La participación de mujeres en roles técnicos y de liderazgo crece en América Latina, impulsando nuevas perspectivas en el desarrollo de infraestructura tecnológica. Las políticas de igualdad de oportunidades y diversidad en las empresas abren cada vez más espacios para el talento femenino en el sector.   Durante muchos años, la industria TI estuvo asociada principalmente a perfiles masculinos, especialmente en áreas técnicas y de ingeniería. Sin embargo, este panorama viene cambiando de manera progresiva en América Latina, donde cada vez más mujeres participan activamente en el diseño, implementación y gestión de infraestructura tecnológica.   De acuerdo con especialistas, hoy es posible encontrar talento femenino no solo en roles administrativos, sino también en ingeniería, consultoría técnica, desarrollo de soluciones, gestión de proyectos y posiciones de liderazgo. Con ello, se aporta nuevas perspectivas en un sector clave para la transformación digital de las organizaciones.   Sandra Matus, directora de Marketing de Panduit LATAM. “Estamos viendo un cambio claro en la industria. Cada vez más mujeres asumen roles técnicos y estratégicos porque el sector valora las habilidades, la preparación y la visión. El verdadero progreso no se mide solo por cuántas mujeres están presentes, sino por cómo se toman las decisiones y quiénes influyen en ellas. Cuando el reconocimiento se basa en resultados, y no en percepciones de imagen, la inclusión se convierte en una ventaja estratégica para el negocio. No se trata de competir, sino de complementar fortalezas para elevar el desempeño colectivo”, comentó Sandra Matus, directora de Marketing de Panduit LATAM.   Añade que este avance también está vinculado a un cambio cultural dentro de las organizaciones. Muchas empresas tecnológicas han incorporado políticas de diversidad e igualdad de oportunidades, promoviendo entornos de trabajo donde el desarrollo profesional se basa en capacidades, experiencia y desempeño, sin distinción de género.   En el caso de Panduit, esta visión se refleja en una mayor participación de mujeres en distintas áreas de la compañía, desde plantas de producción y equipos de consultoría hasta funciones administrativas y cargos de liderazgo. Ello permite impulsar una cultura corporativa que busca potenciar el talento en todos los niveles de la organización.   Matus comentó, además, que la presencia femenina también aporta un valor importante en el desarrollo de soluciones tecnológicas. Equipos diversos suelen generar enfoques más innovadores, fortalecer la colaboración entre áreas y ampliar la capacidad de las empresas para responder a los desafíos de un entorno digital cada vez más complejo.   “La creciente participación de mujeres en ingeniería e infraestructura tecnológica no solo representa un avance en términos de equidad, sino también una oportunidad para fortalecer la industria y atraer nuevas generaciones de profesionales que buscan desarrollarse en un sector dinámico y en constante evolución”, mencionó Matus.   Para quienes hoy evalúan estudiar o trabajar en tecnología, el mensaje de la directora de Marketing de Panduit LATAM es claro. “El sector TI ofrece cada vez más oportunidades y un entorno profesional que avanza hacia una inclusión más amplia, donde el talento, la preparación y la contribución son los factores que determinan el crecimiento”, concluyó Matus. Le puede interesar: CIOs invierten cada vez más dinero en IA, pero no saben cómo gestionarla

Lo dijo el director de operaciones de OpenAI. La empresa lanzó la plataforma Frontier con la intención de que las compañías generen y administren sus propios Agentes AI, superen la fase de implementación de la tecnología y comiencen a ver un impacto real en sus modelos de negocio. Pese a los constantes esfuerzos de Open AI para crear modelos enfocados al mundo empresarial (como Open AI Frontier) que permitan agilizar los procesos de productividad, disminuyan los costos operativos y automaticen procesos; parece haber una resistencia por parte de las compañías a delegar toda su línea operativa a la IA. "Una de las cosas interesantes y parte de la inspiración para el trabajo