Resultados de la búsqueda

La compañía convierte millones de dispositivos en sensores activos que anticipan fallas, optimizan el rendimiento y reducen la huella de carbono, en una estrategia que va más allá del hardware. La evolución de la computación corporativa ya no pasa únicamente por tener dispositivos más potentes, sino por garantizar que funcionen sin fricción. Bajo esa premisa, HP está transformando su enfoque tradicional hacia una lógica de experiencia total, donde cada computadora se convierte en un nodo inteligente dentro de un sistema mayor. La plataforma WXP, nacida de herramientas internas de monitoreo de hardware, es hoy el resultado de ese giro estratégico. Lo que comenzó como un sistema para vigilar el estado de las PCs escaló hasta convertirse en una infraestructura capaz de analizar en tiempo real el comportamiento completo del entorno digital de trabajo. Esto incluye desde el rendimiento del software hasta la conectividad en salas de reuniones o la eficiencia de impresión dentro de una empresa . El cambio clave está en el enfoque. Ya no se trata de saber si una máquina funciona, sino de entender cómo la experimenta el usuario. En esa transición, HP ha conectado más de 24 millones de PCs a su nube, donde la inteligencia artificial analiza patrones de uso y detecta señales tempranas de fallas . El objetivo es claro: intervenir antes de que el problema ocurra. Ese modelo predictivo permite, por ejemplo, identificar conflictos de drivers o fallas en periféricos antes de que deriven en errores críticos como una pantalla azul. En lugar de reaccionar, el sistema ejecuta acciones automatizadas que corrigen configuraciones o actualizan componentes, eliminando el incidente antes de que afecte al usuario. La ambición, sin embargo, va más allá de los dispositivos propios. En un contexto donde las empresas operan con flotas tecnológicas heterogéneas, HP diseñó la plataforma como un sistema agnóstico, capaz de monitorear equipos de múltiples fabricantes con distintos niveles de profundidad. Esto responde a una demanda directa de los CIOs, que buscan visibilidad integral de sus entornos, independientemente de la marca. En paralelo, la compañía introduce una dimensión que empieza a ganar peso en la industria tecnológica: la sostenibilidad operativa. Con el compromiso de alcanzar la neutralidad de carbono en toda su cadena para 2040, HP ha incorporado eficiencia energética y control de datos como principios de diseño en su plataforma. Esto se traduce en decisiones arquitectónicas concretas. Los datos se comprimen antes de enviarse, se prioriza el análisis local para reducir el uso de la nube y se limita la transmisión a lo estrictamente necesario. Incluso, el sistema puede recomendar a las empresas cuándo postergar la compra de nuevos equipos si los actuales siguen siendo eficientes, reduciendo así el consumo innecesario y la huella ambiental. En ese sentido, la propuesta de HP no es solo tecnológica, sino operativa y cultural. Al desplazar el foco hacia la prevención, la compañía busca eliminar una de las fricciones históricas del trabajo digital: la interrupción constante. La promesa es simple en apariencia, pero compleja en ejecución, que todo funcione todo el tiempo. Lea también: IA empresarial: la integración reemplaza a la obsesión por los modelos

El nuevo modelo introduce mejoras sustanciales en razonamiento, autonomía y ejecución de tareas complejas, marcando un cambio hacia sistemas más confiables para entornos empresariales. En la carrera por dominar la inteligencia artificial, cada nuevo modelo suele prometer más potencia. Pero el lanzamiento de Claude Opus 4.7 sugiere que la competencia está girando hacia otro eje: la confiabilidad en producción. Anthropic presentó su nuevo modelo como una evolución significativa respecto a versiones anteriores, con mejoras en ingeniería de software, comprensión multimodal y ejecución de tareas complejas de largo plazo. El foco no es trivial. En entornos empresariales, el problema no es que la IA sea capaz de responder, sino que pueda sostener procesos complejos sin degradarse. Claude Opus 4.7 apunta directamente a ese desafío. El modelo muestra mayor consistencia en tareas prolongadas, mejor seguimiento de instrucciones y la capacidad de verificar sus propias respuestas antes de entregarlas. Esto lo acerca a un comportamiento más cercano al de un agente autónomo que al de un chatbot tradicional. Además, incorpora una ventana de contexto de hasta un millón de tokens, lo que permite trabajar