En el marco del Festival de Inteligencia Artificial de Guatemala, David Fernández, CEO y fundador de TDM Internacional, presentó la conferencia “Laboratorio de futuro: Diseño anticipado para realidades que aún no llegan”, una propuesta que invita a empresas y líderes a dejar de reaccionar al cambio y comenzar a diseñar activamente su futuro. Durante su intervención, Fernández planteó una idea central: la inteligencia artificial no está para predecir el futuro, sino para construir escenarios que permitan anticiparlo y actuar estratégicamente. El conferencista inició con una reflexión contundente sobre la velocidad del cambio tecnológico. Señaló que hoy las organizaciones ya no pueden planificar a 50 años como antes, sino que deben enfocarse en horizontes mucho más cortos. “Hoy cada año calendario equivale a siete años tecnológicos”, explicó, enfatizando que quedarse atrás un solo año puede significar perder competitividad de forma acelerada. En este contexto, Fernández comparó dos tipos de organizaciones frente a la disrupción tecnológica: El “náufrago”, que apenas sobrevive a las olas del cambio El “surfista”, que aprende a aprovecharlas El objetivo, afirmó, es pasar de la reacción a la anticipación. De igual manera, a través de ejemplos históricos y actuales, Fernández, recordó que muchas de las innovaciones que hoy parecen disruptivas fueron imaginadas décadas atrás. Desde ciudades futuristas pensadas en los años 60 hasta proyectos actuales como “The Line” en Arabia Saudita, destacó que el futuro no es incierto: alguien ya lo está diseñando en este momento. Uno de los ejes principales de la conferencia fue el uso de megatendencias globales como base para la toma de decisiones estratégicas. Entre las transformaciones destacadas mencionó: Salud reimaginada (de curar a diseñar bienestar) Colaboración avanzada como motor de innovación Naturaleza restaurada Sociedades empoderadas Nuevos modelos económicos Sistemas optimizados mediante tecnología Estas tendencias, explicó, ya están impactando industrias en América Latina y redefiniendo la forma en que operan las empresas. Lejos de quedarse en la teoría, Fernández convirtió su conferencia en un ejercicio práctico, proponiendo un modelo de trabajo en cuatro pasos apoyado en herramientas de inteligencia artificial: 1. Explorar megatendencias: Utilizando repositorios estructurados (como NotebookLM), los usuarios pueden acceder a información curada y hacer preguntas específicas sobre su industria. 2. Interpretar con un “experto” en IA: A través de modelos como ChatGPT, se analizan las tendencias y se generan escenarios futuros personalizados para cada sector. 3. Generar informes estratégicos: Con herramientas como Gemini, la información se transforma en documentos accionables para la toma de decisiones. 4. Convertir en estrategia visual: Finalmente, los resultados pueden traducirse en presentaciones, infografías y planes concretos de innovación. Fernández subrayó que el verdadero valor no está en el acceso a la información —que hoy es abundante— sino en la capacidad de hacer las preguntas correctas y conectar los datos con decisiones estratégicas. “Ya no se trata de preguntarle a la inteligencia artificial cualquier cosa, sino de preguntarle a la información correcta”, señaló. La conferencia cerró con un mensaje dirigido especialmente a líderes empresariales de América Latina: la inteligencia artificial no debe usarse únicamente para optimizar el presente, sino para redefinir el futuro de las organizaciones. Le puede interesar: Festival IA Guatemala 2026: cómo los agentes están redefiniendo la productividad

Las empresas invierten miles de millones en inteligencia artificial, pero la mayoría todavía no logra traducir esa inversión en resultados concretos. Estudios recientes revelan que el problema no está en los modelos, sino en la infraestructura, los datos y la gestión del cambio dentro de las organizaciones. La inteligencia artificial vive un momento de entusiasmo corporativo casi sin precedentes. Directorios y ejecutivos hablan de productividad, automatización y nuevos modelos de negocio impulsados por algoritmos. Sin embargo, cuando se observa lo que ocurre dentro de las organizaciones, la realidad es menos espectacular. Muchos proyectos de IA siguen sin pasar de la fase experimental. Una investigación citada por Network World  muestra que casi el 80 % de las empresas han retrocedido en iniciativas de inteligencia artificial  después de que sus proyectos no cumplieran los objetivos previstos. En concreto, 79% de las organizaciones encuestadas volvió a procesos centrados en humanos  tras experimentar problemas de rendimiento, integración o habilidades técnicas. El dato proviene de un estudio de CompTIA realizado en septiembre con más de 1.100 empresas estadounidenses . La paradoja es evidente: mientras la expectativa es enorme, los resultados aún son inciertos. En el mismo estudio, 82 % de los líderes corporativos afirma esperar ganancias medibles de productividad gracias a la IA , pero 52 % señala que el bajo rendimiento de los sistemas ha sido el principal motivo de fracaso . Además, 50 % dice tener dificultades para escalar la tecnología a tareas complejas , y 47 % enfrenta problemas para integrarla en flujos de trabajo existentes . El verdadero cuello de botella: datos, infraestructura y personas El imaginario popular suele asociar el éxito de la IA con modelos más potentes o con más GPUs. En la práctica, los obstáculos suelen ser mucho menos glamorosos. Uno de los principales problemas es la calidad y disponibilidad de los datos. Diversos estudios citados por analistas de la industria coinciden en que los problemas de datos son el mayor inhibidor de proyectos de IA , desde inconsistencias hasta silos de información que impiden alimentar adecuadamente a los modelos. La infraestructura también se ha convertido en un punto crítico. Un informe reciente sobre entornos de IA indica que 65 % de las organizaciones considera que su infraestructura de IA es demasiado compleja de