que hemos estado haciendo últimamente en torno a OpenAI Frontier es que todavía no hemos visto realmente que la IA empresarial penetre en los procesos comerciales empresariales" explicó Brad Lightcap, director de operaciones de Open Ai durante una intervención en la Cumbre de Impacto de la IA en la India celebrada la semana anterior. Lightcap fue enfático en señalar que es necesario que las compañías pasen de las fases de "preguntas y respuestas" con la IA a una donde esta tome decisiones y ejecute soluciones incluso en los casos más complejos; por ejemplo, ser de utilidad en el área financiera, donde los problemas suelen ser de mayor escala. "Frontier es una forma de experimentar iterativamente con cómo llevar la IA a las áreas realmente complejas y desordenadas de las empresas. Creo que, si lo hacemos bien, aprenderemos mucho tanto sobre las empresas como sobre los sistemas de IA”, mencionó Lightcap. Por supuesto que modelos como Frontier buscan que las empresas dependan cada vez más de Agentes AI, sin embargo, esto no significa que los software tradicionales empresariales como SaaS vayan a desaparecer; la misma compañía ha dicho que son grandes consumidores de Slack, lo que muestra una visible dependencia de dichos sistemas. Es probable que esa dependencia vaya a disminuir en el tiempo, el mismo Lightcap dijo que "en una mirada al futuro" los agentes AI podrían llegar a realizar cualquier cosa que se pueda desde una computadora, lo que por supuesto también tendría un impacto en los empleos que generen las compañías. Le puede interesar: Cómo se comportan los agentes de IA en escenarios reales

El avance de la inteligencia artificial no se explica únicamente por la disponibilidad de datos o el aumento del poder de cómputo. La académica Fabiola Montero explora cómo modelos como las redes convolucionales, recurrentes y los Transformers han redefinido la forma en que las máquinas interpretan imágenes, lenguaje y patrones complejos, al tiempo que plantean nuevos desafíos técnicos, éticos y energéticos para el futuro de la IA. Por Fabiola Montero,  Profesora de la Facultad de Informática, Electrónica y Comunicación Universidad de Panamá El aprendizaje profundo, conocido internacionalmente como deep learning , se ha consolidado como uno de los avances más transformadores de la inteligencia artificial contemporánea. Su impacto no se explica únicamente por sus resultados técnicos, sino por el cambio conceptual que introduce en la forma en que los sistemas computacionales representan y procesan información compleja. Más que un conjunto de algoritmos constituye un enfoque arquitectónico que permite a las máquinas aprender representaciones jerárquicas a partir de grandes volúmenes de datos. Este enfoque invierte la lógica tradicional del análisis computacional. En los métodos clásicos, los expertos debían diseñar manualmente las características relevantes de un problema. En cambio, las redes neuronales profundas —arquitecturas computacionales inspiradas en el funcionamiento del cerebro humano y compuestas por múltiples capas interconectadas de procesamiento — aprenden múltiples niveles de representación mediante capas sucesivas de transformación no lineal. Cada capa reorganiza la información de entrada: las primeras capturan patrones básicos, como bordes o texturas, y las superiores capturan conceptos más complejos, como objetos o significado contextual. Esta capacidad de abstracción jerárquica explica su éxito en dominios donde la estructura de los datos resulta demasiado compleja para ser codificada manualmente.   