El presidente de Estados Unidos firmó una orden ejecutiva que instruye al Gobierno Federal a sustituir el término “Artificial Intelligence” por “Super Intelligence” o “SI”. El mismo día, las principales compañías tecnológicas suscribieron un acuerdo voluntario con cuatro capas de controles y auditorías para supervisar sus sistemas. La inteligencia artificial acaba de recibir un cambio de nombre desde la Casa Blanca. Donald Trump firmó una orden ejecutiva que instruye a los departamentos y agencias del Gobierno estadounidense a utilizar los términos “Super Intelligence” y “SI” en lugar de “Artificial Intelligence” y “AI” en sus comunicaciones oficiales, documentos de política, sitios web, informes y otros documentos no estatutarios. El movimiento no se limita a una modificación terminológica. La orden establece que, dentro de los próximos 60 días, el asistente del presidente para Ciencia y Tecnología deberá presentar una propuesta legislativa para crear una definición federal de “Super Intelligence”, evaluar si esa definición debe modificar o ampliar la actual definición legal de inteligencia artificial y recomendar los cambios necesarios para incorporarla al marco federal. La Casa Blanca sostiene que las capacidades de los sistemas de frontera actuales ya superan lo que originalmente se entendía por inteligencia artificial. La nueva denominación, según la orden, busca reflejar tecnologías que amplifican la capacidad humana y abren nuevas posibilidades en campos como la ciencia y la medicina. La orden, sin embargo, no obliga a modificar regulaciones, contratos, subvenciones ni documentos históricos previamente emitidos. Su alcance inmediato se concentra en el lenguaje utilizado por el Poder Ejecutivo. El cambio de vocabulario llegó acompañado de una apuesta mucho más relevante para el negocio tecnológico: un acuerdo voluntario entre la administración estadounidense y algunos de los mayores actores de la industria para establecer controles sobre los sistemas de IA. Cuatro capas para vigilar a los modelos El acuerdo, denominado Joint Commitment on Frontier Responsibilities, fue presentado después de un almuerzo en la Casa Blanca con ejecutivos de compañías como Nvidia, Meta, Anthropic y otras empresas tecnológicas. Trump lo describió como un compromiso “moralmente vinculante” y habló de una política de “tremenda autorregulación”. El documento contempla cuatro niveles de controles y auditorías. El primero consiste en controles internos de seguridad durante el entrenamiento de los sistemas. El segundo establece un equipo interno encargado de verificar que esos controles funcionen correctamente. El tercero incorpora una evaluación independiente mediante un auditor externo. El cuarto contempla un órgano independiente dentro de cada compañía para revisar los informes derivados de esos controles. La arquitectura resulta significativa porque intenta introducir una cadena de supervisión sin crear, al menos por ahora, un mecanismo regulatorio federal específico. Según The Guardian, el acuerdo no contempla mecanismos de aplicación gubernamental ni exige que los resultados de las evaluaciones independientes sean publicados. Además, las empresas tendrían margen para seleccionar a sus propios evaluadores y establecer sus órganos de supervisión. Ese diseño deja abierta una de las preguntas centrales del nuevo régimen: quién verifica al verificador. La discusión ocurre mientras la industria enfrenta una serie de incidentes relacionados con sistemas cada vez más capaces. Tanto investigadores como empresas han advertido sobre modelos que, durante pruebas de seguridad, llegaron a interactuar con sistemas externos de manera no prevista. En paralelo, algunos ejecutivos del sector han pedido mayor cautela frente al ritmo de desarrollo, mientras otros sostienen que innovación y seguridad pueden avanzar simultáneamente. Lea también: Meta lanza Muse Realtime Avatar: la tecnología que da vida a imágenes e ilustraciones en tiempo real

La transformación tecnológica del sector financiero ya no se limita a modernizar sistemas: el reto está en integrar servicios, acelerar procesos y construir plataformas capaces de adaptarse continuamente. La banca panameña enfrenta una nueva etapa de transformación en la que la tecnología deja de ser únicamente una herramienta para mejorar operaciones y se convierte en un componente central de la capacidad competitiva de las instituciones. En un mercado donde los clientes demandan experiencias digitales más simples, rápidas y personalizadas, el desafío está en construir una infraestructura que permita responder a esas expectativas sin perder capacidad de adaptación. Durante años, la modernización bancaria estuvo asociada principalmente con la renovación del core, la migración de sistemas a la nube y la digitalización de canales. Estas capacidades continúan siendo relevantes, pero su impacto depende cada vez más de lo que las instituciones puedan construir sobre ellas: servicios conectados, procesos más ágiles y nuevas experiencias que puedan llegar al cliente en ciclos de desarrollo más cortos. “La modernización de la banca no consiste solamente en cambiar la tecnología que sostiene una operación. Consiste en construir una capacidad permanente para evolucionar”, afirma Jorge Iglesias, CEO de Topaz. Desde esta perspectiva, la arquitectura tecnológica debe facilitar que una institución integre servicios, responda a nuevas necesidades y convierta una idea en una experiencia financiera disponible para el cliente en mucho menos tiempo. Esta capacidad de adaptación adquiere mayor relevancia ante la competencia de las fintech y plataformas digitales. Los consumidores ya no comparan necesariamente la experiencia de un banco únicamente con la de otra entidad financiera, sino también con servicios digitales de otros sectores que han establecido nuevos estándares de rapidez, facilidad de uso y personalización. El cambio también está modificando la manera en que se conciben los servicios financieros. Pagos, crédito, inversiones, incorporación de clientes, canales digitales, prevención del fraude y atención al usuario pueden dejar de operar como capacidades aisladas para formar parte de una experiencia financiera integrada. La tecnología funciona como el elemento que permite conectar estos servicios y hacerlos evolucionar de manera coordinada. Para lograrlo, las arquitecturas rígidas representan un desafío. Una infraestructura tecnológica más flexible permite incorporar nuevas capacidades de manera progresiva, facilitar la integración con terceros y reducir los tiempos asociados al desarrollo y lanzamiento de nuevos servicios. También puede ayudar a las instituciones a responder con mayor rapidez a cambios regulatorios, tecnológicos y en los hábitos de consumo. Este enfoque coloca conceptos como escalabilidad, integración e interoperabilidad en el centro de la conversación tecnológica del sector financiero. No se trata únicamente de contar con más herramientas digitales, sino de disponer de una arquitectura que permita incorporar nuevas soluciones sin tener que reconstruir constantemente la infraestructura que las sostiene. Para Panamá, cuya posición regional le ha permitido desarrollar una plaza financiera relevante, esta evolución tecnológica plantea una oportunidad y, al mismo tiempo, un desafío. El siguiente paso del hub financiero no dependerá exclusivamente de contar con infraestructura moderna, sino de que sus instituciones puedan utilizarla para desarrollar una banca más integrada y adaptable. La transformación, por tanto, pasa de ser un proyecto con una fecha de inicio y final a convertirse en una capacidad permanente de evolución. Para las instituciones financieras, esto significa preparar su tecnología no solo para las necesidades actuales, sino también para incorporar nuevos servicios, modelos de negocio y expectativas de clientes a medida que el mercado continúe cambiando. Le puede interesar Panamá define su estrategia de IA, pero las empresas aún enfrentan el reto de integrarla

