Un error en el firmware de las billeteras físicas Coldcard permitió a atacantes reconstruir frases semilla y vaciar miles de direcciones de Bitcoin. El incidente, que ya supera los US$130 millones en pérdidas potenciales, pone en duda uno de los pilares de la industria cripto: que almacenar activos fuera de internet es sinónimo de seguridad. La mayor promesa de una billetera de hardware siempre ha sido simple: mantener las claves privadas completamente aisladas de internet. Durante años, esa premisa convirtió a los dispositivos "cold storage" en el estándar de oro para inversionistas institucionales y usuarios con grandes patrimonios en criptomonedas. Sin embargo, un ataque que ya supera los US$130 millones en pérdidas potenciales demuestra que el eslabón más débil puede no ser la conexión a internet, sino el propio software que genera las claves criptográficas. Según informó TechCrunch, un grupo de atacantes explotó una vulnerabilidad presente en determinadas versiones del firmware de las billeteras Coldcard, fabricadas por la empresa canadiense Coinkite. La falla comprometía el proceso de generación de las frases semilla, el conjunto de palabras que constituye la llave maestra para recuperar una billetera y acceder a los fondos almacenados. Galaxy Research identificó tres oleadas confirmadas del ataque, junto con otros 14 incidentes relacionados. En conjunto, la firma tiene un alto nivel de confianza de que fueron robados 1.596 bitcoins distribuidos en aproximadamente 7.300 direcciones. Si una cuarta ola, que todavía permanece bajo investigación, termina confirmándose, las pérdidas ascenderían a unos 2.055 bitcoins, equivalentes a más de US$130 millones con los precios actuales del mercado. El crecimiento de las pérdidas ha sido vertiginoso. Las primeras estimaciones hablaban de alrededor de US$38 millones. Días después, los cálculos aumentaron hasta US$88,6 millones y posteriormente superaron la barrera de los US$100 millones, mientras continúan apareciendo nuevas víctimas cuyos fondos permanecían inmóviles desde hace años. Lo más inquietante para la industria es que el ataque no necesitó vulnerar directamente los dispositivos físicos ni comprometer computadoras mediante malware tradicional. El problema residía en la generación de la entropía, el componente aleatorio indispensable para crear frases semilla impredecibles. Al reducirse esa aleatoriedad, un atacante con suficientes recursos podía reconstruir las claves privadas sin necesidad de tener acceso físico a la billetera. Coinkite publicó una actualización de firmware para evitar que el problema afecte a nuevas billeteras, pero reconoció que quienes generaron sus frases semilla utilizando versiones vulnerables deberán crear una billetera completamente nueva y trasladar inmediatamente sus activos. Instalar únicamente la actualización no elimina el riesgo para las billeteras ya creadas. La compañía también pidió a sus clientes actuar con rapidez mientras continúa colaborando con investigadores y autoridades. El episodio representa uno de los golpes más importantes sufridos por el ecosistema de autocustodia de Bitcoin. Durante años, el discurso dominante sostenía que las billeteras offline eliminaban prácticamente todos los riesgos asociados con los ataques informáticos. La realidad es bastante más compleja. La seguridad de estos dispositivos depende de múltiples capas: el hardware, el firmware, la calidad de la criptografía implementada y la generación de números verdaderamente aleatorios. Si cualquiera de esos componentes falla, el hecho de permanecer desconectado de internet deja de ser suficiente. Investigaciones académicas ya habían advertido este escenario desde hace años. Diversos estudios demostraron que incluso sistemas completamente aislados pueden comprometer claves privadas mediante errores criptográficos, canales laterales o implementaciones defectuosas del software encargado de proteger los activos digitales. El caso Coldcard también revela otro cambio profundo en el panorama de la ciberseguridad. Conforme aumentan las capacidades de análisis automatizado del código y las herramientas impulsadas por inteligencia artificial, los errores criptográficos que antes podían permanecer ocultos durante años ahora pueden ser identificados y explotados con mucha mayor rapidez. La ventaja temporal entre quienes descubren una vulnerabilidad y quienes la utilizan con fines maliciosos se reduce constantemente. Paradójicamente, la filosofía de la autocustodia, resumida en el lema "Not your keys, not your coins", también implica asumir toda la responsabilidad sobre la protección de esos activos. A diferencia del sistema bancario tradicional, donde una institución puede responder por determinados fraudes, en el universo de Bitcoin la pérdida de una clave privada suele traducirse en una pérdida definitiva. La magnitud del incidente probablemente obligará a fabricantes de billeteras físicas a revisar sus procesos de auditoría, aumentar la transparencia sobre la generación de claves criptográficas y reforzar los mecanismos de verificación independientes antes del lanzamiento de nuevas versiones de firmware. La confianza, uno de los activos más valiosos dentro del ecosistema de autocustodia, acaba de recibir uno de sus golpes más severos desde la creación de las billeteras de hardware. Vea también: Por qué la ciberseguridad debe ocupar un lugar central en la agenda de los gobiernos

Entre la percepción de los altos costos y la adopción masiva por inercia, las empresas latinoamericanas enfrentan una encrucijada digital: aunque casi el 100% utiliza herramientas tecnológicas, según el Instituto Nacional de Estadística de México (INEGI), solo el 15% consigue rentabilizarlas mediante una estrategia formal. Datos revelados por la Comisión Económica para América Latina y el Caribe (Cepal), muestran que las empresas latinoamericanas que adoptan una ruta digital formal ven crecer su base de clientes hasta 20%, mientras que aquellas atrapadas en procesos analógicos se estancan con crecimientos marginales del 8% anual. Estos datos ponen al descubierto la brecha entre la simple digitalización y la generación de valor real para los negocios, en una región donde los empresarios perciben el costo de las herramientas tecnológicas como una barrera financiera inalcanzable y en donde la inversión en soluciones se asume erróneamente como un lujo reservado para los gigantes corporativos. La inacción digital no es un ahorro; es el gasto hormiga más destructivo para un negocio. Calcular el costo de "no invertir" es un ejercicio de matemática simple y dolorosa, que solo resulta, al final del día, en contabilizar las horas que los colaboradores permanecen conectados e interactúan con sus plataformas de comunicación (incluidas las redes sociales siempre presentes), frente a los resultados reportados. El impacto real va más allá de las ventas perdidas. Una MiPyme que gestiona sus inventarios en papel, agenda citas de forma manual o ignora la analítica de datos, paga un precio altísimo en "horas-hombre" desperdiciadas, errores y mala atención de sus clientes. La maduración del mercado de soluciones tecnológicas ha dado paso a modelos accesibles y democratizados que eliminan las barreras financieras para la modernización empresarial. En este escenario, proveedores globales como Zoho Corporation han desarrollado catálogos modulares diseñados para organizaciones de todos los tamaños, destacando sus versiones gratuitas para microempresas que inician operaciones. Estos planes sin costo permiten gestionar relaciones con clientes, facturación y soporte técnico desde el primer día, facilitando la estructuración de los procesos operativos sin inversión inicial en licencias. Además, la consolidación de paquetes integrales bajo modelos de suscripción mensual por usuario ha simplificado el acceso a herramientas avanzadas para las pequeñas y medianas empresas. Mediante plataformas como Zoho One o Zoho CRM, las organizaciones pueden disponer de más de 45 aplicaciones empresariales interconectadas. Este enfoque centralizado no solo reduce significativamente los costos operativos al evitar la adquisición de software independiente por separado, sino que también promueve una gestión digital eficiente e integrada. Una de las mayores ventajas económicas es que las MiPymes no están obligadas a comprar un sistema gigantesco desde el inicio. Pueden empezar digitalizando una sola área (por ejemplo, la contabilidad o las ventas), y expandir el uso de software hacia inventarios, recursos humanos o analítica de datos a medida que el negocio crezca y genere más ingresos. Le puede interesar: La IA agéntica exige que las empresas reinventen su modelo de negocio, no solo automaticen tareas