con volúmenes masivos de información en una sola interacción, una capacidad clave para casos empresariales como análisis financiero, revisión de código o generación de documentación compleja. Los primeros resultados muestran mejoras de entre 10 % y 15 % en tasas de éxito en tareas exigentes, junto con una reducción de errores en flujos de trabajo automatizados. Sin embargo, el lanzamiento también revela una tensión creciente en la industria. Anthropic reconoce que Opus 4.7 no es su modelo más avanzado. Ese lugar lo ocupa “Mythos”, una versión más potente restringida a entornos controlados por razones de seguridad. Este enfoque refleja una tendencia emergente: el acceso a capacidades avanzadas de IA comienza a ser regulado no solo por el mercado, sino por consideraciones de riesgo. En ese contexto, Opus 4.7 funciona como un puente. Es lo suficientemente potente para transformar flujos de trabajo, pero lo suficientemente controlado para ser desplegado a escala. El mensaje implícito es claro. La próxima fase de la IA no se definirá por quién tiene el modelo más inteligente, sino por quién logra hacerlo confiable, gobernable y útil en el mundo real. Puede interesarle: El poder silencioso de las GPU: cómo el paralelismo masivo transformó la inteligencia artificial

Ejecutivos de la industria coinciden en un punto clave: la diferencia entre éxito y fracaso en IA ya no está en la tecnología, sino en la capacidad de orquestar agentes dentro del negocio. Durante años, las empresas han perseguido la promesa de la inteligencia artificial como si se tratara de una pieza tecnológica más. Pero en la era de los agentes autónomos, esa lógica comienza a romperse. El concepto que emerge con fuerza es la “orquestación de IA agéntica”. Y según lo discutido en Qlik Connect 2026, es precisamente este elemento el que está separando a las organizaciones que escalan de aquellas que se quedan atrapadas en pilotos. “El problema no es el financiamiento ni la tecnología, es la orquestación que falta”, explicó Randy Mickey, ejecutivo de Qlik. La afirmación sintetiza un cambio de paradigma. La IA ya no se trata de implementar modelos aislados, sino de integrarlos en flujos de trabajo reales, conectando datos, procesos, KPIs y decisiones. En la práctica, esto implica una complejidad organizacional que muchas empresas han subestimado. Los sistemas agénticos requieren coordinación entre múltiples áreas, alineación con objetivos de negocio y una arquitectura capaz de operar sobre sistemas existentes, no reemplazarlos. De hecho, uno de los mensajes centrales del evento fue que las empresas no necesitan “reiniciar” su infraestructura. La ventaja está en construir sobre lo que ya existe, activando datos, workflows y activos gobernados. Este enfoque contrasta con la primera ola de adopción de IA, marcada por experimentos desconectados del negocio. Hoy, la presión es otra: demostrar impacto tangible. La clave está en traducir capacidades técnicas en resultados medibles. Esto implica definir casos de uso concretos, priorizar según valor y diseñar sistemas donde los agentes ejecuten tareas alineadas con métricas empresariales. El trasfondo es aún más amplio. La industria está transitando de interfaces pasivas a sistemas que actúan. Y en ese tránsito, la orquestación se convierte en la capa invisible que conecta intención con ejecución. Sin ella, la IA sigue siendo una promesa. Con ella, empieza a convertirse en infraestructura operativa. Lea también: IA empresarial: la integración reemplaza a la obsesión por los modelos

La compañía busca redefinir la interacción con modelos de IA, posicionando la experiencia de usuario como un factor clave para acelerar la adopción empresarial. Durante la primera ola de inteligencia artificial generativa, el foco estuvo en la capacidad técnica de los modelos. Sin embargo, a medida que la tecnología madura, la competencia empieza a desplazarse hacia un terreno menos evidente: el diseño. Anthropic presentó Claude Design, una iniciativa desde sus laboratorios que pone el énfasis en cómo las personas interactúan con sistemas de IA, no solo en lo que estos sistemas pueden hacer. La propuesta apunta a resolver una fricción persistente. Aunque los modelos son cada vez más potentes, su adopción a escala sigue limitada por interfaces poco intuitivas y flujos de trabajo fragmentados. Claude Design busca cerrar esa brecha mediante experiencias más naturales, integradas y orientadas a tareas reales. El enfoque no es superficial. Implica repensar la IA