gestionar , mientras 54 % ha retrasado o cancelado iniciativas en los últimos dos años  debido a estos desafíos. Incluso en empresas que avanzan rápido, la distancia entre adopción y valor sigue siendo amplia. El índice de preparación para IA de Cisco, por ejemplo, identifica a un pequeño grupo de compañías denominadas “pacesetters” que sí logran resultados consistentes. Representan apenas 13 % de las empresas , pero comparten rasgos clave: datos centralizados, infraestructura actualizada y procesos claros para escalar casos de uso. La dimensión humana de la IA Más allá de los problemas técnicos, la implementación de inteligencia artificial también revela tensiones culturales dentro de las organizaciones. La adopción de nuevas herramientas suele generar resistencia, falta de capacitación o incluso sabotaje interno. Una encuesta a trabajadores del conocimiento encontró que 31 % de los empleados admitió haber saboteado activamente iniciativas de IA en sus empresas , a menudo por temor a perder sus puestos o por desconfianza en la tecnología. Ese choque cultural tiene consecuencias en el mercado laboral. Según el informe de CompTIA, 38 % de las empresas afirma haber tomado decisiones de personal relacionadas con la IA , desde reasignaciones internas hasta nuevas contrataciones. Los trabajadores más afectados suelen ser los de niveles junior o intermedio. Del hype a la madurez La inteligencia artificial sigue avanzando a una velocidad notable, pero el ciclo de adopción corporativa es más complejo que el entusiasmo tecnológico. Integrar IA no significa simplemente conectar un modelo generativo a una base de datos. Implica rediseñar procesos, modernizar infraestructura, ordenar datos y formar a la fuerza laboral. En otras palabras, el verdadero desafío no es construir sistemas inteligentes, sino transformar organizaciones que durante décadas fueron diseñadas para funcionar sin ellos. La IA puede ser la tecnología definitoria de esta década. Pero su éxito dependerá menos de algoritmos revolucionarios que de algo mucho más difícil: cambiar cómo trabajan las empresas. Puede interesarle: Cómo la IA está redefiniendo la tecnología empresarial

La inteligencia artificial ya no es una promesa futura: está redefiniendo cómo trabajan las empresas hoy. Desde automatización de tareas hasta toma de decisiones más rápidas, la evolución tecnológica está entrando en una nueva fase donde la eficiencia y la velocidad dejan de ser ventajas competitivas para convertirse en requisitos básicos. En el marco del Latam Festival IA, realizado en Guatemala, Mario García, Líder de AI & Automation en Grupo Sega, presentó la conferencia “La era de los agentes ya comenzó: IA aplicada al día a día”, donde abordó cómo las organizaciones están transitando de la inteligencia artificial generativa hacia un modelo más avanzado: la IA agéntica, capaz de ejecutar procesos completos con mínima intervención humana. Uno de los puntos más relevantes de la ponencia fue el cambio en la percepción del valor de la inteligencia artificial. Según explicó García, un estudio del MIT evidenciaba que el 95% de las inversiones en IA no generaban retorno, mientras solo un 5% lograba resultados significativos en valor económico. Sin embargo, esta realidad está cambiando rápidamente con la evolución de los agentes de IA, que permiten pasar de experimentos aislados a implementaciones con impacto real en el negocio. Datos compartidos durante la charla, basados en análisis de Gartner y Deloitte, muestran que 2026 se perfila como un año clave para la adopción masiva de IA. Entre las proyecciones más relevantes destacan que el 40% de las aplicaciones incorporarán capacidades de inteligencia artificial, mientras que el 66% de las organizaciones ya reportan mejoras en productividad gracias a estas tecnologías. Además, se estima que para 2028 hasta un 64% de los equipos trabajarán junto a agentes de IA, impulsando un crecimiento potencial de hasta 74% en desempeño organizacional. Humano + agente: el nuevo modelo de trabajo Lejos de sustituir a las personas, la propuesta central de la IA agéntica es potenciar las capacidades humanas. García enfatizó que el rol del talento seguirá siendo clave en la toma de decisiones, el liderazgo y la validación estratégica, mientras que los agentes aportan velocidad, análisis masivo, operación 24/7 y escalabilidad. Este enfoque permite reducir tareas repetitivas y liberar tiempo para actividades de mayor valor. Procesos que antes podían tomar días ahora pueden resolverse en horas, como ejemplificó el propio ponente al explicar cómo utilizó IA para estructurar su presentación, optimizando investigación, organización y contenido. En términos operativos, los agentes están siendo aplicados en múltiples áreas: ventas, marketing, recursos humanos y operaciones. Desde la automatización de pipelines comerciales hasta la generación de reportes en tiempo real o el análisis de candidatos, la IA permite reducir tiempos, minimizar errores y mejorar la calidad de las decisiones empresariales. Uno de los casos más ilustrativos presentados fue el de una empresa en Costa Rica que gestionaba miles de correos diarios. Mediante la implementación de un agente de IA, el sistema ahora interpreta solicitudes, consulta información en sistemas internos y responde automáticamente, dejando a los equipos humanos únicamente las validaciones finales en casos complejos. Este tipo de automatización demuestra que la inteligencia artificial no requiere necesariamente procesos complejos para generar valor. De hecho, muchos de los mayores beneficios se encuentran en tareas repetitivas del día a día, especialmente en áreas de back office, donde los flujos son claros y estructurados. Cómo pasar de piloto a resultados Uno de los principales desafíos señalados es evitar quedarse en pruebas sin impacto. Para lograr resultados reales, García destacó la importancia de definir casos de uso concretos, establecer métricas claras y delimitar el alcance desde el inicio. Sin estos elementos, las iniciativas