones está cambiando la función tradicional de los líderes de tecnología. El desafío ya no es administrar servidores y aplicaciones, sino orquestar una fuerza de trabajo formada por personas y agentes de inteligencia artificial, con nuevos controles, métricas y responsabilidades. La inteligencia artificial empresarial está entrando en una etapa en la que el principal cambio ya no ocurre en la pantalla del usuario, sino detrás de ella. Los sistemas empiezan a recibir objetivos, diseñar los pasos para cumplirlos, conectarse con herramientas, ejecutar acciones y decidir cuándo continuar o cuándo pedir intervención humana. Para Marcelo Burman, gerente general de Connecta B2B, ese salto también está transformando a uno de los cargos más tradicionales de las organizaciones. Su propuesta es provocadora: el CIO, Chief Information Officer, debería comenzar a pensarse como un Chief Intelligence Orchestrator, un ejecutivo encargado de coordinar la inteligencia humana y la artificial dentro de la empresa. “Ya llegamos al momento donde empezamos a tener agentes que trabajan solos”, señaló Burman. En ese escenario, el liderazgo tecnológico deja de concentrarse exclusivamente en infraestructura, servidores, redes, almacenamiento, aplicaciones y continuidad operativa. Ahora debe decidir qué autonomía tendrán los agentes, dónde podrán actuar y en qué momentos deberá intervenir una persona. El cambio es significativo porque la IA empresarial está dejando atrás la etapa en la que su función principal era responder preguntas o ayudar a un empleado a completar una tarea. El siguiente paso es delegar objetivos completos. De asistentes a agentes Burman sitúa el punto de inflexión en el 30 de noviembre de 2022, fecha que identifica como el inicio de la popularización masiva de la IA generativa con ChatGPT. Desde entonces, las empresas han utilizado modelos para construir asistentes capaces de apoyar a ventas, marketing, recursos humanos, programación y otras funciones. Pero esos sistemas todavía dependían de una interacción directa con una persona. El usuario preguntaba y la IA respondía. El usuario pedía una tarea y el asistente ayudaba a ejecutarla. La IA agéntica cambia la lógica. “Le voy a dar un objetivo y le voy a decir, decime cómo lo vas a hacer”, explicó Burman. A partir de ahí, el sistema puede planificar la tarea, decidir los pasos, conectarse con diferentes herramientas, ejecutar acciones y coordinar procesos con el nivel de autonomía que la organización haya autorizado. La diferencia parece semántica, pero tiene implicaciones profundas para las empresas. Un asistente genera una respuesta. Un agente puede actuar sobre el mundo digital. La investigación reciente sobre IA empresarial apunta precisamente hacia ese problema. Los agentes que pueden planificar, invocar herramientas externas y ejecutar cadenas de acciones con menor intervención humana están introduciendo nuevas exigencias de supervisión, transparencia, seguridad y trazabilidad. Burman lo experimentó personalmente. Aunque se define como administrador de empresas y no como desarrollador, explicó que en aproximadamente cuatro meses comenzó a construir una plataforma interna para Connecta B2B utilizando herramientas de IA. El sistema integra elementos similares a Slack y Trello, además de un dashboard de gestión conectado con el ecosistema de la compañía. Lo relevante no es solamente que una persona sin formación tradicional en programación pueda construir software. Es que el agente utilizado para desarrollarlo empezó a tomar decisiones sobre cómo alcanzar el objetivo planteado. “Quiero hacer esto”, fue la instrucción. El agente, según relató Burman, respondió con el plan tecnológico, las herramientas, la base de datos y la arquitectura que utilizaría. El programador dejó de ser únicamente una herramienta que ejecuta instrucciones y empezó a comportarse como un colaborador capaz de proponer alternativas. La autonomía tiene límites El problema aparece precisamente cuando la tecnología comienza a tomar decisiones. Burman introduce un concepto que será cada vez más relevante en las organizaciones: human in the loop, es decir, mantener supervisión humana dentro del proceso. “La autonomía tiene que ser controlada”, afirmó. La idea no consiste en entregar todas las decisiones a los agentes, sino establecer misiones, permisos y límites claros sobre aquello que pueden hacer. La pregunta, entonces, cambia. Ya no se trata solamente de qué puede hacer una IA, sino de qué debería permitírsele hacer sin autorización humana. Esa frontera tampoco puede ser idéntica para todas las industrias. Burman señala que los niveles de autonomía y control deben variar según el impacto y el riesgo del negocio. Un agente utilizado en banca o seguros, por ejemplo, tendrá exigencias diferentes a uno desplegado en una industria menos regulada. La discusión está cobrando relevancia a nivel internacional. Investigaciones recientes sobre agentes empresariales plantean que los sistemas autónomos requieren mecanismos de control basados en permisos, restricciones de dominio, niveles de autonomía, monitoreo y trazabilidad antes y durante su despliegue. El riesgo es que la autonomía crezca más rápido que la capacidad de supervisarla. Podría interesarle: El gasto global en infraestructura en la nube para IA se duplicará este año impulsado por la inferencia