Del otro lado del mundo, en China, donde el 35% de las personas afirma usar la IA a diario, la mayoría espera que esta beneficie al país. La inteligencia artificial está siendo utilizado por personas en todo el mundo; no obstante, usarla diariamente no significa que todos se sientan cómodos con las implicaciones que esta tecnología tiene para el mundo. Por ejemplo, alrededor del 68% de los estadounidenses que la usan a diario no se sienten cómodos con ellas. Este dato se desprende de una nueva encuesta realizada por la firma de investigación de opinión Gallup, encargada por Microsoft. El estudio se elaboró en 37 países en los que se encuestó a 1.000 personas en cada país entre abril y julio; dentro de estos países, ni India, Australia ni Malasia forman parte. Los hallazgos parecen situar a EE. UU. en el extremo más ansioso de esta gráfica internacional, incluso cuando las personas en otras partes del mundo esperan que mejoren sus vidas. De acuerdo con Gallup, los países de Occidente son los más preocupados por la IA, pero Estados Unidos está a la cabeza, con un 74% de su población general que reportó sentimientos de preocupación, y solo el 36% espera que la IA beneficie mayoritariamente al país. Otros países occidentales prósperos mostraron una tendencia similar. En Canadá, por ejemplo, el 29% de los encuestados afirmó usar IA diariamente; de ellos, más de la mitad expresó inquietud por su impacto. En total, el 64% de los canadienses conscientes de esta tecnología dijo sentir preocupación. Este recelo coincide con un contexto global marcado por despidos masivos en el sector tecnológico para financiar proyectos de IA, la reducción de oportunidades de empleo iniciales y advertencias sobre el desplazamiento laboral. En contraste, la percepción cambia drásticamente al otro lado del planeta, con China como uno de los principales exponentes del optimismo tecnológico. En el gigante asiático, donde un 35% de la población afirma usar la IA a diario, un abrumador 93% de los encuestados cree que la IA beneficiará mayoritariamente a su país, marcando una brecha de 57 puntos frente al escéptico 36% registrado en Estados Unidos. Además, el 90% de los ciudadanos chinos manifestó emociones positivas o curiosidad hacia estas herramientas, una tendencia similar a la observada en Singapur, donde el 46% la usa a diario y el 77% espera un impacto positivo, e Israel. La seguridad de la IA es uno de los temas principales sobre la mesa de discusión para cuando el presidente de EE. UU., Donald Trump, y el premier chino, Xi Jinping, se reúnan el jueves. El jefe del Ministerio de Seguridad del Estado de China, Chen Yixin, escribió en un artículo reciente que la IA tendrá "un impacto sistémico en el entorno político y de seguridad", y podría amenazar la "seguridad política, seguridad institucional y seguridad ideológica" de China. Pablo Diego-Rosell, científico principal de Gallup, señaló a Techcrunch que uno de los hallazgos más claros es que las actitudes hacia la IA son multidimensionales. “La gente puede sentir curiosidad por la IA, esperar que sea beneficiosa y usarla con frecuencia mientras sigue preocupada por ella. De igual forma, pueden ver un potencial considerable en la IA manteniendo al mismo tiempo cierto escepticismo sobre si la información que proporciona es precisa”, dijo Rosell. El informe de Gallup enfatiza que ni la frecuencia de uso ni el optimismo general se traducen automáticamente en una confianza ciega en la precisión de los datos. A nivel global, solo el 36% de los encuestados confía plenamente en las respuestas generadas por sistemas de IA, lo que demuestra que las actitudes hacia esta tecnología son sumamente complejas y multidimensionales. Le puede interesar: Cómo evolucionó la presencia de seis industrias en las respuestas de la IA

Anunció Dots, agentes capaces de asumir responsabilidades continuas y nuevas formas de colaboración entre personas e IA. La compañía también reforzó su compromiso con un ecosistema abierto al convertir ChatGPT en una plataforma compartida donde humanos y agentes pueden colaborar y donde los desarrolladores pueden lanzar directamente nuevas experiencias nativas. Además, ahora existe un nuevo plan Pro 500 que ofrece 25 veces las funcionalidades de ChatGPT Plus. OpenAI utilizó su DevDay 2026 para mostrar algo que va más allá de una nueva generación de modelos: un cambio en la forma en que pretende que las personas interactúen con la inteligencia artificial. La compañía presentó más de 20 anuncios que atraviesan ChatGPT, Codex, las APIs y nuevas herramientas destinadas a convertir a los agentes en participantes activos de los procesos de trabajo. La apuesta tiene una dirección bastante definida. El chatbot deja de ser solamente una interfaz para pedir respuestas y comienza a funcionar como una superficie donde personas, agentes, aplicaciones y equipos pueden trabajar conjuntamente. En paralelo, OpenAI busca que los desarrolladores puedan construir experiencias directamente dentro de ChatGPT y acceder a una audiencia que, según la compañía, alcanza los 1.200 millones de usuarios semanales. El anuncio que mejor sintetiza esta transición es Dots, una nueva generación de agentes concebidos para asumir responsabilidades de manera permanente. OpenAI los describe como agentes capaces de encargarse de tareas, aprender las preferencias del usuario y trabajar en segundo plano, con el objetivo de liberar tiempo para otras actividades. Están disponibles para Pro y Business Premium en mercados elegibles, mientras que los usuarios Enterprise, Edu y Healthcare pueden acceder a una beta cuando el administrador de su espacio de trabajo la habilita. La otra pieza central es GPT-6.1 Sol, una actualización de GPT-6 Sol orientada especialmente a programación agéntica, uso de computadoras y trabajo profesional. OpenAI afirma que ofrece un rendimiento cercano al de GPT-6 Astra, pero con un costo de tokens de entrada y salida equivalente a una quinta parte del precio estándar de Astra. El modelo está disponible para usuarios de API, Plus, Pro, Business, Enterprise y Edu. La estrategia también incorpora velocidad como una variable comercial. OpenAI presentó Ultrafast, una modalidad premium que puede alcanzar hasta 300 tokens por segundo en Codex y multiplicar hasta por seis la velocidad en la API. GPT-6 Astra Ultrafast está disponible en la API y en ChatGPT Work y Codex para determinados usuarios Pro y Enterprise, mientras que GPT-6.1 Sol Ultrafast llegará posteriormente. Del asistente al agente que ejecuta El movimiento más importante de DevDay no está únicamente en los modelos, sino en la infraestructura construida alrededor de ellos. La Agents API incorpora ahora capacidades de uso de computadora, permitiendo que los agentes interactúen con software para completar tareas. OpenAI también lleva a esta plataforma capacidades desarrolladas en Codex, como coordinación entre múltiples agentes, búsqueda y utilización de herramientas y compresión de contexto. La infraestructura corre sobre OpenAI, mientras los desarrolladores se concentran en construir sus aplicaciones. La compañía amplía esta arquitectura al ecosistema empresarial con Bedrock Managed Agents, desarrollado junto con Amazon. La propuesta permite construir agentes basados en las capacidades de Agents API que funcionan directamente dentro de AWS y pueden integrarse con recursos de esa plataforma. También aparece Decisions API, diseñada para escenarios en los que un modelo necesita tomar decisiones dentro de un conjunto finito de respuestas previamente definidas. Los desarrolladores pueden aportar contexto mediante texto o imágenes y recibir respuestas destinadas, por ejemplo, a clasificar contenido, enrutar solicitudes o determinar el siguiente paso de un agente. La herramienta se encontraba en vista previa limitada al momento del anuncio. El mensaje para los desarrolladores es claro: el agente no debería limitarse a generar texto. Debe poder observar información, utilizar herramientas, operar software, tomar decisiones dentro de parámetros definidos y continuar una tarea. Codex sale del editor y entra en la operación DevDay también refuerza la posición de Codex como infraestructura para el desarrollo de software asistido por agentes. OpenAI presentó Codex en la nube, que permite ejecutar tareas desde una computadora, de manera remota desde un teléfono o desde la nube utilizando cualquier dispositivo. Los entornos de desarrollo reutilizables permiten iniciar trabajos con mayor rapidez y mantener configuraciones y permisos aprobados por los equipos. El Codex CLI recibió además una interfaz renovada. Ahora permite iniciar y dirigir tareas mediante voz, mientras una nueva vista /agents facilita delegar y supervisar múltiples trabajos simultáneamente. La compañía también mejoró la edición de instrucciones, la reanudación de sesiones, los worktrees y la lectura de sesiones prolongadas en la terminal. En el escritorio aparece Code Review, una experiencia destinada a revisar modificaciones en distintos proyectos. Los usuarios pueden consultar resúmenes, explorar diferencias y preguntar a Codex por posibles problemas antes de enviar comentarios en GitHub o GitLab. Las revisiones automáticas permiten además que Codex haga una primera evaluación en la nube mientras el desarrollador no está conectado. La seguridad del código también pasa a