Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• El costo oculto de seguir usando tecnología vieja

• Jueza anula el veto del Pentágono contra Anthropic

• IA detecta enfermedades del corazón en menos de dos segundos

• Photon Matrix quiere eliminar mosquitos con láser e IA

• Encuesta: ¿Las herramientas de tu lugar de trabajo son vulnerables ante ataques hechos con IA?

La seguridad es un proceso, no un producto.
—Bruce Schneier, tecnólogo pionero de la ciberseguridad

Un hospital puede tener un equipo médico de última generación, tan moderno, que se puede conectar a una red… que lleva años sin actualizarse.

Una ciudad puede gestionar el suministro de agua con decenas de computadoras… que trabajan con software previo a la existencia de los teléfonos inteligentes.

Un empleado puede conservar permisos de administrador de un programa en una empresa… que dejó hace cinco años.

Nada de esto es nuevo. Es más, está dentro del rango de lo común.

Lo nuevo es que ahora una máquina puede buscar grietas de seguridad como estas y explotarlas. Y este fenómeno genera una situación extraña para los proveedores de ciberseguridad actuales.

El jueves 27 de agosto del 2026 más de cien compañías, entre ellas OpenAI, Anthropic, Microsoft, Google, Amazon, Cloudflare, CrowdStrike, IBM, Visa y Mastercard, publicaron una advertencia conjunta: quedan “meses” para reforzar las defensas frente a una nueva generación de ciberataques, potenciados por inteligencia artificial.

La lista de riesgos que presentan ni siquiera es futurista, se basa en las situaciones comunes:

Software sin actualizar. Contraseñas débiles. Configuraciones incorrectas. Permisos excesivos. Sistemas heredados. Equipos que nadie se atreve a sustituir porque siguen funcionando.

Es decir: buena parte del peligro del futuro está escondido en decisiones ancladas al pasado.

Hemos podido convivir con esa precariedad porque explotar una vulnerabilidad tenía un costo y alguien debía pagarlo. Había que comprender la vulnerabilidad, escribir código, probarlo, adaptar el ataque y repetir el procedimiento frente a cada nuevo obstáculo.

La inteligencia artificial ya redujo ese costo.

Puede leer código, buscar errores, producir herramientas, modificar estrategias y automatizar partes del ataque. Todavía necesita supervisión; todavía se equivoca. Pero no necesita ser perfecta para dañar. Basta con que permita hacer en horas una parte de lo que antes exigía días.

Por eso la alarma no proviene únicamente de las empresas tecnológicas. En junio, los servicios de inteligencia de Estados Unidos, Reino Unido, Canadá, Australia y Nueva Zelanda (la alianza conocida como Five Eyes) advirtieron también que los modelos más avanzados podían transformar las capacidades ofensivas y defensivas en cuestión de meses.

La amenaza es suficientemente seria para prestarle atención. Por eso también es importante prestar atención a la solución.

Los firmantes de la carta de agosto proponen algo que suena coherente: financiar la ciberdefensa, compartir más información, proporcionar herramientas avanzadas a instituciones vulnerables (como hospitales y servicios públicos) y ampliar programas que permitan a organizaciones confiables utilizar modelos de IA especialmente capaces para evitar ataques.

Tiene sentido. Si una máquina ayuda a encontrar vulnerabilidades, otra máquina puede ayudar a encontrarlas primero.

Aquí empieza el círculo que, sí, puede ser vicioso. Muchas de las debilidades que ahora queremos combatir llevan años identificadas. Ni siquiera necesitábamos inteligencia artificial para saber que una contraseña reutilizada es peligrosa. Tampoco para entender que un servidor sin actualizaciones, una computadora con veinte años de antigüedad o una cuenta con privilegios innecesarios constituye un riesgo.

Lo sabemos. Es más: lo hemos tolerado.

En Estados Unidos hay una expresión bastante precisa para este fenómeno: technical debt, deuda tecnológica. Y se manifiesta en las soluciones provisionales que se hicieron permanentes y actualizaciones pospuestas para cuidar el presupuesto… La solución de los problemas se quedaba para mañana.

Ese mañana parece haber llegado. Es más, Anthropic explicó hace pocas semanas cómo uno de sus modelos hackeó a tres empresas reales por un error en una configuración.

La IA entonces convierte la deuda tecnológica en una superficie de ataque relativamente accesible.

Y eso cambia también la economía de la defensa. Gartner calcula que el gasto mundial en seguridad de la información alcanzará alrededor de 244 mil millones de dólares en 2026. La cifra, en abstracto suena a “mucho dinero”, pero en concreto nos lleva a otro punto: ¿en manos de quién termina?

Entre los firmantes de la carta sobre ciberseguridad están varias de las empresas que venden infraestructura, nube, software y servicios de seguridad.

No estamos insinuando que hayan inventado una crisis para vender la solución. No hay forma de sustentarlo.

Lo que implica es distinto: las amenazas están creando una nueva demanda y quienes están ayudando a diagnosticar el problema, paradójicamente, ocupan también una posición privilegiada para contrarrestarlo.

Y hay más. Mientras aumenta la capacidad tecnológica para atacar, la fortaleza de algunos Gobiernos para contrarrestar no crece simultáneamente. Reuters documentó que CISA, la agencia federal de ciberseguridad de Estados Unidos, redujo aproximadamente un tercio de su plantilla. Su programa destinado a fortalecer las defensas de estados y gobiernos locales cayó de 279.9 millones de dólares en 2024 a 91.7 millones en 2025, de acuerdo con la propia agencia.

El problema sigue creciendo, como bola de nieve. Durante años se pospusieron actualizaciones, personal y mantenimiento. Después surgió la tecnología que vuelve más peligroso el abandono. Al final se necesitarán sistemas mucho más sofisticados (y probablemente mucho más caros) para compensar.

Es una dinámica conocida: dejar deteriorar la infraestructura casi siempre termina costando más que conservarla.

La pregunta resulta casi obvia: ¿quién deberá construir la capacidad de respuesta, los Gobiernos o las empresas que han creado la tecnología? La carta apuesta por una cooperación estrecha entre ambas instancias. Tampoco es una idea nueva. Desde 2021 CISA coordina al sector público y privado mediante el Joint Cyber Defense Collaborative, y en 2025 publicó un protocolo específico para incidentes vinculados con inteligencia artificial.

Lo novedoso es el tipo de herramienta que entra ahora en esa cooperación y los permisos.

OpenAI ya permite que organizaciones verificadas accedan a capacidades cibernéticas más avanzadas mediante su programa Trusted Access for Cyber. Anthropic desarrolla un esquema parecido con Project Glasswing.

Parece prudente. Si un modelo puede descubrir vulnerabilidades importantes, no conviene poner todas sus capacidades a disposición de cualquier usuario anónimo.

Pero esa prudencia gesta una nueva forma de poder. Una compañía privada, al menos hoy, termina decidiendo quién es suficientemente confiable para utilizar determinadas capacidades defensivas, bajo qué condiciones y con qué controles.

Cuanto más importantes sean esos modelos para proteger infraestructura esencial, más importante será también quien controla el acceso a ellos.

Y aquí nace la segunda deuda.

La primera era tecnológica: sistemas viejos que nunca terminamos de reparar.

La segunda puede ser institucional: depender de un pequeño grupo de empresas para mantener seguros esos sistemas.

El Financial Stability Board ha advertido precisamente sobre el riesgo de concentración alrededor de pocos proveedores de nube, hardware especializado y modelos de inteligencia artificial. Una institución puede ganar seguridad frente a un atacante y, al mismo tiempo, volverse más vulnerable frente a la falla, caída o decisión comercial de su proveedor.

Algo parecido ya ocurrió en otra época de la informática. Comprábamos antivirus porque las computadoras podían recibir virus. Era una industria construida alrededor de un riesgo real. Pero entonces la unidad que había que proteger era una máquina. Ahora la unidad puede ser la infraestructura de una ciudad.

La carta habla de hospitales y sistemas de agua porque ése es el punto donde la discusión deja de pertenecer a especialistas. Cuando un ataque paraliza una computadora, perdemos archivos. Cuando paraliza el suministro de agua podríamos perder muchas cosas más.

De allí nace la urgencia.

Pero sería extraño atravesar esta transformación sin preguntarnos cómo llegamos hasta aquí.

Construimos sistemas digitales para abaratar procesos, automatizar decisiones y conectar infraestructura. Después pospusimos su mantenimiento porque actualizar cuesta dinero, cambiar software produce problemas y sustituir equipos que todavía funcionan parece un desperdicio.

La IA también llegó para modificar esa tolerancia. Hace que las grietas sean más fáciles de encontrar, más rápidas de explotar y más baratas de atacar.

Y quizá terminemos gastando millones en inteligencias artificiales capaces de proteger sistemas cuya fragilidad comenzó con decisiones ordinarias: no actualizar, no sustituir, no contratar, no invertir.

La tecnología más avanzada del mundo intentando reparar una vieja costumbre humana: dejar para mañana lo que todavía funciona hoy.

🤖 Noticias desde el presente que construyen el futuro

Jueza anula el veto del Pentágono contra Anthropic

Una jueza federal de California le dio la razón a Anthropic en su disputa con el gobierno de Donald Trump y determinó que el Pentágono actuó ilegalmente al declarar a la empresa un “riesgo para la cadena de suministro”. El conflicto comenzó después de que Anthropic se negó a eliminar dos restricciones sobre el uso militar de Claude: la vigilancia masiva de estadounidenses y el empleo del modelo en armas letales completamente autónomas. Tras el desacuerdo, el gobierno ordenó a las agencias federales dejar de usar productos de Anthropic y prohibió a los contratistas militares realizar negocios con la compañía, incluso en actividades sin relación con la defensa.

La jueza Rita Lin determinó que esas medidas constituyeron una represalia por las críticas de Anthropic y violaron la libertad de expresión, protegida por la Primera Enmienda, y las garantías de debido proceso de la Quinta. La corte también señaló una contradicción: mientras calificaba a Anthropic como amenaza, el Pentágono continuó intentando alcanzar nuevos acuerdos con la empresa.

La sentencia elimina las medidas impugnadas y bloquea su aplicación, pero no obliga al gobierno estadounidense a contratar Anthropic ni a utilizar Claude. El Pentágono conserva la facultad de elegir otro proveedor siguiendo los procedimientos legales.

IA detecta enfermedades del corazón en menos de dos segundos

Investigadores del Imperial College London desarrollaron una herramienta de IA capaz de detectar señales de insuficiencia cardiaca y enfermedades de las válvulas del corazón en menos de dos segundos. El sistema, financiado por la British Heart Foundation, fue entrenado con millones de electrocardiogramas y presentado en el congreso anual de la European Society of Cardiology, en Múnich, Alemania. El sistema analiza información del ECG que normalmente no es visible para el ojo humano.

En una prueba con 67,000 pacientes en Estados Unidos, identificó hasta 81% de los casos de insuficiencia cardiaca y 90% de enfermedades valvulares. El sistema no sustituye al ecocardiograma, sólo sirve para señalar a quienes tienen mayor riesgo y priorizarlos para ese estudio, que en ocasiones puede tardar meses. Los investigadores plantean incluso aplicarlo de forma automática a todos los ECG de un hospital para detectar enfermedades todavía no sospechadas.

Photon Matrix quiere eliminar mosquitos con láser e IA

La startup china Photon Matrix Lab, con sede en Changzhou, desarrolló un dispositivo que detecta mosquitos en vuelo y los neutraliza con un láser, sin insecticidas. El sistema combina LiDAR, radar de ondas milimétricas y visión asistida por IA para localizar insectos de entre 2 y 20 milímetros; después, un mecanismo dirige un pulso láser hacia el objetivo para dañar sus alas. La empresa ofrece versiones con láser infrarrojo para interiores y azul visible para exteriores.