como una capa integrada en el trabajo cotidiano, donde el usuario no necesita “aprender a usar” el modelo, sino que el modelo se adapta al contexto y a la intención del usuario. Este movimiento refleja una tendencia más amplia en la industria. A medida que la diferenciación técnica se reduce entre proveedores, la experiencia de usuario emerge como un factor decisivo. Empresas que logren integrar la IA de forma invisible en sus procesos tendrán una ventaja clara frente a aquellas que la mantengan como una herramienta aislada. Claude Design también introduce una lógica de iteración continua. En lugar de interfaces estáticas, propone sistemas que evolucionan con el uso, aprendiendo de patrones de interacción y ajustándose a necesidades específicas. El trasfondo es estratégico. La adopción masiva de IA no dependerá únicamente de avances en modelos, sino de la capacidad de traducir esos avances en experiencias utilizables. En ese sentido, el diseño deja de ser una capa estética y se convierte en infraestructura de adopción. Anthropic, al apostar por este enfoque, está señalando un cambio de paradigma: la próxima batalla en IA no se librará solo en benchmarks, sino en la calidad de la interacción. Podría interesarle: La grieta IA: la creciente brecha entre lo que piensan los expertos y la sociedad

Tras 15 años al frente de Apple, Cook anunció que dejará el cargo en septiembre de 2026. Su sucesor será el actual jefe de hardware, en una transición que no solo redefine el liderazgo de la compañía, sino también el tipo de innovación que marcará la próxima era tecnológica. La noticia no es simplemente un cambio de CEO. Es, en términos prácticos, el cierre definitivo de la era post-Steve Jobs. Cuando Tim Cook asumió el liderazgo de Apple en 2011, el escepticismo era estructural: sucedía al fundador más icónico de la industria tecnológica. Quince años después, deja una compañía que no solo sobrevivió a ese vacío, sino que multiplicó su valor de mercado hasta superar los 4 billones de dólares y consolidó un negocio de servicios que hoy genera más de US$100.000 millones anuales. Pero esa misma consistencia operativa (la gran fortaleza de Cook) es también el contexto que explica su salida. Cook no fue un CEO de producto. Fue, sobre todo, un CEO de sistema. Bajo su gestión, Apple perfeccionó una maquinaria de ejecución casi sin fricciones: cadena de suministro optimizada, expansión global, integración vertical y monetización del ecosistema. Productos como Apple Watch o AirPods no redefinieron la industria como lo hizo el iPhone, pero sí consolidaron una lógica: Apple dejó de ser una empresa de “hits” disruptivos para convertirse en una plataforma de ingresos recurrentes y previsibles. Ese cambio no fue menor. Fue una mutación cultural. Cook profesionalizó Apple. La hizo más predecible, más resiliente y más rentable. Pero también, según algunos analistas, menos radical en términos de innovación. Y ahí aparece el verdadero trasfondo del relevo. John Ternus: el regreso del ADN ingenieril El elegido no es un outsider ni un perfil financiero. Es un ingeniero. John Ternus, quien asumirá como CEO el 1 de septiembre de 2026, lleva más de dos décadas dentro de Apple y actualmente se desempeña como Senior Vice President de Hardware Engineering. Ha sido una figura clave en el desarrollo de productos como el iPad y otros dispositivos centrales del portafolio. Su perfil marca un giro sutil pero significativo: Apple vuelve a poner el foco en el producto. No es casual. La compañía enfrenta hoy un escenario distinto al de la década anterior. La presión ya no viene solo de competidores tradicionales, sino de un ecosistema tecnológico que se está redefiniendo alrededor de la inteligencia artificial. Y ahí Apple llega, al menos por ahora, en una posición incómoda. Mientras empresas como OpenAI, Google o Microsoft avanzan agresivamente en modelos de IA generativa, Apple ha mostrado un enfoque más cauteloso, con retrasos visibles en la evolución de Siri y en la integración de capacidades avanzadas en sus productos. La transición hacia Ternus ocurre en ese contexto. No se trata solo de continuidad. Se trata de redefinir el vector de innovación. Cook deja una empresa sólida, pero enfrentando preguntas incómodas: ¿Puede Apple liderar la próxima ola tecnológica como lo hizo con el smartphone? ¿Tiene la velocidad cultural para competir en IA? ¿Debe reinventar su modelo de innovación o reforzar el existente? Ternus no hereda una crisis. Hereda algo más complejo: una compañía en