de IA corren el riesgo de no justificar su inversión ante el negocio. El camino recomendado incluye pilotos de 1 a 3 meses, implementación en producción entre 4 y 6 meses, y escalamiento a partir del mes 7, siempre con indicadores que permitan medir mejoras en productividad, reducción de tiempos o incremento en ingresos. Más allá de la tecnología, el avance de la IA plantea desafíos en gobernanza y seguridad de la información. Según se destacó en la conferencia, una de cada cinco organizaciones aún no cuenta con un modelo maduro de supervisión de IA, lo que puede representar riesgos en el manejo de datos sensibles. Asimismo, el componente cultural sigue siendo determinante. El temor al reemplazo laboral continúa presente, pero el enfoque correcto, según García, es entender la IA como una herramienta de apoyo que permite reducir el burnout, mejorar la eficiencia y elevar el valor del trabajo humano. Le puede interesar: El mayor obstáculo para el éxito de la inteligencia artificial no es la tecnología, sino las organizaciones

Aunque las compañías muestran entusiasmo en cómo la IA puede mejorar su productividad, los casos de éxito son aislados dentro de las compañías y ninguna logra que esta tecnología realmente transforme sus modelos operativos y de negocio. La evidencia es clara, las empresas invierten cada vez más en Inteligencia Artificial y sus múltiples maneras de aplicación dentro del entorno laboral con la alta expectativa de que esto permita mejorar sus procesos operativos. A simple vista los resultados son claros y son precisamente los casos de éxito los que les hace impulsar cada vez más el uso de esta tecnología para obtener resultados mucho más optimizados. Sin embargo, los especialistas creen que las compañías se están quedando rezagadas, no por falta de entusiasmo, sino más bien por falta de capacidad técnica . El Instituto de Diseño de Datos Digitales y Microsoft fundaron la Iniciativa de Empresas Fronterizas (FFI) en la Escuela de Negocios de Harvard con el fin de reunir evidencia que sostenga esa premisa y sirva de guía a las compañías para que logren una verdadera transformación. Recientemente, la FFI realizó una cumbre con líderes empresariales y de ella resumió las 7 razones que, desde la experiencia, no permiten una escalada de la IA dentro de las organizaciones. 1 ) La proliferación de pilotos Las compañías desarrollan cientos de pilotos que implementan de manera sectorial y que incluso arrojan resultados fantásticos pero, como carecen de una hoja de ruta de implementación, el esfuerzo queda ahí. En mínimas ocasiones esos pilotos se estandarizan en cada una de las sedes de las empresas. 2) La brecha de productividad Las organizaciones desperdician las mejoras obtenidas por medio de la IA. Aunque hay múltiples casos de éxito de como la IA ha mejorado la productividad, esa mejora no se traduce en un ahorro económico o de tiempo en los procesos operativos. ¿Por qué? Si los líderes no tienen una ruta clara de como reasignar los roles de trabajo y distribución de tareas tomando en cuanta la ayuda de la IA, es posible que los colaboradores inviertan esas ganancias de tiempo en más reuniones o actividades de bajo valor. 3) La carga de la deuda procesal Hay compañías que acumulan años de errores es sus procesos productivos y sumado a esto el error que mencionábamos anteriormente: tener mil formas de lograr un objetivo en específico. Tener un flujo de trabajo con tantas inconsistencias complica el panorama para la implementación de la IA, sobre todo para sus resultados, que podrían no ser tan fiables. La IA puede ser de gran ayuda, sí; pero es necesario que las compañías hagan un autoanálisis que les permite rediseñar sus procesos y así sacarle el mayor provecho a la tecnología. 4) El problema de la identidad del conocimiento El nuevo esquema labora exige a los empleados poner a disposición todo su conocimiento al servicio de la IA y esto muchas veces da pánico. Los trabajadores están acostumbrados a un entorno de "el que más sabe es difícil de sustituir" y por eso se sienten en peligro su lugar dentro de la organización cuando alguien más, en este caso la IA, puede hacer lo mismo que ellos. Es un trabajo de lo líderes fomentar una cultura donde la IA potencie los talentos de su equipo y que este vea en la tecnología un aliado y no una competencia. 5) Gobernanza en un mundo agencial A medida que las organizaciones avanzan hacia agentes que toman acciones (como actualizar sistemas o coordinar aplicaciones), la gobernanza tradicional se convierte en un cuello de botella. Una vez más, el reto es para los líderes empresariales de modernizar y adaptar cada una de las políticas internas a la nueva realidad empresarial. 6) Complejidad arquitectónica Hacer el múltiples aplicaciones de IA se comuniquen y fluyan entre sí puede ser complejo y atrasar de manera importante los objetivos de la organización. Esto es muestra, una vez más, que los resultados son mejores cuando de implementa la tecnología con una estrategia y no cuando "se aprende sobre la marcha". 7) La trampa de la eficiencia La fiebre por la implementación de la IA sin duda nació de dos promesas: la reducción de costos y de tiempo para lograr resultados. Sin embargo, es importante que se defienda el trabajo de valor que realizan los colaboradores, ese de hecho puede ser el que de mejor resultados; se trata de un balance, aprovechar la IA en procesos que pueden donde las capacidades humanas pueden no ser indispensable pero someter al cuidado riguroso humano procesos más delicados. Le puede interesar: Startups con IA: más capital, menos empleados