La programación asistida por inteligencia artificial está acelerando el desarrollo de software, pero también está generando nuevos riesgos de calidad y confiabilidad. Algunos sostienen que la siguiente etapa ya no consiste en generar código más rápido, sino en crear mecanismos para que la IA aprenda del comportamiento real de las aplicaciones en producción. La inteligencia artificial ya escribe código. Lo hace cada vez más rápido, con mayor autonomía y con una capacidad que hace apenas dos años parecía inalcanzable. Sin embargo, el cuello de botella ya no está en producir software, sino en comprender cómo ese software se comporta una vez que entra en funcionamiento. Ese es el argumento central del nuevo análisis publicado por Dynatrace, que plantea una transición desde el denominado "vibe coding" hacia una disciplina mucho más rigurosa: la ingeniería de software asistida por inteligencia artificial. El término "vibe coding" describe un enfoque en el que los desarrolladores, o incluso personas sin experiencia técnica, utilizan modelos de IA para generar aplicaciones mediante instrucciones en lenguaje natural. La velocidad aumenta considerablemente, pero también lo hacen los riesgos derivados de errores que permanecen ocultos hasta que el software entra en producción. Dynatrace cita investigaciones de CodeRabbit que indican que las solicitudes de incorporación de cambios (pull requests) generadas por inteligencia artificial presentan tasas más elevadas de determinados defectos que aquellas escritas por desarrolladores humanos. Durante décadas, el ciclo tradicional del desarrollo seguía una secuencia relativamente lineal: planificar, programar, desplegar, probar y observar. Con la llegada de agentes autónomos capaces de escribir código prácticamente sin intervención humana, ese modelo deja de ser suficiente. Dynatrace propone cerrar el ciclo para que la información obtenida durante la operación del software vuelva automáticamente al modelo de inteligencia artificial. El flujo pasa a convertirse en un proceso continuo: Planificar, programar, desplegar, probar, observar y utilizar esas observaciones para planificar nuevamente. En otras palabras, la IA deja de ser únicamente un generador de código para transformarse en un sistema que aprende constantemente del comportamiento real de las aplicaciones. La observabilidad se convierte en una habilidad La empresa sostiene que la observabilidad deja de ser una función exclusiva de los equipos de operaciones para convertirse en una competencia esencial del desarrollo moderno. Los agentes necesitan acceder a herramientas capaces de consultar registros, métricas, trazas y eventos de producción. Solo así pueden comprender por qué una aplicación falla y corregir automáticamente los problemas detectados. Para ello, Dynatrace impulsa el uso de dtctl, una interfaz de línea de comandos de código abierto inspirada en kubectl, diseñada para que los agentes de IA puedan consultar datos de observabilidad directamente desde la plataforma. El análisis coincide con una tendencia que empieza a consolidarse en la industria. Las organizaciones están descubriendo que generar software mediante IA es relativamente sencillo; mantener ese software funcionando de manera confiable resulta mucho más complejo. Diversos estudios recientes muestran que los equipos de alto desempeño aplican controles iguales o incluso más estrictos al código generado por inteligencia artificial que al desarrollado manualmente. La supervisión humana continúa siendo un componente esencial para evitar errores en producción. En paralelo, investigaciones académicas también apuntan en la misma dirección. Diversos trabajos publicados este año concluyen que los modelos colaborativos entre desarrolladores e IA producen mejores resultados en pruebas y aseguramiento de calidad que los flujos completamente automatizados, donde las decisiones del modelo pueden introducir comportamientos no previstos. Lea también: LinkedIn declara la guerra al "AI slop" mientras la inteligencia artificial inunda los feeds profesionales

La escasez de memoria y silicio está retrasando la entrega de MacBook Air, pero Apple parece haber encontrado una oportunidad para amortiguar el impacto. La compañía acelera una estrategia basada en suscripciones de hardware y avanza en una nueva generación de gafas inteligentes orientadas al bienestar, dos movimientos que muestran cómo la inteligencia artificial está cambiando tanto la cadena de suministro como el modelo de negocio del fabricante del iPhone. La inteligencia artificial está obligando a Apple a reinventar más que sus productos. Está transformando la manera en que vende hardware y la forma en que imagina la siguiente plataforma informática después del smartphone. De acuerdo con Bloomberg, Apple avanza hacia una estrategia en la que el hardware dejará de ser una compra ocasional para convertirse en un servicio recurrente. La apuesta gira alrededor de Apple Upgrade, un programa de suscripción que busca facilitar el acceso a dispositivos cada vez más costosos mediante pagos mensuales, mientras la empresa prepara una nueva generación de gafas inteligentes con funciones relacionadas con salud y bienestar. El cambio ocurre en un momento especialmente complejo para la industria tecnológica. La creciente demanda de memoria DRAM y componentes avanzados para inteligencia artificial ha provocado una escasez global que ya afecta la disponibilidad de varios productos de Apple. Bloomberg señala que los MacBook Air experimentan importantes retrasos en sus entregas debido a la falta de memoria y silicio. La compañía incluso está promoviendo el MacBook Pro como alternativa para algunos compradores, una situación poco habitual para una línea que históricamente ha sido uno de los equipos más populares del catálogo. La presión sobre la cadena de suministro ya comenzó a reflejarse en los resultados financieros. Durante la presentación de resultados del tercer trimestre fiscal, Apple informó ingresos por 109.400 millones de dólares. Las ventas del iPhone crecieron 22% y las de Mac aumentaron 29%, hasta alcanzar un récord de 10.350 millones de dólares. Sin embargo, la empresa advirtió que las restricciones de suministro se intensificarán durante el siguiente trimestre y que los costos de memoria seguirán aumentando. Ese contexto explica por qué Apple parece estar modificando la lógica de consumo de sus dispositivos. Según Bloomberg, un iPhone plegable con un precio superior a los 2.000 dólares puede resultar difícil de vender mediante una compra tradicional, pero una cuota mensual cercana a los 60 o 70 dólares cambia por completo la percepción del consumidor. La estrategia recuerda más al modelo utilizado por plataformas de streaming o fabricantes de automóviles que al negocio histórico de la electrónica de consumo. El movimiento también tiene una lectura financiera. Los ingresos por servicios ya representan uno de los negocios más rentables de Apple y superaron los 30.700 millones de dólares durante el trimestre, mientras la compañía contabiliza más de 1.500 millones de suscripciones activas. Llevar esa lógica al hardware permitiría estabilizar ingresos incluso cuando las ventas unitarias enfrenten ciclos más lentos o problemas de abastecimiento. Pero