su punto más alto, pero en un momento de inflexión estratégica. A diferencia de otros cambios de liderazgo en la industria, este movimiento no es abrupto. Apple llevaba años preparando la sucesión. Ternus ya había sido identificado como candidato natural desde al menos 2025, en un proceso que refleja la obsesión de la compañía por el control y la continuidad. Cook, por su parte, no se desvincula. Asumirá como chairman ejecutivo, manteniendo influencia directa en la dirección estratégica y en la gobernanza de la empresa. Esto sugiere un modelo híbrido: transición sin ruptura. El cambio de CEO en Apple no es solo una noticia corporativa. Es un indicador de hacia dónde puede moverse toda la industria. Durante la era Cook, la tecnología se volvió más servicio que producto, más plataforma que dispositivo. Ahora, con la irrupción de la IA, el péndulo podría volver a moverse hacia la reinvención. La elección de un líder con ADN ingenieril no parece casual. Es, más bien, una señal. Apple no necesita reinventar su negocio para sobrevivir. Pero sí necesita hacerlo para seguir liderando. Y ese, precisamente, es el desafío que comienza ahora. Le puede interesar: La arquitectura “hub and spoke” se convierte en el modelo operativo de la IA en producción

El próximo 23 de abril, el Hotel Las Américas Golden Tower será sede del encuentro clave para la industria financiera que reunirá a líderes, expertos y proveedores tecnológicos para analizar los desafíos y oportunidades de la banca digital, la inteligencia artificial, la ciberseguridad y los nuevos modelos de negocio. La ciudad de Panamá volverá a posicionarse como un hub regional de innovación financiera con la llegada del Banking Tech Summit 2026 el 23 de abril , un evento que congregará a referentes del sector bancario, fintech y tecnológico en una jornada intensiva de conferencias y networking orientada a la transformación digital de la industria, luego de sus exitosas ediciones en República Dominicana, Costa Rica y Guatemala. La agenda del encuentro ofrece un recorrido completo por los principales ejes que hoy redefinen el negocio financiero: desde la modernización de sistemas core hasta la irrupción de la inteligencia artificial, pasando por ciberseguridad, datos, automatización, pagos digitales y nuevos modelos de banca abierta. La jornada comenzará con la conferencia “¿Cómo modernizar y renovar la arquitectura de su institución financiera?… y no fracasar en el intento” , liderada por especialistas de Deloitte, quienes abordarán estrategias concretas para transformar el core bancario, evaluando alternativas como modernización progresiva, coexistencia o reemplazo total de sistemas legacy. A continuación, se presentará una perspectiva sobre la evolución de los servicios financieros y bancarios , donde se pondrá el foco en la creciente necesidad de ciberresiliencia en un contexto en el que el sector financiero concentra una proporción significativa de los ataques de seguridad. Galería de fotos de la edición 2025 El bloque de la mañana continuará con la charla “De core legacy a una plataforma inteligente” , centrada en cómo las entidades pueden monetizar modelos de banca digital e inteligencia artificial sin interrumpir la operación, seguida por una sesión sobre FinOps y observabilidad , que analizará cómo optimizar costos en la nube mediante decisiones basadas en datos. Uno de los temas críticos será abordado en “Automatización sin gobierno: el caos silencioso de la IA en las organizaciones” , donde se expondrán los riesgos de implementar inteligencia artificial sin una adecuada gobernanza y cómo orquestar estos procesos de manera eficiente. Tras el coffee break, el evento profundizará en la banca componible y los modelos de Open Finance y neobanking , destacando cómo estas arquitecturas flexibles permiten a las instituciones adaptarse con mayor rapidez a las demandas del mercado. La agenda también incluye una sesión sobre estrategias para la transferencia segura de archivos , con foco en cumplimiento regulatorio, automatización y trazabilidad, seguida por la conferencia “El futuro de los servicios financieros: innovación, confianza y nuevos modelos digitales” , que pondrá énfasis en el aprovechamiento del dato como activo estratégico en la banca. En el tramo del mediodía, se abordará la estrategia e inversión tecnológica como motor de la banca digital , así como la evolución de los sistemas core en América Latina , analizando los costos y desafíos asociados a plataformas legacy frente a la presión