formar parte de esta automatización. Codex Security Cloud puede analizar repositorios completos de GitHub bajo demanda o mediante revisiones programadas, investigar hallazgos, eliminar duplicados y preparar correcciones en la nube. El servicio incluye acceso a los modelos ofrecidos mediante Daybreak Blue sin necesidad de utilizar una aplicación separada. ChatGPT como plataforma, no solo como producto Quizás el cambio más relevante para el ecosistema de desarrolladores sea la apertura de ChatGPT como superficie de distribución. OpenAI está permitiendo que los desarrolladores construyan extensiones de plugins con presencia dentro de ChatGPT, incluyendo espacios en la barra lateral, paneles interactivos y visores para determinados tipos de archivos. La intención es que las aplicaciones no tengan que competir únicamente por captar usuarios fuera de ChatGPT, sino que puedan convertirse en experiencias integradas dentro de la propia plataforma. La compañía también presentó Plugin Creator para facilitar la creación de estas experiencias y rediseñó el proceso de envío para ofrecer mayor retroalimentación. A esto suma mejoras en el ranking y las recomendaciones para facilitar el descubrimiento de plugins. Los usuarios, al mismo tiempo, conservan la capacidad de elegir qué plugins utilizar y aprobar los permisos que recibe cada uno. El siguiente paso es llevar estas extensiones a los Sites creados dentro de ChatGPT. En los planes Business, Enterprise, Healthcare y Edu, los equipos podrán incorporar plugins compatibles a estos espacios y utilizarlos con sus propios datos y permisos. La integración se extiende también a MCP. OpenAI anunció soporte para MCP Events, de modo que un plugin pueda iniciar automatizaciones cuando ocurra un evento en una aplicación conectada. Un nuevo elemento en un tablero de proyectos, por ejemplo, podría activar un flujo en el que ChatGPT consulte documentos relacionados y prepare un plan de trabajo. Aquí aparece una diferencia importante respecto de la primera generación de asistentes de IA. La conversación deja de ser necesariamente el punto final de la interacción. Puede convertirse en el disparador de una cadena de acciones. El espacio de trabajo se convierte en una interfaz compartida OpenAI también presentó ChatGPT Space, un espacio diseñado para que equipos, ChatGPT y los agentes puedan trabajar sobre conocimiento compartido. El sistema puede organizar ese espacio siguiendo instrucciones proporcionadas por el equipo, facilitando la recuperación de información y la continuidad del trabajo. A esto se suman Pages, un nuevo formato de documento pensado específicamente para la colaboración entre humanos y agentes. Allí es posible escribir, investigar, crear gráficos, generar imágenes o visualizar información, mientras otras personas pueden incorporarse para aportar ideas y comentarios. OpenAI también anticipó presentaciones colaborativas en las que múltiples integrantes de un equipo y agentes podrán editar simultáneamente una misma presentación, comentar sobre ella y posteriormente presentarla dentro de ChatGPT o exportarla a PowerPoint o Google Slides conservando el formato. La compañía lleva esta lógica un paso más allá con la posibilidad de crear equipos dentro de ChatGPT, compartir páginas, presentaciones, plugins y hojas de cálculo, y delegar trabajos recurrentes. Algunas tareas podrán ejecutarse según un calendario o responder a eventos como la llegada de un correo electrónico o un mensaje de Slack. Y para evitar que este modelo quede encerrado dentro de ChatGPT, OpenAI está incorporando la interacción con ChatGPT directamente en Slack y Microsoft Teams. Los empleados podrán mencionar a ChatGPT en canales, hilos o mensajes directos, utilizando herramientas conectadas por el administrador o herramientas propias con los permisos correspondientes. Más velocidad, más agentes y más integración El anuncio incluye además una serie de piezas destinadas a reducir la fricción alrededor de este ecosistema. Meetings, por ejemplo, permite tomar notas y generar resúmenes personalizados con elementos de acción que pueden almacenarse en ChatGPT Space. OpenAI también presentó perfiles compartibles para reunir Sites y plugins creados por usuarios y facilitar su descubrimiento. Sign in with ChatGPT busca convertir la cuenta de OpenAI en una puerta de acceso a otras herramientas. La compañía anunció compatibilidad con 16 socios, entre ellos Cognition's Devin, Notion, Vercel, T3, OpenClaw y Dactyl. Los usuarios elegibles podrán utilizar parte de su asignación de ChatGPT en esas herramientas y controlar cuánto consumo destinan a cada una. Para los usuarios con necesidades intensivas, OpenAI presentó además un nuevo nivel Pro 500, con una asignación de uso 25 veces superior a la de ChatGPT Plus e inclusión de Ultrafast. En paralelo, la empresa está intentando resolver una de las preguntas más importantes para las organizaciones que quieren llevar modelos avanzados a procesos sensibles: qué ocurre con los datos. Private Intelligence introduce herramientas orientadas al uso empresarial de IA con mayores controles de privacidad. OpenAI señala que Zero Data Retention con Private Safety Processing permite realizar revisiones automatizadas de seguridad sin que el personal de OpenAI tenga acceso al contenido subyacente. La compañía también anticipa Private Inference, una propuesta basada en computación confidencial y controles verificables que llegará durante el otoño. El DevDay 2026, en definitiva, no se presenta como una conferencia centrada en un único lanzamiento. Es una declaración de arquitectura. OpenAI está intentando convertir su modelo de IA en una capa de trabajo que atraviese aplicaciones, dispositivos, equipos y procesos empresariales. La consecuencia potencial para las compañías es significativa. Si los agentes pueden operar software, ejecutar código, consultar información, colaborar con personas, responder a eventos y mantener tareas recurrentes, la pregunta empresarial deja de ser únicamente qué modelo utilizar. Pasa a ser qué partes del trabajo pueden delegarse, bajo qué permisos, con qué supervisión y dentro de qué infraestructura. Le puede interesar: Meta entra de lleno en la IA corporativa con Enterprise Platform

La firma lanzó una nueva división para llevar sus modelos, agentes y herramientas de IA al mercado empresarial. La compañía fichó al CEO de MongoDB para dirigir la iniciativa. Meta quiere que la inteligencia artificial deje de ser únicamente una tecnología integrada en sus productos para consumidores y se convierta también en una plataforma empresarial. La compañía anunció el lanzamiento de Meta Enterprise Platform, una nueva iniciativa destinada a llevar su tecnología de IA a empresas y desarrolladores. Para dirigirla, Meta contrató a Chirantan “CJ” Desai, quien hasta ese momento ocupaba los cargos de presidente y CEO de MongoDB. El movimiento coloca a Meta en un terreno donde compiten grandes proveedores tecnológicos por convertirse en la capa de inteligencia sobre la que las empresas construirán sus próximas aplicaciones y procesos. La propuesta de Meta no parte de cero. La compañía está agrupando dentro de esta estrategia varias de sus piezas de IA, entre ellas el agente Muse, Meta Business Agent, Muse API y Muse Code. La intención declarada es convertir ese conjunto de modelos, agentes, infraestructura y herramientas en productos y servicios que las organizaciones puedan desplegar para sus propias operaciones. Mark Zuckerberg presentó la plataforma como un nuevo pilar del negocio de Meta. La compañía sostiene que su ventaja está en combinar modelos avanzados, agentes, infraestructura a gran escala y años de relación con empresas que utilizan sus plataformas. La compañía señala además que trabaja con millones de anunciantes y cientos de millones de empresas. El lanzamiento llega después de que Meta acelerara su estrategia de agentes de IA para consumidores. La compañía presentó Muse a comienzos de septiembre de 2026 como un agente personal capaz de realizar tareas como enviar correos electrónicos y reservar viajes. En los días siguientes, Meta también amplió su oferta de modelos y herramientas para desarrolladores. Ahora la lógica cambia de escala. El objetivo no es solamente que una persona utilice un asistente. Meta quiere que las empresas incorporen agentes y modelos dentro de sus propios procesos. Ese salto es importante porque convierte a la IA en una posible capa de infraestructura empresarial. Un agente puede pasar de responder consultas a participar en operaciones, desarrollo de software, atención al cliente o procesos internos, dependiendo de las herramientas y permisos que una compañía decida habilitar. Meta