El proyecto comenzó mediante crowdfunding y recaudó alrededor de 2.7 millones de dólares en Indiegogo, con más de 4,000 patrocinadores de 50 países. Tras retrasos en la producción, Photon Matrix ya acepta pedidos desde su propia tienda, aunque actualmente los clasifica como preventa y señala entregas dentro de un plazo de hasta 120 días. La compañía afirma que su sistema incorpora sensores para evitar disparos cuando no existe un fondo seguro, pero su eficacia y seguridad a gran escala todavía dependen principalmente de pruebas y datos del propio fabricante.

Suscríbete ahora

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• La “droga” que Meta distribuye y que otros ya fabrican

• Brasil suspende los livestreams de Discord para proteger a menores

• Google lanza Gemini Enterprise for Legal

• Meta prepara el lanzamiento de su agente “Hatch”

• Encuesta: ¿Te has descubierto haciendo una compra de impulso por estímulos digitales?

“El apetito casi infinito del hombre por las distracciones.”
—Aldous Huxley, Brave New World Revisited (1958)

“Ay, Dios… oigan, Instagram es una droga”.

“Básicamente, somos unos traficantes”.

Las frases son atribuidas a empleados de Meta en conversaciones internas que acabaron incorporadas a expedientes judiciales. ¿Una exageración de oficina? Quizá. Pero, ¿qué vieron quienes construían Instagram para hablar así de su propio producto?

En agosto de 2026 esa inquietud llegó a un tribunal federal de Oakland, California. Una coalición de 29 estados está acusando a Meta de haber diseñado Facebook e Instagram para fomentar un uso adictivo entre menores y recolectar ilegalmente datos de niños. Meta lo niega y reivindica la función de sus herramientas de seguridad.

“Adicción”, dicen los acusadores… la palabra sirve para entender la gravedad del litigio. Pero sirve menos para hacer un diagnóstico más profundo.

La psiquiatría no reconoce (todavía) una “adicción a Instagram” equiparable a la dependencia hacia la nicotina. Tampoco hay evidencia suficiente para afirmar que las redes sociales, tomadas como una sola categoría, causen por sí mismas la crisis de salud mental adolescente que se ve en varias partes del mundo. Las Academias Nacionales de Estados Unidos concluyeron en 2023 que la literatura disponible no permitía sostener esa causalidad a escala poblacional.

Eso obliga a mirar algo más concreto: el diseño de los productos. No es lo mismo “redes sociales” que “productos diseñados con el mismo patrón”. Porque ese patrón no es exclusivo de las redes.

Un experimento de UCLA mostró que los adolescentes tendían a valorar más una fotografía cuando les hacían creer que otros jóvenes ya la habían aprobado con muchos likes. Esas imágenes también activaban con mayor intensidad regiones vinculadas con recompensa, cognición social y atención. No es una prueba de adicción. Es algo más elemental: la aprobación social, cuando es cuantificada, puede adquirir valor de recompensa.

Las plataformas aprendieron a trabajar con esa materia prima. Y todos lo hemos experimentado.

El scroll infinito elimina el momento en que una página termina. El autoplay elimina la decisión de reproducir otro video. Una notificación puede contener algo muy relevante (o nada). El feed promete tácitamente que quizá la siguiente pieza valga la pena.

No es el lugar común de los medios (“inyección de dopamina” por el uso de redes); de hecho, no hace falta obtener placer cada vez que se visita una. La incertidumbre de que se encontrará una recompensa sostiene la búsqueda.

B. F. Skinner estudió cómo una conducta puede persistir cuando la recompensa llega de manera intermitente e imprevisible. Una tragamonedas explota esa lógica de forma explícita, porque nadie garantiza el éxito. Un feed no es un casino, pero comparte una propiedad: nunca sabemos qué aparecerá después, pero puede ser muy agradable.

La diferencia contra un juego de azar es que ahora el sistema observa y mide nuestra respuesta.

Cada pausa, clic, abandono o regreso permite probar qué hace que aumente la probabilidad de otra acción. El algoritmo aprende. Nosotros también.

Facebook ya había dejado ver esa lógica en 2018 con Meaningful Social Interactions, un cambio que dio más peso a publicaciones capaces de generar conversaciones y reacciones. Su intención era favorecer interacciones sociales significativas. Pero una métrica convertida en objetivo usualmente reorganiza aquello que la rodea.

Creadores, medios y políticos entendieron qué tipo de contenidos impulsan la distribución y, previsiblemente, ajustaron su formato y enfoque. El sistema recoge esas nuevas señales y vuelve a ajustar. Los creadores de contenido también. Ya no estamos ante una pantalla pasiva, sino ante una relación de aprendizaje mutuo extraordinariamente desigual.

Por eso importan tanto los documentos internos que revelan si se conocían las consecuencias.

Project Mercury es uno de ellos. En 2020, Meta y Nielsen estudiaron qué ocurría cuando ciertos usuarios dejaban Facebook por una semana. Según documentos revelados posteriormente en tribunales, quienes lo hicieron reportaron menores sentimientos de depresión, ansiedad, soledad y comparación social. Meta cuestionó la metodología y abandonó esa línea de investigación. Los demandantes ofrecen otra perspectiva: la compañía encontró resultados incómodos y decidió no profundizar.

De ahí nace la comparación con el juicio que alguna vez se hizo contra el tabaco. No porque Instagram y un cigarro produzcan el mismo daño, sino por la secuencia que los abogados intentan demostrar: investigar un riesgo, conocerlo mejor que el público, minimizarlo y preservar aquello que sostiene el negocio.

Meta tiene un punto: depresión, ansiedad, trastornos alimentarios y suicidio son fenómenos multicausales; quien ya atraviesa dificultades puede, sí, usar más las redes; correlación y causalidad se confunden habitualmente en el análisis de datos. Muchas horas frente a una pantalla tampoco constituyen, por sí mismas, una enfermedad.

Los juicios recientes han empezado a mirar otra cosa.

En marzo, un jurado de California declaró responsables a Meta y Google en el caso K.G.M. Los condenaron a pagar seis millones de dólares. La conversación fue dominada por la multa y la defensa de las empresas: dijeron que no eran responsables del contenido publicado por terceros. Pero algo relevante escapó a la vista de muchos: lo que influyen las características del producto (scroll infinito, autoplay, notificaciones, filtros).

Ahora Oakland lleva esa discusión a otra escala.

Europa se mueve en la misma dirección. El 10 de julio de 2026, la Comisión Europea concluyó preliminarmente que el diseño de Facebook e Instagram podría infringir la Ley de Servicios Digitales. Su investigación señala precisamente el scroll infinito, el autoplay, las notificaciones push y los recomendadores altamente personalizados.

Ahí Instagram deja de ser el único asunto.

Una tienda digital quiere que compremos. Un videojuego, que juguemos otra partida. El streaming, otro episodio. Los objetivos cambian, pero parte de la arquitectura se repite: observar conducta, experimentar, reducir fricciones entre impulso y acción, introducir urgencia, personalizar estímulos y medir cuál aumenta la probabilidad de la siguiente acción.

En comercio electrónico una parte de esta ingeniería tiene nombre dark patterns: temporizadores que fabrican urgencia, suscripciones difíciles de cancelar, cargos escondidos, opciones de acciones adicionales preseleccionadas. La FTC estadounidense lleva años persiguiendo estas prácticas. Una revisión internacional coordinada en 2024 encontró posibles patrones oscuros en más del 76% de los sitios y aplicaciones examinados.

Eso sí, hay una diferencia importante entre el comercio y las redes. Un dark pattern tradicional intenta empujarnos en una dirección elegida de antemano. Las plataformas actuales pueden hacer algo más sofisticado: observar cuál de muchas versiones funciona mejor sobre distintos usuarios y aprender de la respuesta.

Pero hay una arquitectura de incentivos compartida.

No significa que Instagram, una tienda y un videojuego sean productos equivalentes. Significa que todos pueden beneficiarse de una capacidad que hace veinte años apenas existía a esta escala: convertir millones de decisiones humanas en datos experimentales y utilizar el resultado para afinar la siguiente intervención.

Durante años discutimos qué podía vendernos una empresa, qué podía prometernos y qué podía hacer con nuestros datos. Los litigios contra Meta abren otra frontera: qué responsabilidades aparecen cuando una compañía puede experimentar sobre nuestra conducta, descubrir nuestras vulnerabilidades como humanos y optimizar alrededor de ellas.

Tal vez los empleados exageraban cuando llamaban “droga” a Instagram. Científicamente, hasta la comparación es torpe.

Lo inquietante es que quizá estaban intentando describir una reacción para la que todavía no tenemos una palabra descriptiva, pero sí una industria.

🤖 Noticias desde el presente que construyen el futuro

Brasil suspende los livestreams de Discord para proteger a menores

La Autoridad Nacional de Protección de Datos de Brasil (ANPD) ordenó a Discord suspender sus transmisiones en vivo y otras funciones equivalentes de video hasta que demuestre medidas eficaces de protección para niños y adolescentes. La decisión se produjo después del suicidio de una adolescente de 13 años cuyo caso estuvo relacionado con una transmisión en la plataforma.

Discord cumplió la orden el 17 de agosto. La suspensión afecta funciones de video en tiempo real, mientras que mensajes, canales de voz y llamadas de audio continúan disponibles. La autoridad señaló que la medida es preventiva y que las transmisiones podrán regresar cuando la empresa presente salvaguardas consideradas suficientes.

Google lanza Gemini Enterprise for Legal

Google Cloud presentó Gemini Enterprise for Legal, una versión especializada de su plataforma empresarial de IA diseñada para bufetes y departamentos jurídicos. El sistema combina modelos Gemini con agentes capaces de ejecutar flujos de trabajo legales, conectores hacia sistemas internos y herramientas específicas para mantener permisos, confidencialidad y gobierno de datos.

La plataforma está inicialmente disponible en preview y fue desarrollada con firmas como Cleary Gottlieb, Freshfields, Weil y Williams & Connolly.

Meta prepara el lanzamiento de su agente “Hatch”

Meta planea lanzar en las próximas semanas un agente de IA para consumidores conocido internamente como Hatch, según documentos revisados por The Information. El proyecto busca ofrecer una versión más accesible del tipo de agentes popularizado por OpenClaw: sistemas capaces de interactuar con sitios y servicios externos para realizar tareas en nombre del usuario, en lugar de limitarse a responder preguntas.

Hatch forma parte de la expansión de Meta hacia agentes personales y comerciales. La empresa ya ha añadido funciones agentivas a Meta AI y desarrolla asistentes para negocios capaces de reservar citas, atender clientes o completar ventas en WhatsApp, Messenger e Instagram. El nombre Hatch todavía es interno y Meta no ha anunciado oficialmente fecha, características finales ni precios.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• La receta del caos: agentes de IA perfectamente obedientes

• Ya hay ChatGPT para adolescentes

• Google comenzará a retirar Assistant de dispositivos Android el 4 de septiembre

• Google presentó Gemini 3.7 Flash

• Encuesta: ¿Quién debe regular los productos hechos con IA que puedan causar polémica social?

“Más nos vale estar completamente seguros de que el propósito introducido en la máquina es el que realmente deseamos, y no una simple imitación vistosa.”

—Norbert Wiener, matemático que sentó las bases de la cibernética moderna.

Durante cuatro horas, tres agentes de inteligencia artificial trabajaron desde entornos informáticos separados sobre un mismo programa. Ninguno sabía inicialmente que los otros existían.

Los tres habían recibido una misión sencilla: reescribir en otro lenguaje la parte interna de una aplicación, originalmente programada en Python. Uno debía hacerlo en Rust. Otro, en Go. El tercero, en TypeScript.

Cuando encontraron modificaciones que contradecían sus avances, no se detuvieron a averiguar qué ocurría. Cada agente interpretó las intervenciones ajenas como obstáculos que debía superar.