Un empresario tecnológico recurrió a inteligencia artificial, secuenciación genética y biotecnología de mRNA para desarrollar una vacuna personalizada contra el cáncer para su mascota. El experimento logró reducir el tumor hasta un 50 % y abre nuevas preguntas sobre el futuro de la medicina personalizada. Cuando el perro Rosie fue diagnosticado con un agresivo cáncer de mastocitos, el pronóstico era desalentador. Las opciones tradicionales, como cirugía o quimioterapia, ofrecían pocas garantías de supervivencia. Para su dueño, el emprendedor tecnológico australiano Paul Conyngham, aceptar ese escenario no era una opción. En lugar de resignarse, decidió intentar algo radical: aplicar herramientas de inteligencia artificial y biología computacional para diseñar una vacuna personalizada contra el cáncer. El experimento terminó convirtiéndose en un caso llamativo en la intersección entre IA, genómica y medicina personalizada. Del análisis genético a una vacuna personalizada El primer paso fue comprender el tumor. Conyngham decidió secuenciar el ADN del tumor de Rosie , un proceso que costó aproximadamente 3.000 dólares , con el objetivo de identificar mutaciones específicas asociadas al cáncer. A partir de esos datos, utilizó herramientas de inteligencia artificial y software de análisis genómico para examinar las mutaciones presentes en las células tumorales. La idea era detectar proteínas alteradas que pudieran servir como objetivo para el sistema inmunológico. Con ese mapa molecular, Conyngham contactó con científicos del University of New South Wales (UNSW) , incluyendo investigadores del Ramaciotti Centre for Genomics y del UNSW RNA Institute. Juntos desarrollaron una vacuna experimental basada en tecnología mRNA , similar en concepto a las vacunas utilizadas durante la pandemia de COVID-19. El objetivo del tratamiento era entrenar al sistema inmunológico del perro para reconocer y atacar las células cancerosas específicas del tumor. Resultados iniciales prometedores El resultado fue sorprendente. Tras recibir la vacuna experimental, el tumor de Rosie se redujo hasta un 50 % , mejorando significativamente su estado de salud. Aunque se trata de un solo caso y de un tratamiento experimental, el avance ha despertado interés en la comunidad científica. El proyecto también contó con el apoyo de investigadores veterinarios y organizaciones como la Canine Cancer Alliance, además de cumplir con procesos de aprobación ética para la prueba. La historia de Rosie pone en evidencia el potencial de una tendencia que gana fuerza en biotecnología: las terapias personalizadas basadas en datos genómicos. La convergencia entre IA y medicina personalizada En la última década, la secuenciación genética se ha vuelto más barata y accesible. Paralelamente, los modelos de inteligencia artificial se han convertido en herramientas clave para analizar grandes volúmenes de datos biológicos. Esa combinación abre la puerta a tratamientos diseñados específicamente para cada paciente, en lugar de terapias estandarizadas. El caso de Rosie sugiere que esa lógica también podría aplicarse a la medicina veterinaria, un campo que históricamente ha tenido menos acceso a tecnologías avanzadas que la medicina humana. Aún queda un largo camino. Los investigadores ya están trabajando en una segunda versión de la vacuna para atacar tumores restantes en el organismo del animal. Pero la historia también plantea una idea poderosa: en la era de la inteligencia artificial, incluso un problema íntimo, como intentar salvar la vida de una mascota, puede convertirse en un experimento científico con implicaciones mucho más amplias. Lea también: ¿IA para mascotas? Acá no hay gato encerrado

La empresa presentó una nueva herramienta de inteligencia artificial que conecta historiales médicos, resultados de laboratorio y datos de dispositivos wearables para ofrecer análisis personalizados. El proyecto apunta a un objetivo ambicioso: crear un asistente digital permanente para la salud. La inteligencia artificial ya escribe correos, resume documentos y genera código. Ahora quiere interpretar nuestro cuerpo. Microsoft anunció Copilot Health , una nueva función dentro de su ecosistema Copilot diseñada para analizar información médica personal y ofrecer orientación contextualizada sobre la salud del usuario. La herramienta puede integrar datos provenientes de más de 50.000 proveedores de salud en Estados Unidos  y conectarse con más de 50 dispositivos wearables , incluidos sistemas como Apple Health, Fitbit u Oura. El objetivo es centralizar en un único lugar información que normalmente está dispersa entre aplicaciones, hospitales y dispositivos personales. Una vez conectados los datos, el sistema permite hacer preguntas sobre resultados de laboratorio, síntomas o historial médico. La IA responde combinando información personal con contenido médico verificado, incluyendo material de organizaciones especializadas como Harvard Health. La propuesta encaja con una tendencia creciente: convertir la inteligencia artificial en un intermediario permanente entre las personas y el sistema sanitario. El propio director de Microsoft AI, Mustafa Suleyman, describió el proyecto como un paso hacia una posible “superinteligencia médica” , una especie de asistente digital capaz de sintetizar información sanitaria continua para ayudar a tomar decisiones sobre el bienestar personal. El lanzamiento también responde a un fenómeno claro en el uso de asistentes de IA. Un análisis de más de 500.000 conversaciones relacionadas con salud  en Copilot mostró que una gran parte de las consultas proviene de dispositivos móviles y suele involucrar síntomas personales o preocupaciones urgentes. Aproximadamente 1 de cada 7 conversaciones  se realiza en nombre de otra persona, como un hijo o un familiar mayor, y cerca del 40% de las preguntas  giran en torno a enfermedades, síntomas o tratamientos. Estos datos revelan que, para muchos usuarios, la IA ya funciona como un primer punto de consulta antes de hablar con un profesional médico. Sin embargo, el terreno es delicado. Microsoft subraya que Copilot Health no sustituye el consejo clínico y que las conversaciones se almacenan en un entorno separado y cifrado. También aclara que los datos compartidos no se utilizan para entrenar modelos y pueden eliminarse o desconectarse. La compañía tampoco ignora el desafío principal: la confianza. Para que un asistente de salud basado en IA funcione, los usuarios deben estar dispuestos a compartir algunos de los datos más sensibles que existen. Si esa barrera se supera, el impacto podría ser enorme. La salud digital ya es uno de los mercados más competitivos en la carrera de la inteligencia artificial, con iniciativas similares impulsadas por OpenAI, Amazon y otras compañías tecnológicas. Lea también: El impacto de la IA en la salud cardiovascular