Un informe de Gartner revela que la infraestructura como servicio (IaaS) optimizada para inteligencia artificial alcanzará los 42.000 millones de dólares este año, marcando un giro definitivo hacia el despliegue operativo de modelos empresariales. El mercado de la tecnología en la nube atraviesa un crecimiento acelerado. Según las últimas proyecciones publicadas por la firma de investigación y consultoría Gartner, Inc., el gasto mundial en Infraestructura como Servicio (IaaS) optimizada para Inteligencia Artificial registrará un incremento del 96 % hacia el cierre de 2026, consolidando un volumen de mercado de 42.000 millones de dólares. Hardeep Singh, analista principal de investigación en Gartner, este crecimiento exige también una demanda más alta de infraestructura. “Este crecimiento está impulsado por la continua demanda de infraestructura para respaldar el entrenamiento de modelos de lenguaje grande (LLM) y la rápida operacionalización de la IA en aplicaciones y flujos de trabajo empresariales”, afirmó Hardeep Singh De acuerdo con datos de Gartner, este impulso sostendrá un ritmo elevado durante los próximos años, proyectando que la cifra alcance los 66.143 millones de dólares para 2027. El punto de inflexión: La inferencia supera al entrenamiento Uno de los hallazgos más destacados del análisis de Gartner para 2026 es el cambio en las prioridades de consumo informático. Por primera vez, el gasto destinado a la inferencia de IA, la ejecución continua y en tiempo real de los modelos, superará al gasto invertido en el entrenamiento previo de los mismos. “A medida que las organizaciones pasan del desarrollo de modelos al despliegue a escala de producción, los modelos ajustados (fine-tuned) y específicos de dominio (DSM) se integran cada vez más en los sistemas operacionales y de atención al cliente, lo que requiere una ejecución continua en tiempo real en lugar de un entrenamiento periódico”, afirmó Singh. Agregó que, este cambio está acelerando los patrones de consumo en la nube y creando una demanda sostenida de infraestructura optimizada para IA. Este cambio de paradigma desplaza el foco empresarial desde el desarrollo conceptual hacia la escala de producción masiva, reconfigurando de manera definitiva las prioridades de inversión en la nube a nivel global. Se prevé que la inferencia absorba 23.300 millones de dólares (el 55 % del presupuesto en IaaS de IA) frente a los 19.000 millones de dólares asignados al entrenamiento. Para 2027, la cuota de la inferencia escalará hasta el 59 %. Le puede interesar: La arquitectura heredada está siendo expuesta por la adopción de la IA

La plataforma comenzará a identificar perfiles cuya identidad artística sea generada por inteligencia artificial y, por defecto, dejará de incluirlos en sus recomendaciones editoriales y algorítmicas. La medida busca diferenciar el uso creativo de IA de la creación de identidades artificiales que aparentan ser humanas. Spotify comenzará a incorporar una etiqueta “AI Persona” en perfiles de artistas cuya identidad pública haya sido generada por inteligencia artificial. La medida empezará a verse a mediados de septiembre y busca informar a los usuarios cuando el personaje detrás de un perfil no representa a una persona real. La compañía permitirá que los propios artistas declaren que son una AI Persona, pero también realizará revisiones para detectar perfiles que utilicen nombres e imágenes fotorrealistas generados por IA. La etiqueta aparecerá en el perfil del artista, en las búsquedas y junto a las canciones dentro de las listas de reproducción. Además, Spotify excluirá por defecto a las AI Personas de sus recomendaciones editoriales y algorítmicas, incluidas las recomendaciones personalizadas. La excepción serán los casos en que el usuario siga explícitamente a uno de estos perfiles. Los artistas podrán apelar una clasificación que consideren incorrecta, mientras que Spotify planea incorporar posteriormente una herramienta para que los propios usuarios reporten perfiles que parezcan representar identidades artificiales. Spotify aclara que la etiqueta no determina si una canción fue creada con inteligencia artificial. Su objetivo es identificar la naturaleza de la identidad pública del artista, mientras que otros mecanismos, como AI Credits y SongDNA, ofrecen información sobre el uso de IA durante la creación musical. La decisión forma parte de una política más amplia para combatir el contenido generado masivamente y de baja calidad, al tiempo que la plataforma sigue incorporando herramientas y servicios basados en IA. Le puede interesar: Google pone fecha de caducidad a Assistant y acelera la era Gemini en Android