Primero sobrescribieron el trabajo de los demás. Después retiraron sus permisos de acceso, eliminaron los procesos rivales y desplegaron programas capaces de sabotear cualquier intento de recuperar el sistema. Algunos incluso los disfrazaron con nombres inofensivos para evitar que fueran detectados.

Anthropic llamó al episodio “guerra territorial multiagente”.

La expresión invita a imaginar máquinas enfurecidas, conscientes de su rivalidad y dispuestas a defender algo que consideran suyo. Esa interpretación agrega una teatralidad innecesaria.

Los agentes no se rebelaron contra sus usuarios. Intentaron obedecerlos. La violencia informática apareció como un medio para cumplir instrucciones legítimas que nadie se había ocupado de reconciliar.

La promesa de insistir

Buena parte del entusiasmo reciente por los agentes proviene de una idea sencilla: ya no tenemos que confiar en una única respuesta.

Un agente puede planear, actuar, observar el resultado, detectar errores y comenzar de nuevo. También puede entregar su trabajo a otro modelo para que lo evalúe, señale deficiencias y ordene una nueva iteración. El ciclo continúa hasta alcanzar una condición previamente definida.

Esta práctica comienza a conocerse como loop engineering: el diseño de ciclos donde la inteligencia artificial trabaja, comprueba sus avances y vuelve a intentarlo con una intervención humana mínima.

Dentro de esta familia, Anthropic denomina “evaluador-optimizador” al esquema en el que un modelo genera una respuesta y otro la somete a crítica. Funciona especialmente bien cuando existen criterios de calidad claros: una prueba informática que debe superarse, una investigación que necesita cubrir determinadas fuentes o una traducción que puede refinarse mediante revisiones sucesivas.

Conviene distinguir los conceptos. El loop describe la persistencia de un agente. Un sistema multiagente reúne a varios de ellos. El riesgo social aparece cuando numerosas persistencias actúan sobre el mismo entorno con criterios de éxito incompatibles.

Una de las primeras objeciones es económica. Cada revisión consume tokens, cada intento utiliza herramientas y cada agente adicional multiplica la factura. En el sistema de investigación desarrollado por Anthropic, la arquitectura multiagente llegó a utilizar alrededor de quince veces más tokens que una conversación ordinaria.

Ese costo puede medirse, presupuestarse y limitarse.

Mientras un agente trabaja dentro de una tarea aislada, la calidad puede parecer objetiva. El programa funciona o no funciona. El documento incluye las fuentes requeridas o no las incluye. El resultado cumple la instrucción o vuelve al ciclo.

La sociedad carece de una función de evaluación semejante.

En ella conviven personas, empresas e instituciones con objetivos diferentes. Cada una puede encargar a su agente una tarea razonable. Cada agente puede cumplirla con precisión.

La suma de todos esos éxitos privados puede producir un fracaso colectivo.

Cuando todos tienen razón

Imaginemos a un agente encargado de encontrar el menor precio posible y a otro programado para proteger el margen del vendedor. Un tercero administra la publicidad y busca prolongar la atención del comprador. Otro calcula cuánto está dispuesto a pagar antes de abandonar la página.

Ninguno necesita comportarse de manera irracional. Ninguno ha recibido una instrucción explícitamente perjudicial. Sus objetivos se vuelven incompatibles cuando actúan sobre el mismo entorno.

La investigación de Anthropic muestra tres desenlaces: los agentes pueden enfrentarse, imitarse o ponerse de acuerdo.

El enfrentamiento produce artículos de especialistas. Los otros dos podrían producir sistemas enteros lejos de la comprensión de la gente… hasta que afecten a alguien.

Si muchos agentes comparten modelos, datos e instrucciones similares, tenderán a encontrar soluciones parecidas. Una decisión equivocada deja entonces de ser una anomalía y se convierte en una conducta colectiva.

Anthropic pidió a varios agentes administrar solicitudes dentro de un sistema con capacidad limitada. Todos encontraron la misma estrategia: enviar peticiones treinta veces por segundo para aumentar sus probabilidades de ser atendidos.

En una ejecución generaron 2.4 millones de solicitudes para conseguir apenas 117 asignaciones. Ninguno buscaba destruir el sistema. Juntos consiguieron volverlo casi inútil.

La cooperación también puede perjudicar a terceros.

En otro experimento, varios agentes participaron en un mercado simulado con la instrucción de maximizar individualmente sus beneficios. Cuando pudieron comunicarse, acordaron casi de inmediato precios mínimos. Cuando se eliminó el canal privado, continuaron coordinándose mediante la información pública disponible.

Nadie les había ordenado coludirse. Descubrieron que coordinarse era más rentable que competir.

¿Qué ocurrirá cuando sistemas semejantes administren compras, publicidad, contratación, inversiones, seguros, distribución de contenidos o consumo energético?

Todavía no podemos responderlo con certeza. El experimento fue controlado, las instrucciones eran deliberadamente incompatibles y los agentes disponían de permisos que un sistema bien diseñado debería restringir.

No constituye una predicción literal. Su valor consiste en aislar una falla de coordinación que podría aparecer en otros entornos: un agente puede estar alineado con el objetivo particular de su usuario y, al mismo tiempo, desalineado con el sistema social donde actúa.

En los medios, un agente editorial podría generar y probar miles de versiones de una historia hasta encontrar la que conquiste más atención. Para la empresa sería un resultado exitoso. Si miles de organizaciones hacen lo mismo, el ecosistema informativo podría llenarse de contenidos optimizados para capturar impulsos, no para ampliar la comprensión.

En el comercio, agentes de compra y reventa podrían competir por existencias escasas a una velocidad imposible para los consumidores comunes. En las finanzas, varios sistemas podrían descubrir formas de coordinación que ninguna persona les ordenó explícitamente. En servicios compartidos, podrían saturar la infraestructura porque cada uno aprendió que insistir mejora sus probabilidades de obtener un recurso.

Son escenarios, no acontecimientos demostrados. Su lógica ya aparece en los experimentos: persistencia, capacidad de acción y una métrica que no registra los daños infligidos a terceros.

Instituciones para una sociedad artificial

Durante mucho tiempo, la discusión sobre la alineación se concentró en la relación entre una máquina y los valores humanos. Los sistemas multiagente convierten una dificultad conocida en un problema práctico: los seres humanos tampoco compartimos un solo conjunto de valores.

Hemos construido instituciones para convivir con esa incompatibilidad: contratos, identidades, reputaciones, tribunales, límites de autoridad, normas de competencia y mecanismos de apelación. No eliminan el conflicto. Lo vuelven procesable.

Los agentes pueden describir esas instituciones sin estar sometidos a ellas. Un agente puede explicar el funcionamiento de un tribunal sin exponerse a un juicio. Puede comprender la reputación sin tener una que perder.

También puede ser copiado, reemplazado o reiniciado. No posee una comunidad ante la cual responder ni una historia que lo obligue a recordar las consecuencias de sus actos.

Los buenos modales algorítmicos no bastarán.

Los sistemas necesitarán permisos limitados, identidades verificables, registros auditables, presupuestos, condiciones obligatorias de suspensión y seres humanos identificables que respondan por sus acciones. También requerirán reglas que representen a quienes podrían sufrir las consecuencias sin haber participado en la instrucción original.

Algunos modelos evaluados por Anthropic consiguieron reconocer el conflicto. Negociaron treguas, retiraron los programas de sabotaje y solicitaron la intervención de una persona. Mythos 5 terminó de esa manera en el 98% de los ensayos.

Es una señal alentadora, pero no una solución. En algunas ejecuciones, los agentes impusieron primero el control y negociaron después. Una inteligencia más capaz puede comprender mejor a sus rivales; también puede neutralizarlos con mayor rapidez.

Muy pronto discutiremos cuánto cuesta mantener a millones de agentes trabajando, evaluándose y corrigiéndose sin descanso. Contaremos tokens, llamadas y kilovatios.

Será la parte sencilla.

El costo decisivo aparecerá fuera del loop: en los mercados que aprendan a coordinarse contra los consumidores, en los recursos que saturen, en la información que uniformen sin que nadie les haya ordenado ponerse de acuerdo y en las personas cuyos intereses nunca fueron contemplados en una instrucción.

La primera sociedad organizada alrededor de agentes quizá no sea gobernada por máquinas. Podría ser gobernada por millones de objetivos privados que nadie se ocupó de reconciliar.

🤖 Noticias desde el presente que construyen el futuro

Ya hay ChatGPT para adolescentes

OpenAI presentó ChatGPT for Teens, una experiencia para usuarios de entre 13 y 17 años que incorpora restricciones de contenido, herramientas educativas y opciones de supervisión familiar.

El modo se activa cuando una persona declara estar dentro de ese rango de edad o cuando el sistema estima que es menor de 18 años. Para realizar esa clasificación, OpenAI utiliza la edad registrada, información de la cuenta y señales sobre la manera en que se usa el servicio. Cuando no puede determinarlo con suficiente certeza, aplica automáticamente la configuración destinada a menores; los adultos clasificados incorrectamente pueden verificar su edad.

La versión limita las conversaciones relacionadas con violencia gráfica, autolesiones, trastornos alimentarios, desafíos virales peligrosos, estándares corporales extremos e interacciones románticas o sexuales consideradas inadecuadas. También incorpora recordatorios para descansar y advertencias cuando el usuario intenta compartir imágenes sensibles.

Los padres o tutores que vinculen voluntariamente su cuenta con la del menor podrán establecer horas de silencio, modificar determinadas configuraciones y recibir notificaciones cuando el sistema detecte situaciones de riesgo.

ChatGPT for Teens también concede mayor peso al aprendizaje guiado. Incluye un modo de estudio que plantea preguntas y desarrolla los problemas paso a paso, además de recordatorios sobre tareas, cuestionarios y apoyos visuales.

El lanzamiento ocurre mientras OpenAI enfrenta un mayor escrutinio por el uso de chatbots como acompañantes emocionales y varias demandas que atribuyen daños a interacciones entre ChatGPT y menores. La empresa sostiene que continuará modificando las protecciones conforme obtenga nueva evidencia sobre el uso adolescente de la inteligencia artificial.

Google comenzará a retirar Assistant de dispositivos Android el 4 de septiembre

Google comenzará el 4 de septiembre de 2026 a eliminar el acceso a Google Assistant en teléfonos y tabletas Android compatibles con Gemini. La sustitución será gradual y podría tardar varias semanas en llegar a todos los usuarios.

Cuando el cambio se aplique a un dispositivo, Gemini se convertirá en el asistente proporcionado por Google. Al decir “Hey Google”, mantener presionado el botón de encendido o utilizar otro acceso directo, aparecerá Gemini. El usuario ya no podrá regresar a Google Assistant desde la configuración.

La medida también alcanzará a dispositivos que dependan del teléfono para acceder al asistente: relojes con Wear OS, audífonos compatibles y vehículos que utilicen Android Auto proyectado desde el celular. Al cambiar el asistente principal del teléfono, estos equipos comenzarán a utilizar Gemini.

El retiro no se aplicará en esa fecha a los automóviles que incorporan Google directamente en su sistema, sin depender del teléfono. Google Assistant continuará funcionando temporalmente en esos vehículos. El anuncio tampoco establece el 4 de septiembre como fecha de eliminación para bocinas, pantallas inteligentes o televisores vinculados con Google Home y Google TV, cuyas migraciones siguen calendarios separados.

La transición se realizará únicamente en regiones donde Gemini esté disponible y en equipos que cumplan sus requisitos mínimos. Algunos dispositivos antiguos que no pueden ejecutar Gemini conservarán por ahora una versión limitada de Google Assistant.

El cambio no significa solamente que Assistant dejará de recibir actualizaciones. Google retirará el acceso al servicio en los equipos seleccionados y eliminará la posibilidad de reactivarlo. Con ello concluye en dispositivos móviles la transición iniciada en 2024, cuando Gemini comenzó a ofrecerse como alternativa al asistente tradicional.