de las fintech. La protección de la identidad digital y la prevención del fraude también tendrán un espacio destacado, junto con la sesión “Domina tus datos: impulsando la resiliencia y confianza en IA” , centrada en la gestión de datos como pilar de la inteligencia artificial en servicios financieros. Por la tarde, el foco se trasladará hacia la innovación aplicada al negocio, con la charla “Innovación desde el negocio: una metodología para diseñar banca integrada” , seguida por una presentación sobre infraestructura financiera sin límites , que explorará soluciones de conectividad y seguridad en entornos distribuidos. El bloque final del evento incluirá temáticas clave como IA y low-code en la transformación empresarial , ecosistemas digitales , pagos inmediatos e interoperabilidad , y el desafío de cómo la banca tradicional puede competir con la nueva generación de inversionistas digitales . El cierre estará marcado por dos conferencias estratégicas: “El capital digital: el nuevo activo estratégico de la banca” , que analizará el valor de los datos en la toma de decisiones en tiempo real, y “IAG aplicada a la banca” , a cargo de Marcelo Burman, que explorará el impacto de la inteligencia artificial generativa en el sector financiero. Con una agenda robusta y enfocada en los desafíos actuales de la industria, el Banking Tech Summit Panamá 2026 se presenta como una cita ineludible para ejecutivos, CIOs, líderes de innovación y especialistas en tecnología financiera que buscan comprender hacia dónde evoluciona la banca en la región. Para más información e inscripciones, los interesados pueden ingresar a: https://www.bankingtechsummit.net/ Le puede interesar: Banking Tech Summit Costa Rica 2026: la banca regional acelera su reinvención

En un entorno financiero cada vez más competitivo, los bancos que logren integrar la IA en su ADN operativo no solo serán más eficientes, sino también más adaptables frente a los cambios tecnológicos que están por venir. En el marco del Banking Tech Summit Costa Rica, Santiago Merlo, Director Digital Centers de Babel, planteó una idea contundente: el futuro de la banca no depende de tener proyectos de inteligencia artificial, sino de convertirla en parte esencial del modelo operativo. Su conferencia, titulada “Banca inteligente: del proyecto aislado al modelo operativo impulsado por IA”, abordó uno de los principales desafíos que enfrentan hoy las instituciones financieras: pasar de la experimentación a la transformación real. Merlo compartió un dato revelador: aunque el 80% de las empresas ya utiliza inteligencia artificial generativa en al menos una función, dos tercios no logran escalar más allá de la fase piloto. Es decir, la mayoría se queda en la prueba, sin llegar a generar impacto tangible en el negocio. El problema, explicó, no es tecnológico, sino estructural. Muchas organizaciones caen en lo que denominó “las trampas del piloto”: iniciativas aisladas, falta de responsables claros, acumulación de deuda técnica y métricas mal enfocadas. “Hoy podemos lanzar un chatbot en dos semanas, pero si no reduce significativamente las llamadas al call center, no estamos generando valor”, afirmó. Vea también : Banking Tech Summit Costa Rica 2026: la banca regional acelera su reinvención Uno de los puntos clave de la ponencia fue el cambio de enfoque en la medición del éxito. En lugar de priorizar la velocidad de lanzamiento (time to market), las organizaciones deben enfocarse en el valor generado (time to value). Esto implica medir resultados concretos en negocio: reducción de costos, mejora en la eficiencia operativa o impacto en indicadores clave, más allá del logro técnico. Para Merlo, el error más común es tratar la inteligencia artificial como un proyecto independiente. La propuesta es clara: convertirla en una capacidad transversal dentro del modelo operativo del banco. Esto requiere integrar la IA en el ciclo de delivery, eliminar los silos entre negocio y tecnología, y trabajar con equipos multifuncionales potenciados por estas herramientas. “El cambio hacia una banca impulsada por IA no es tecnológico, es cultural y operativo”, enfatizó. El especialista presentó un modelo basado en cuatro pilares fundamentales: Estrategia IA-first: identificar procesos con mayor fricción y priorizar casos de uso que generen valor real. Equipos aumentados: potenciar el talento humano con herramientas de IA, no reemplazarlo. Plataforma de IA: contar con una infraestructura centralizada que permita escalar, gobernar y operar los modelos. Feedback continuo: medir impacto, iterar y ajustar constantemente en función de resultados. Según explicó, las organizaciones que logran implementar este enfoque pueden alcanzar reducciones de entre 15% y 20% en costos operativos. Y es que más allá de la tecnología, el verdadero desafío está en la transformación cultural. Esto incluye rediseñar procesos antes de automatizarlos, fomentar el aprendizaje continuo y promover el liderazgo desde los niveles directivos. Le puede interesar: Panamá se prepara para el Banking Tech Summit 2026: innovación, IA y transformación digital en el centro del debate financiero