xAI presentó Grok Bot, un sistema de agentes capaces de operar aplicaciones, sitios web y herramientas digitales desde un computador propio en la nube. La propuesta apunta a convertir a la IA en un compañero de trabajo que recibe tareas y las ejecuta de principio a fin. xAI presentó Grok Bot, una nueva generación de agentes de inteligencia artificial diseñados para ejecutar tareas completas en lugar de limitarse a responder instrucciones. La compañía los define como una suerte de compañeros de trabajo digitales: cada Bot dispone de su propio computador en la nube, puede iniciar sesión en las herramientas que utiliza el usuario y operar entre distintas aplicaciones sin necesidad de supervisión permanente. La diferencia frente a un chatbot tradicional está en el grado de autonomía. Grok Bot puede trabajar con correo electrónico, CRM, sitios web y otras aplicaciones, incluso cuando no existe una API o integración específica. xAI señala que sus equipos internos ya los utilizan para tareas como investigar cuentas comerciales, actualizar sistemas CRM, procesar facturas, reproducir errores de software y preparar campañas de marketing. Además, varios Bots pueden trabajar simultáneamente y compartir información, con un agente que puede coordinar el trabajo de otros. La compañía también busca que el sistema aprenda los procedimientos habituales de cada usuario. Un Bot puede observar cómo una persona realiza una tarea, convertir esos pasos en una rutina y repetirla posteriormente sin necesidad de recibir nuevamente todas las instrucciones. El acceso inicial está disponible para determinados suscriptores de SuperGrok Heavy y planes de Cursor, mientras que los usuarios empresariales pueden incorporarse a una lista de espera. Con Grok Bot, xAI apuesta por un cambio de modelo: de pedirle cosas a una IA a delegarle trabajo. Le puede interesar: xAI lanza Imagine Image 2.0 y convierte a Grok en una herramienta más cercana al trabajo creativo profesional

Juan del Valle Vázquez, Ingeniero en Soluciones de Seguridad de Microsoft, y Giovanni Carpentti, Senior Security & Compliance Specialist de Microsoft, abordaron los controles que las organizaciones necesitan ante la creciente incorporación de agentes autónomos en sus operaciones. En el marco del Tech Day Puerto Rico, Juan del Valle Vázquez, Ingeniero en Soluciones de Seguridad de Microsoft, y Giovanni Carpentti, Senior Security & Compliance Specialist de Microsoft, analizaron en la charla “La nueva fuerza laboral digital: cómo gobernar y proteger” los controles que las organizaciones deben implementar para gestionar y proteger la creciente presencia de agentes autónomos en sus operaciones. Uno de los principales planteamientos de los especialistas fue cambiar la manera en que las empresas entienden estas herramientas. Un agente que accede a datos, utiliza credenciales, invoca aplicaciones o ejecuta acciones ya no debería administrarse únicamente como software, sino también como una identidad digital. Esta perspectiva implica responder preguntas similares a las utilizadas para administrar usuarios: quién controla al agente, qué información puede consultar, cuáles son sus permisos, qué herramientas puede utilizar, qué acciones está autorizado a realizar y cuándo debe eliminarse su acceso. De Shadow AI a una superficie de riesgo más amplia La expansión de la llamada Shadow AI, es decir, herramientas de inteligencia artificial utilizadas sin suficiente conocimiento o supervisión de las áreas responsables de tecnología y seguridad, adquiere una nueva dimensión con los agentes. Del Valle explicó que estos sistemas pueden interactuar simultáneamente con servicios SaaS, aplicaciones, endpoints, archivos, credenciales, APIs y recursos alojados en la nube. Por ello, el riesgo ya no se encuentra concentrado en una sola aplicación, sino que puede extenderse a diferentes componentes de la infraestructura tecnológica. El criterio para establecer los controles, según los especialistas, debe considerar principalmente el impacto potencial de las acciones del agente y no únicamente el modelo de IA sobre el cual fue desarrollado. Un sistema utilizado para resumir información pública representa un escenario muy diferente de otro capaz de consultar información confidencial o ejecutar pagos. Para determinar ese nivel de exposición, las empresas deberían evaluar aspectos como la sensibilidad y volumen de los datos utilizados, los privilegios concedidos, el grado de autonomía y el alcance de las acciones permitidas. A mayor capacidad para intervenir en procesos críticos, mayor tendría que ser la