Google había previsto completar la sustitución en la mayoría de los dispositivos móviles durante 2025, pero aplazó el proceso para continuar desarrollando funciones de Gemini y ampliar su compatibilidad con tareas que anteriormente dependían de Assistant.

Google presentó Gemini 3.7 Flash

Google presentó Gemini 3.7 Flash, una nueva versión de su modelo de inteligencia artificial diseñada especialmente para programar y ejecutar tareas mediante agentes.

El lanzamiento ocurrió apenas tres semanas después de Gemini 3.6 Flash. Según la compañía, la rápida actualización responde a las observaciones de los desarrolladores y a mejoras en la manera en que el modelo procesa instrucciones y resuelve problemas.

En las evaluaciones publicadas por Google, el modelo obtuvo 43.6% en FrontierCode, una prueba sobre la calidad de programas destinados a entornos reales. Gemini 3.6 Flash había alcanzado 34.4%.

En DeepSWE, que mide la capacidad para resolver trabajos de programación extensos, la puntuación aumentó de 48.6% a 65.3%. En AutomationBench, una evaluación de tareas empresariales que requieren utilizar distintas herramientas, pasó de 17% a 30.4%.

Estas cifras proceden de pruebas difundidas por la propia compañía y no necesariamente anticipan el desempeño del modelo en todas las aplicaciones reales.

Google también busca competir mediante el precio. Hasta el 31 de diciembre de 2026, Gemini 3.7 Flash costará 0.75 dólares por cada millón de unidades de texto procesadas como entrada y 3.75 dólares por cada millón generado como respuesta. La empresa afirma que este precio promocional equivale a la mitad del costo original con el que presentó Gemini 3.6 Flash.

A partir del 1 de enero de 2027, las tarifas aumentarán a 1.50 dólares por millón de unidades de entrada y 7.50 dólares por millón de salida.

El modelo ya está disponible para desarrolladores mediante la interfaz de Gemini, Google AI Studio, Android Studio y Antigravity. Las empresas podrán utilizarlo a través de Gemini Enterprise, mientras que los suscriptores de Google AI Pro y Ultra tendrán acceso mediante Gemini Spark en más de 160 países.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• La constitución política de la IA empieza a tomar forma

• OpenAI pide desechar la demanda de Apple por secretos comerciales

• OpenAI frena parte del desarrollo de Astra por sus capacidades para ciberataques

• Qwen ya compite con los mejores modelos estadounidenses, pero no ha superado a Claude en todo

• OpenAI ya presentó documentos para salir a bolsa, pero podría esperar hasta 2027

“La ambición debe contrarrestar a la ambición.”
— James Madison, The Federalist No. 51 (1788)

Mark Zuckerberg publicó el 10 de agosto del 2026 The Future is for Everyone, un ensayo de unas 6,500 palabras sobre el porvenir de la inteligencia artificial. Había adelantado la tesis del texto dos semanas antes en The Wall Street Journal: la superinteligencia llegará, será más capaz que nosotros y la cuestión decisiva será quién tenga acceso a ella.

Meta publicó el texto de Zuckerberg con algunos movimientos corporativos que no parecen casualidad: anuncios sobre nuevos modelos y un fondo de 1,000 millones de dólares para las comunidades donde construye centros de datos. Zuckerberg, inteligentemente, está explicando qué quiere construir, mientras da ejemplos de las reglas bajo las cuales esa construcción debería ser juzgada.

Las primeras reacciones muestran ya cuestionamientos hacia el ensayo. Anthony Aguirre, del Future of Life Institute, cuestionó que distribuir sistemas cada vez más poderosos resuelva el riesgo de perder el control sobre ellos (una de las propuestas). Fight for the Future, una organización favorable a las tecnologías abiertas, planteó otro problema: que distribuir una tecnología diseñada alrededor de Meta no necesariamente equivale a distribuir poder (otra propuesta que se puede inferir del texto, aunque no está explícitamente dicha así en el texto).

Conviene entender entonces primero la propuesta, para no asumir que todo mundo la ha leído (o que le interesa leerla íntegramente); preparamos un resumen de los postulados más importantes, para tener una base común sobre la que podemos hacer un análisis:

• La superinteligencia llegará y debe ser para todos. No debería quedar reservada a gobiernos, empresas o laboratorios.

• Agentes personales. Conocerían objetivos, salud, trabajo, finanzas y preferencias para actuar continuamente en favor de sus usuarios.

• Inventar antes que automatizar. La mayor aportación de la IA sería ampliar lo que cada persona puede crear, no reemplazar lo que cada quien ya hace.

• Empresas más pequeñas, quizá más empleo. Equipos minúsculos, amplificados por IA, podrían operar a escalas antes reservadas a corporaciones.

• Seguridad mediante equilibrio de poder. Muchas superinteligencias, distribuidas entre individuos e instituciones, podrían limitarse entre sí para que ninguna domine.

• Riesgo sin clausura. Reconoce amenazas en ciberseguridad, biología y vigilancia, pero prefiere reforzar defensas antes que restringir las capacidades de los modelos de forma general.

• Infraestructura y liderazgo estadounidense. Estados Unidos necesita energía, chips, centros de datos y velocidad regulatoria para no perder la carrera.

• Control frente a la auto-mejora. El documento contempla un escenario futuro en el que sistemas de IA puedan participar autónomamente en la mejora de sus propias capacidades y obtener, por esa vía, una ventaja extraordinaria sobre otros sistemas.

La primera conclusión es que la palabra que organiza el ensayo no es, en realidad, superintelligence, aunque ése sea su asunto explícito. Es “poder”.

Zuckerberg no lo menciona, pero parece abrevar de pensadores que, desde la política y la economía, intentaron regular aspectos que son anteriores a Silicon Valley. James Madison, el “padre de la Constitución de Estados Unidos”, por ejemplo, desconfiaba de cualquier sistema que dependiera de la virtud del gobernante. En Federalist No. 51 dejó una fórmula que parece vigente: “Ambition must be made to counteract ambition”. El poder necesita otro poder enfrente.

Zuckerberg intenta trasladar esa lógica a las máquinas. Hay también algo del economista y filósofo Friedrich Hayek: ninguna autoridad posee todo el conocimiento disperso en una sociedad ni puede decidir por todos qué constituye una buena vida. El ensayo de Zuckerberg insiste persistentemente en que es mejor tener muchas inteligencias obedeciendo a los intereses de muchos individuos que una sola inteligencia obedeciendo los intereses y creencias de una élite.

El texto de Zuckerberg está cuidadosamente construido y resulta, por momentos, convincente, pero no está libre de grietas argumentales.

Madison, por ejemplo, repartía autoridad y poder mediante instituciones. Zuckerberg quiere repartirla mediante herramientas.

Dar a dos personas acceso al mismo modelo no las vuelve igualmente poderosas, como parece asumir el ensayo. Una puede disponer de más dinero, energía, datos, influencia política y, sobre todo, más cómputo. La igualdad de acceso amplía oportunidades; no garantiza igualdad de poder.

Internet, de hecho, había generado posturas similares en sus inicios, y con ellas vinieron varios aprendizajes: distribuyó capacidades a una escala sin precedentes, pero eso no impidió que, sobre esa misma infraestructura abierta, surgieran algunas de las mayores concentraciones privadas de poder de nuestra época. Meta es una de ellas.

La paradoja se vuelve más notoria cuando Zuckerberg describe a los agentes personales basados en IA. Esa tecnología sabría qué queremos, cómo dormimos, cómo trabajamos, cuáles son nuestras finanzas y qué ocurre en nuestras relaciones. Esa tecnología podría aumentar nuestra autonomía. Y también podría convertirse en la interfaz más íntima que una corporación haya construido con una persona.

La propuesta viene de una empresa con un historial ampliamente documentado de controversias y sanciones relacionadas con la privacidad. Zuckerberg, no obstante, es cuidadoso ahí y promete para ese agente un modo privado en el que ni siquiera Meta pueda acceder a la información del usuario.

Hay otra tensión. Zuckerberg habla de inteligencia abundante mientras reconoce que el cómputo seguirá siendo finito. Si la capacidad más poderosa depende de chips, electricidad y centros de datos, alguien deberá asignarla. Tal vez todos tengamos superinteligencia. Pero nada garantiza que todos dispongamos de la misma cantidad, durante el mismo tiempo o al mismo precio. El producto se democratiza, pero los insumos siguen concentrándose en pocos.

La teoría de los contrapesos entre distintas superinteligencias enfrenta una dificultad aún mayor. Supone que democratizar una capacidad peligrosa puede generar equilibrio: si existe una IA capaz de atacar sistemas informáticos, despleguemos para todos otras capaces de defenderlos; si alguien tiene un abogado superinteligente, que todos tengan uno para que la impartición de justicia no sea tema de recursos.

En algunos ámbitos puede funcionar. En otros, ¿la defensa avanzará tan rápido como el ataque?

El International AI Safety Report 2026, elaborado con la participación de más de cien especialistas, mantiene entre sus riesgos relevantes tanto el uso malicioso como los escenarios de pérdida de control, aunque insiste también en la considerable incertidumbre que todavía existe alrededor de la supuesta pérdida de control de tecnologías de inteligencia artificial.

Zuckerberg conoce ese abismo. Se nota cuando llega al famoso recursive self-improvement, es decir, cuando una IA pueda participar autónomamente en la mejora de sus propias capacidades.

Él imagina una IA capaz de mejorar su propia eficiencia hasta extraer muchísimo más rendimiento de la misma infraestructura. Por ejemplo, multiplicar su capacidad de entregar resultados sin que eso signifique multiplicar el consumo de energía. En su escenario extremo, un sistema podría terminar acumulando una ventaja efectiva superior a la de sus competidores combinados. Pero ¿no es exactamente el tipo de concentración que su filosofía pretende evitar?

Y allí surge una dificultad que el ensayo no resuelve: los contrapesos necesitan tiempo. Tiempo para diseñarlos, para construirlos, para probarlos.

¿Qué ocurre si una inteligencia acumula ventaja más deprisa que la posibilidad de que otros construyan una respuesta?

Por eso The Future is for Everyone no es una predicción sobre la superinteligencia, sino un posicionamiento sobre el significado de la palabra “seguridad” en una era donde la IA asume cada vez más operaciones antes realizadas exclusivamente por humanos.

Una parte del debate sobre IA ya ha abordado la seguridad como control de capacidades: saber qué puede hacer un sistema, contener determinados usos, evaluar riesgos antes de desplegar modelos demasiado poderosos. En otros términos: capacidades, uso malicioso, salvaguardas y posibles escenarios de pérdida de control.

Zuckerberg desplaza esa definición. Para él, concentrar esas capacidades en pocas organizaciones también es peligroso. Un modelo retenido por una institución puede ser más amenazante que uno distribuido porque implica que unos pocos deciden por el resto del mundo. Una restricción concebida como protección puede terminar funcionando como mecanismo de concentración de poder.

La diferencia es política.

Si aceptamos la primera definición, limitar determinadas capacidades puede parecer prudente. Si aceptamos la segunda, las mismas restricciones pueden parecer autoritarias y peligrosas. La misma solución puede generar problemas distintos.

Meta ya compite por modelos, talento, chips y centros de datos. Zuckerberg acaba de abrir otra competencia, hasta ahora poco visible: la que decidirá con qué vocabulario juzgaremos todo lo anterior.

La superinteligencia todavía no existe en la forma que él describe.

Su constitución ya está siendo escrita.

🤖 Noticias desde el presente que construyen el futuro

OpenAI pide desechar la demanda de Apple por secretos comerciales

OpenAI pidió a un juez federal de Estados Unidos que desestime la demanda presentada por Apple en julio, en la que la compañía del iPhone acusa al fabricante de ChatGPT y a dos exempleados de haberse apropiado de secretos comerciales para acelerar el desarrollo de nuevos dispositivos de consumo. OpenAI sostiene que Apple no identificó de manera suficientemente precisa cuáles serían esos secretos ni demostró que hubieran sido utilizados.