Un hito decisivo lo constituyen las redes neuronales convolucionales (CNN, por sus siglas en inglés), arquitecturas diseñadas específicamente para procesar datos con estructura espacial, como imágenes. Estas introducen operaciones de convolución que permiten detectar patrones locales —bordes, texturas o formas— y mantener estabilidad ante cambios de posición o escala. Inspiradas en el funcionamiento del sistema visual biológico, han redefinido campos como la visión por computadora, el diagnóstico médico por imagen y el reconocimiento facial, alcanzando niveles de precisión extraordinarios. En problemas secuenciales o temporales, como el lenguaje natural o las series financieras, surgieron arquitecturas especializadas como las redes neuronales recurrentes (RNN) y sus variantes LSTM (Long Short-Term Memory) y GRU (Gated Recurrent Unit). Estas arquitecturas están diseñadas para procesar información en secuencia y mantener memoria de eventos previos, lo que les permite interpretar el contexto a lo largo del tiempo. A diferencia de otros modelos, incorporan mecanismos internos capaces de retener o descartar información relevante según la tarea. Gracias a estas estructuras, los sistemas pueden capturar dependencias complejas en secuencias extensas y comprender mejor el contexto en aplicaciones como la traducción automática, el análisis de sentimiento o la predicción de tendencias. Posteriormente surgieron las arquitecturas Transformer, que marcaron un nuevo cambio en el desarrollo del aprendizaje profundo. A diferencia de modelos anteriores, prescinden de la recurrencia tradicional y procesan la información en paralelo mediante mecanismos de autoatención, los cuales permiten al sistema identificar qué partes de los datos son más relevantes en cada contexto. Modelo como BERT (Bidirectional Encoder Representations from Transformers), GPT (Generative Pre-trained Transformer) y T5 (Text-to-Text Transfer Transformer) han demostrado la potencia de esta arquitectura para comprender y generar lenguaje natural con un alto nivel de comprensión contextual. El auge de los modelos generativos profundos marcó otro punto de inflexión. Los autoencoders variacionales (VAE) aprenden representaciones latentes estructuradas que permiten generar nuevas instancias de forma controlada. Por su parte, las redes generativas antagónicas (GAN) introducen un esquema en el que dos redes —una generadora y otra discriminadora— se entrenan simultáneamente en un proceso de interacción competitiva. Esta dinámica impulsa al sistema a producir resultados cada vez más realistas, logrando niveles notables de realismo en la generación de imágenes, voz y contenido artístico. Más recientemente, los modelos preentrenados a gran escala han redefinido el paradigma. En lugar de entrenar un modelo desde cero para cada tarea, se construyen arquitecturas masivas que aprenden representaciones generales a partir de enormes volúmenes de datos. Estas representaciones pueden ajustarse posteriormente con pocos ejemplos, ampliando el acceso a capacidades avanzadas de inteligencia artificial.  No obstante, estos avances también plantean desafíos importantes. La complejidad de modelos con millones o incluso miles de millones de parámetros dificulta comprender cómo llegan a sus decisiones, lo que ha abierto debates sobre explicabilidad y posibles sesgos algorítmicos. Aunque existen técnicas de interpretación, aún persiste una distancia significativa entre capacidad predictiva de estos sistemas y la claridad con la que pueden explicarse sus resultados. A ello se suma la elevada demanda computacional de estas arquitecturas, cuyo entrenamiento requiere infraestructuras intensivas que generan un considerable consumo energético. Esta realidad plantea preocupaciones de sostenibilidad y ha impulsado investigaciones para desarrollar modelos más eficientes y responsables. Desde una perspectiva más amplia, el aprendizaje profundo no solo representa una innovación técnica, sino una nueva forma de aproximarse al conocimiento computacional. Ofrece un marco experimental para estudiar cómo las máquinas construyen representaciones internas del mundo y plantea interrogantes fundamentales sobre la naturaleza del aprendizaje, la generalización y la relación entre arquitectura, datos y significado.  En definitiva, el aprendizaje profundo no representa una mejora incremental, sino una reconceptualización radical de la representación computacional del conocimiento. Sus arquitecturas, combinadas con grandes volúmenes de datos y capacidad de procesamiento, han ampliado exponencialmente el alcance de la inteligencia artificial aplicada. Al mismo tiempo, abren desafíos teóricos, éticos y regulatorios que definirán su evolución y regulación durante las próximas décadas.