la otra gran apuesta está en el rostro del usuario. Bloomberg revela que Apple trabaja para convertir sus futuras gafas inteligentes y visores en dispositivos orientados a la salud. La empresa incluso busca un responsable que defina las futuras experiencias de bienestar, condición física y monitoreo sanitario para esta familia de productos. La decisión representa una evolución de una estrategia que Apple viene construyendo desde hace años con el Apple Watch, cuya propuesta de valor dejó de centrarse únicamente en las notificaciones para convertirse en una plataforma de monitoreo de salud. Ahora la inteligencia artificial aparece como el ingrediente que podría ampliar ese ecosistema hacia dispositivos capaces de interpretar el entorno visual del usuario, comprender contexto y ofrecer asistencia permanente. No es un camino exclusivo de Apple. Meta ya consolidó una posición relevante con sus gafaf inteligentes Ray-Ban, mientras OpenAI también explora dispositivos diseñados específicamente para inteligencia artificial. Apple, sin embargo, busca diferenciarse integrando capacidades de salud, una categoría donde ya posee experiencia regulatoria y un ecosistema consolidado. El verdadero mensaje detrás de estas iniciativas va más allá de unas gafas o de una suscripción. La inteligencia artificial está elevando el costo de fabricar tecnología. La competencia por memoria, chips especializados y capacidad de producción está modificando toda la economía del hardware. En ese escenario, vender un dispositivo una sola vez deja de ser tan atractivo como mantener una relación continua con el cliente durante varios años. La próxima gran transformación de Apple podría no consistir en fabricar el siguiente dispositivo revolucionario, sino en convencer a millones de personas de que ya no necesitan comprar uno. Bastará con pagar una cuota mensual. Lea más informaciones aquí: La factura oculta de la IA: el billón de dólares que las tecnológicas trasladan a sus clientes

La digitalización de los servicios públicos ha transformado la relación entre los ciudadanos y el Estado, pero también ha ampliado la superficie de ataque para el cibercrimen. En un contexto de amenazas cada vez más sofisticadas, proteger la infraestructura digital gubernamental dejó de ser una cuestión técnica para convertirse en un requisito indispensable para garantizar la continuidad de los servicios, la confianza pública y la seguridad nacional. Durante décadas, la ciberseguridad fue considerada una responsabilidad casi exclusiva de las áreas de tecnología. Hoy esa visión quedó obsoleta. En la medida en que los gobiernos trasladan cada vez más servicios al entorno digital, administran enormes volúmenes de información ciudadana y automatizan procesos críticos, los riesgos asociados a un ciberataque trascienden ampliamente el ámbito informático. Un ataque exitoso contra una institución pública puede paralizar hospitales, afectar la recaudación tributaria, interrumpir sistemas de transporte, comprometer procesos electorales o exponer información sensible de millones de personas. En otras palabras, la ciberseguridad pasó a ser un componente esencial de la gobernanza. El desafío no es menor. Según el informe IBM X-Force Threat Intelligence Index 2025, casi la mitad de los ciberataques analizados durante 2024 terminaron con el robo de datos o credenciales, mientras que el abuso de identidades digitales se consolidó como una de las principales puertas de entrada para los atacantes. Además, los correos electrónicos utilizados para distribuir programas destinados al robo de credenciales crecieron un 84 % respecto del año anterior. Estos números muestran una tendencia clara: los ciberdelincuentes ya no dependen únicamente de sofisticados ataques técnicos. Cada vez explotan más las identidades digitales, las configuraciones incorrectas, las credenciales filtradas y las vulnerabilidades conocidas que permanecen sin corregir. Un Estado cada vez más digital… y más expuesto Los gobiernos de todo el mundo aceleraron sus procesos de transformación digital durante los últimos años. Trámites en línea, expedientes electrónicos, identidad digital, plataformas tributarias, sistemas de salud conectados e iniciativas de ciudades inteligentes forman parte de una agenda que busca mejorar la eficiencia del Estado y ofrecer mejores servicios al ciudadano. Sin embargo, esa misma transformación incrementa la superficie de exposición. Cada nuevo portal, aplicación móvil, API o plataforma interoperable representa un potencial punto de ingreso para un atacante si no cuenta con los controles adecuados. La evolución reciente de las amenazas demuestra que los delincuentes también están innovando. El IBM X-Force Threat Intelligence Index 2026 señala que los ataques iniciados mediante la explotación de aplicaciones expuestas a Internet crecieron un 44 % en un año y que la explotación de vulnerabilidades ya representa el principal vector de ataque observado por sus equipos de respuesta a incidentes. Esta realidad obliga a abandonar una visión reactiva de la seguridad. Esperar a que ocurra un incidente para actuar resulta cada vez más costoso y peligroso. Cuando un ataque afecta a todo un país La diferencia entre un ataque contra una empresa y uno dirigido al sector público radica en su impacto social. Mientras una organización privada puede sufrir pérdidas económicas, una institución gubernamental comprometida puede dejar sin atención médica a miles de personas, impedir el pago de jubilaciones, interrumpir servicios de emergencia o bloquear sistemas de justicia. En muchos países, además, buena parte de la infraestructura crítica depende directa o indirectamente de sistemas digitales administrados por organismos públicos o empresas estatales. Por esa razón, organismos internacionales consideran que la resiliencia digital forma parte de la seguridad nacional. El problema se vuelve todavía más complejo cuando intervienen grupos criminales organizados o actores patrocinados por Estados, cuyo objetivo no siempre es económico. En numerosos casos buscan obtener información estratégica, generar inestabilidad política o afectar la confianza de la población en las instituciones. La confianza también se protege La transformación digital del Estado depende de un elemento que suele pasar desapercibido: la confianza ciudadana. Los ciudadanos aceptan compartir información personal, realizar trámites digitales o utilizar identidades electrónicas únicamente si perciben que sus datos estarán protegidos. La OCDE, en su Digital Government Outlook 2026, advierte precisamente sobre este desafío. Apenas el 52 % de las personas en los países analizados afirma confiar en que su gobierno utilizará sus datos personales únicamente para fines legítimos. El organismo concluye que el éxito del gobierno digital depende tanto de la tecnología como de la existencia de mecanismos sólidos de gobernanza, protección de datos y ciberseguridad. En consecuencia, invertir en seguridad no solo reduce riesgos técnicos. También fortalece la legitimidad de las políticas de transformación digital. La inteligencia artificial cambia las reglas del juego La inteligencia artificial está modificando profundamente el panorama de las amenazas. Así como las administraciones públicas comienzan a utilizar IA para automatizar trámites, analizar información o mejorar la atención ciudadana, los ciberdelincuentes también aprovechan estas tecnologías para acelerar sus operaciones. Las herramientas basadas en IA permiten automatizar campañas de phishing, analizar vulnerabilidades con mayor rapidez, generar código malicioso o producir contenidos falsos cada vez más convincentes. De acuerdo con IBM, la IA está reduciendo las barreras de entrada para los atacantes y acelerando la explotación de fallas conocidas, lo que incrementa la velocidad con la que se desarrollan los incidentes. Esto implica que los gobiernos deberán incorporar capacidades de detección temprana, monitoreo continuo y respuesta automatizada