afirma que la seguridad y la privacidad estarán incorporadas desde el inicio en sus productos empresariales. La promesa, sin embargo, llega en un momento en que la seguridad de los agentes se está convirtiendo en uno de los principales retos para las organizaciones que los despliegan. Los agentes capaces de leer documentos, acceder a datos y utilizar herramientas pueden introducir riesgos diferentes a los de un chatbot tradicional. OWASP identifica, entre otros, la inyección indirecta de instrucciones, el abuso de herramientas, la escalada de privilegios, la exposición de información sensible y la ejecución de acciones de alto impacto sin supervisión suficiente. Para Meta, esto convierte la seguridad empresarial en algo más que una característica del producto. Es parte de la infraestructura necesaria para que sus agentes puedan operar dentro de organizaciones. La elección de Desai resulta significativa por su trayectoria. Antes de llegar a Meta, fue presidente y CEO de MongoDB. La compañía anunció su salida el mismo 28 de septiembre y nombró a Dev Ittycheria como CEO interino. Ittycheria había ocupado el cargo entre 2014 y 2025, durante un período de 11 años en el que MongoDB pasó de aproximadamente US$35 millones a más de US$2.300 millones en ingresos anuales. MongoDB indicó además que cuenta con más de 67.000 clientes y que aproximadamente el 75% de las empresas Fortune 100 utilizan su plataforma. La reacción inmediata del mercado mostró la relevancia de la salida. TechCrunch reportó que las acciones de MongoDB cayeron más de 17% después de conocerse la partida de su CEO. Para Meta, la incorporación representa la llegada de un ejecutivo con experiencia en software empresarial, infraestructura, aplicaciones y seguridad. Antes de MongoDB, Desai lideró producto e ingeniería en Cloudflare y pasó casi ocho años en ServiceNow, donde llegó a desempeñarse como presidente y COO. Es un perfil diferente al de un líder centrado exclusivamente en modelos de inteligencia artificial. Y esa diferencia ayuda a entender hacia dónde quiere llevar Meta su nueva plataforma. Meta lleva años construyendo una enorme infraestructura alrededor de sus productos digitales, pero el mercado empresarial plantea otra lógica. Una cosa es ofrecer un modelo o un asistente. Otra es conseguir que una empresa confíe en ese sistema para incorporarlo a sus procesos internos, conectarlo con sus datos y permitirle actuar sobre aplicaciones corporativas. El anuncio de Meta coloca precisamente esa transición en el centro. La compañía afirma que Meta Enterprise Platform utilizará su tecnología existente para ayudar a las organizaciones a crecer y transformar sus operaciones. En la práctica, esto significa que Meta está intentando convertir su stack de IA en una oferta que pueda ser utilizada directamente por empresas y desarrolladores. El movimiento también encaja con la aceleración reciente de Meta en agentes. Durante Meta Connect 2026, la compañía presentó nuevas herramientas y modelos para flujos de trabajo agentic y señaló que Meta Model API ya estaba disponible de forma general a escala global. La estrategia empresarial, por tanto, no parece ser una iniciativa aislada, sino una extensión de una plataforma de IA que Meta está ampliando simultáneamente en modelos, agentes, APIs y aplicaciones. La IA empresarial está entrando en una etapa distinta. Hasta hace poco, buena parte de la competencia se centraba en quién tenía el modelo más potente. Ahora el campo de batalla se desplaza hacia quién puede convertir esos modelos en sistemas capaces de trabajar dentro de una empresa. Eso implica datos, herramientas, APIs, seguridad, controles de acceso, desarrollo de software y capacidad para operar a escala. También explica por qué la seguridad adquiere una importancia particular. Los agentes empresariales no solamente generan información. Pueden llegar a modificar registros, enviar comunicaciones, ejecutar código o activar procesos. OWASP recomienda que estas capacidades estén sujetas a permisos mínimos, validaciones independientes y aprobación humana en operaciones de alto impacto. Meta está intentando ocupar ese espacio con una propuesta que reúne su tecnología de IA y su experiencia operando plataformas a escala con una nueva capa orientada específicamente a las organizaciones. El nombramiento de Desai muestra que la compañía entiende que vender IA a empresas exige algo más que modelos. También exige comprender cómo funcionan los sistemas corporativos, cómo se integran los datos y qué necesitan los clientes cuando la inteligencia artificial deja de ser una herramienta experimental y empieza a tocar procesos críticos. La apuesta de Meta es convertir esa infraestructura en un negocio. El desafío será conseguir que las empresas no solo quieran utilizar sus agentes, sino que estén dispuestas a confiarles una parte cada vez mayor de su operación. Podría interesarle: Dos de seis hospitales concentran el 64,4 % de las menciones en consultas a IA en Costa Rica

La compañía presentó un modelo capaz de animar rostros, cuerpos completos y objetos con latencia subsegundo y sincronización de voz, abriendo una nueva etapa en la interacción con avatars hiperrealistas. Meta dio a conocer Muse Realtime Avatar, su más reciente avance en Inteligencia Artificial de encarnación (embodiment). Se trata de un sistema capaz de transformar imágenes estáticas, desde fotografías de retrato e ilustraciones de cuerpo completo hasta animales u objetos, en avatares hiperrealistas que interactúan, gesticulan y hablan en tiempo real durante una conversación. La compañía explicó en su web oficial que la herramienta genera movimientos fluidos de manos, postura y expresiones faciales manteniendo la coherencia visual del personaje cuadro a cuadro a lo largo de toda la interacción. El sistema opera conectando dos motores principales: Muse Realtime Voice encargado de la inteligencia conversacional y la generación de voz y Muse Realtime Avatar, un modelo de tipo Diffusion Transformer impulsado por audio. Ambas herramientas comparten un flujo de datos que garantiza la sincronización exacta entre la voz, la gesticulación y el movimiento de los labios. Para lograr respuestas naturales sin interrupciones, la tecnología procesa el video en pequeños bloques continuos, conservando el contexto visual previo para evitar errores o distorsiones a medida que la conversación se extiende. Uno de los principales desafíos de la IA en tiempo real es generar video lo suficientemente rápido sin perder calidad visual. Para resolverlo, los investigadores de Meta aplicaron técnicas de destilación y autoforzado que redujeron el cómputo de 120 evaluaciones de modelo por bloque a solo dos, logrando una eficiencia 60 veces mayor sin comprometer la resolución final. De acuerdo con pruebas a ciegas realizadas frente a los principales competidores del mercado (como Runway Characters y HeyGen LiveAvatar), los evaluadores prefirieron la experiencia de Muse Realtime Avatar en calidad visual, sincronización y naturalidad general de ademanes. Para desplegar esta herramienta de forma masiva, Meta rediseñó su arquitectura de inferencia en colaboración con NVIDIA. Utilizando los procesadores GB200, el sistema logra transmitir video vertical (448x768 a 25 fps) con una latencia de apenas 870 milisegundos desde que el usuario termina de hablar hasta que recibe la respuesta visualizada. Esto permite ejecutar hasta 12 sesiones interactivas simultáneas en un solo chip. En materia de seguridad y trazabilidad, Meta confirmó que todo el contenido generado incluye Meta Video Seal, una marca de agua invisible y duradera integrada en el video sin ralentizar la transmisión, diseñada para prevenir la suplantación de identidad y el mal uso de la plataforma. La herramienta estará disponible exclusivamente para usuarios mayores de 18 años. Le puede interesar: Microsoft rediseña Copilot: ahora quiere que la IA trabaje, programe y actúe por usted