El compromiso tomado con el gobierno de Donald Trump se da en medio de quejas de los consumidores por el incremento en sus tarifas eléctricas y negativas de algunos pueblos hacia la apertura de nuevos datacenters. Amazon, Google, Meta, Microsoft, OpenAI, Oracle y xAI firmaron un acuerdo con la administración estadounidense para asumir los costos que impliquen el desarrollo de nueva infraestructura necesaria para la generación eléctrica que permita el funcionamiento de sus centros de datos; esto con el fin de que no sean los usuarios los que paguen esas facturas. En Estados Unidos se está dando un crecimiento exponencial de centros de datos debido a los avances y mayor uso de la IA, tecnología que requiere de un alto consumo eléctrico. Esto incluso ha generado que en algunas zonas la demanda sobre pase la capacidad de generación eléctrica, al menos así lo ha advertido un informe de Harvard Kennedy School. En ese mismo documento destaca que los centros de datos podrían llegar a representar hasta el 12% del consumo total de electricidad de los Estados Unidos en 2028. Esas son proyecciones a futuro; sin embargo, hay repercusiones que ya se están generando. Datos de la Administración de Información Energética de Estados Unidos señalan que los precios de la energía residencial aumentaron un 6% y se espera que la tendencia al alza se mantenga. El incremento en las facturas ha generado un rechazo por parte de la población a la creación de más centros de datos en sus zonas residenciales. Con la firma del "Compromiso de protección a los contribuyentes" las siete compañías firmantes se comprometen a pagar toda la infraestructura necesaria para producir la energía requerida por sus centros de datos y la energía conectada a la red, incluso si no la utilizan. El presidente de los Estados Unidos cree que con esta nueva medida el terreno ahora está balanceado. "La gente piensa que, si se instala un centro de datos, sus precios de la electricidad van a subir, y eso no está ocurriendo. No va a ocurrir, y en las zonas en las que ha ocurrido, ya no volverá a ocurrir. Algunos centros fueron rechazados por las comunidades por eso, y ahora creo que va a ser justo lo contrario" expresó el mandatario. Lo que aún no queda claro es cómo la administración se asegurará de que las compañías cumplan con el trato. Puede interesarle: La paradoja del training data: la IA elimina a los ingenieros que la entrenaron

Un colaborador de Mapfre obtuvo el premio nacional con un plan para ampliar la penetración del seguro de vida y modernizar el sector. La baja penetración del seguro de vida en Panamá continúa siendo uno de los principales desafíos del sector asegurador. Aunque el mercado muestra niveles de densidad superiores al promedio regional, la cobertura sigue concentrada en un segmento reducido de la población , lo que abre un amplio margen de crecimiento y modernización. En ese contexto, una propuesta centrada en innovación, educación financiera y digitalización fue reconocida como la mejor del sector en el marco del Concurso Nacional del Seguro. El autor del plan, Juan Ortega, jefe de Procesos y Transformación de Mapfre Panamá, recibió un premio nacional por el impacto estratégico de su iniciativa. La propuesta aborda un reto estructural: la penetración del seguro de vida en Panamá se sitúa en torno al 2.3% del Producto Interno Bruto, según datos de la Superintendencia de Seguros y Reaseguros de Panamá. Si bien la densidad del seguro alcanza aproximadamente US$330  por persona al año, esta cifra se concentra en pólizas de altos montos asegurados contratadas por una parte limitada de la población. Con base en tres pilares —educación, innovación de productos y digitalización— el plan propone acciones concretas para cerrar brechas de conocimiento financiero, desarrollar productos más personalizados y facilitar la contratación a través de canales digitales. Entre sus metas se plantea incrementar en 15% el número de pólizas de vida activas en los próximos dos años, lograr que el 40%  de las nuevas pólizas se contraten en línea y alcanzar a 100 mil personas mediante programas de educación financiera. “El seguro de vida sigue siendo percibido como algo lejano o costoso.  Esta propuesta busca cambiar esa percepción y conectar con las verdaderas necesidades de las personas”, afirmó Ortega al referirse al enfoque inclusivo del proyecto. El comité evaluador, conformado por expertos del sector asegurador y académico, describió el trabajo como “robusto, bien detallado y con visión transformadora”, destacando su potencial de replicabilidad en el mercado local.  