si pretenden mantener un nivel adecuado de protección. La ciberseguridad comienza en la gestión Uno de los errores más frecuentes consiste en considerar que la compra de nuevas herramientas resolverá el problema. La experiencia demuestra que la mayoría de los incidentes exitosos aprovecha fallas organizacionales antes que debilidades tecnológicas. Políticas de acceso deficientes, falta de autenticación multifactor, escasa capacitación del personal, infraestructura desactualizada y ausencia de planes de respuesta continúan siendo algunos de los factores más explotados por los atacantes. La ciberseguridad moderna requiere liderazgo institucional. Eso implica que ministros, directores generales, CIO, responsables jurídicos y autoridades políticas participen activamente en la definición de estrategias de gestión del riesgo, asignación presupuestaria y continuidad operacional. En otras palabras, la conversación dejó de pertenecer exclusivamente al departamento de informática. Cooperación público-privada: un requisito, no una opción Otro aspecto que gana protagonismo es la colaboración entre gobiernos, organismos multilaterales y empresas tecnológicas. La velocidad con la que evolucionan las amenazas hace prácticamente imposible que una institución pública pueda enfrentarlas de manera aislada. El intercambio de inteligencia sobre amenazas, la adopción de estándares internacionales, la capacitación permanente y el desarrollo conjunto de capacidades aparecen como factores críticos para fortalecer la resiliencia digital. Este modelo colaborativo adquiere especial relevancia en América Latina y el Caribe, donde numerosos países avanzan simultáneamente en procesos de digitalización de servicios públicos, identidad digital, interoperabilidad y automatización administrativa. Un desafío estratégico para la próxima década La transformación digital seguirá avanzando. Más servicios migrarán hacia plataformas digitales, crecerá el uso de inteligencia artificial dentro del sector público y aumentará la interconexión entre instituciones. Ese escenario ofrece enormes oportunidades para construir Estados más ágiles, eficientes y cercanos al ciudadano. Pero también exige asumir que la ciberseguridad constituye uno de los pilares sobre los que descansará ese nuevo modelo de gobierno. No se trata únicamente de evitar ataques. Se trata de garantizar la continuidad de los servicios públicos, proteger la información de millones de ciudadanos, preservar la confianza en las instituciones y asegurar que la innovación tecnológica pueda desarrollarse de manera segura y sostenible. Precisamente estos desafíos ocuparán un lugar central durante GovTech Forums, el encuentro especializado que reunirá a líderes gubernamentales, organismos multilaterales y empresas tecnológicas para debatir el futuro de la transformación digital del sector público. El evento se realizará el 3 de noviembre en el Centro de Convenciones de Costa Rica y el 12 de noviembre en el Santo Domingo Marriott, en República Dominicana. Su agenda abordará temas como gobierno digital, inteligencia artificial, ciberseguridad, protección de datos, interoperabilidad, innovación pública y transparencia, con el objetivo de impulsar gobiernos más eficientes, resilientes y centrados en el ciudadano. Para más información e inscripciones, visite: https://www.govtechforums.com/. Le puede interesar: Identidad digital: la llave para acceder a los servicios públicos del futuro

La próxima generación de inteligencia artificial promete transformar la forma en que operan las organizaciones, pero también está obligando a los líderes empresariales a replantear su estrategia. Para Geraldine Coronel, Socia de Monitor en Deloitte Centroamérica, Panamá y República Dominicana, el éxito de la IA agéntica dependerá menos de la tecnología y más de la capacidad de las empresas para rediseñar procesos. Geraldine Coronel, de Deloitte El entusiasmo que rodea a la inteligencia artificial agéntica ha llevado a muchas empresas a acelerar proyectos con la expectativa de mejorar su productividad. Sin embargo, ese impulso inicial no siempre se traduce en resultados sostenibles. Para Geraldine Coronel, uno de los errores más frecuentes consiste en abordar esta tecnología como una herramienta para automatizar tareas puntuales, cuando en realidad representa un cambio mucho más profundo en la forma en que opera una organización. "Las organizaciones que están siendo exitosas han entendido que AI agéntica no se trata de tecnología para automatizar tareas, sino que implica un cambio profundo en el negocio y su forma de operar", afirma. A su juicio, muchas compañías continúan enfocándose en automatizar procesos aislados, en lugar de replantear integralmente la manera en que funcionan sus operaciones. Otro obstáculo recurrente aparece cuando las organizaciones desarrollan proyectos piloto sin definir claramente cómo escalarán esas iniciativas o cómo obtendrán un retorno sobre la inversión. "Hay muchas organizaciones que han avanzado creando pilotos, que no tienen un caso de retorno de la inversión y una estrategia para escalar claros, lo que se traduce en cancelación de iniciativas y en un desgaste en la organización en su proceso de adopción de AI", explica. Desde su perspectiva, el éxito depende de comprender que la IA agéntica requiere una visión estratégica de largo plazo. "Es clave entender que AI Agentica requiere una visión de largo plazo, acompañada de disciplina, aprendizaje continuo y una evolución gradual de capacidades. Las organizaciones que la tratan como una transformación estratégica tienen mayores probabilidades de éxito que aquellas que la gestionan como un proyecto aislado de automatización". Coronel sostiene que las dificultades tampoco son exclusivamente tecnológicas. De hecho, considera que la dimensión organizacional suele convertirse en el principal factor de riesgo durante una implementación. En ese sentido, identifica cuatro barreras que las empresas deben resolver antes de aspirar a capturar valor mediante agentes inteligentes: la deuda de procesos, la deuda de datos, la deuda tecnológica y la resistencia cultural. "La mejor tecnología tendrá dificultades para generar resultados sostenibles si estas barreras no se resuelven primero", advierte. La ejecutiva considera que una organización comienza a estar preparada para adoptar IA agéntica cuando la conversación deja de girar alrededor de la eficiencia operativa y pasa a enfocarse en la transformación del negocio. En ese momento, explica, la inteligencia artificial deja de ser una herramienta para optimizar actividades existentes y se convierte en una capacidad para rediseñar la forma en que se crean, entregan y escalan las operaciones. "Más que una decisión tecnológica, la adopción de IA agéntica es una decisión estratégica", señala. A su juicio, las empresas deben desarrollar suficiente madurez organizacional para pensar en capacidades de negocio y no únicamente en casos de uso específicos, además de prepararse para gestionar una transición en la que personas y agentes inteligentes trabajarán conjuntamente durante un periodo prolongado. Uno de los cambios más importantes también ocurrirá en la relación entre las organizaciones y sus proveedores tecnológicos. Coronel rechaza la idea de que las empresas deban delegar completamente estas capacidades en terceros, aunque reconoce que la complejidad de la IA agéntica hace indispensable construir alianzas especializadas. "El riesgo no está en apoyarse en terceros, sino en considerar la IA agéntica como algo que puede delegarse por completo", afirma. En su opinión, la estrategia, la gobernanza, los procesos y la transformación organizacional continúan siendo responsabilidad de la empresa, mientras que los proveedores deben aportar experiencia, acelerar capacidades y convertirse en socios de largo plazo. Por ello, anticipa que la relación tradicional entre clientes y proveedores evolucionará hacia modelos mucho más colaborativos. "El modelo se parece menos a