En la antesala del GovTech Forum Costa Rica, que se llevará a cabo el próximo 3 de noviembre en el Centro de Convenciones de San José, el exministro de Ciencia, Tecnología y Telecomunicaciones de Costa Rica, quien se desempeñará como director académico del encuentro, analiza los retos de la modernización estatal. El próximo 3 de noviembre, Costa Rica será la sede de la primera edición del GovTech Forum, un encuentro organizado por ConnectaB2B para reunir a líderes del sector público, empresas tecnológicas, organismos multilaterales y especialistas en la construcción de gobiernos más eficientes, transparentes y centrados en la ciudadanía. El evento abordará ejes fundamentales como el gobierno digital, datos abiertos, ciberseguridad, inteligencia artificial, automatización, contratación pública y ciudades inteligentes. Para reflexionar sobre estos desafíos, conversamos con Luis Adrián Salazar, director académico del foro, quien cuenta con más de 30 años de experiencia en tecnología, estrategia y política pública, habiendo ejercido como viceministro y ministro de Ciencia, Tecnología y Telecomunicaciones de Costa Rica. A lo largo del diálogo, Salazar repasa la evolución del concepto de gobierno electrónico hacia el ecosistema GovTech, subrayando que la tecnología no debe ser un simple fin en sí mismo, sino una herramienta de transformación al servicio de las personas. Cuando hablamos de GovTech en un sentido general, ¿de qué estamos hablando realmente? ¿Se trata de digitalizar simplemente el Estado o de transformar a fondo su funcionamiento? A finales de los años noventa y principios de los dos mil se empezó a hablar del gobierno electrónico, un concepto enfocado en cómo digitalizar procesos e instituciones o brindar consultas básicas en línea. Con el tiempo, esto evolucionó hacia el gobierno digital, integrando personas e instituciones para lograr ventanillas únicas. Sin embargo, el concepto de GovTech va más allá de la simple digitalización de procesos: consiste en cómo las tecnologías digitales apoyan la transformación del Estado. Hoy no nos limitamos a consultar un recibo por internet; las tecnologías actuales son potentes y convergentes, abarcando ciberseguridad, inteligencia artificial, redes 5G y la geopolítica en el ciberespacio. GovTech plantea transformar la relación entre Estados, instituciones y ciudadanos dentro de un entorno ciberresiliente. Con su trayectoria tanto en el sector público como en el tecnológico, ¿qué es lo que más cuesta cambiar cuando un gobierno decide transformarse digitalmente: la tecnología o la mentalidad? Los problemas tecnológicos siempre tienen solución; si hay una infraestructura antigua, se puede modernizar. El verdadero desafío no es tecnológico, es un tema humano y de adopción. En América Latina existe una enorme diversidad de sistemas e instituciones, lo que genera resistencia al cambio y brechas generacionales entre nativos digitales y quienes han tenido que adaptarse gradualmente. Además, existe temor organizacional por la posibilidad de ser relegados por máquinas. La disrupción tecnológica ya llegó con la inteligencia artificial exponencial, pero la adopción en los procesos aún toma tiempo. Lo esencial es potenciar el talento humano y garantizar que la tecnología tenga en el centro al ser humano para resolver problemas reales en salud, educación y seguridad. La interoperabilidad es un término recurrente en la agenda del foro. ¿Por qué sigue siendo tan difícil que las instituciones públicas compartan datos y sistemas? Existen dos grandes obstáculos: el aspecto regulatorio y la disparidad tecnológica. Por un lado, está la protección y confidencialidad de la información ciudadana sensible. Por otro lado, hay una enorme diversidad tecnológica; mientras algunas instituciones utilizan tecnologías avanzadas de inteligencia artificial, otras aún operan con lenguajes de programación de los años ochenta o noventa como COBOL o Fortran. No se trata de cambiar todos los sistemas de cientos de instituciones, sino de crear una arquitectura de interoperabilidad (similar a un aeropuerto donde puedan aterrizar los datos de distintas bases). Pero lo más determinante para lograrlo es la **prioridad política del máximo nivel. Cuando el máximo jerarca comprende la transformación digital y asume la batuta, surgen la voluntad, el trabajo en equipo y los recursos necesarios. En el evento se presentarán casos internacionales de países como Estonia, Ucrania y Uruguay. ¿Qué aportan estas experiencias a Centroamérica y a Costa Rica? Tendremos una agenda con referentes internacionales de primer nivel. Vienen expertos como... Vea la entrevista completa con Luis Adrián Salazar Le puede interesar: GovTech: cómo la tecnología está transformando las ciudades latinoamericanas

Tras su paso por Monterrey, el evento celebrará el próximo 24 de septiembre su segunda edición en México, en el Centro de Eventos Cibeles. Reunirá a especialistas en inteligencia artificial, innovación, transformación digital, marketing y negocios para mostrar cómo llevar la IA desde la experimentación hasta aplicaciones concretas dentro de las organizaciones. La inteligencia artificial ya dejó de ser una conversación exclusiva del área de tecnología. Su impacto alcanza la productividad, las ventas, la toma de decisiones, la operación, el marketing y la estrategia empresarial. En ese contexto, el Festival IA llegará el próximo 24 de septiembre al Centro de Eventos Cibeles de Ciudad Juárez, como parte de su gira 2026 y como segunda presentación del evento en México, después de su exitoso debut en Monterrey, y tras un paso por ocho países de Centroamérica y el Caribe. El Festival IA es una plataforma que reúne a empresarios, directivos, profesionales, tecnólogos y entusiastas de la inteligencia artificial con un objetivo concreto: explorar cómo utilizar esta tecnología en el ámbito empresarial, independientemente del área o función que desempeñe cada participante. La propuesta busca traducir la IA al lenguaje de los negocios y mostrar aplicaciones que puedan convertirse en productividad, mejores decisiones, innovación y nuevas capacidades para las organizaciones. La jornada combina conferencias y charlas magistrales, paneles de discusión, workshops prácticos, demostraciones de proyectos de IA y espacios para conocer soluciones de empresas y patrocinadores. La programación está diseñada para que los asistentes puedan aprender de especialistas, intercambiar ideas, conocer herramientas y explorar casos de aplicación sin necesidad de contar con conocimientos técnicos avanzados. El evento persigue además objetivos que van más allá de la capacitación tecnológica. Entre ellos se encuentran actualizar a los participantes sobre las aplicaciones de la IA, impulsar su adopción como herramienta de transformación, conectar profesionales y empresas, mostrar innovación desarrollada por startups e investigadores, democratizar el conocimiento y contribuir al desarrollo del ecosistema de inteligencia artificial en cada mercado donde se realiza. Una agenda enfocada en aplicaciones concretas La edición de Ciudad Juárez contará con siete especialistas que abordarán la inteligencia artificial desde diferentes perspectivas, desde la estrategia empresarial y los agentes autónomos hasta las ventas, el marketing, la producción audiovisual y los riesgos asociados a los contenidos generados por IA. La jornada comenzará con David Fernández, CEO y fundador de TDM Internacional, quien presentará “Laboratorio de futuro: Diseño anticipado para realidades que aún no llegan”. Su sesión propone utilizar modelos de IA para identificar señales tempranas, anticipar escenarios y diseñar conceptos estratégicos antes de que aparezcan determinados problemas, utilizando la tecnología como apoyo para pensar y decidir con mayor rapidez. A continuación, Eduardo Santin, director de Viati Consulting, abordará la incorporación de la inteligencia artificial en las organizaciones con “Implementación Estratégica de IA en Negocios (Más allá de los asistentes de uso personal)”. La conferencia se enfocará en cómo llevar la IA al ecosistema corporativo e industrial desde una perspectiva de arquitectura y procesos, más allá del uso individual de herramientas generativas. La dimensión de seguridad y confianza tendrá su espacio con Magaly Masís, especialista independiente en derecho informático, ciberseguridad y ciencia forense digital, quien presentará “Si ya no puede creer lo que ve, ¿en qué va a creer? Cómo distinguir lo real y protegerse en la era de la IA”. La sesión partirá de casos reales para analizar la proliferación de contenidos sintéticos y ofrecer herramientas para identificar aquello que puede no ser auténtico. Por su parte, Joel Díaz, presidente y cofundador de Popcorn Group, llevará la conversación hacia el uso estratégico de los datos con “De reportes a decisiones: cómo usar IA para convertir data en estrategia”. Su propuesta parte de un problema habitual en las organizaciones: contar con grandes volúmenes de información sin necesariamente convertirlos en decisiones. La sesión mostrará cómo utilizar IA y analítica de datos para detectar patrones, validar hipótesis y orientar acciones estratégicas. La evolución hacia sistemas capaces de ejecutar tareas y procesos será el foco de Alejandro Medina, ingeniero de Sistemas y especialista en Inteligencia Artificial Generativa y fundador de MedInA, quien presentará “La era de la IA