A medida que las empresas intentan escalar la inteligencia artificial, el verdadero desafío deja de ser tecnológico y pasa a ser organizacional. La ejecución gobernada emerge como el factor decisivo para salir del limbo de los pilotos. Durante los últimos dos años, las empresas han invertido millones en pruebas de inteligencia artificial. Sin embargo, la mayoría sigue atrapada en lo que la industria ya denomina “pilot purgatory”. Las cifras son contundentes. Solo el 11 % de las organizaciones ha llevado agentes de IA a producción, mientras que el 38 % continúa en fase piloto. Aún más revelador, hasta el 95 % de los proyectos de IA empresarial nunca alcanza producción. El problema no es la tecnología. Es la ejecución. El enfoque emergente, descrito en análisis recientes del sector CIO, apunta a un cambio de paradigma: pasar de experimentación aislada a “ejecución gobernada”. Esto implica integrar la IA dentro de procesos empresariales reales, con controles claros sobre datos, modelos y resultados. La necesidad de gobernanza se vuelve evidente cuando se observa la complejidad del entorno. Las organizaciones deben asegurar IA en múltiples capas (datos, modelos, aplicaciones e infraestructura), mientras enfrentan un incremento en velocidad e impacto de las amenazas, como advierten líderes de ciberseguridad. Al mismo tiempo, los costos y la escala añaden presión. Aunque el costo por token ha caído hasta 280 veces en dos años, algunas empresas reportan facturas mensuales de decenas de millones debido al crecimiento explosivo del uso. El resultado es una paradoja empresarial: la IA es más accesible que nunca, pero también más difícil de controlar. Las organizaciones que logran romper este ciclo comparten patrones comunes. Adoptan arquitecturas híbridas (nube, on-premise y edge), integran la gobernanza desde el diseño y priorizan casos de uso con impacto medible. En paralelo, el rol del CIO está mutando. De gestor de infraestructura a orquestador de sistemas humano-máquina, responsable no solo de implementar tecnología, sino de garantizar que esta genere valor real. El mensaje es claro: la ventaja competitiva ya no está en experimentar con IA, sino en operarla con disciplina. Puede interesarle: Liderar en la era de la IA implica saber decir no

Aunque el modelo se consolida como estándar de seguridad, fallas en la visibilidad y control del tráfico de red están impidiendo que muchas implementaciones cumplan su promesa. Zero Trust se ha convertido en el mantra de la ciberseguridad moderna. “Nunca confiar, siempre verificar” resume una filosofía que promete reducir drásticamente la superficie de ataque. Sin embargo, en la práctica, muchas implementaciones están fallando en un punto clave: la capa de tráfico. El análisis de CSO Online advierte que la mayoría de las arquitecturas Zero Trust no logran controlar adecuadamente cómo fluye el tráfico dentro de la red, lo que genera brechas críticas en visibilidad y enforcement. El problema no es conceptual, sino operativo. Muchas organizaciones han avanzado en identidad, endpoints y autenticación, pero el tráfico lateral, es decir, el movimiento interno dentro de la red, sigue siendo opaco. Esto es especialmente grave en la era de la inteligencia artificial. Los sistemas actuales no solo conectan usuarios, sino también agentes autónomos y procesos automatizados que operan a gran velocidad. Microsoft ya ha advertido que estos agentes pueden convertirse en “dobles agentes” si no están correctamente gobernados, con riesgos como exposición de datos o ejecución de acciones maliciosas. La expansión del tráfico máquina a máquina agrava el problema. La proliferación de identidades no humanas y credenciales sobredimensionadas está creando una superficie de ataque difícil de controlar, especialmente cuando el tráfico no se inspecciona en profundidad. Los datos del sector reflejan esta brecha. Un