El reconocimiento fue otorgado por APADEA, entidad que impulsa el Concurso Nacional del Seguro para fomentar la investigación y el desarrollo estratégico entre colaboradores de sus aseguradoras miembro. El galardón consiste en una beca completa para cursar una especialización en seguros en la Universidad Externado de Colombia , un programa interdisciplinario presencial en Bogotá orientado a fortalecer la formación técnica y estratégica en el sector. La propuesta también identifica barreras estructurales como el bajo nivel de educación financiera, la limitada oferta de productos con valor agregado, canales aún poco digitalizados y la necesidad de incentivos fiscales y regulatorios  que impulsen una mayor adopción del seguro de vida. Para Mapfre Panamá, este reconocimiento reafirma su compromiso con el desarrollo del mercado asegurador y con la protección de más familias panameñas. La compañía cuenta con más de 243 mil clientes, 800 corredores, 9 oficinas y 375 colaboradores,  apoyados por una red de más de 1.000 proveedores. Además, se ubica en el puesto 45 del Ranking Merco Panamá 2025, consolidando su posicionamiento en el país. Le puede intere sar: El mercado global de smartphones encara la mayor caída histórica e n 2026

La compañía afirma que esta versión logró reducir los errores factuales en un 33%; tiene un enfoque empresarial con el que buscan que la IA se convierta en un aliado en los procesos de producción y, al mismo tiempo, ir encaminando a las compañías hacia los agentes IA. OpenAI anunció el lanzamiento de GPT‑5.4, una nueva versión de su modelo de inteligencia artificial que se centra en mejorar las tareas profesionales, análisis de información y automatización de procesos digitales. Según la compañía, en temas de efectividad esta versión supera la anterior en un 87,3% frente al 68,4% y logró reducir los errores factuales en un 33%. Sin embargo, aún se mantienen las limitaciones en tares complejas y requiere configuraciones específicas para automatizaciones. Este nuevo lanzamiento también forma parte de la familia de Chat GPT, por lo cual está muy enfocado a la eficiencia en temas laborales, procesar grandes volúmenes de información y redacción de documentos; esto con el fin de que la IA se convierta en un aliado del ser humano en tareas que normalmente demandarían mucho tiempo. Una de las principales novedades de GPT-5.4 es su ventana de contexto ampliada, que puede manejar hasta un millón de tokens. En términos prácticos, esto significa que el modelo puede analizar documentos mucho más largos sin perder coherencia o continuidad en las respuestas. Además, también se traduce en una disminución de costos para las organizaciones que integran la IA en sus procesos productivos debido a que se requiere cada vez menos pasos computacionales para resolver problemas. Con este lanzamiento OpenAI también da a las compañías un nuevo "empujon" para que se animen a implementar Agentes AI, pues el modelo trasciende de responder preguntas a ejecutar soluciones. GPT-5.4 fue diseñado para interpretar interfaces digitales y colaborar en tareas que involucran múltiples herramientas. Por ejemplo, podría ayudar a organizar documentos, recopilar información desde distintos programas o ejecutar procesos dentro de un flujo de trabajo digital. Lea también: El dispositivo de IA que está diseñando OpenAI es... ¿una pluma?

La Corte Suprema de Estados Unidos se niega a tener dicha disputa. La Corte Suprema de Estados Unidos ni siquiera quiso escuchar los argumentos de un científico informático de Missouri que reclama los derechos de autor sobre una obra llamada "Una entrada reciente al paraíso", creada por su tecnología de inteligencia artificial "DABUS". El caso se remonta a 2022, cuando Stephen Thaler solicitó el registro federal de la imagen que mostraba unas vías de tren entrando a un portal rodeado de plantas. En ese momento la Oficina de Derechos de Autor negó su solicitud aludiendo que debía haber un creador humano que pueda adquirir dichos derechos. Esa no era la primera vez que dicho ente estatal daba una negativa a solicitudes de este tipo. Anteriormente había respondido de manera negativa solicitudes de artistas que había creado piezas por medio de IA Midjourney. La diferencia con Thaler es que ellos argumentaban haber creado las piezas con ayuda de la IA, mientras que el informático decía que su sistema había creado la imagen de manera independiente. Volviendo al caso, la sentencia dada por la Oficina de Derechos de Autor fue respaldada por una jueza federal de Washington en 2023 y posteriormente por el Tribunal de Apelaciones para el Circuito del Distrito de Columbia en 2025. Fue luego de estas negativas que Thaler quiso acudir a la Corte Suprema, sin embargo, la administración del presidente Trump la había instado a ni siquiera escuchar los argumentos. Según Thaler, su caso es de vital importancia ante el alto crecimiento que está teniendo la IA generativa. Puede interesarle: Campaña contra el arte generado por inteligencia artificial