Con auriculares avanzados, plataformas de videoconferencia optimizadas y experiencias de comunicación inmersiva impulsadas por IA, HP amplía su ecosistema de herramientas para el trabajo híbrido durante Integrated Systems Europe 2026. La evolución del trabajo híbrido continúa impulsando la innovación tecnológica. En este contexto, HP  presentó en Integrated Systems Europe 2026  una serie de soluciones orientadas a mejorar la comunicación y la productividad en entornos laborales cada vez más distribuidos. Uno de los anuncios principales fue la introducción de HP Poly Mission Series , una nueva familia de auriculares USB con cable desarrollados para ofrecer audio confiable en espacios de trabajo híbridos. La línea integra cancelación de ruido basada en inteligencia artificial, audio de banda superancha y un diseño ligero pensado para largas jornadas laborales. La gama incluye tres configuraciones orientadas a distintos escenarios profesionales: HP Poly Mission 400 Series , centrada en comodidad para el uso diario; HP Poly Mission 600 Series , con micrófonos duales para una mejor reducción del ruido ambiental; y HP Poly Mission 800 Series , que incorpora cuatro micrófonos con cancelación avanzada para ofrecer mayor precisión en la captura de voz. En paralelo, la empresa introdujo HP Poly VideoOS 5.0 , una actualización que moderniza su plataforma de videoconferencia al integrarse con Android 13 . Entre sus mejoras se encuentran encuadres de cámara más inteligentes, bloqueo de ruido con IA y una arquitectura preparada para futuras generaciones de soluciones de video, con soporte proyectado hasta 2032. La compañía también busca simplificar el uso de dispositivos personales en entornos corporativos mediante soluciones BYOD. En esta estrategia se integran la barra de video HP Poly Studio V12  y la estación de acoplamiento HP Thunderbolt 4 180W G6 Dock , que permiten conectar laptops a cámaras, micrófonos, bocinas y pantallas de una sala de reuniones mediante una sola conexión. Finalmente, HP y Google  presentaron HP Dimension with Google Beam , una solución de videocomunicación 3D impulsada por inteligencia artificial que busca transformar las reuniones virtuales en experiencias más naturales. El sistema combina captura con múltiples cámaras, iluminación adaptativa, audio espacial y procesamiento con IA para crear interacciones virtuales con apariencia realista. Con estas propuestas, HP continúa fortaleciendo su portafolio de colaboración digital con tecnologías diseñadas para adaptarse a la nueva dinámica del trabajo híbrido. Le puede interesar: Adiós al Zoom de reuniones: la empresa da un giro para revolucionar las comunicaciones

La marca obtuvo más de 70 reconocimientos de medios internacionales durante el Mobile World Congress 2026, destacando por avances en inteligencia artificial integrada, robótica móvil y el desarrollo de nuevos dispositivos dentro de su ecosistema inteligente, encabezados por el Magic V6 y el concepto experimental Robot Phone. Durante el Mobile World Congress 2026 , uno de los encuentros más relevantes de la industria móvil, HONOR  recibió  más de 70 premios otorgados por medios especializados que reconocieron su apuesta por integrar inteligencia artificial avanzada, hardware de alto rendimiento y nuevas experiencias de interacción en su ecosistema de dispositivos. Entre las propuestas que captaron mayor atención se encuentra el Robot Phone , un concepto que explora la evolución del smartphone hacia dispositivos capaces de moverse, responder y adaptarse al entorno gracias a la inteligencia artificial incorporada. La propuesta combina interacción inteligente con movimiento de grado robótico y capacidades de imagen cinematográfica, abriendo la puerta a una nueva generación de dispositivos móviles más dinámicos. En el segmento de smartphones, el HONOR Magic V6  fue uno de los productos más destacados del evento, al consolidarse como uno de los plegables insignia de la marca. El dispositivo integra tecnología de baterías Silicon-Carbon, una pantalla avanzada y herramientas de productividad impulsadas por inteligencia artificial, además de un diseño ultradelgado con resistencia al agua y al polvo. La innovación en baterías también fue reconocida con el premio “Best Disruptive Device Innovation”  en los Global Mobile Awards , gracias a la tecnología Silicon-Carbon utilizada en el Magic V6. Esta solución alcanza un contenido de silicio del 25%, lo que permite mayor densidad energética dentro de un diseño plegable compacto. Como parte de su ecosistema de dispositivos con AI, la compañía también presentó nuevos equipos enfocados en productividad y conectividad. Entre ellos se encuentran la HONOR MagicPad 4 , una tablet diseñada para ofrecer alto rendimiento en un formato ultradelgado, y la computadora portátil HONOR MagicBook Pro 14 , que refuerza la estrategia de expansión de la marca en el segmento de PCs con inteligencia artificial. Con estas innovaciones, HONOR continúa impulsando una visión de ecosistema tecnológico en el que la inteligencia artificial y el hardware avanzado trabajan de forma integrada para ampliar las posibilidades de interacción y productividad en los dispositivos del futuro. Le puede interesar: HONOR pone a pruebas la resistencia y funciones de su nuevo Magic8 Lite en Guatemala