reporte reciente muestra que, aunque el 56% de las organizaciones ya usa IA para detección de amenazas y el 42% para automatización de políticas, la implementación sigue fragmentada y con una efectividad promedio de apenas 6 sobre 10. La raíz del problema es la complejidad. Zero Trust funciona mejor cuando es un sistema unificado, pero muchas empresas lo implementan como capas desconectadas. El resultado es una arquitectura donde los controles existen, pero no operan de forma coherente. El tráfico de red se convierte así en el eslabón débil. Sin visibilidad completa ni políticas consistentes, los atacantes no necesitan romper todo el sistema, basta con encontrar ese punto ciego. En un entorno donde la IA acelera tanto la innovación como las amenazas, la promesa de Zero Trust depende menos de sus principios y más de su ejecución. Y hoy, esa ejecución sigue teniendo fugas en el lugar más crítico: donde realmente circula la información. Lea también: La nube no es segura por defecto: el riesgo silencioso en Latinoamérica

Mientras los especialistas ven en la inteligencia artificial un motor de progreso, la mayoría de la población teme por su empleo y su impacto económico, evidenciando una desconexión que podría redefinir el futuro del sector. El último informe del Instituto de Inteligencia Artificial Centrada en el Humano de Stanford no se centra en modelos ni benchmarks. Su hallazgo más inquietante es social: quienes construyen la IA y quienes viven con ella están empezando a ver realidades distintas. El estudio, recogido por TechCrunch , documenta una brecha cada vez mayor entre expertos y público general en torno al impacto de la inteligencia artificial. Los datos son elocuentes. Solo el 10% de los estadounidenses dice estar más entusiasmado que preocupado por el uso de IA en la vida cotidiana. En contraste, el 56% de los expertos cree que tendrá un impacto positivo en el país en los próximos 20 años. La divergencia se amplifica en áreas clave. El 84% de los especialistas considera que la IA beneficiará la atención médica, pero apenas el 44% del público coincide. En empleo, el 73% de expertos prevé efectos positivos, frente a solo el 23% de la población. Y hay un dato que resume el clima de ansiedad: el 64% de los estadounidenses cree que la IA reducirá el número de empleos en las próximas dos décadas. La brecha no es solo estadística, es cultural. Mientras la élite tecnológica debate sobre inteligencia artificial general y riesgos existenciales, la ciudadanía se preocupa por cuestiones inmediatas: salarios, costos energéticos y estabilidad laboral. El informe también señala un cambio generacional significativo. Entre jóvenes de 14 a 29 años, el entusiasmo por la IA cayó del 36% al 22% en un año, mientras que el sentimiento de enojo subió del 22% al 31%. Paradójicamente, este es también el grupo que más utiliza la tecnología, con cerca de la mitad empleándola semanal o diariamente. El contexto económico refuerza estas percepciones. La inversión global en IA se ha disparado, con crecimientos de más del 127% en inversión privada y más del 200% en generativa en 2025, mientras las organizaciones anticipan reducciones de plantilla en un tercio de los casos. La conclusión implícita del informe es incómoda: el problema de la IA ya no es técnico, es de legitimidad. Si la industria no logra cerrar esta brecha de percepción, el riesgo no es solo regulatorio o reputacional. Es estructural. La aceptación social podría convertirse en el principal cuello de botella para la próxima fase de la inteligencia artificial. Lea también: El 90% de precisión de Google en IA oculta un problema masivo de escala

Fernando Moralejo, fundador de Grupo Sega, analizó tendencias y desafíos durante el evento. La transformación digital del sector financiero  avanza con fuerza en la región, impulsada por la adopción de nuevas tecnologías.  Durante el Banking Tech Summit, organizado por Connecta B2B como parte de su gira regional, líderes del sector analizaron el impacto de la inteligencia artificial en la evolución de la banca. Uno de los ejes centrales del encuentro fue la conferencia “La nueva era bancaria: visión y tendencias de IA para líderes de la región” , presentada por Fernando Moralejo, fundador de Grupo Sega. En su intervención, el especialista abordó cómo la inteligencia artificial está redefiniendo los modelos operativos, la relación con los clientes y la toma de decisiones en las instituciones financieras. Moralejo explicó que la banca atraviesa una transición hacia sistemas más inteligentes, donde el uso de datos en tiempo real permite anticipar comportamientos, personalizar servicios y optimizar procesos internos.  