una relación tradicional cliente-proveedor y más a una alianza estratégica en la que ambas partes comparten la responsabilidad de transformar el modelo operativo y generar valor de largo plazo". La transformación también alcanzará la manera en que las empresas evalúan económicamente sus inversiones en inteligencia artificial. Según Coronel, los indicadores tradicionales dejarán de ser suficientes para medir el éxito de estas iniciativas. "Tradicionalmente, los CIO y CFO evaluaban inversiones en función de activos relativamente predecibles, como infraestructura, licencias o capacidad instalada. Con la IA agéntica aparece una nueva realidad: cada interacción de un agente consume tokens, cuyo volumen y costo pueden variar significativamente y cuyo impacto está directamente vinculado a la actividad que genera para el negocio", explica. Esta nueva lógica modifica el concepto mismo de retorno sobre la inversión. En lugar de concentrarse únicamente en cuánto cuesta la tecnología, las organizaciones deberán medir el valor generado por niveles crecientes de automatización, autonomía y transformación del negocio. "El retorno de la inversión dejará de medirse principalmente por la eficiencia tecnológica obtenida y pasará a evaluarse por la capacidad generada en la organización para transformar procesos, operar de manera diferente y generar resultados de negocio sostenibles", sostiene. Para Coronel, otro de los grandes retos será construir mecanismos de gobernanza que permitan aumentar progresivamente la autonomía de los agentes sin perder el control sobre las decisiones críticas. "La pregunta central de gobernanza no es cuánto control ejercer sobre la IA, sino cómo construir la confianza necesaria para operar sistemas cada vez más autónomos de forma responsable", explica. En ese proceso, la supervisión humana seguirá desempeñando un papel determinante. La especialista considera que la evolución debe ser gradual: comenzar revisando todas las decisiones tomadas por los agentes, avanzar posteriormente hacia controles por muestreo y, finalmente, intervenir únicamente cuando existan excepciones o situaciones de riesgo. "No es una transferencia abrupta de responsabilidad, sino una transición gradual de confianza", enfatiza. Finalmente, Coronel considera que durante los próximos cinco años el cambio más profundo no será tecnológico, sino relacional. Los proveedores dejarán de competir únicamente por su capacidad para implementar proyectos y serán evaluados por su habilidad para acompañar la transformación continua de sus clientes. "Las empresas dejarán de seleccionar proveedores principalmente por su capacidad de ejecutar proyectos y comenzarán a valorarlos por su capacidad de acompañar la transformación continua del negocio, aportar innovación y asumir conjuntamente la responsabilidad de generar resultados sostenibles", concluye. Lea también: Destilación: la nueva obsesión de la IA

La Generación Z y los Millennials son más propensos a citar la salud mental como un motivo para eliminar sus cuentas, en contraste con el 25 % de los encuestados de la Generación X y el 12 % de los Baby Boomers. Las personas están retirándose silenciosamente de la participación en las redes sociales; aunque sus cuentas continúan activas, están publicando menos, limitando quién ve su contenido, eliminando aplicaciones que les generan estrés, entre otras cosas que ayuden a contrarrestar el agotamiento digital. Este es uno de los hallazgos de un estudio de Incogni Research. Para llegar a conclusiones validadas, realizaron una encuesta entre el 1 y el 9 de junio de este año en 1.000 personas encuestadas con una muestra representativa de estadunidenses. De acuerdo con Incogni, internet y la conectividad que facilita han pasado de centrarse en la comunicación interpersonal a ser fuentes de noticias, espacios para debates políticos y plataformas de entretenimiento guiado por algoritmos. Por ejemplo, uno de los hallazgos clave es que las personas son más silenciosas y reservadas en línea, ya que el 55% afirmó que publica menos ahora que hace cinco años; unido a esto, el 53% se ha vuelto más estricto sobre quiénes pueden ver sus publicaciones. Entonces se publica menos y menos personas pueden ver esas publicaciones, pero también, el 47% de los encuestados eliminó una app de redes sociales o mensajería debido al estrés o ansiedad; la tasa sube entre los más jóvenes con un 61% en Millennials y 56% en Generación Z. Otros puntos clave son: El 44 % está de acuerdo en que el contenido político y la polarización les hacen querer retirarse de las redes sociales. La generación Z y los Millennials son más propensos a citar la salud mental como un motivo para eliminar sus cuentas, en contraste con el 25 % de los encuestados de la generación X y el 12 % de los Baby Boomers. Más de la mitad de los encuestados afirma que mantener una presencia en línea se siente como un trabajo, una cifra que asciende al 60 % entre la generación Z. Desconectarse genera emociones contradictorias: la tranquilidad es la respuesta más común (27 %), pero más de uno de cada cinco también experimenta ansiedad. La relajación ocupa el tercer lugar con un 21 %. El informe destaca que la fatiga digital no responde únicamente al deseo de reducir el "tiempo de pantalla", sino a la calidad de la interacción en los espacios virtuales. La fuerte polarización política, el tono hostil y la intensidad emocional de las discusiones en línea empujan a los usuarios a aislarse. Un 44 % de las personas encuestadas señaló que el ambiente político polarizado es un factor determinante para querer alejarse. A esto se suma la percepción de que estar en redes sociales se ha transformado en un trabajo secundario. Mantener un perfil activo implica gestionar mensajes, decidir qué publicar y medir la repercusión de cada contenido. Esta carga la siente con especial dureza la generación Z, donde un 60 % considera que mantener presencia en línea se siente como una obligación laboral. El estudio revela que distanciarse de las plataformas digitales desencadena un espectro de reacciones emocionales encontradas. Aunque un 27 % de los participantes reporta sentir tranquilidad y un 21 %, relajación, tras pasar períodos prolongados sin revisar sus aplicaciones, la desconexión no resulta fácil para todos: un 22 % experimenta ansiedad. Nuevamente, los más jóvenes son los más vulnerables a este fenómeno. En la generación Z, un 34 % sufre de ansiedad al desconectarse y un 29 % experimenta FOMO (miedo a perderse de algo), lo que refleja la fuerte dependencia y la ambivalencia que sienten hacia estos medios. ¿Qué llevaría a los usuarios a abandonar las redes definitivamente? A pesar del repliegue paulatino, la mayoría no opta por borrar sus perfiles de forma masiva, sino por modificar sus hábitos de privacidad y consumo. Sin embargo, el informe de Incogni identificó cuáles serían los detonantes principales para una salida definitiva: Amenazas a la privacidad o seguridad: Un 51 % de los encuestados afirmó que un riesgo elevado en esta área los llevaría a borrar sus cuentas. Acoso y discurso de odio: El bullying y las agresiones virtuales ocupan el segundo lugar entre los motivos de abandono. Salud mental e impacto personal: Un tercio de los participantes se daría de baja si el uso de las redes afecta su bienestar psicológico, desperdicia demasiado tiempo o genera conflictos con sus seres queridos. La principal conclusión del informe de Incogni es que la interacción en las redes sociales ha dado un giro significativo. Lo que en sus inicios nació como un espacio de entretenimiento y conexión interpersonal se percibe hoy como un entorno saturado, exigente y fatigante. Aunque la desconexión total aún no es la norma, la tendencia predominante es clara: los usuarios caminan hacia una participación mucho más reservada, selectiva y silenciosa, priorizando su salud mental y privacidad sobre la sobreexposición digital. Le puede interesar: ¿Un botón para apagar la IA? El proyecto de ley en EE.UU.