Desde la modernización del core bancario hasta la irrupción de la inteligencia artificial agéntica, el evento reunió en Santo Domingo a especialistas que analizaron cómo la banca regional puede adaptarse a un escenario marcado por la digitalización acelerada, los nuevos modelos fintech y la creciente presión por innovar sin comprometer seguridad ni regulación. Durante una intensa jornada de conferencias y masterclasses, ejecutivos, consultores y tecnólogos exploraron los desafíos estratégicos que redefinen el negocio financiero en la era de los datos y la inteligencia artificial. La apertura del encuentro estuvo dedicada a uno de los debates más críticos del sector: la modernización de las arquitecturas bancarias. En la sesión “¿Cómo modernizar y renovar la arquitectura de su institución financiera? Y no fracasar en el intento” , los especialistas de Deloitte Miguel Caldentey, Henrique Ponte y Gerardo Venegas analizaron los riesgos y oportunidades que enfrentan las entidades financieras al transformar sus plataformas centrales. Los ponentes destacaron que la modernización del core banking  ya no es solo una decisión tecnológica, sino una estrategia competitiva que define la capacidad de innovar, cumplir regulaciones y responder a la presión de nuevos actores digitales. Entre las principales conclusiones, subrayaron la necesidad de elegir con precisión entre tres caminos posibles: modernizar gradualmente, coexistir con sistemas heredados o reemplazarlos completamente. El impacto de la inteligencia artificial en la operación bancaria fue otro de los ejes dominantes de la agenda. En la charla “La nueva era de la automatización bancaria agéntica” , Gabriel Soto explicó cómo los agentes autónomos impulsados por IA están comenzando a orquestar procesos completos dentro de las instituciones financieras, coordinando decisiones, canales y flujos operativos en tiempo real. Según el experto, este enfoque permite avanzar hacia modelos de hiperpersonalización financiera y optimización de riesgos que superan ampliamente las capacidades tradicionales de los sistemas CRM. La conversación sobre la infraestructura digital continuó con la presentación “FinOps o cómo domar la quimera que es la nube” , donde Mateo Riveros García abordó uno de los desafíos más comunes en la migración hacia entornos cloud: el control de costos. El enfoque FinOps, explicó, propone integrar equipos de negocio, tecnología y finanzas para gestionar de manera estratégica el consumo de servicios en la nube, asegurando eficiencia sin perder flexibilidad operativa. La ciberseguridad ocupó también un espacio central en la agenda. Tobias Santoyo, de Radware, presentó “Rediseñando la ciberdefensa en la era de los agentes de IA” , donde analizó cómo la proliferación de APIs, modelos de lenguaje y automatización inteligente amplía la superficie de ataque de las organizaciones. Su intervención se enfocó en la necesidad de adoptar arquitecturas de seguridad capaces de responder a amenazas cada vez más sofisticadas y automatizadas. Uno de los bloques más extensos del evento fue el masterclass sobre banca componible , dirigido por Francisco Gómez. Durante esta sesión se exploró la transición de los modelos bancarios monolíticos hacia arquitecturas modulares basadas en APIs y principios de domain-driven design . El especialista explicó cómo estos enfoques permiten evolucionar hacia paradigmas como open banking , open finance , banking as a service  y embedded banking , que están redefiniendo la relación entre bancos, fintechs y clientes. La gestión del riesgo fue abordada desde distintas perspectivas. Roberto Cruz, consultor de Qualys, presentó el concepto de Risk Operations Center , un modelo que busca centralizar la monitorización y gestión proactiva de amenazas dentro de las organizaciones financieras. A esta discusión se sumó posteriormente Juan Michel, ingeniero de Sophos, quien analizó los riesgos sistémicos en la cadena de suministro digital , señalando cómo la dependencia de proveedores tecnológicos, servicios cloud y fintechs puede amplificar vulnerabilidades dentro del ecosistema bancario. Otro de los temas clave fue la evolución del negocio financiero frente a las nuevas generaciones de inversores digitales. Lester Pereira, CEO de TraderPal, sostuvo que la banca tradicional debe incorporar plataformas de inversión simples, autogestionadas y seguras si quiere competir con los nuevos actores fintech. La experiencia digital, afirmó, se está convirtiendo en el principal factor de diferenciación en un mercado donde los productos financieros tienden a commoditizarse. La importancia estratégica de los datos fue el eje de la charla “La guerra silenciosa por el cliente financiero” , presentada por Darío Peña y Elba Núñez, de Evertec. Los especialistas explicaron que la inteligencia artificial permite transformar los datos en experiencias financieras personalizadas a lo largo de todo el recorrido del cliente, desde la adquisición hasta la fidelización. En un entorno de competencia creciente, argumentaron, el verdadero poder competitivo de los bancos radica en su capacidad de convertir información en conocimiento accionable. En la misma línea estratégica, Pablo Portillo abordó el concepto de capital digital , definido como el conjunto de capacidades tecnológicas, datos y talento que determinan la competitividad de las entidades financieras en la economía digital. Para el especialista, la transformación digital ya no es un proyecto puntual, sino un activo estructural que condiciona el crecimiento futuro del sector bancario en el Caribe. El bloque posterior al almuerzo se centró en la estrategia y la inversión tecnológica. Pavel Alvarado planteó que la verdadera ventaja competitiva de los bancos no proviene simplemente de digitalizar procesos, sino de reasignar inteligentemente el gasto operativo hacia iniciativas de innovación, automatización y datos . En su análisis comparativo con bancos digitales como Nubank, destacó cómo los modelos operativos nativos digitales permiten alcanzar mayores niveles de eficiencia y escalabilidad. La evolución tecnológica de la banca latinoamericana fue examinada por Sandra Hernández, de Temenos, quien revisó las tendencias en sistemas core y el avance de modelos de banca abierta e inclusiva. La especialista subrayó que la modernización