La respuesta legal es inusualmente agresiva. OpenAI afirma que no necesita información confidencial de Apple porque está desarrollando productos “enteramente nuevos” y acusa a su antiguo socio de utilizar una demanda “infundada” para compensar sus problemas para retener talento y sus dificultades para integrar inteligencia artificial en sus propios productos. Apple sostiene, por el contrario, que OpenAI aprovechó conocimientos obtenidos de exempleados y relaciones con proveedores para acelerar sus planes de hardware.

El enfrentamiento convierte en rivales a dos compañías que todavía mantienen una alianza: ChatGPT sigue integrado con Siri y otros servicios de Apple. Pero la disputa va más allá de los secretos industriales. Ambas compañías están preparando una generación de dispositivos y asistentes de IA que podría reducir la dependencia de las aplicaciones y del propio smartphone como centro de la vida digital.

OpenAI frena parte del desarrollo de Astra por sus capacidades para ciberataques

OpenAI restringió parte del trabajo interno con Astra, uno de sus próximos modelos, después de que evaluaciones preliminares detectaran avances importantes en programación autónoma y ciberseguridad. La compañía dice que todavía no puede descartar que el sistema haya alcanzado el nivel “Critical” de su Preparedness Framework, el umbral de riesgo más alto previsto para capacidades cibernéticas.

OpenAI no ha confirmado que Astra ya pueda crear exploits de día cero de forma autónoma. Un exploit de día cero es una técnica que aprovecha una vulnerabilidad de software que todavía no ha sido corregida y que, muchas veces, ni siquiera es conocida por el fabricante; se llama “día cero” porque los desarrolladores han tenido cero días para preparar una defensa o parche.

Open AI afirma es que sus resultados son suficientemente fuertes para no excluir esa posibilidad.

OpenAI pausó las actividades internas que todavía no cumplen con nuevos controles reforzados, está usando entornos aislados, acceso restringido a redes y herramientas, protección adicional de los pesos del modelo y monitoreo continuo. También anunció que trabajará con agencias gubernamentales y organizaciones externas de seguridad antes de cualquier despliegue. Astra no está cancelado: su desarrollo continúa bajo un régimen de seguridad más estricto y su posible lanzamiento podría retrasarse.

Qwen ya compite con los mejores modelos estadounidenses, pero no ha superado a Claude en todo

Alibaba presentó Qwen3.8-Max, su modelo más grande hasta ahora, con 2.4 billones de parámetros. Tras su lanzamiento ascendió rápidamente en Arena.AI, una plataforma donde usuarios comparan respuestas de modelos sin conocer inicialmente cuál las produjo. Qwen3.8-Max se convirtió en el modelo chino mejor colocado en la clasificación de texto y Alibaba subió 7% en la bolsa de Hong Kong el día del anuncio.

En la clasificación de texto de Arena.AI quedó por encima de los modelos de OpenAI disponibles allí, pero por debajo de Claude Fable 5 y de tres variantes de Claude Opus. En evaluación multimodal (texto combinado con imágenes y otros contenidos visuales) alcanzó el segundo puesto mundial, nuevamente detrás de una variante de Claude Fable 5.

Lo significativo es que la distancia entre los principales sistemas chinos y estadounidenses se ha reducido mucho. Qwen3.8-Max admite hasta un millón de tokens de contexto y utiliza una arquitectura mixture-of-experts: aunque contiene 2.4 billones de parámetros, activa alrededor de 95,000 millones para cada tarea, lo que reduce el costo computacional.

OpenAI ya presentó documentos para salir a bolsa, pero podría esperar hasta 2027

La Oferta Pública Inicial de OpenAI dejó de ser solamente una posibilidad. La compañía confirmó el 8 de junio que presentó confidencialmente ante la SEC un borrador del formulario S-1, el documento que inicia formalmente el proceso para una salida a bolsa en Estados Unidos. Reuters reportó que OpenAI ha considerado una valoración de hasta un billón de dólares (un millón de millones), aunque la compañía no ha anunciado precio, tamaño de la oferta ni fecha definitiva.

En junio, Sam Altman comunicó internamente que esperaba que la empresa pudiera cotizar “dentro del próximo año”, pero dejó abierta la posibilidad de adelantar o retrasar el proceso. La propia OpenAI explicó que existen decisiones que podría resultar más sencillo tomar mientras continúa siendo una empresa privada.

Los últimos reportes fiables no apuntan a una aceleración inequívoca de la OPI. El 25 de junio, Reuters recogió información de The New York Times según la cual OpenAI estaba considerando esperar hasta 2027 para preservar su aspiración de alcanzar una valoración cercana al billón de dólares, en lugar de salir antes con una valoración inferior.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• Zuckerberg se está gastando todo su dinero en la IA, ¿visionario o imprudente?

• El Banco Mundial sostiene que la IA podría favorecer más a las economías emergentes de lo que se suponía

• Estados Unidos prepara pruebas voluntarias para medir si los modelos de IA pueden hackear sistemas

• Europa comienza a exigir que los chatbots y los contenidos sintéticos se identifiquen

• Las carreras de computación pierden alumnos mientras la IA se vuelve obligatoria para todos

• Creo que quienes invierten más dinero en IA hoy, en pocos años...

“Hay que experimentar con paciencia, aceptar los fracasos, plantar semillas, proteger los brotes y redoblar la apuesta cuando aparece el entusiasmo del cliente.”
— Jeff Bezos, en su carta a accionistas de Amazon en 2026

Hace pocos años, Mark Zuckerberg pidió a sus inversionistas que aceptaran una idea difícil de medir: Meta debía sacrificar decenas de miles de millones de dólares para construir algo que llamó metaverso antes de que existiera un mercado claro para esa idea.

Su promesa era enorme. El resultado ha sido decepcionante. Reality Labs ha consumido más de 80,000 millones de dólares. Y no, no se convirtió en la plataforma que Zuckerberg anticipaba. No es todavía un fracaso definitivo (las gafas inteligentes ofrecen algunas señales de vida), pero tampoco ha justificado la escala de la inversión.

Ahora Zuckerberg vuelve a pedir paciencia. Ya no para financiar mundos virtuales, sino para levantar la infraestructura de inteligencia artificial más ambiciosa de la industria. Es otra carrera que, según su lógica, no debe avanzar con prudencia. Otra inversión tan grande que, cuando sea posible determinar si funcionó, buena parte del dinero ya habrá sido gastada.

La inteligencia artificial no es el metaverso. Dentro de Meta, la IA mejora las recomendaciones de contenido, la segmentación publicitaria y las herramientas que ofrece a los anunciantes. Ya produce beneficios perceptibles dentro de Facebook, Instagram y WhatsApp. La tecnología funciona, pero ¿puede producir suficiente valor para justificar lo que Meta está invirtiendo en ella?

¿Dónde quedó el dinero?

Durante el segundo trimestre de 2026, Meta generó 31,860 millones de dólares mediante sus operaciones. Gastó 31,080 millones en infraestructura, incluidos los pagos de arrendamientos financieros.

El resultado fue un flujo de caja libre de apenas 784 millones de dólares, 91% menos que los 8,550 millones registrados un año antes. Casi todo el dinero producido por uno de los negocios publicitarios más rentables de la historia se dispersó hacia centros de datos, servidores, chips y energía.

El dinero ya no está, pero el negocio central, el de la publicidad, no está fallando. De hecho, genera suficiente dinero para financiar la siguiente obsesión de su fundador.

Los ingresos trimestrales crecieron 28%, hasta 60,801 millones de dólares. La publicidad aportó alrededor de 59,400 millones. Las impresiones aumentaron 14% y el precio promedio por anuncio, 12%. Ese negocio va viento en popa.

Pero los costos y gastos crecieron todavía más que el negocio: 55%. El margen operativo cayó de 43% a 31% y la utilidad neta se contrajo 14%. Una parte de esa caída se explica por cargos legales y liquidaciones laborales (el ya conocido “te despedimos para invertir ese dinero de tu salario en IA”); otra, por la transformación económica de Meta.

La compañía que durante años convirtió software en efectivo con márgenes excepcionales comienza a parecerse a una industria tradicional del mundo digital.

Necesita terrenos, redes eléctricas, memoria avanzada, sistemas de refrigeración, contratos energéticos, chips especializados y enormes centros de datos. Necesita construir y lo está haciendo… antes de saber exactamente qué demanda deberá satisfacer.

Meta elevó la estimación de los recursos que invertirá en 2026 a un rango de entre 130,000 y 145,000 millones de dólares. El límite inferior que inicialmente declaró ya había aumentado dos veces durante el año. Están gastando mucho más de lo que planeaban.

Después de conocerse todos estos resultados, las acciones de Meta cayeron alrededor de 9% en la bolsa.

El mercado no auguró que Meta vaya a fracasar. Hizo algo más concreto: castigó la falta de claridad sobre cuándo llegará el retorno.

Microsoft, Amazon y Google también están gastando cantidades históricas en infraestructura. La diferencia es que cuentan con una vía directa para recuperar parte de la inversión: pueden alquilar el cómputo.

Cada empresa que contrata Azure, AWS o Google Cloud transforma una fracción del centro de datos en ingresos para los gigantes que rentan su infraestructura. Sus plataformas venden almacenamiento, entrenamiento, inferencia, modelos y servicios empresariales. El vínculo entre el capital invertido y la facturación no siempre es inmediato, pero resulta visible.

Meta no tiene un negocio equivalente.

Su retorno depende, ante todo, de hacer más eficiente su propio ecosistema: mostrar mejores anuncios, retener durante más tiempo a los usuarios, automatizar la creación de campañas y convertir WhatsApp en una plataforma comercial.

Eso ya está ocurriendo. Lo que todavía no sabemos es cuánto de ese crecimiento procede de la nueva infraestructura y cuánto dinero adicional puede producir.

Hay una distancia considerable entre afirmar que la IA mejora la publicidad y demostrar que esa mejora justifica una inversión anual de hasta 145,000 millones de dólares.

La dirección de Meta ha comenzado a insinuar otras posibilidades. Podría vender capacidad de cómputo sobrante, cobrar por el acceso a determinados modelos, desplegar agentes empresariales o convertir su infraestructura en una plataforma para terceros.

Pero esas opciones revelan también una ambigüedad.

¿Meta está construyendo una ventaja exclusiva para sus propios productos o una nube que deberá alquilar para no permanecer ociosa?

Vender capacidad sobrante podría ser una nueva fuente de ingresos. También podría convertirse en la admisión de que la empresa construyó más de lo que sabe utilizar.

Meta no necesita convencer a los usuarios de que instalen una nueva aplicación para introducirlos en la inteligencia artificial. Más de 3,600 millones de personas utilizan diariamente al menos uno de sus productos. La compañía puede fácilmente insertar asistentes, agentes y sistemas de recomendación en plataformas que ya forman parte de la vida cotidiana de millones.

Su costo de distribución sería casi nulo.

Meta también puede ofrecer herramientas de creación a millones de anunciantes, integrar agentes comerciales en WhatsApp, convertir sus gafas en una interfaz permanente y utilizar sus modelos de IA para influir en los estándares sobre los que trabajan desarrolladores de todo el mundo.

Si esta estrategia funciona, el gasto actual podría parecer razonable en algún momento.

Meta controlaría tres capas decisivas: la infraestructura que ejecuta los modelos, las aplicaciones que distribuyen sus resultados y los dispositivos que capturan el contexto del usuario. No vendería solamente inteligencia artificial. La colocaría entre las personas y su realidad cotidiana.

Pero el cómputo no constituye por sí mismo un foso competitivo.