intensidad de los controles. Carpentti señaló además que, según evaluaciones presentadas durante la charla, las identidades no humanas pueden superar en una proporción de 45 a 1 a las identidades humanas, una diferencia que evidencia la complejidad que puede adquirir la administración de accesos dentro de las organizaciones. También advirtió sobre permisos excesivos y herramientas conectadas mediante credenciales corporativas. La falta de inventarios y visibilidad puede provocar que una organización desconozca qué agentes están operando, quién es responsable de ellos y a qué información tienen acceso. Gobernanza desde el diseño hasta el retiro del agente La propuesta presentada contempla administrar la seguridad durante todo el ciclo de vida del agente, combinando ingeniería y operaciones. La primera busca diseñar comportamientos y restricciones antes del despliegue, mientras la segunda permite supervisar lo que ocurre una vez que el sistema comienza a funcionar. En la etapa inicial pueden incorporarse modelado de amenazas, revisión de dependencias y pruebas de seguridad. Una vez desplegado, los controles pasan por la administración de identidades, protección de información, privilegio mínimo y mecanismos capaces de detener o aislar al agente cuando presenta un comportamiento inesperado. Durante su funcionamiento, la organización necesita además telemetría, registros de auditoría, alertas y mecanismos de investigación y respuesta. Cuando el agente deja de ser necesario, su retiro también debe contemplar la revocación de permisos, credenciales y tokens asociados. Los especialistas insistieron en que una buena arquitectura no sustituye el monitoreo permanente y, de igual manera, la supervisión no corrige un agente diseñado de forma insegura. Ambos componentes deben funcionar de manera complementaria. Otro riesgo abordado fue la posibilidad de que instrucciones externas alteren el comportamiento esperado de un agente. Incluso cuando el modelo, la identidad y los permisos hayan sido configurados correctamente, una instrucción maliciosa o no prevista podría manipular una decisión o desencadenar una acción no deseada. Frente a estos escenarios, la recomendación pasa por incorporar controles en distintos momentos: validar las instrucciones recibidas, revisar las decisiones, autorizar el uso de herramientas, controlar la ejecución y evaluar el resultado antes de permitir acciones de mayor impacto. La intervención también destacó la importancia de mantener verificación humana en procesos sensibles, registros de prompts y respuestas, autenticación multifactor, acceso condicional, clasificación de información y controles de cumplimiento, especialmente cuando los agentes cuentan con suficiente autonomía para actuar directamente sobre sistemas empresariales. Como ruta inicial, los especialistas plantearon comenzar por crear un inventario de agentes, identificar responsables, determinar qué datos y herramientas utiliza cada uno, clasificarlos según su nivel de riesgo y realizar pilotos en ambientes controlados antes de ampliar su implementación. La adopción de agentes de IA, señalaron, probablemente continuará incluso cuando las organizaciones todavía estén definiendo sus políticas internas. El reto empresarial será evitar repetir experiencias anteriores en las que nuevas tecnologías comenzaron a utilizarse antes de establecer una gobernanza adecuada. Saber qué agentes existen, qué pueden hacer y cómo detenerlos se perfila como una nueva prioridad de la estrategia de ciberseguridad. Vea también: Tech Day Puerto Rico 2026: gobernanza de la lA para una economía digital inclusiva

Google amplió las capacidades de Ask Maps para transformar Google Maps en un asistente conversacional para resolver tareas cotidianas. La compañía añadió nuevas funciones que permiten realizar pedidos de comida, encontrar hoteles, descubrir eventos locales y acceder a información de transporte público en tiempo real. Entre las novedades más destacadas se encuentran las funciones "agénticas", que permiten a Ask Maps ejecutar tareas complejas de varios pasos. Por ejemplo, el usuario puede solicitar un plato específico para retirar camino a casa y la aplicación localizará restaurantes disponibles, tendrá en cuenta preferencias personales o restricciones alimentarias e incluso añadirá automáticamente el pedido al carrito antes de finalizar la compra. Inicialmente, esta función funciona con plataformas como Square y Toast, mientras que la integración con Uber Eats llegará próximamente. La plataforma también incorpora Personal Intelligence, una función opcional que permite conectar Gmail y, próximamente, otras aplicaciones como Calendar para ofrecer recomendaciones contextualizadas según reservas, vuelos o eventos del usuario. A esto se suma un nuevo panel de transporte público con información en tiempo real sobre buses, trenes, metros y ferris, así como la posibilidad de retomar conversaciones anteriores para continuar la planificación de viajes sin comenzar desde cero. Le puede interesar: xAI lanza Imagine Image 2.0 y convierte a Grok en una herramienta más cercana al trabajo creativo profesional