Un informe de Logicalis revela que el 96% de los CIO gastan más en IA pero ni siquiera la mitad de ellos se preocupa por las repercusiones ambientales que esto tiene. Los buenos resultados de la IA en temas como análisis predictivo, previsión basada en datos y mejoras en servicio al cliente parece haber lanzado a los CIO de las compañías a una carrera por quién invierte más en esta tecnología. Los resultados del Informe Anual de CIO de Logicalis revela que de 1.000 CIOs entrevistados en todo el mundo, el 98% afirma haber incrementado de manera importante la inversión de sus empresas en IA. Sin embargo, parece que esa inversión no dará frutos tan provechosos como se espera. El mismo documento destaca que el 89% de los CIO tiene una cultura de "aprender sobre la marcha" y no poseen la infraestructura, conocimiento ni equipo técnico para gestionar dicha inversión. De hecho, el 62% de las organizaciones cree estar comprometiendo su gobernanza por falta de conocimiento y aún peor, el 76% de los CIO afirma que una de sus preocupaciones la implementación de la IA sin control. Es por esta razón que Logicalis hace la advertencia de que esta situación podría estar frenando la siguiente fase de la IA en el ámbito empresarial y que gran parte de las compañías que han adquirido la tecnología no pasarán de la fase de implementación. "Lo que observamos de los CIO es claro: la ambición en IA es alta, pero el verdadero desafío es convertirla en algo escalable y seguro. La oportunidad ahora reside en ayudar a las organizaciones a pasar de la experimentación a una capacidad fiable y gobernada. La IA avanza a una velocidad que la mayoría de las organizaciones pueden controlar con comodidad. En el mercado estadounidense, especialmente, el éxito se logrará ayudando a los CIO a equilibrar la velocidad con la seguridad, la responsabilidad y la resiliencia a largo plazo", Jon Groves, director ejecutivo de Logicalis US. Hay otro aspecto a tomar en cuenta que el informe menciona y no es de menor importancia: el tema ambiental. Solo el 39% dice tener seguridad sobre la gestión que hace su compañía para disminuir el impacto ambiental de la IA; un asunto sin duda preocupante tomando en cuanta que a mayor dependencia de la IA tenga la empresa, mayor es su impacto energético. Le puede interesar: Cómo la IA está redefiniendo la tecnología empresarial

Un nuevo estudio revela que el 60% de compañías consideran este punto como prioridad, pero avanzan poco hacia la meta por temas de producción y capacidad. La adopción de agentes de inteligencia artificial (IA) en entornos empresariales ha pasado de ser una idea futurista a convertirse en una realidad tangible dentro de muchas organizaciones globales. Según el reciente informe de The State of Agentic AI Report, 60% de las empresas encuestadas ya ejecutan agentes de IA en entornos de producción y lo consideran como una prioridad estratégica para la mejora de procesos y la optimización operativa. Pese a que las prioridades parecen estar claras, hay varios aspectos que han impedido que los agentes pasen de labores de operaciones de ingeniería y TIa un papel protagonista. Los principales son la seguridad (al menos para el 40% de las compañías) y la complejidad operativa (para el 48% de las empresas). Los retos técnicos son evidentes; además, en temas de gobernanza las compañías quieren estar seguras que la tecnología que aplican sea confiable y exigen auditorías cada vez más rigurosas. Según analistas del sector, cada agente de IA en producción debería tratarse como una identidad con privilegios dentro de la organización, con controles tan rigurosos como los aplicados a cuentas de usuario humano. Mientras las compañías afinan estos dos aspectos experimentan la implementación en áreas que ya muestran buenos resultados, las más comunes son DevOps y operaciones de desarrollo, automatización de seguridad y optimización de procesos internos. Lea también: La era de los agentes de IA: ¿estamos listos para su impacto en el trabajo?