agéntica empresarial”. La conferencia explorará el paso desde la IA utilizada como herramienta de consulta hacia agentes capaces de ejecutar procesos con una intervención humana más limitada, bajo criterios de gobernanza y control empresarial. Johnny Bermúdez, fundador de XY Estudios, abordará la aplicación de la IA en la generación de contenidos con “Videos e imágenes con IA para atraer clientes: de la idea a piezas listas para publicar”. La sesión mostrará un flujo de trabajo para transformar conceptos en piezas audiovisuales y gráficas destinadas a empresas, emprendimientos y marcas personales, con énfasis en velocidad, coherencia y resultados. Finalmente, Marcelo Burman, gerente general de Connecta B2B, llevará la IA al terreno comercial con “Si su equipo comercial no usa IA, ya está perdiendo ventas”. La charla analizará cómo aplicar inteligencia artificial en distintas etapas del funnel, desde la prospección hasta el cierre y la postventa, con el objetivo de convertirla en un copiloto para mejorar la productividad y la conversión comercial. De esta manera, la agenda de Ciudad Juárez plantea una mirada amplia sobre la inteligencia artificial, pero con un denominador común: pasar de hablar de tecnología a identificar dónde puede generar valor concreto dentro de una organización. La llegada a Ciudad Juárez forma parte de la expansión de Festival IA en México. Luego de su primera edición mexicana en Monterrey, realizada el 25 de agosto, el evento continúa su ruta por el país con una propuesta dirigida especialmente a empresarios, directivos y equipos que necesitan comprender qué oportunidades puede abrir la IA en productividad, ventas, operaciones, innovación y toma de decisiones. El Festival IA Ciudad Juárez 2026 se realizará el 24 de septiembre en el Centro de Eventos Cibeles. Quienes quieran conocer la agenda completa, los speakers, las actividades, las opciones de participación y realizar su inscripción pueden consultar el sitio oficial del evento: Festival IA. Vea también: Festival IA México 2026: la inteligencia artificial se instaló en la agenda empresarial de Monterrey

Como cierre del evento, Marcelo Burman, Gerente General de ConnectaB2B, instó a las organizaciones a repensar integralmente sus flujos de ventas y la capacitación de sus equipos. Durante su presentación, Burman enfatizó que el objetivo principal de las empresas no debe ser la simple adquisición masiva de tecnologías, sino el rediseño profundo de la forma en que trabaja el equipo comercial. En la actualidad, la gestión de ventas enfrenta desafíos crecientes: los ciclos de decisión se han extendido hasta alcanzar los 18 meses en sectores complejos, intervienen comités de compra multidisciplinarios y los clientes exigen respuestas inmediatas e hiperpersonalizadas. Pese a que estudios de HubSpot indican que el 94% de los equipos comerciales ya utiliza inteligencia artificial, Burman advirtió que la mayoría la aprovecha únicamente para tareas operativas menores, como redactar correos electrónicos. De acuerdo con datos de McKinsey, automatizar o potenciar una quinta parte de las funciones de un ejecutivo de ventas puede incrementar el retorno de inversión comercial entre un 3% y un 15%. A lo largo de la sesión, se mostraron casos prácticos aplicados a distintas etapas del embudo comercial: Prospección y segmentación: Uso de herramientas como LinkedIn Sales Navigator, Octopus y Apollo para la identificación y extracción estructurada de perfiles clave. Análisis del cliente: Implementación de asistentes personalizados basados en la metodología DISK para analizar la personalidad de los prospectos y adaptar el estilo de comunicación antes de una reunión. Automatización de secuencias: Integración de plataformas como Make, Apify, Perplexity y ChatGPT para investigar empresas, elaborar borradores de correo contextualizados y guardarlos en bandeja para revisión humana. Burman aclaró que la inteligencia artificial no reemplaza al vendedor, sino que convierte a un buen comercial en uno excelente al dotarlo de copilotos y asistentes para sus áreas de oportunidad . Como ejemplo, se expuso el manejo de objeciones complejas (como la típica "no hay presupuesto") abordado mediante el marco estratégico de Sandler para diagnosticar la causa real del rechazo sin recurrir a descuentos prematuros. Bajo este esquema, la gerencia de ventas evoluciona de una supervisión tradicional de metas hacia un liderazgo enfocado en el coaching estratégico continuo respaldado por herramientas digitales. Para concluir la conferencia, el directivo compartió directrices esenciales para integrar la IA de forma efectiva y segura: Calidad de datos: Evitar alimentar los modelos con información deficiente ("garbage in, garbage out"). Supervisión humana: Mantener la verificación y auditoría en cada paso automatizado antes de la interacción con el cliente. Punto de partida: Iniciar con procesos repetitivos y definir indicadores clave de rendimiento (KPIs) concretos. El encuentro marcó el cierre del Festival IA Ciudad Juárez 2026, espacio que contó con el respaldo de organismos e instituciones como Coparmex, Saori, ID Consultores y la Secretaría de Innovación y Desarrollo Económico del Gobierno del Estado de Chihuahua. Vea también: Todo lo que pasó en el Festival IA Ciudad Juárez 2026

CIMA y Clínica Bíblica son las instituciones más mencionadas entre los seis hospitales privados del país, según una investigación que comparó más de 14.000 respuestas para examinar su presencia y la exactitud de sus descripciones en inteligencia artificial. Sextante es un índice de visibilidad hospitalaria en inteligencia artificial: compara qué hospitales aparecen en las respuestas de los modelos y contrasta la exactitud de sus datos institucionales con fuentes oficiales. Su primera edición encontró que CIMA y Clínica Bíblica reúnen el 64,4 % de las menciones entre seis hospitales privados de Costa Rica. La iniciativa latinoamericana comienza en el país y extenderá sus evaluaciones a otros de la región, mediante un programa de mediciones mensuales. Para entender qué pueden encontrar los pacientes al buscar hospitales mediante IA, hacía falta pasar de consultas aisladas a una medición comparable. Saber qué instituciones aparecen, con qué frecuencia y con qué exactitud permite a los equipos hospitalarios examinar la información que puede formar la primera impresión de un paciente sobre un hospital. Se analizaron 14.112 respuestas, obtenidas el 16 y el 17 de agosto de 2026, en español e inglés. Se evaluaron seis modelos de lenguaje de gran escala, conocidos como LLM: GPT-5.6 Luna (OpenAI), Gemini 3.6 Flash (Google), Claude Sonnet 5 (Anthropic), Sonar (Perplexity), Llama 4 Maverick (Meta) y DeepSeek V4 Flash. Se consultaron en nueve configuraciones con o sin búsqueda web. Seis hallazgos principales La primera edición evalúa a CIMA San José, Clínica Bíblica, La Católica, Metropolitano, UNIBE y San Rafael Arcángel, en Liberia. Los resultados describen su representación en los modelos bajo las condiciones del estudio. • Dos hospitales concentran las menciones. CIMA reúne el 32,5 % y Clínica Bíblica el 31,9 %, para un total de 64,4 % entre los seis hospitales estudiados. El dato refleja presencia en las respuestas, sin equivaler a participación de mercado. • Ser reconocido al preguntar por nombre no asegura aparecer espontáneamente. UNIBE aparece en el 5,4 % de las preguntas abiertas, pero obtiene 87,6 puntos sobre 100 de reconocimiento cuando se pregunta directamente por él. Son indicadores distintos de su representación. • Una presencia alta puede acompañarse de mayor exactitud. Las respuestas calificadas con algún error representan el 1,1 % sobre CIMA, entre 4.027 respuestas, y el 4,5 % sobre Clínica Bíblica, entre 3.664. • Los errores institucionales varían entre hospitales. El 28,7 % de las 1.202 respuestas calificadas sobre Metropolitano y el 23,5 % de las 1.690 sobre La Católica contienen al menos un error. Se verificaron acreditación, operación de sedes, ubicación y propiedad. Son errores de los modelos al describir las instituciones. • El control detectó información desactualizada. Las nueve configuraciones describieron como operativo, en alguna respuesta, un hospital cerrado desde 2018. La frecuencia fue del 1,4 % al 5,9 % de las 1.568 respuestas de cada configuración. • La configuración también importa. Las respuestas calificadas con algún error van del 7,6 % en GPT-5.6 Luna con búsqueda web, sobre 1.322 respuestas, al 40,4 % en DeepSeek V4 Flash sin búsqueda, sobre 997. La comparación corresponde a las tareas y condiciones del estudio. Cómo se realizó el estudio La investigación fue realizada por Sebastián Urbina Cañas, Chief