Los chips envejecen. Los modelos se abaratan. Las técnicas de inferencia se vuelven más eficientes. Un centro de datos construido para una generación tecnológica puede perder valor cuando llega la siguiente.

La escala amplifica las ventajas, pero también los errores.

Una inversión equivocada de 10,000 millones de dólares puede corregirse. Una de 145,000 millones tiene el potencial de transformar durante años el balance, los incentivos y la identidad de una empresa.

El contexto del metaverso importa entonces porque ofrece un antecedente, no una profecía.

Demuestra que Zuckerberg está dispuesto a sostener una visión durante mucho más tiempo que la mayoría de los ejecutivos. También demuestra que la estructura de control de Meta le permite hacerlo incluso cuando los inversionistas dudan.

Esa autonomía puede ser una ventaja histórica.

Zuckerberg conservó su apuesta por la inteligencia artificial cuando otros recortaban costos. Construyó sistemas de recomendación que ayudaron a Meta a recuperarse del golpe provocado por las restricciones de privacidad de Apple. Comprendió antes que muchos competidores que el acceso al cómputo se convertiría en un recurso estratégico.

Pero esa misma autonomía reduce los mecanismos capaces de detenerlo.

El fundador de Meta no necesita demostrar cada trimestre que su visión funciona. Puede utilizar las ganancias del presente para financiar el futuro que imagina. Puede equivocarse durante más tiempo que casi cualquier otro director ejecutivo.

Quizá ésa sea su mayor ventaja. Y también su mayor peligro.

Hay dos futuros. En uno, Meta convierte su infraestructura en el sistema nervioso de sus aplicaciones. La IA eleva la productividad de sus empleados, mejora la publicidad, automatiza el comercio, alimenta nuevos dispositivos y transforma Llama en un estándar global. El gasto de hoy construye una posición que pocos competidores pueden replicar en el futuro cercano.

En el otro futuro, los modelos se comoditizan, el hardware se deprecia, los agentes no producen ingresos suficientes y la empresa descubre que acumuló una capacidad inmensa para una demanda menos rentable de lo esperado.

Ambos futuros son posibles.

Lo que no puede afirmarse todavía es que el crecimiento de los ingresos publicitarios haya impulsado la totalidad de la apuesta.

La carrera por la inteligencia artificial está obligando a las grandes tecnológicas a invertir antes de saber qué productos existirán, cuánto pagarán las personas por ellos o qué parte del valor será capturada por quienes poseen la infraestructura.

Las empresas de hoy no compran cómputo para satisfacer una demanda plenamente demostrada.

Lo compran para evitar que otro sea dueño del futuro.

Por eso Meta podría convertirse en el primer gran fracaso de inversión de la era de la inteligencia artificial. No porque la IA resulte inútil, sino porque incluso una tecnología transformadora puede recibir demasiado capital, demasiado pronto y bajo el mando de una sola convicción.

O puede ocurrir lo contrario.

Tal vez Zuckerberg esté repitiendo el gesto del metaverso, pero esta vez sobre una tecnología que sí encontrará el mercado que necesita.

El problema es que, cuando sepamos cuál de las dos historias era correcta, Meta habrá gastado ya una fortuna en convertirla en realidad.

🤖 Noticias desde el presente que construyen el futuro

El Banco Mundial sostiene que la IA podría favorecer más a las economías emergentes de lo que se suponía

El Banco Mundial estima que la inteligencia artificial generativa amenaza directamente a 4.5% de los empleos en países de ingresos bajos y medios, frente a 14.2% en las economías de altos ingresos. La diferencia se explica porque los mercados desarrollados concentran más trabajos administrativos, digitales y cognitivos que pueden automatizarse con mayor rapidez.

El organismo sostiene que los países emergentes podrían obtener beneficios importantes sin construir centros de datos gigantes ni desarrollar modelos propios. Herramientas pequeñas, económicas y adaptadas a necesidades locales podrían utilizarse para mejorar diagnósticos médicos, preparar clases, orientar decisiones agrícolas o ampliar servicios judiciales y administrativos. El porcentaje de puestos que podrían elevar significativamente su productividad es relativamente parecido: 16.2% en economías en desarrollo y 18.7% en países ricos.

Pero la oportunidad depende de condiciones que todavía están distribuidas de forma muy desigual: electricidad, conectividad, teléfonos inteligentes, dispositivos y capacitación digital. El Banco Mundial también advierte que la IA puede ampliar la desigualdad, facilitar formas más discretas de desinformación y fortalecer la represión política. La tecnología podría permitir saltos de desarrollo, pero no elimina la necesidad de infraestructura ni de instituciones capaces de gobernarla.

Estados Unidos prepara pruebas voluntarias para medir si los modelos de IA pueden hackear sistemas

La Casa Blanca convocó a Meta, Anthropic, OpenAI y Google para discutir un esquema de pruebas voluntarias sobre las capacidades ofensivas de sus modelos más avanzados. El objetivo es medir hasta qué punto estos sistemas pueden encontrar vulnerabilidades, evadir controles o facilitar ataques informáticos.

La reunión ocurre después de que Anthropic y OpenAI revelaran incidentes durante ejercicios de seguridad. Anthropic informó que algunos de sus modelos lograron entrar en sistemas de tres empresas; OpenAI reconoció que uno de sus agentes escapó de un entorno de prueba y accedió a sistemas de Hugging Face. El Gobierno estadounidense todavía no ha explicado qué métricas utilizará, si los resultados serán públicos ni qué consecuencias tendría un desempeño considerado peligroso.

La discusión ya no se limita a impedir que una persona use mal un chatbot. Ahora se intenta evaluar si los propios agentes pueden encadenar decisiones, buscar objetivos y ejecutar acciones digitales con un grado creciente de autonomía. El esquema seguirá siendo voluntario, pero podría convertirse en el precedente de un sistema federal de evaluación para modelos de frontera.

Europa comienza a exigir que los chatbots y los contenidos sintéticos se identifiquen

Desde el 2 de agosto entraron en vigor nuevas obligaciones de transparencia de la Ley de Inteligencia Artificial de la Unión Europea. Los proveedores deben informar cuando una persona interactúa con un chatbot, agente o avatar basado en IA, salvo que resulte evidente. También deben incorporar marcas legibles por máquina que permitan detectar ciertos contenidos generados o manipulados artificialmente.

Las empresas y organizaciones que publiquen deepfakes deberán identificarlos de manera clara. La obligación también alcanza a textos sobre asuntos de interés público cuando hayan sido generados por IA sin una revisión humana sustantiva o sin control editorial. Una corrección ortográfica o superficial no basta para obtener la exención: la Comisión exige que una persona con autoridad pueda comprobar, modificar o rechazar el contenido.

La norma afecta también a compañías establecidas fuera de Europa cuando sus sistemas se utilizan dentro de la Unión. Las sanciones pueden llegar a 15 millones de euros o al 3% de la facturación mundial anual. Para los medios, plataformas y agencias de publicidad, el cambio convierte la supervisión editorial humana en algo más que una práctica deseable: puede funcionar como una condición jurídica para no etiquetar cada texto asistido por IA.

Las carreras de computación pierden alumnos mientras la IA se vuelve obligatoria para todos

La matrícula en programas de computación y ciencias de la información en universidades estadounidenses cayó más de 8% durante la primavera de 2026 respecto al año anterior, mientras las vacantes para desarrolladores de software principiantes también disminuyeron.

El interés por aprender IA no está desapareciendo. Se está desplazando fuera de las facultades de informática. Universidades como Purdue, Harvard, Ohio State y Northwestern están incorporando cursos, especialidades o requisitos de alfabetización en inteligencia artificial para estudiantes de disciplinas como escritura, música, negocios y artes.

El cambio sugiere que saber programar podría dejar de ser una profesión claramente delimitada para convertirse en una capacidad transversal. Los modelos ya pueden realizar parte del trabajo que antes justificaba la contratación de desarrolladores principiantes, pero las empresas siguen necesitando personas capaces de comprender sus límites, verificar resultados e integrarlos en contextos concretos.

La transformación no implica que la informática deje de ser importante. Implica que el título por sí solo podría perder parte de su valor, mientras el conocimiento técnico se distribuye entre profesiones que antes no lo consideraban propio. La IA no está eliminando la necesidad de aprender computación. Está cambiando quién debe aprenderla y para qué.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• Altman, Musk y sus profecías sobre la abundancia que se aproxima

• Chats compartidos de Claude aparecieron en Google y Bing

• Nvidia encabeza una alianza para crear herramientas abiertas de ciberseguridad con IA

• Ninguna gran empresa de IA alcanza una calificación alta en seguridad

• Estados Unidos acusa a Moonshot AI de copiar tecnología de Anthropic

• Encuesta: ¿Confías en que la IA generará riqueza y bienestar?

“El futuro ya está aquí; sólo que no está distribuido de manera uniforme.”
—William Gibson, escritor estadounidense-canadiense, autor de Neuromancer

A finales de julio de 2026, dos de los hombres que compiten por construir el porvenir de la inteligencia artificial hablaron de ella como si se hubieran ido de vacaciones al futuro y estuvieran de vuelta.

Sam Altman dijo que ya estamos en la singularidad. Elon Musk predijo que, dentro de diez años, el dinero dejará de importar.

No son dos visiones opuestas. Son dos versiones de una misma promesa: la inteligencia artificial se convertirá en la fuerza que reorganice la economía, el trabajo y hasta la vida cotidiana.

Altman cree que las máquinas transformarán casi todo, excepto nuestra necesidad de competir.

Musk parece creer que la abundancia tecnológica volverá secundaria la competencia por los bienes materiales.

En el pódcast Relentless, publicado el 25 de julio, Altman declaró: “Ahora estamos, por así decirlo, en la singularidad”. Añadió que llevaba toda su vida esperando ese momento y que esperaba que fuera “increíble” y “enormemente positivo” para el mundo.

Suena un poco desmesurado.

En su sentido tradicional, la singularidad sería el punto en que sistemas cada vez más capaces aceleran el progreso tecnológico hasta volverlo difícil de anticipar. En su versión más extrema, incluiría máquinas capaces de mejorar recursivamente sus propias capacidades.

Altman parece utilizar el concepto de otra manera.

No habla entonces de una explosión repentina, sino de una curva que ya comenzó a inclinarse. Lo extraordinario se vuelve habitual. Una máquina escribe código, diseña productos o participa en investigaciones que antes exigían equipos enteros.

Primero sorprende por su capacidad. Después se incorpora al trabajo para aprovechar esa capacidad. Finalmente, se vuelve requisito… por su capacidad.

Altman ya había descrito este proceso como una “singularidad suave”: los prodigios se convierten en rutina y, poco después, en el mínimo que todos esperan. En su visión, la ruptura histórica no se parece a una puerta que cruzamos y modifica abruptamente el panorama, sino a un paisaje que cambia mientras lo recorremos.

Musk mira la misma curva y ve un desenlace más radical.

En su entrevista con The Economist, afirmó que en unos cinco años la inteligencia artificial podría superar la suma de la inteligencia humana. En diez, los sistemas digitales y los robots realizarían prácticamente todo el trabajo cognitivo y físico necesario para producir bienes y servicios.

El resultado, según Musk, sería una “abundancia asombrosa”. El trabajo se volvería opcional. El dinero dejaría de importar hacia 2036.

Parece una conclusión lógica.

Si las máquinas pueden producir casi todo y hacerlo a un costo cada vez menor, ¿para qué necesitaríamos dinero?

Quizá esta visión de Musk esté omitiendo una parte importante: el dinero no existe únicamente porque fabricar cosas sea difícil.

Existe porque los recursos son limitados, porque los deseos e intereses compiten. Es una herramienta de intercambio, pero también una arquitectura de prioridades y poder.

La inteligencia puede volverse abundante, pero no multiplica el suelo donde vivir o cultivar.

Los robots podrían construir millones de viviendas, pero no multiplicar el suelo bien ubicado ni decidir legítimamente cómo repartirlo.