Claude Code lanzó un modo de voz, lo que hará más sencilla la tarea a los programadores. Es un nuevo hito en la comunicación entre humano-computadora. No es un secreto que a los seres humanos se les hace más fácil describir tareas complejas hablando que escribiendo. Bajo esa premisa es que Anthropic implementó en Claude Code su primer modo de voz que con tan solo dejar presionada la barra espaciadora graba el mensaje y al soltarla lo transmite a la posición del cursor en tiempo real. El texto transcrito de la voz se emitirá en tiempo real, sin las molestas sobrescrituras ni reemplazo de palabras; lo mejor de todo es que los tokens de transcripción son completamente gratuitos y quienes lo usen podrán hablar todo lo que quieran. Este modo de voz no viene a sustituir el teclado, sino más bien a complementarlo. Por ejemplo, puedes presionar la barra espaciadora, hablar, soltarlo y luego seguir escribiendo. Se pretende que el modelo sea de ayuda para las tareas diarias de un programador al que escribir una solución a una situación compleja puede tardar hasta cinco minutos mientras de decirla menos de un minuto. Actualmente, el modelo se encuentra en la fase de pruebas. Sin embargo, ya hay retroalimentación de los primeros usuarios. Para ellos, funciones como depurar, hablar de arquitectura o simplemente avanzar en sus funciones mientras no están frente a la computadora hace que el modelo se vea prometedor. ¿Y qué pasa del otro lado? En una acción que parece ser de mutuo acuerdo, Codex de OpenAI agregó una solución similar: mantenga presionada la barra espaciadora para grabar, suéltela para transcribir y el texto se ingresará directamente en la interfaz del terminal. Este modelo parece ser el complemento del trabajo que se viene realizando desde el 2024 cuando Cursor popularizó la escritura de código impulsada por IA o el de 2025, cuando Claude Code y Codex hicieron posible que los agentes de IA codificaran de forma autónoma. Puede interesarle: La otra cara de la programación con IA

Forma parte de la línea de bajo costo junto al iPhone 17e anunciado también este mes. Es, además, el producto más amigable con el ambiente lanzado por la marca. Tal y como se especulaba luego del lanzamiento del iPhone 17e días atrás, Apple finalmente anunció su nueva MacBook Neo, la primera en su línea que funciona con el chip de un iPhone, el A18 que había debutado en la línea Pro en 2024. La compañía afirma que su nueva PC de bajo costo tiene la capacidad de ser un 50% más rápida en las tareas diarias que la computadora más vendida con el último Intel Core 5 y aumentar hasta tres veces más su velocidad en cargas de trabajo IA. El precio inicial de venta está fijado en US$599 con 256 GB de almacenamiento o 512 GB de almacenamiento y el Magic Keyboard con Touch ID por US$699. Los colores disponibles son plateado, índigo, rubor y cítrico. La MacBook Neo cuanta con una pantalla Liquid Retina de 13 pulgadas, dos puertos USB-C, uno USB-C2 y un tercero USB-C3 compatible con velocidades de hasta 10 Gbps y por supuesto su respectiva entrada para audífonos. Un aspecto importante para los usuarios es el tema de la batería, Apple asegura con esta PC una duración de 16 horas. Además de ser la Mac de menor costo hasta el momento, la compañía afirma que también es de las más amigables con el ambiente, pues incorpora 60% de materiales reciclados. Le puede interesar: Estas son las novedades que trae el nuevo iPhone 17e

Ese tiempo promedio disminuyó un 65% en comparación con el año anterior. Piratas equipados con IA aumentan un 89% cada año. El Informe Global de Amenazas de CrowdStrike 2026 pone en alerta a las empresas sobre lo vulnerable que es su información y lo rápido que puede ser sustraída. Los ciberdelincuentes necesitan tan solo 29 minutos para moverse en las redes corporativas, y ese tiempo promedio disminuyó un 65% en comparación con el año anterior. La rápida acción de estos piratas se logra gracias al uso de inteligencia artificial generativa (GenIA), según el informe, la cantidad de delincuentes armados con esta tecnología incrementa un 89% cada año. Con esta herramienta los piratas logran inyectar mensajes maliciosos hasta en 90 organizaciones al mismo tiempo, a través de ellos pueden robar credenciales de inicio de sesión y enviar criptomonedas. En el caso de las compañías con plataformas de desarrollo de IA, las utilizan para establecer persistencia e implementar ransomware. La IA es a la vez arma y aliado, pues según el informe fue lo que permitió que el 42% de las vulnerabilidades se explotaran antes de que se divulgaran públicamente. “El tiempo de fuga es la señal más clara de cómo ha cambiado la intrusión. Los adversarios pasan del acceso inicial al movimiento lateral en minutos. La IA acorta el tiempo entre la intención y la ejecución, convirtiendo los sistemas de IA empresariales en objetivos. Los equipos de seguridad deben operar más rápido que el adversario para ganar”, explica Adam Meyers, jefe de operaciones antiadversario de CrowdStrike. El informe advierte que la actividad de los piratas informáticos chinos y norcoreanos fue la que más incrementó (un 38% el año pasado). Le puede interesar: Hackers utilizan Claude Code en un ciberataque contra el gobierno mexicano