La compañía integra tecnología y nuevos algoritmos que adaptan la calidad del sonido a cada ambiente y contenido que se esté reproduciendo. La nueva JBL BAR 1000MK2 es un sistema de audio inteligente con alto rendimiento, fidelidad y tecnología de última generación. Destacan sus dos altavoces inalámbricos y desmontables de la barra principal, que facilita su instalación eliminando los molestos cables y ayuda a dar un sonido realmente cinematográfico. Se trata de un sistema de audio de 7.1.4 canales Dolby Atmos y DTS:X, con funciones como MultiBeam 3.0 y tecnología JBL Pure Voice 2.0 . Acá le contamos todo sobre esta nueva barra de sonido: Más sobre sobre la JBL BAR 1000MK2: Vea también: IT NOW Review: conozca la versión Glimmer de la Smart Band 10 de Xiaomi

Un estudio de Pangram concluye que el 41% de las publicaciones largas en LinkedIn son completamente generadas por inteligencia artificial. La respuesta de la red social llega con una nueva herramienta para que los propios usuarios reporten contenido que "parece AI slop", en un momento en que la autenticidad se convierte en un activo cada vez más escaso. Durante los últimos dos años, LinkedIn se convirtió en el escaparate favorito para demostrar liderazgo intelectual, compartir aprendizajes y construir marca personal. Ahora también se ha transformado en el principal campo de batalla contra el contenido generado por inteligencia artificial. La plataforma, propiedad de Microsoft, comenzó a probar una nueva función que permite a los usuarios marcar publicaciones con la etiqueta "Seems like AI slop" ("Parece contenido basura generado por IA"), una medida que busca contener la creciente avalancha de textos producidos por modelos generativos que, aunque gramaticalmente impecables, resultan repetitivos, impersonales y de escaso valor. La decisión no llega por casualidad. Apenas semanas antes, la firma especializada Pangram publicó uno de los análisis más completos sobre la presencia de contenido generado por IA en redes sociales. El estudio examinó 1.002.627 publicaciones recopiladas mediante su extensión para Chrome entre abril y junio de 2026 y encontró que el 25,72% de todas las publicaciones de más de 250 palabras eran completamente generadas por IA. LinkedIn apareció como el caso más extremo. Según Pangram, más del 40% (41% según sus cifras consolidadas) de las publicaciones largas de la plataforma fueron clasificadas como totalmente generadas por inteligencia artificial. Aunque LinkedIn representó aproximadamente un tercio del contenido analizado, concentró el 62% de todas las publicaciones detectadas como generadas por IA en el estudio. El fenómeno va más allá del volumen. Pangram observó que las publicaciones principales tienen 1,35 veces más probabilidades de haber sido escritas por IA que los comentarios, lo que sugiere que los usuarios recurren especialmente a modelos generativos para construir mensajes de alto impacto y posicionamiento profesional. Paradójicamente, parte del problema podría haber sido alimentado por la propia plataforma. Durante meses LinkedIn promovió herramientas integradas para redactar publicaciones mediante inteligencia artificial, primero con "Write with AI" y posteriormente con "Enhance Post". Ahora, la compañía parece cambiar de rumbo. Además del nuevo botón para reportar contenido sospechoso, también está retirando esa función de mejora automática y reemplazándola por una herramienta de corrección que preserve la voz original del usuario. Hari Srinivasan, director de producto de LinkedIn, explicó que el objetivo es reforzar la autenticidad de las conversaciones profesionales. La plataforma también está implementando clasificadores internos para reducir la visibilidad del contenido considerado de baja calidad o excesivamente generado por IA dentro de las recomendaciones del feed. El estudio de Pangram ofrece un panorama más amplio del ecosistema digital. X presentó una realidad diferente: 23,9% de sus artículos largos fueron catalogados como completamente generados por IA y 22,9% como contenido mixto entre humanos y modelos, lo que significa que casi la mitad incorporó algún grado de asistencia artificial. En contraste, Reddit mostró uno de los porcentajes más bajos, especialmente en respuestas, donde 98,1% fueron consideradas escritas por personas. Incluso Substack, la plataforma con menor incidencia, registró que 21,9% de sus textos largos contenían participación de IA. Las cifras reflejan una transformación más profunda que afecta la economía de la atención. A medida que los modelos generativos reducen el costo de producir contenido prácticamente a cero, el recurso escaso deja de ser la información y pasa a ser la confianza. No obstante, también conviene interpretar el estudio con cautela. Los datos provienen de usuarios que instalaron voluntariamente una extensión enfocada precisamente en detectar contenido generado por IA, por lo que no representan necesariamente una muestra aleatoria de todo el tráfico en redes sociales. Además, aunque Pangram afirma que su modelo tiene una tasa de falsos positivos de apenas 0,01%, la detección automática de texto generado por IA sigue siendo objeto de debate entre investigadores y especialistas. Aun así, el movimiento de LinkedIn revela un cambio de prioridades. Durante la primera ola de la inteligencia artificial generativa, las plataformas competían por integrar funciones capaces de escribir más rápido. Ahora comienza una nueva etapa: diferenciar qué contenido sigue siendo genuinamente humano. La batalla ya no consiste únicamente en generar texto. Consiste en recuperar credibilidad. Vea más noticias aquí: Microsoft presentó un multiagente para ciberseguridad

El próximo 13 de agosto, el Hotel Sheraton de San Juan será sede de una nueva edición de Tech Day Puerto Rico, el encuentro que reunirá a CIOs, ejecutivos de TI, especialistas en ciberseguridad y proveedores tecnológicos para analizar las tendencias que están transformando el negocio. La jornada incluirá conferencias, paneles y espacios de networking con referentes internacionales y forma parte de una gira regional que recorrerá ocho países. El próximo 13 de agosto, el Hotel Sheraton de San Juan recibirá una nueva edición de Tech Day Puerto Rico, uno de los principales encuentros de tecnología para empresas de la región. El evento reunirá a líderes de TI, ejecutivos de negocios, especialistas en ciberseguridad, fabricantes y proveedores de soluciones para analizar los desafíos y oportunidades que plantea la transformación digital. La cita constituye la quinta escala de la gira Tech Day 2026, un recorrido que abarca ocho países de Centroamérica y el Caribe con el objetivo de acercar a la comunidad tecnológica regional las principales tendencias en inteligencia artificial, ciberseguridad, infraestructura, nube, gestión de datos y transformación digital. Además de un programa de conferencias de alto nivel, cada edición ofrece una exposición tecnológica, espacios de networking, reuniones de negocios y oportunidades para el intercambio de experiencias entre responsables de tecnología y empresas del sector. La