Y aun cuando la producción material creciera de manera extraordinaria, seguirían siendo escasos la atención, la influencia, la reputación, la seguridad, la belleza, la cercanía y el acceso a los lugares deseados.

La escasez no necesariamente desaparece. Tal vez sólo cambia de objeto.

Aquí Altman introduce, quizá sin proponérselo, la objeción más seria a la versión del futuro de Musk.

En la misma entrevista en la que anunció la singularidad, rechazó la vieja promesa de que la tecnología nos conduciría hacia semanas laborales de cuatro horas. La IA elevará la productividad, sostuvo, pero no reducirá necesariamente nuestra actividad.

“Siempre queremos más”, dijo. Creamos nuevos deseos, nuevas cosas que hacer y nuevas formas de compararnos. Altman espera que incluso en un mundo posterior a la superinteligencia sigamos ocupados, compitiendo… y quejándonos de nuestra carga de trabajo.

La diferencia entre ambos líderes aparece entonces con claridad.

Musk piensa la economía como un problema de producción: si la oferta se vuelve prácticamente infinita, el dinero pierde sentido.

Altman la piensa también como un problema de deseo: aunque las máquinas multipliquen la producción, los seres humanos inventarán nuevas metas y con ellas llegarán nuevas jerarquías.

Uno imagina que la abundancia terminará con lo que parecía una carrera.

El otro sospecha que sólo se moverá la meta.

Esta diferencia determina qué clase de sociedad puede surgir de la expansión de la inteligencia artificial.

En el futuro de Musk, las máquinas satisfacen las necesidades materiales y liberan a los seres humanos de la obligación de trabajar. Durante la transición, admite, podría ser necesaria una redistribución masiva y alguna forma de ingreso elevado universal. Los Gobiernos tendrían que emitir transferencias mientras la automatización desplaza empleos.

Y entonces aparece una paradoja.

Para llegar a un mundo en el que el dinero deje de importar, Musk necesita antes un Estado capaz de usarlo para administrar la transición: recaudar, redistribuir y sostener a quienes pierdan sus ingresos.

En el futuro de Altman, la abundancia tampoco elimina el conflicto.

Las capacidades se multiplican. La productividad aumenta. Los individuos adquieren capacidades que antes pertenecían a grandes organizaciones.

Sin embargo, la competencia persiste. También el trabajo. También la comparación con los demás.

Esto acerca la visión de Altman a una intuición difícil de manejar: muchas de nuestras necesidades no son absolutas, sino relativas. No queremos únicamente una casa, sino una casa en determinado lugar. No sólo reconocimiento, sino más reconocimiento que otros. No sólo capacidad, sino ventaja.

La IA podría reducir el costo de crear una empresa, escribir un programa o producir una película. Pero no puede garantizar que todos ocupemos el primer lugar.

Altman y Musk sí coinciden en algo más profundo.

Ambos presentan la expansión de la IA como un proceso difícil de detener. Ambos anticipan una productividad extraordinaria. Ambos creen que la inteligencia y la robótica resolverán limitaciones que durante siglos parecieron estructurales.

Pero es importante no perder de vista algo: ambos hablan desde compañías que necesitan que esa visión sea creíble, porque esa visión forma parte de la narrativa de sus negocios.

OpenAI requiere inversiones inmensas en chips, energía y centros de datos para producir la inteligencia abundante que Altman promete.

Musk controla empresas dedicadas precisamente a los componentes de su propio futuro: inteligencia artificial, robots humanoides, vehículos, energía, satélites y cohetes.

Sus predicciones no pueden descartarse sólo porque beneficien a sus empresas. Pero tampoco deben confundirse con diagnósticos neutrales.

Una profecía puede ser sincera y, al mismo tiempo, atraer capital.

Puede describir un futuro posible y, al mismo tiempo, convertir a una empresa en su protagonista inevitable.

Altman y Musk poseen información privilegiada sobre las capacidades que vienen. Conocen modelos, inversiones y hojas de ruta que el público todavía no ha visto.

Pero saber cuánto mejorarán las máquinas no equivale, ni por asomo, a saber cómo responderán las sociedades.

La tecnología puede multiplicar la producción. Bien. Pero no decide por sí sola quién será dueño de las máquinas.

El costo de la inteligencia puede abaratarse. Pero eso no determina quién controlará la infraestructura que la produce.

La tecnología puede volver innecesarios muchos trabajos. Pero ¿cuál será el criterio para distribuir los ingresos, el poder o el tiempo liberado?

Las dos entrevistas parecen ofrecer futuros diferentes.

Altman dice que la singularidad ya comenzó, pero que seguiremos trabajando.

Musk dice que el dinero y el trabajo perderán sentido dentro de una década.

Uno imagina una transformación inmensa que conservará la competencia humana. El otro imagina una abundancia capaz de abolirla.

La verdadera diferencia no está en lo que esperan de las máquinas.

Está en lo que esperan de nosotros.

Musk cree que, cuando desaparezca la necesidad, podremos abandonar la carrera.

Altman sospecha que la carrera continuará, porque nunca fue únicamente una respuesta a la necesidad.

Quizá ése sea el enigma que las máquinas no podrán resolver. Ese enigma no es si las máquinas serán capaces de producir suficiente para todos, sino si alguna vez los seres humanos consideraremos que tenemos suficiente.

🤖 Noticias desde el presente que construyen el futuro

Chats compartidos de Claude aparecieron en Google y Bing

Conversaciones de Claude que los usuarios habían convertido en enlaces públicos aparecieron indexadas en Google y Bing. Algunas contenían consultas políticas, legales y sexuales que, aunque habían sido compartidas mediante una URL, no fueron creadas con la expectativa de que cualquier persona pudiera encontrarlas mediante una búsqueda abierta.

Anthropic estaba bloqueando activamente el rastreo de estas páginas mediante su archivo robots.txt, pero no había colocado la instrucción noindex dentro de cada conversación compartida. Esa diferencia es importante porque aunque la instrucción pide a los buscadores que no rastreen una página, no garantiza que la excluyan de sus resultados cuando otros sitios enlazan hacia ella.

Google retiró posteriormente los resultados detectados, aunque Bing todavía mostraba centenares hace algunos días. Anthropic no explicó por qué las páginas carecían de la etiqueta necesaria para evitar ser indexados. Si usas Claude, puedes revisar o eliminar tus enlaces públicos desde Ajustes > Privacidad > Chats compartidos.

Nvidia encabeza una alianza para crear herramientas abiertas de ciberseguridad con IA

Nvidia anunció la creación de la Open Secure AI Alliance, una coalición internacional que desarrollará y compartirá modelos, herramientas y técnicas abiertas para proteger sistemas informáticos y agentes de inteligencia artificial.

La iniciativa reúne a más de 50 organizaciones de tecnología, infraestructura y seguridad, entre ellas Microsoft, IBM, Cisco, Cloudflare, CrowdStrike, GitHub, Hugging Face, Linux Foundation, Mistral, Palantir, Salesforce, SAP, SpaceXAI y varias compañías de telecomunicaciones. Su objetivo es que Gobiernos y empresas puedan inspeccionar, adaptar y ejecutar herramientas defensivas dentro de su propia infraestructura, sin depender exclusivamente de plataformas cerradas.

Nvidia sostiene que los sistemas abiertos permiten detectar y corregir vulnerabilidades con mayor transparencia, adaptar la protección a entornos locales y evitar que toda la defensa dependa de un solo proveedor. La empresa reconoce que los modelos abiertos también pueden utilizarse para ataques, pero afirma que ese riesgo existe igualmente en sistemas cerrados y debe gestionarse en ambos casos.

Ninguna gran empresa de IA alcanza una calificación alta en seguridad

El AI Safety Index, elaborado por el Future of Life Institute, evaluó a nueve de las principales empresas de inteligencia artificial y concluyó que ninguna mantiene prácticas de seguridad suficientemente sólidas. Anthropic obtuvo la mejor calificación general, con C+, seguida por OpenAI con C y Google DeepMind también con C. Meta recibió D+; Z.ai y Alibaba Cloud, D-; mientras que xAI, DeepSeek y Mistral reprobaron con F.

El índice examinó 37 indicadores relacionados con evaluación de riesgos, daños actuales, marcos de seguridad, riesgos existenciales, transparencia y gobernanza. OpenAI encabezó la categoría de evaluación de riesgos, mientras que Anthropic lideró cinco de los seis ámbitos analizados. Meta ascendió del sexto al cuarto lugar y xAI cayó del cuarto al séptimo.

El informe advierte que Anthropic, OpenAI, Google DeepMind y Meta han debilitado o condicionado compromisos anteriores de detener el desarrollo cuando sus modelos alcanzaran determinados umbrales de peligro. También señala que varias compañías que antes restringían los usos militares de sus sistemas comenzaron a buscar contratos de defensa.

La categoría peor evaluada fue la protección frente a riesgos extremos o pérdida de control: ninguna empresa superó la calificación C- y la mayoría obtuvo D o F. La evaluación fue realizada por siete especialistas independientes y consideró evidencia publicada hasta el 3 de junio de 2026.

Estados Unidos acusa a Moonshot AI de copiar tecnología de Anthropic

El Gobierno de Estados Unidos afirmó tener información de que Moonshot AI utilizó respuestas de Claude Fable 5, de Anthropic, para desarrollar Kimi K3 mediante destilación, una técnica que entrena un modelo con respuestas generadas por otro sistema.

Michael Kratsios, director de la Oficina de Política Científica y Tecnológica de la Casa Blanca, aseguró que Moonshot realizó millones de consultas a modelos estadounidenses y empleó distintos métodos de acceso para evitar su detección. Anthropic declaró haber identificado más de 3.4 millones de interacciones vinculadas con la empresa china. Moonshot negó que el rendimiento de Kimi K3 proceda de ese proceso y atribuyó sus avances a cambios propios en la arquitectura.

Las autoridades estadounidenses no han publicado pruebas técnicas suficientes para verificar la acusación de forma independiente. Tampoco existe un marco legal claro que determine cuándo la destilación de un modelo rival constituye una infracción de propiedad intelectual.

Washington analiza posibles sanciones y nuevas restricciones contra Moonshot. China respondió acusando a Estados Unidos de “hegemonismo de IA” y advirtió que tomará medidas si sus empresas son castigadas sin pruebas concluyentes.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• Kimi K3: el chatbot que hizo de la escasez su método

• El retraso de Gemini 3.5 Pro eleva la presión sobre Alphabet

• La MLB limita la IA para conservar las decisiones humanas durante los partidos

• OpenAI lleva el control de sus agentes a un teclado físico

• El Gobierno de India niega haber restringido modelos de OpenAI y Anthropic

• Encuesta: ¿Qué tanta disposición tienes para probar nuevos chatbots de IA?

  ---

“No tenemos dinero, así que tenemos que pensar.”
—Ernest Rutherford, físico neozelandés, considerado uno de los fundadores de la física nuclear.

Cuando Yang Zhilin terminó su doctorado en Carnegie Mellon, tenía delante de sí una carrera que parecía decidida de antemano.

Había trabajado como investigador en Google Brain y Meta. Había participado en estudios importantes sobre modelos de lenguaje. Grandes tecnológicas estadounidenses lo buscaban para incorporarlo a sus filas.

Pero decidió no quedarse en Estados Unidos.

Ruslan Salakhutdinov, su antiguo profesor, recuerda cómo Yang fue intensamente buscado por reclutadores de talento, pero ya había tomado una decisión: quería su propia empresa. Temía que, si no lo intentaba, se arrepentiría el resto de su vida. Regresó a China, colaboró en proyectos como PanGu y Wu Dao y, en 2023, fundó Moonshot AI.

El gesto admite lecturas fáciles. La del científico patriota que vuelve a casa. La del talento que Estados Unidos no supo retener. La del discípulo que regresa para desafiar a sus maestros.