En este escenario, la IA deja de ser una herramienta complementaria para convertirse en un componente central de la estrategia empresarial. El experto también destacó que uno de los principales retos para la región es la adopción efectiva de estas tecnologías, especialmente en términos de integración con sistemas existentes y formación del talento humano. A su juicio, la brecha no radica únicamente en la tecnología disponible, sino en la capacidad de las organizaciones para adaptarse  a nuevos modelos de gestión basados en datos. Otro de los puntos abordados fue el papel de la inteligencia artificial en la seguridad financiera.  Moralejo señaló que los sistemas basados en IA permiten detectar patrones de fraude con mayor precisión y rapidez,  lo que fortalece la confianza de los usuarios en los servicios digitales y reduce riesgos operativos. Asimismo, subrayó la importancia de mantener un equilibrio entre innovación y regulación. La implementación de soluciones basadas en inteligencia artificial  requiere marcos normativos claros que garanticen la protección de datos y la transparencia en el uso de algoritmos, sin frenar el desarrollo tecnológico. El Banking Tech Summit forma parte de una serie de encuentros regionales orientados a analizar el futuro del sector financiero en América Latina. En este contexto, la inteligencia artificial se posiciona como uno de los principales motores de cambio , marcando el rumbo hacia una banca más eficiente, personalizada y centrada en el usuario. Le puede interesar: Banking Tech Summit Costa Rica 2026: infraestructura financiera sin límite para la bancarización de zonas remotas

A medida que las empresas escalan sistemas de inteligencia artificial, el modelo centralizado con nodos distribuidos emerge como el estándar para equilibrar control, eficiencia y despliegue en entornos complejos. En la carrera por industrializar la inteligencia artificial, las empresas están descubriendo que el problema ya no es construir modelos, sino organizarlos. Y ahí es donde la arquitectura “hub and spoke” comienza a consolidarse como patrón dominante. El enfoque, detallado en análisis recientes de implementación de IA en producción, propone un modelo en el que un “hub” central concentra gobernanza, datos, seguridad y capacidades compartidas, mientras múltiples “spokes” operan de forma distribuida en distintas áreas del negocio. No es un concepto nuevo en infraestructura tecnológica, pero su adaptación al contexto de IA responde a un desafío específico: cómo escalar sistemas sin perder control. En este esquema, el hub actúa como cerebro organizacional. Define estándares, gestiona modelos base, asegura cumplimiento normativo y optimiza recursos computacionales. Los spokes, en cambio, permiten que equipos de producto, marketing o operaciones desarrollen aplicaciones específicas adaptadas a sus necesidades. El resultado es una tensión productiva entre centralización y autonomía. Las empresas que adoptan este modelo buscan evitar dos extremos problemáticos. Por un lado, la fragmentación total, donde cada equipo construye soluciones aisladas, duplicando esfuerzos y generando riesgos de seguridad. Por otro, la hipercentralización, que ralentiza la innovación y crea cuellos de botella. La arquitectura hub and spoke aparece como un punto medio operativo. Este cambio no ocurre en el vacío. Según el AI Index 2026 de Stanford, el 88% de las organizaciones ya utiliza IA en al menos una función, y el 70% ha integrado herramientas generativas en sus procesos.  Sin embargo, el uso de agentes autónomos sigue en etapas tempranas, lo que refuerza la necesidad de estructuras que permitan escalar de forma controlada. Además, los beneficios de productividad son claros pero desiguales. Estudios citados en el mismo informe muestran mejoras del 26% en desarrollo de software, 14% a 15% en atención al cliente y hasta 73% en marketing. En este contexto, la arquitectura no es solo una decisión técnica, sino estratégica. El verdadero valor del modelo hub and spoke no radica en la eficiencia operativa, sino en su capacidad para traducir la IA en ventaja competitiva sostenida. Permite experimentar sin perder coherencia, escalar sin colapsar y gobernar sin frenar. En otras palabras, convierte la IA en sistema, no en proyecto. Lea también: Liderar en la era de la IA implica saber decir no