agenda de Puerto Rico abordará algunos de los temas que hoy concentran la atención de los departamentos de TI, desde la evolución del rol del CIO hasta la gobernanza de la inteligencia artificial y las nuevas estrategias de defensa frente a las amenazas cibernéticas. La apertura estará a cargo de Marcelo Burman, gerente general de Connecta B2B, con la conferencia "Del Chief Information Officer al Chief Intelligence Orchestrator: El nuevo rol del CIO", donde analizará cómo la inteligencia artificial está redefiniendo las responsabilidades de los máximos responsables de tecnología. A continuación, Rodrigo Moreno Aladro, Regional Account Executive en Qualys, presentará "Gestión proactiva de ciber-riesgo en la nueva era de Mythos", una exposición centrada en los nuevos enfoques para anticipar y reducir los riesgos de ciberseguridad en las organizaciones. La inteligencia artificial y la protección de los entornos corporativos serán el eje de "La nueva fuerza laboral digital: cómo gobernar y proteger", conferencia que ofrecerán en conjunto Juan Del Valle, Ingeniero en Soluciones de Seguridad de Microsoft, y Geovanni Carpanetti, Senior Security & Compliance Specialist de Microsoft, quienes compartirán estrategias para implementar IA de manera segura, proteger datos y fortalecer la resiliencia cibernética. Más adelante, Iván Ruiz, Senior Solutions Engineer en Flexera, disertará sobre "Control, optimización y resultados: la nueva era de TI", donde explicará cómo maximizar el valor de las inversiones en software, servicios SaaS y nube mediante prácticas de visibilidad, control y gobernanza. Tras el coffee break, Mario Castillo, Business Development Lead en SmartLogix, presentará "Company First, AI Second", una charla enfocada en el uso estratégico de los datos y la inteligencia artificial para mejorar la toma de decisiones y generar valor para el negocio. Luego será el turno de Daniel Genaro Gálvez, Product Manager en MSL-TD SYNNEX, con la conferencia "Muchas herramientas, poco equipo! ¿La era de la IA?", en la que abordará cómo la inteligencia artificial puede potenciar el trabajo de los equipos de ciberseguridad y facilitar la adopción de nuevas tecnologías. Durante la tarde se desarrollará el panel "Del soporte a la estrategia: la tecnología como motor de la transformación del negocio", integrado por Raúl Rosado, CEO de Universidad del Sagrado Corazón; Rafael I. García, CIO de Atlantic University; e Ian Irizarry, Chief Technology Officer de Issuant. Los especialistas debatirán sobre la evolución del área de tecnología desde un rol operativo hacia una función estratégica para las organizaciones. La agenda continuará con "Rediseñando la ciberdefensa en la era de los agentes de IA", conferencia a cargo de Tobías Santoyo, Regional Director North of Latam & Caribbean de Radware, quien analizará el impacto de los agentes de inteligencia artificial en las estrategias de protección digital. El cierre de la jornada estará a cargo de Luis Adrián Salazar, consultor internacional y exministro de Ciencia, Tecnología y Telecomunicaciones de Costa Rica, con la conferencia "Gobernanza de la IA para una economía digital inclusiva centrada en el ser humano", dedicada a los desafíos regulatorios, éticos y de desarrollo que plantea la adopción de la inteligencia artificial en América Latina. Los interesados en conocer el programa completo, consultar las empresas participantes o realizar su inscripción pueden obtener más información a través del sitio oficial de Tech Day: https://www.techdayitnow.com. Le puede interesar: Así fue el Tech Day El Salvador 2026: IA, ciberseguridad y resiliencia digital en la agenda del país

Fabiola Montero, de la Universidad de Panamá, explica cómo K-means, una de las técnicas de agrupamiento más utilizadas en ciencia de datos, permite descubrir patrones ocultos y apoyar la toma de decisiones en ámbitos tan diversos como los negocios, la salud y la investigación. Por Fabiola Montero, profesora de la Facultad de Informática, Electrónica y Comunicación de la Universidad de Panamá No todos los proyectos de análisis de datos cuentan con información previamente clasificada. En muchas organizaciones, los datos se generan continuamente a partir de transacciones, sensores, aplicaciones y plataformas digitales, pero llegan sin etiquetas que indiquen cómo deben interpretarse. En estos casos, el aprendizaje no supervisado, una rama del aprendizaje automático que permite descubrir patrones y relaciones en datos sin categorías previamente definidas se convierte en una herramienta estratégica. Entre las técnicas más utilizadas destaca K-means, un algoritmo que, gracias a su simplicidad y eficiencia, continúa siendo una de las herramientas fundamentales en el ciclo de la ciencia de datos. K-means pertenece a la familia de algoritmos de agrupamiento o clustering. Su objetivo es organizar los datos en grupos llamados clústeres, de manera que los elementos dentro de un mismo grupo sean lo más similares posible y, al mismo tiempo, diferentes de los que pertenecen a otros grupos. Esta capacidad permite identificar estructuras que no suelen ser evidentes mediante análisis estadísticos tradicionales y facilita la generación de hipótesis para investigaciones o proyectos posteriores. El funcionamiento del algoritmo se basa en una idea sencilla. Inicialmente se define el número de grupos que se desea encontrar, representado por la letra K. A continuación, el algoritmo asigna cada dato al grupo más cercano y calcula un punto central denominado centroide. Este proceso se repite de forma iterativa hasta que los grupos alcanzan una configuración estable. Aunque el procedimiento parece simple, su capacidad para revelar patrones ocultos ha convertido a K-means en una herramienta ampliamente utilizada en múltiples sectores. Uno de sus usos más conocidos se encuentra en la segmentación de clientes. Empresas de comercio electrónico, bancos, aseguradoras y cadenas de supermercados utilizan K-means para identificar grupos de consumidores con comportamientos similares. A partir de variables como frecuencia de compra, valor de las transacciones, preferencias de consumo o interacción digital, es posible construir perfiles diferenciados que permitan diseñar campañas personalizadas, optimizar inversiones en mercadeo y mejorar la experiencia del cliente. Su aplicación también se extiende a otros ámbitos. En el sector salud puede utilizarse para identificar grupos de pacientes con características clínicas similares y apoyar investigaciones médicas. En bioinformática contribuye al análisis de patrones genéticos y expresión de genes. En procesamiento de lenguaje natural permite organizar documentos por temáticas relacionadas, mientras que en visión por computadora puede emplearse para segmentar imágenes y facilitar tareas de reconocimiento visual. Una de las razones de su popularidad es su eficiencia computacional. K-means puede procesar grandes volúmenes de información con un costo relativamente bajo en comparación con otros métodos más complejos. Además, su funcionamiento es fácil de explicar a equipos de negocio y responsables