Innovation Officer de Daybreak y exvicepresidente de Inteligencia Artificial, Aprendizaje Automático y Ciencia de Datos de Genpact, donde dirigió el Centro de Excelencia en Pronósticos, y por Roberto Echeverria Cardenas, coautor y consultor en inteligencia artificial aplicada a la salud. Sebastián Urbina Cañas dirige la parte técnica. Sextante cuenta con la asesoría médica de la Dra. María Luisa Ávila Agüero, exministra de Salud de Costa Rica. "Una estrategia de inteligencia artificial en salud empieza por formular bien las preguntas. Antes de decidir cómo actuar, conviene distinguir qué observamos, qué podemos explicar y qué todavía necesita comprobarse", dijo Cardenas. El equipo abordó retos técnicos que dificultaban esa lectura: comparar respuestas de sistemas distintos, separar la frecuencia de aparición de la exactitud de los datos y conservar evidencia para revisar los resultados. El protocolo combina un banco de preguntas fijado previamente, un esquema común de codificación y fichas institucionales basadas en fuentes oficiales. "El protocolo distingue entre menciones, respuestas y afirmaciones verificables: cada indicador tiene su propio denominador. Un modelo evaluador codifica las respuestas con un esquema fijo y contrasta los datos institucionales con fichas basadas en fuentes oficiales. Conservamos las respuestas y sus codificaciones; esa trazabilidad permite revisar cómo se obtuvo cada resultado", explicó Urbina Cañas. Sextante evalúa y califica esa representación con criterios comunes y resultados comparables. Su programa de mediciones mensuales permitirá seguir la evolución de la visibilidad hospitalaria en la región, conforme se actualicen los sistemas y la información disponible y considerando las condiciones de cada edición. El uso de inteligencia artificial para informarse sobre salud es un proceso nuevo y en expansión. En Estados Unidos, Rock Health registró que la proporción de adultos que había utilizado chatbots para obtener información de salud pasó del 16 % en 2024 al 32 % en 2025. Una encuesta de Annenberg realizada en 2025 encontró, además, que el 63 % de quienes habían visto respuestas de IA al buscar información de salud en internet consideraba esa información algo o muy confiable. Le puede interesar: Menos del 8% de los hospitales de la región logrará capturar el valor real de su inversión en transformación digital

La empresa presentó una nueva generación de Copilot con tres piezas centrales: Home, que concentra la experiencia de trabajo; Code, que permite crear aplicaciones y automatizaciones mediante lenguaje natural; y Autopilot, un agente persistente capaz de ejecutar tareas sin esperar una instrucción en cada paso. El movimiento apunta a transformar Copilot de asistente conversacional en una plataforma para delegar trabajo a agentes de IA. Microsoft está cambiando la pregunta alrededor de Copilot. Ya no se trata solamente de qué puede responder una IA, sino de cuánto trabajo puede asumir por cuenta propia. La compañía presentó el 25 de septiembre una nueva versión de Microsoft Copilot que integra tres nuevas capacidades, Home, Code y Autopilot, con una apuesta explícita por convertir la herramienta en un punto central para preguntar, delegar, construir y automatizar tareas dentro de las organizaciones. La estrategia refleja un cambio en la concepción del asistente de IA. Copilot deja de estar pensado únicamente como una interfaz para conversar con modelos y comienza a funcionar como una capa de ejecución sobre el trabajo corporativo. Home: un nuevo centro de operaciones Home será el nuevo punto de entrada de Copilot. Allí Microsoft unifica Chat y Cowork, dos experiencias con objetivos diferentes. Chat está orientado a consultas rápidas, búsquedas, generación de borradores y conversaciones. Cowork, en cambio, está diseñado para delegar trabajos completos. El usuario define el objetivo y el sistema puede ejecutar una tarea de punta a punta, como preparar una respuesta a una solicitud de propuesta, desarrollar un kit de lanzamiento, elaborar un briefing para un cliente o preparar un paquete para un cierre financiero. La dirección que plantea Microsoft es todavía más ambiciosa: próximamente el usuario no tendría que decidir qué herramienta utilizar. Bastaría con describir lo que necesita y Copilot determinaría si debe resolverlo mediante Chat, Cowork o Code. Home también incorpora Word, Excel y PowerPoint directamente dentro de la experiencia de Copilot. Esto permite crear o modificar documentos, hojas de cálculo y presentaciones sin abandonar el contexto de la conversación. Los archivos continúan siendo editables y sincronizados con las aplicaciones de Microsoft 365, mientras los colaboradores pueden intervenir sobre ellos en tiempo real. El objetivo es atacar uno de los problemas habituales de la IA aplicada al trabajo: el salto permanente entre el chatbot, los documentos, los datos y las aplicaciones empresariales. Code: programar sin ser programador La segunda pieza cambia la frontera entre usuario y desarrollador. Con Code, Microsoft busca que la creación de soluciones de software deje de ser una tarea exclusiva de quienes escriben código. El usuario puede describir en lenguaje natural una aplicación, un dashboard, un tracker, una automatización o un workflow, y Copilot se encarga de construirlo. La propuesta puede desembocar en desde pequeños widgets de escritorio hasta dashboards interactivos o aplicaciones internas alojadas en la nube y compartidas con un equipo. Code utiliza la misma tecnología subyacente de GitHub Copilot y funciona en un entorno aislado, con la posibilidad de alojar las soluciones dentro del tenant corporativo. Microsoft IQ aporta además el contexto del trabajo de cada organización y permite sincronizar plugins. Esto introduce un cambio relevante en la economía del desarrollo empresarial: si una persona de finanzas puede describir y construir una herramienta para automatizar un proceso, la unidad básica del trabajo digital deja de ser exclusivamente el documento y empieza a ser también una pequeña aplicación creada específicamente para resolver un problema. Para las áreas de TI, Microsoft intenta acompañar esta democratización con controles corporativos. Copilot Managed Runtime proporciona infraestructura para ejecutar ese código dentro del entorno de Microsoft 365, bajo gobierno de TI, con capacidad para conectarlo a datos en vivo y compartir las aplicaciones con otros usuarios. Autopilot: el salto hacia agentes persistentes Pero la pieza que más claramente muestra hacia dónde se dirige Microsoft es Autopilot, anteriormente denominado Scout. La compañía lo define como un compañero digital persistente. El usuario puede asignarle un nombre, un rol y un objetivo, y el agente continúa trabajando sin necesitar una nueva instrucción para cada acción. Puede vigilar canales, seguir conversaciones, ejecutar tareas recurrentes y retomar proyectos días después. Microsoft plantea como ejemplo la gestión completa de una revisión de proveedores: Autopilot puede elaborar el calendario y plan de trabajo, preparar reuniones, realizar seguimientos y solicitar información a los participantes. La diferencia con un chatbot tradicional está precisamente allí. El chatbot espera la siguiente pregunta. El agente recibe un objetivo y mantiene el trabajo en marcha. Autopilot estará alojado en la nube y tendrá dentro del entorno corporativo su propia identidad, memoria, computadora y espacio de trabajo. También podrá interactuar con Teams, Outlook, chats, canales y documentos como si fuera otro participante del ecosistema empresarial. Microsoft señala que contará con permisos, auditoría y mecanismos de gobierno, mientras el usuario establece los objetivos y límites. Es un cambio conceptual importante: la IA ya no solamente genera contenido. Puede convertirse en un actor dentro de los procesos de una organización. El contexto empresarial se convierte en el activo clave Detrás de estas nuevas capacidades aparece Microsoft IQ, la plataforma de inteligencia empresarial que Microsoft utiliza como capa de contexto para Copilot y sus agentes. La compañía está ampliando además las fuentes de información que Copilot puede utilizar. Fabric IQ incorpora contexto proveniente de los datos empresariales, incluyendo más de 20 millones de modelos semánticos de Power BI. Microsoft también está llevando a Copilot información y workflows de Dynamics 365 y Power Platform. La importancia de este movimiento va más allá de sumar integraciones. Para que un agente pueda ejecutar trabajo real necesita conocer el contexto de la organización: clientes, procesos, datos, documentos, conversaciones, permisos y reglas internas. Por eso