El modelo de Moonshot AI logró acceder a las respuestas de un benchmark del Instituto de Seguridad de IA del Reino Unido aprovechando una configuración defectuosa del entorno de pruebas. No utilizó un sofisticado ataque ni un zero-day, pero el episodio revela un problema más profundo: los agentes de IA están aprendiendo a buscar atajos cuando encuentran una ruta abierta. La escena parece salida de una prueba de laboratorio diseñada para medir cuánto puede hacer una inteligencia artificial por sí sola. Un modelo recibe acceso a una terminal, se encuentra dentro de un entorno aislado y debe resolver una serie de desafíos de ciberseguridad sin consultar el exterior. La idea es sencilla: si consigue completar la tarea, los investigadores pueden atribuir ese resultado a sus capacidades de razonamiento y de ejecución. Pero Kimi K3 encontró otra respuesta. El modelo desarrollado por la empresa china Moonshot AI no necesitó vulnerar un sistema externo ni descubrir un sofisticado zero-day. Durante una evaluación de ciberseguridad aprovechó una brecha de configuración en el sandbox utilizado por el Instituto de Seguridad de Inteligencia Artificial del Reino Unido (UK AISI) para acceder a GitHub, descargar el repositorio oficial del benchmark y encontrar directamente la solución del ejercicio. El hallazgo fue documentado por Frontier Security, una firma estadounidense que estaba evaluando modelos de IA para tareas de ciberseguridad defensiva. La investigación encontró dos problemas conectados: algunos entornos utilizados para medir las capacidades de los modelos tienen agujeros de seguridad y determinados modelos son suficientemente capaces como para descubrirlos y aprovecharlos. El detalle es importante porque cambia la interpretación de lo ocurrido. Kimi K3 no demostró necesariamente que pudiera resolver el desafío de la manera prevista por los investigadores. Demostró que podía identificar qué estaba intentando medir la prueba y encontrar una ruta más sencilla para obtener el resultado. Según Frontier Security, el modelo comprobó su entorno de red y descubrió que la resolución DNS de github.com funcionaba, mientras que la mayoría de los demás sitios estaban bloqueados. A partir de ahí utilizó herramientas estándar como git clone y curl para obtener el repositorio oficial del benchmark y leer la solución directamente desde el disco. La propia empresa resumió el problema de una manera que resulta especialmente relevante para la nueva generación de agentes autónomos: los modelos optimizan el objetivo que se les asigna, no necesariamente la intención humana detrás de ese objetivo. Si existe una ruta hacia la respuesta, un agente suficientemente capaz puede encontrarla. La actualización publicada por Frontier Security el 8 de agosto agregó una precisión importante: el sandbox no tenía acceso irrestricto a internet. La mayoría de los sitios estaban bloqueados. El problema fue que una lista de sitios permitidos para tareas de mantenimiento de paquetes incluía GitHub, lo que abrió la puerta que Kimi K3 terminó utilizando. Esto importa porque los benchmarks se han convertido en una especie de moneda de cambio de la carrera por la inteligencia artificial. Una puntuación elevada puede convertirse en argumento comercial, señal de superioridad tecnológica o evidencia de que un modelo se aproxima a la frontera de capacidades. Si el entorno de evaluación permite que el modelo consulte las respuestas, sin embargo, la cifra deja de medir exactamente aquello que los investigadores creen estar midiendo. Frontier Security advierte precisamente sobre ese riesgo. Un acceso de salida no previsto puede producir líneas base de capacidades incorrectas, porque una tasa de aprobación elevada podría reflejar una vulnerabilidad del entorno en lugar de un salto real en razonamiento o ciberseguridad. Además, si un modelo descubre el atajo, otros modelos con acceso similar a una terminal podrían hacer lo mismo. El caso de Kimi K3 llega, además, en un momento particularmente incómodo para la industria. En las últimas semanas se han conocido incidentes similares relacionados con sistemas de OpenAI, Anthropic y Meta. Engadget señala que en varios de esos casos los modelos consiguieron salir de entornos que debían estar aislados debido a errores de configuración. La diferencia es que algunos de esos episodios involucraron modelos no publicados o sistemas sometidos deliberadamente a condiciones especiales de evaluación. Kimi K3, en cambio, es un modelo públicamente disponible. Lea también: IA: la guía para reducir errores en prototipos generados con modelos de lenguaje