tecnológica puede convertirse también en una herramienta para ampliar la bancarización y mejorar el acceso a servicios financieros en la región. La infraestructura física que sostiene esta transformación también fue objeto de debate. César Vizcaíno presentó estrategias para el desarrollo de data centers sostenibles , destacando la importancia de la eficiencia energética y el uso de energías limpias para reducir el impacto ambiental de la economía digital. En paralelo, Juan Carlos Reyes explicó el papel de las soluciones BESS (Battery Energy Storage Systems)  en la gestión inteligente de la energía corporativa, una tecnología cada vez más relevante para garantizar continuidad operativa y optimización de costos. El tramo final del evento estuvo dominado por el análisis del impacto de la inteligencia artificial en la banca. Rocío Martín explicó cómo la combinación de IA y automatización de procesos permite rediseñar operaciones completas dentro de las instituciones financieras, priorizando casos de uso con impacto directo en eficiencia y productividad. Gustavo Rodríguez, de Cloudrivers, profundizó esta visión mostrando cómo las arquitecturas basadas en la nube y servicios de AWS permiten crear flujos de trabajo auditables y reducir errores humanos hasta en un 70%. Diego Ramos cerró la serie de charlas con una mirada estratégica sobre el agentic banking , destacando que la adopción de inteligencia artificial debe acompañarse de modelos sólidos de gobernanza, control y gestión del riesgo. Finalmente, la conferencia “IAG aplicada a la banca” , a cargo de Marcelo Burman, planteó que la inteligencia artificial generativa está dejando de ser un experimento para convertirse en un habilitador real de productividad, eficiencia operativa y nuevas experiencias de cliente en el sector financiero. El desafío, coincidieron los expertos, ya no es decidir si adoptar estas tecnologías, sino cómo integrarlas rápidamente dentro del modelo operativo bancario sin comprometer seguridad, cumplimiento y rentabilidad . En conjunto, el Banking Tech Summit República Dominicana 2026 dejó en claro que la banca del Caribe y Centroamérica se encuentra en un momento decisivo. La convergencia entre inteligencia artificial, arquitecturas abiertas, datos y sostenibilidad tecnológica está redefiniendo las reglas del juego para un sector que busca reinventarse frente a la presión de los nuevos competidores digitales y las expectativas de clientes cada vez más exigentes. La próxima estación de una gira 2026 que recorrerá seis países será en Costa Rica, el próximo 16 de abril. Para más información, visite: https://www.bankingtechsummit.net Le puede interesar: Banking Tech Summit Rep. Dominicana 2026: cómo convertir la IA en ventaja competitiva

Anthropic presentó una nueva capacidad para su asistente que permite generar gráficos, diagramas y visualizaciones interactivas directamente dentro de la conversación. El cambio apunta a transformar el chat con IA en un entorno visual de análisis, aprendizaje y desarrollo de ideas. La interfaz del chatbot está cambiando. Durante los primeros años de la inteligencia artificial generativa, la interacción se basó casi exclusivamente en texto; preguntas y respuestas, párrafos y código. Anthropic quiere romper ese paradigma. La compañía anunció que Claude ahora puede crear gráficos, diagramas y visualizaciones directamente dentro del chat , sin necesidad de abrir herramientas externas ni descargar archivos. La función permite que el modelo genere representaciones visuales en línea mientras conversa con el usuario. Puede producir desde gráficos de datos hasta diagramas conceptuales o esquemas técnicos, y estos elementos se actualizan si la conversación evoluciona o el usuario pide cambios. En términos de interfaz, el cambio parece sutil. En términos de interacción con IA, es profundo. Hasta ahora, muchas plataformas separaban la conversación de los resultados visuales. Claude ya contaba con una función llamada Artifacts , un espacio lateral donde los usuarios podían crear documentos, herramientas o pequeñas aplicaciones generadas por IA. Las nuevas visualizaciones, sin embargo, aparecen directamente dentro del flujo del diálogo. Son temporales, contextuales y editables. Si un usuario está analizando datos, el modelo puede sugerir automáticamente un gráfico. Si la conversación es técnica, puede proponer un diagrama para explicar un concepto. La consecuencia es que el chat deja de ser solo texto y se convierte en una especie de entorno de trabajo dinámico. Esta evolución se conecta con otra tendencia clave en el desarrollo de modelos de IA: la transición de chatbots a interfaces de pensamiento visual . Los modelos ya no solo generan respuestas, también estructuran información. Para empresas y equipos de conocimiento, esto puede ser especialmente relevante. Analistas, investigadores o estudiantes suelen alternar entre múltiples herramientas para comprender datos: hojas de cálculo, software de gráficos, pizarras digitales. Si un asistente puede generar visualizaciones sobre la marcha, esa fragmentación desaparece. La decisión de Anthropic también refleja la creciente competencia entre plataformas de IA. ChatGPT, Gemini y otras herramientas ya han comenzado a integrar capacidades visuales y analíticas en sus interfaces. Claude busca diferenciarse apostando por un enfoque más integrado, donde las visualizaciones no sean un complemento sino parte natural de la conversación. La apuesta es clara: el futuro de la IA conversacional no será solo textual. Será multimodal, interactivo y cada vez más cercano a un espacio de trabajo creativo. En ese escenario, el chat deja de parecer una ventana de mensajes. Relacionado al tema: Anthropic lanzó Claude Sonnet 4.6