Microsoft también está desplegando un nuevo registro de plugins que reunirá capacidades desarrolladas por Microsoft, socios y terceros. Los administradores de TI podrán aprobar y gestionar estos plugins de manera centralizada. La batalla por la IA empresarial empieza, así, a desplazarse desde el modelo hacia el contexto y la capacidad de actuar sobre sistemas reales. El nuevo problema: cuánto cuesta dejar trabajar a los agentes La expansión de las capacidades agentic también obliga a Microsoft a modificar su modelo económico. Para el uso cotidiano, como preguntas, borradores, resúmenes y análisis, la compañía mantiene las licencias de usuario, mientras que Auto selecciona el modelo en función de factores como precisión, velocidad y costo. Las tareas más intensivas de agentes, en cambio, pasan a un esquema de facturación basado en uso. Cowork, Code y Autopilot, junto con modelos frontier como Astra y Fable, utilizarán este esquema. Microsoft está incorporando además nuevas herramientas de FinOps para IA. Los administradores podrán establecer políticas de gasto, controlar qué familias de modelos están disponibles para determinados grupos y analizar qué tareas generan resultados de negocio. Los usuarios también podrán consultar directamente su consumo de créditos y su historial de uso. La señal para los CIO es clara: la adopción de agentes introduce una nueva categoría de gasto que deberá ser administrada y relacionada con resultados concretos. De copiloto a fuerza laboral digital La presentación de Microsoft marca una evolución en la narrativa de Copilot. La primera generación de asistentes de IA se construyó alrededor de una interacción simple: una persona pregunta y la máquina responde. La nueva versión intenta establecer otro modelo: una persona define qué necesita y la IA decide cómo ejecutarlo, construye las herramientas necesarias y, en determinados casos, continúa trabajando después de que el usuario se desconecta. Microsoft todavía está desplegando estas capacidades. Home y Code comenzarán a llegar mediante el programa Frontier durante las próximas semanas, mientras Autopilot se expandirá a una prueba privada a finales de septiembre. Code tendrá además una versión preliminar para suscriptores de Microsoft 365 Premium y Pro más adelante este año. La compañía ya anticipa una siguiente etapa. Today llegará como un centro de comando personalizado capaz de identificar qué ocurrió mientras el usuario estaba ausente, qué requiere atención y qué puede esperar, e incluso preparar acciones para que el usuario las revise. En Teams, @Copilot también incorporará el contexto compartido de canales, chats y reuniones para ayudar a los equipos a reconstruir decisiones y preparar revisiones entre áreas. El movimiento de Microsoft apunta, en definitiva, a convertir Copilot en algo más amplio que un asistente integrado en Microsoft 365. La apuesta es construir una plataforma donde humanos y agentes compartan el mismo entorno de trabajo, los mismos datos y, bajo reglas definidas por la organización, parte de la misma capacidad de ejecución. La pregunta para las empresas ya no será solamente qué modelo de IA utilizar. Será qué tareas están dispuestas a delegar, con qué autonomía, bajo qué controles y a qué costo. Le puede interesar:

La ciencia de datos no consiste únicamente en analizar grandes volúmenes de información o desarrollar modelos de inteligencia artificial. También implica explorar datos, formular preguntas, probar hipótesis, visualizar resultados y comunicar los hallazgos. En este proceso, Jupyter Notebook se ha convertido en una herramienta fundamental para estudiantes, investigadores y profesionales, al permitir integrar programación, documentación y visualización en un mismo entorno interactivo. Por Fabiola Montero, profesora de la Facultad de Informática, Electrónica y Comunicación de la Universidad de Panamá Su propuesta es sencilla, pero ha transformado la manera de trabajar con datos. En lugar de utilizar diferentes aplicaciones para escribir código, documentar el análisis y presentar gráficos, Jupyter permite reunir estos elementos en un único documento digital. Cada proyecto puede convertirse así en un registro del proceso seguido, desde la exploración inicial hasta la obtención de los resultados. Una de sus características más importantes es el uso de celdas. El código puede dividirse en pequeños bloques que se ejecutan de manera independiente, permitiendo observar los resultados inmediatamente. Esto facilita experimentar con diferentes alternativas, modificar instrucciones, detectar errores y analizar los datos de forma progresiva. Para quienes están aprendiendo programación y ciencia de datos, esta dinámica también permite comprender con mayor claridad la relación entre el código y sus resultados. Pero un notebook no contiene únicamente programación. El usuario puede incorporar texto explicativo, fórmulas matemáticas, imágenes, tablas y gráficos junto con el código. Esta combinación convierte al documento en una especie de cuaderno de laboratorio digital, donde es posible mostrar no solo qué resultado se obtuvo, sino también cómo se llegó a él. Esta característica resulta especialmente valiosa en la ciencia de datos. Un análisis puede comenzar con la carga de un conjunto de datos, continuar con su limpieza y exploración, incluir diferentes visualizaciones y finalizar con la construcción de un modelo predictivo. Todas estas etapas pueden quedar documentadas dentro del mismo notebook, facilitando su revisión y comprensión. Jupyter también destaca por su flexibilidad. Aunque Python es uno de los lenguajes más utilizados en este entorno, la plataforma permite trabajar con otros lenguajes, como R y Julia. Además, puede integrarse con bibliotecas ampliamente utilizadas en ciencia de datos, entre ellas pandas, NumPy, Matplotlib y scikit-learn, lo que permite realizar desde operaciones básicas de análisis hasta procesos de aprendizaje automático. Su evolución también está relacionada con la forma en que actualmente se comparten los proyectos. Los notebooks pueden almacenarse en repositorios como GitHub o ejecutarse mediante servicios en la nube como Google Colab. Esto facilita que estudiantes, docentes e investigadores puedan compartir experimentos, revisar análisis y colaborar en proyectos sin depender necesariamente de una instalación local compleja. En el ámbito educativo, esta característica tiene un valor particular. Un estudiante puede presentar en un mismo documento el código desarrollado, explicar las decisiones tomadas, mostrar los gráficos obtenidos y analizar los resultados. Para el docente, esto facilita observar no solo la respuesta final, sino también el proceso utilizado para llegar a ella. En investigación, los notebooks también pueden contribuir a documentar experimentos y favorecer la reproducibilidad. Al conservar el código junto con las explicaciones y resultados, otros investigadores cuentan con más elementos para comprender cómo se realizó determinado análisis y, cuando las condiciones lo permiten, repetirlo. Sin embargo, Jupyter Notebook no está diseñado para resolver todas las necesidades de un proyecto tecnológico. Su principal fortaleza está en la exploración, experimentación, aprendizaje y documentación de análisis. Cuando una solución debe convertirse en una aplicación estable, escalable y preparada para funcionar de manera continua en producción, generalmente se requieren otras herramientas y metodologías. También existen desafíos relacionados con la organización. Un notebook puede volverse difícil de mantener cuando acumula demasiadas celdas, código desordenado o resultados antiguos. Por ello, su utilización efectiva requiere aplicar buenas prácticas: mantener una estructura lógica, documentar los procesos, utilizar nombres claros y evitar código innecesario. Más que un espacio para ejecutar código, Jupyter Notebook representa una nueva forma de pensar, experimentar y comunicar con datos. Su capacidad para reunir programación, análisis, visualización y explicación en un mismo documento ha cambiado la manera en que muchas personas aprenden y desarrollan proyectos de ciencia de datos. En una época en la que los datos ocupan un lugar central en la investigación, los negocios y la innovación tecnológica, herramientas como Jupyter muestran que analizar información no consiste solamente en obtener resultados. También es necesario comprender el proceso, comunicarlo y hacerlo reproducible. Esa combinación ha convertido al notebook en mucho más que un cuaderno digital: en un espacio donde los datos pueden transformarse en conocimiento. Le puede interesar: K-means: el algoritmo que revela patrones ocultos en los datos