de la toma de decisiones, lo que facilita la adopción de los resultados obtenidos dentro de las organizaciones. Sin embargo, como toda herramienta analítica, presenta algunas limitaciones. Una de las principales es que requiere definir previamente cuántos grupos se desean encontrar. Elegir un valor inadecuado para K puede conducir a segmentaciones poco útiles o difíciles de interpretar. Para abordar este desafío suelen emplearse técnicas como el método del codo (Elbow Method) o el análisis de silueta (Silhouette Analysis), que ayudan a estimar un número adecuado de clústeres. Otro aspecto importante es que K-means funciona mejor cuando los grupos tienen formas relativamente compactas y tamaños similares. Además, puede verse afectado por valores atípicos o por diferencias de escala entre las variables analizadas. Por esta razón, la preparación de los datos continúa siendo una etapa fundamental antes de aplicar el algoritmo. Procesos como la normalización de variables, la detección de anomalías y la reducción de dimensionalidad mediante técnicas como PCA (Análisis de Componentes Principales) suelen mejorar significativamente la calidad de los resultados. Más allá de sus aspectos técnicos, K-means representa una de las mejores puertas de entrada al aprendizaje no supervisado. En un entorno donde la mayoría de los datos disponibles carece de etiquetas, su capacidad para descubrir estructuras ocultas permite transformar grandes volúmenes de información en conocimiento útil para la toma de decisiones. Aunque actualmente existen algoritmos más sofisticados para tareas de agrupamiento, K-means continúa siendo una referencia dentro de la ciencia de datos por su equilibrio entre simplicidad, velocidad y capacidad analítica. Su verdadero valor no radica únicamente en agrupar información, sino en ayudar a las organizaciones a comprender mejor los datos que generan cada día. Cuando se combina con una adecuada preparación de la información y un conocimiento claro del contexto de negocio, K-means sigue siendo una herramienta poderosa para descubrir patrones, generar conocimiento y apoyar decisiones basadas en evidencia. Le puede interesar: La factura oculta de la IA: el billón de dólares que las tecnológicas trasladan a sus clientes

La empresa detrás de Claude reveló que varios de sus modelos accedieron a sistemas de organizaciones reales tras obtener acceso no previsto a internet durante evaluaciones de seguridad. El episodio amplía el debate sobre los riesgos de los agentes de IA capaces de actuar de forma autónoma. La carrera por construir modelos de inteligencia artificial cada vez más capaces está entrando en una fase incómoda para la industria: demostrar que esos sistemas también pueden mantenerse bajo control. Anthropic reveló que varios de sus modelos experimentales consiguieron acceder a sistemas pertenecientes a tres organizaciones distintas durante pruebas internas de ciberseguridad, un hallazgo que se produjo mientras la empresa revisaba miles de evaluaciones tras incidentes similares conocidos recientemente en el sector. Según la compañía, el problema se originó por un fallo operativo que permitió que algunos modelos tuvieran acceso a internet cuando debían permanecer aislados durante los experimentos. En ese contexto, los sistemas de IA terminaron interactuando con infraestructuras pertenecientes a organizaciones reales, utilizando vulnerabilidades relativamente sencillas, como contraseñas débiles o servicios sin autenticación. Los incidentes involucraron a Claude Opus 4.7, Claude Mythos 5 y otro modelo de investigación. Dos de las organizaciones afectadas desconocían que habían sido comprometidas hasta que Anthropic las notificó, mientras la empresa continúa contactando a la tercera. La investigación abarcó más de 141.000 evaluaciones de seguridad realizadas junto con el laboratorio especializado Irregular. Durante esos ejercicios, diseñados bajo el formato "capture the flag", los modelos debían localizar información oculta dentro de redes simuladas. Sin embargo, el acceso accidental a internet permitió que algunos confundieran entornos reales con escenarios de prueba. Uno de los episodios más llamativos ocurrió cuando un modelo obtuvo credenciales pertenecientes a una empresa real al interpretar erróneamente que formaban parte de la simulación. En otro caso, un sistema interrumpió voluntariamente sus acciones después de concluir que el objetivo pertenecía al mundo real, un comportamiento que Anthropic considera relevante para futuras investigaciones sobre mecanismos de autocontrol en agentes inteligentes. La compañía calificó el incidente como un "fallo operativo" y suspendió temporalmente este tipo de evaluaciones el 23 de julio, mientras continúa revisando sus protocolos internos. El episodio ocurre pocos días después de que OpenAI divulgara un incidente diferente, en el que uno de sus modelos también logró explotar vulnerabilidades durante pruebas controladas, reforzando una tendencia que comienza a preocupar tanto a la industria como a los reguladores. La diferencia es significativa. Hasta hace poco, el principal riesgo asociado a la inteligencia artificial consistía en que un atacante utilizara modelos para desarrollar malware o automatizar campañas de phishing. Ahora emerge una amenaza distinta: agentes capaces de ejecutar cadenas completas de acciones sobre sistemas informáticos prácticamente sin intervención humana. En términos técnicos, los modelos no recurrieron a vulnerabilidades sofisticadas. Aprovecharon errores básicos de configuración, exactamente el tipo de debilidades que siguen siendo responsables de buena parte de los incidentes de seguridad en organizaciones de todo el mundo. El hecho de que una IA pueda identificar, priorizar y explotar automáticamente esas fallas reduce considerablemente el tiempo necesario para lanzar ataques exitosos. Esta evolución coincide con una transformación del mercado. Los grandes laboratorios ya no compiten únicamente por desarrollar modelos conversacionales, sino agentes con capacidad para navegar sitios web, utilizar herramientas, ejecutar código, administrar servidores y completar tareas complejas de forma autónoma. Ese cambio multiplica la productividad, pero también amplía la superficie de riesgo. Diversas investigaciones académicas ya habían anticipado que los modelos de lenguaje podían asistir en pruebas de penetración y búsqueda automatizada de vulnerabilidades. Lo novedoso es que estos escenarios están dejando de ser experimentos puramente teóricos para convertirse en situaciones que obligan a las propias empresas creadoras de IA a reforzar sus mecanismos de aislamiento y supervisión. Para Anthropic, la transparencia busca demostrar que estos problemas pueden detectarse antes de que los sistemas lleguen a producción. Sin embargo, el reconocimiento también envía otro mensaje: conforme los modelos adquieren mayor autonomía, la pregunta central deja de ser cuánto saben y pasa a ser cuánto pueden hacer por sí mismos cuando nadie los está observando. Podría interesarle: ¿Un botón para apagar la IA? El proyecto de ley en EE.UU.