La empresa anunció la actualización más profunda de Google Maps en más de diez años. Con funciones impulsadas por Gemini, la plataforma busca redefinir la experiencia de movilidad digital y consolidar su ventaja frente a rivales como Apple Maps y Waze. Durante más de una década, Google Maps evolucionó con mejoras graduales. Nuevas capas, datos de tráfico en tiempo real, rutas multimodales o funciones de realidad aumentada. Pero el rediseño presentado ahora marca algo distinto: un cambio conceptual. Google quiere que su aplicación de mapas deje de ser solo una herramienta de navegación y se convierta en un asistente inteligente para moverse por el mundo. El cambio se apoya en Gemini, la familia de modelos de inteligencia artificial de Google. La actualización introduce dos funciones centrales que redefinen la experiencia: Immersive Navigation  y Ask Maps . La primera transforma la navegación tradicional en una visualización tridimensional mucho más rica. En lugar de un mapa plano, el conductor ve edificios, cruces peatonales, semáforos, pasos elevados y detalles urbanos renderizados en 3D. El sistema también aplica zoom inteligente en intersecciones complejas y mejora las instrucciones de voz para que sean más naturales y contextuales. La segunda función, Ask Maps, apunta a algo más ambicioso: convertir el buscador dentro de Maps en un asistente conversacional. Los usuarios pueden formular preguntas complejas como “dónde hay un restaurante vegetariano bien valorado cerca de aquí” o “dónde puedo cargar el teléfono sin tener que comprar algo”. La IA responde generando resultados personalizados a partir de la gigantesca base de datos del servicio, que incluye más de 300 millones de lugares y más de 500 millones de reseñas . Este giro hacia la conversación refleja una tendencia más amplia en la industria tecnológica. Los mapas ya no son solo cartografía digital, son interfaces de descubrimiento. En la práctica, Google está fusionando navegación, recomendaciones y planificación urbana en una única experiencia guiada por IA. La escala del sistema ayuda a explicar por qué la compañía puede permitirse este salto. Google Maps supera los 2.000 millones de usuarios mensuales  y recibe más de 100 millones de actualizaciones diarias  provenientes de imágenes, socios locales y contribuciones de usuarios. Ese flujo constante de datos, combinado con aprendizaje automático, permite que la plataforma entienda no solo cómo llegar a un lugar, sino qué ocurre alrededor: tráfico, disponibilidad de estacionamiento o cambios en el entorno urbano. También hay una dimensión competitiva. Apple Maps ha mejorado significativamente en los últimos años, mientras que aplicaciones como Waze (también propiedad de Google) mantienen una fuerte presencia entre conductores intensivos. La estrategia actual parece ser consolidar a Maps como una superapp de movilidad, capaz de integrar navegación, descubrimiento local y planificación diaria. Las nuevas funciones comenzaron a desplegarse en Estados Unidos y llegarán gradualmente a Android, iOS, sistemas integrados en vehículos, Apple CarPlay y Android Auto. Lea también: Google Maps incorpora navegación conversacional impulsada por Gemini

El crecimiento de tecnologías como la inteligencia artificial y los centros de datos podría disparar la demanda eléctrica en el país más allá de lo previsto. Desde el Consejo de Promoción de la Competitividad advierten que las proyecciones energéticas del país podrían estar subestimando el impacto de estas nuevas industrias. Costa Rica suele aparecer en los rankings internacionales como un ejemplo de energía limpia. Su matriz eléctrica es mayoritariamente renovable, impulsada por hidroeléctricas, geotermia y fuentes eólicas. Pero la transición hacia una economía cada vez más digital podría poner presión sobre ese sistema mucho antes de lo esperado. Según el economista Andrés Fernádez, del Consejo de Promoción de la Competitividad, el país enfrenta un desafío emergente: la demanda energética asociada al desarrollo de inteligencia artificial y centros de datos. El problema no es solo tecnológico, también es estructural. Entrenar y operar modelos avanzados de inteligencia artificial requiere enormes cantidades de electricidad, tanto para el procesamiento de datos como para la refrigeración de infraestructuras informáticas. A esto se suma otro factor que comienza a preocupar a gobiernos y empresas: el impacto climático y el consumo de recursos. En el caso de Costa Rica, la situación es paradójica. Aunque el país posee una de las matrices energéticas más limpias del mundo, esa capacidad podría no ser suficiente si se acelera la llegada de industrias digitales intensivas en energía. Si bien el país siempre ha adaptado a las nuevas tecnologías en lugar de formar parte de su creación; es importante que se den estas conversaciones si el país quiere dinamizar su economía en el futuro. El Instituto Costarricense de Electricidad (ICE) publicó recientemente su plan de expansión eléctrica con proyecciones de demanda hacia 2040. Sin embargo, desde el Consejo consideran que esos cálculos podrían quedarse cortos. Las estimaciones actuales, explican, no necesariamente contemplan escenarios como la instalación de grandes centros de datos o empresas tecnológicas que desarrollen modelos de inteligencia artificial en territorio nacional. Hoy ese fenómeno aún no ocurre a gran escala en el país, pero en un contexto global donde las empresas buscan energía renovable para operar sus infraestructuras, Costa Rica podría convertirse en un destino atractivo. Ese escenario obligaría a repensar la planificación energética. Desde el Consejo ya trabajan en una investigación destinada a estimar qué tipo de infraestructura eléctrica necesitará el país en los próximos años si quiere seguir expandiendo su actividad económica. El objetivo es anticipar las necesidades antes de que la presión sobre el sistema se vuelva crítica. La ecuación es clara. A medida que la economía se vuelve más digital y más intensiva en tecnología, también se vuelve más intensiva en electricidad. Y en industrias como la inteligencia artificial, la energía no es solo un insumo, es la base de todo el modelo productivo. Puede interesarle: La carrera de la IA se decidirá por el precio de la energía, advierte Satya Nadella