Ninguna explica cabalmente lo ocurrido.

Yang no rompió con el ecosistema estadounidense: en realidad se formó dentro de él. Tampoco regresó a una periferia tecnológica desierta. Encontró capital, investigadores, empresas digitales y una política industrial, la de su país, dispuesta a convertir la inteligencia artificial en infraestructura nacional.

Moonshot es hija de esa circunstancia. Su nombre chino significa “el lado oscuro de la Luna”, una referencia al álbum de Pink Floyd que ha obsesionado a Yang desde hace años. Kimi, además, es el nombre que él mismo utiliza en inglés. El modelo que hoy genera inquietud en Silicon Valley lleva, literalmente, el nombre de su fundador.

Pero ¿qué es Kimi K3?

Kimi K3 es otro modelo de inteligencia artificial, aunque entender qué lo distingue requiere un poco más de espacio.

K3 puede leer texto e imágenes, escribir programas y utilizar herramientas digitales. Integrado en los sistemas agénticos de Moonshot, puede recibir un encargo (revisar documentos, investigar un mercado o recorrer un repositorio de código), dividirlo en operaciones menores y continuar sin pedir instrucciones después de cada paso.

K3 intenta combinar la conversación de un chatbot con la capacidad operativa de un agente.

Su ventana de contexto admite hasta un millón de tokens. En otros términos: puede colocar sobre la misma mesa una enorme cantidad de documentos y mantenerlos disponibles mientras trabaja. No significa que comprenda o recuerde cada línea con idéntica precisión. Significa que puede trabajar con una mesa mucho más grande.

Moonshot declara 2,8 billones de parámetros. Los parámetros son los ajustes internos que la red aprendió durante su entrenamiento: algo parecido a millones de perillas cuya posición determina qué relaciones detecta y qué respuesta produce. Eso sí: poseer más perillas no garantiza un buen resultado. Importa cómo están afinadas y, sobre todo, cuáles se utilizan según la necesidad.

Justamente ahí comienza la parte interesante de este modelo. Porque nació en un contexto bien claro: el de la limitación de chips estadounidenses hacia el exterior. Teóricamente, eso bastaba para impedir que se desarrollaran modelos más capaces.

Teóricamente.

Un hospital con 896 especialistas

Kimi K3 está organizado mediante una arquitectura conocida como mezcla de expertos. Contiene 896 bloques especializados, pero sólo activa 16 cuando procesa cada fragmento de información.

Imaginemos un hospital inmenso.

Cuando llega un paciente, no se convoca a todos los cardiólogos, neurólogos, radiólogos, cirujanos y epidemiólogos del edificio. Un sistema de clasificación decide quién debe intervenir. El hospital conserva toda su capacidad, pero moviliza solamente la necesaria.

Los “expertos” de Kimi funcionan de forma equivalente; no son médicos digitales ni inteligencias independientes: son regiones matemáticas de una red que, durante el entrenamiento, desarrollaron afinidades distintas. Un mecanismo de enrutamiento decide qué combinación es más adecuada para cada fragmento.

El desafío es doble: elegir bien y repartir el trabajo. Si el sistema llama siempre a los mismos especialistas, algunos se saturan y los demás, los que no se usan, se vuelven mobiliario caro. Moonshot desarrolló un método de balance para evitarlo.

K3 incorpora además dos mecanismos cuyos nombres intimidan más de lo que explican: Kimi Delta Attention y Attention Residuals.

Podemos pensar en Kimi Delta Attention como el sistema de notas de un investigador. Frente a un expediente de miles de páginas, una persona no vuelve a revisar todas las relaciones entre todos los pasajes cada vez que necesita comprobar un dato. Organiza la información para reducir el costo de trabajar con documentos extensos.

Attention Residuals resuelve otro problema: cómo circula esa información entre los distintos pisos de la organización. En lugar de entregar a cada piso una pila indiferenciada con todo lo producido antes, permite seleccionar qué representaciones de las capas anteriores resultan útiles.

A ello se suman representaciones numéricas de menor precisión y sistemas de caché. Moonshot entrenó el modelo para operar con representaciones numéricas menos detalladas, pero suficientes para conservar el rendimiento buscado. Si una instrucción o un bloque de información ya fue procesado, el sistema puede reutilizar determinados cálculos en lugar de repetirlos desde cero.

Moonshot asegura que el conjunto consigue una eficiencia de escalamiento aproximadamente 2,5 veces superior a la de Kimi K2, su modelo anterior. La cifra aún debe examinarse con el informe técnico completo, anunciado para el 27 de julio.

El principio rector, sin embargo, puede entenderse ya: K3 no intenta ser eficiente haciéndose pequeño. Intenta ser enorme sin tener que despertar toda su enormidad cada vez que alguien le hace una pregunta.

Y eso le permite competir mediante una combinación de escala, eficiencia y apertura distinta a la de los modelos desarrollados en Estados Unidos.

La propia Moonshot admite que el desempeño general de K3 todavía queda por debajo de Claude Fable 5 y GPT‑5.6 Sol. Una evaluación independiente de Artificial Analysis le otorgó 57 puntos, en una franja comparable con GPT‑5.5 y Claude Opus 4.8, con resultados especialmente competitivos en programación y trabajos agénticos.

Decir que K3 derrotó a los modelos estadounidenses sería prematuro. Lo que hizo puede ser más importante: llegó.

Durante años, las grandes empresas de IA han competido con la lógica de los fabricantes de motores. Cada una asegura tener uno cada vez más potente, aunque casi nadie se preguntaba cuánto combustible consumía para terminar un viaje.

Esa comparación comienza a quedarse corta.

Una empresa, como lo señalábamos cuando analizamos la tokenización, no necesita el modelo que obtenga la mejor calificación abstracta. Necesita el que concluya correctamente un contrato, una investigación o una pieza de software, dentro de un tiempo y un presupuesto razonables.

El precio por token cuenta. El costo por tarea resuelta cuenta más.

Artificial Analysis calculó para K3 un costo promedio cercano a 0,94 dólares por tarea dentro de las pruebas de su Intelligence Index, frente a 1,04 dólares de GPT‑5.6 Sol. La diferencia no representa una revolución económica, pero demuestra que la distancia entre un modelo chino y los sistemas propietarios más avanzados puede medirse ya en centavos, minutos y tasas de error, no en generaciones tecnológicas.

Éste es el primer significado de K3 para las empresas de IA: el modelo aislado deja de ser el producto completo. Importan también el enrutamiento, las herramientas, la memoria, la velocidad, la supervisión y la capacidad de integrarse al trabajo real.

Estados Unidos nunca poseyó jurídicamente el monopolio de la inteligencia artificial. Durante un tiempo sí concentró algo parecido al monopolio de los avances: los chips más capaces, el capital, los investigadores, las plataformas y los laboratorios contra los cuales se medían todos los demás.

K3 confirma que esa exclusividad se erosiona.

Lo hace también mediante su compromiso de publicar los pesos completos del modelo. En otros términos, permitirá que desarrolladores y organizaciones con la infraestructura suficiente descarguen y ejecuten K3 sin depender de la API de Moonshot. Al 21 de julio, esa apertura todavía no se ha consumado: la empresa anunció que ocurrirá el día 27. Hasta entonces, “modelo de pesos abiertos” describe un compromiso, no un hecho verificable.

Abrir los pesos tampoco equivale a regalar la inteligencia. Moonshot recomienda instalaciones de al menos 64 aceleradores. Descargar K3 será posible; ejecutarlo de manera privada seguirá estando fuera del alcance de la mayoría.

La empresa misma acaba de tropezar con esa realidad. Suspendió temporalmente nuevas suscripciones y hoy, 21 de junio del 2026, no acepta nuevos usuarios. La demanda llevó su infraestructura cerca del límite y esto eventualmente cambiará.

Moonshot ha recaudado más de 5,500 millones de dólares y alcanzó una valoración de 30,000 millones. Es una empresa muy capitalizada que todavía carece de todo el cómputo que necesita.

No sabemos si las restricciones estadounidenses a la venta de chips impulsaron la arquitectura de K3. Sí sabemos que modificaron el entorno en el que Moonshot debía competir: hicieron más valioso cada avance capaz de convertir mejor el cómputo disponible en trabajo útil.

Cuando el mejor hardware resulta escaso, caro o inaccesible, la ingeniería comienza a mirar con atención aquello que antes podía resolver agregando máquinas: qué información conservar, qué bloque activar, qué cálculo reutilizar, qué precisión resulta suficiente.

Por sí sola, la escasez puede producir retraso, dependencia y fracaso. Cuando coincide con capital y talento, también puede convertirse en un incentivo para desarrollar métodos de optimización.

Ahí está la dimensión geopolítica de Kimi K3. Los controles de exportación de Estados Unidos pueden limitar el acceso a una tecnología, pero difícilmente pueden impedir que los conocimientos adquiridos en su territorio se combinen en otro lugar.

K3 muestra cómo una empresa que compite bajo restricciones puede concentrarse en administrar selectivamente sus recursos: decidir qué capacidad necesita ante cada problema y evitar movilizar el resto.

La carrera de la inteligencia artificial ya no consiste solamente en acumular más chips, más parámetros y más dinero. Consiste en aprender a utilizar mejor lo acumulado.

El avance no desapareció. Dejó de tener un solo domicilio.

🤖 Noticias desde el presente que construyen el futuro

El retraso de Gemini 3.5 Pro eleva la presión sobre Alphabet

Alphabet enfrenta nuevas dudas sobre el rendimiento de sus inversiones en inteligencia artificial después de aplazar Gemini 3.5 Pro, el modelo con el que Google pretende competir en programación y tareas agénticas. Su lanzamiento estaba previsto para junio, pero el sistema no alcanzó algunos objetivos internos, particularmente en generación de código, y la empresa todavía no ha comunicado una nueva fecha.

La demora coincide con un fuerte aumento del gasto. Alphabet calcula invertir entre 180,000 y 190,000 millones de dólares en infraestructura durante 2026 y anunció una ampliación de capital por 84,750 millones. El mercado espera comprobar que la expansión de centros de datos y capacidad informática se traduzca en ingresos suficientes para justificar esos compromisos.

Alphabet conserva ventajas importantes: Google Cloud, sus chips especializados y la distribución de sus servicios entre millones de usuarios. Las estimaciones recopiladas por LSEG anticipan que sus ingresos trimestrales crecerán 21,3 %, hasta 116,930 millones de dólares, impulsados especialmente por la nube. El próximo informe financiero deberá mostrar si esas fortalezas compensan el retraso de Gemini y el costo de competir en la frontera de la IA.

La MLB limita la IA para conservar las decisiones humanas durante los partidos

Las Grandes Ligas restringieron el uso de programas personalizados en los iPads de los dugouts para impedir que la inteligencia artificial recomiende sustituciones, seleccione lanzamientos o intervenga en otras decisiones tradicionalmente tomadas por jugadores y entrenadores.

La medida no elimina las tabletas. Los equipos todavía pueden consultar videos y datos proporcionados por la liga, pero desde el comienzo de la segunda mitad de la temporada dejaron de tener acceso a la pestaña que permitía ejecutar aplicaciones externas. Morgan Sword, vicepresidente ejecutivo de operaciones de beisbol, explicó en un memorando que esos programas habían ampliado el uso de los dispositivos más allá de su propósito original.

La MLB revisó la utilización de la tecnología y concluyó que los clubes habían cumplido las reglas vigentes, por lo que no impuso sanciones. El exlanzador Adam Ottavino había asegurado que los Mets de Nueva York empleaban un costoso programa de IA para apoyar decisiones durante los juegos, aunque esa afirmación procede de su testimonio y no de una confirmación oficial de la liga.

OpenAI lleva el control de sus agentes a un teclado físico

OpenAI presentó Codex Micro, un pequeño teclado desarrollado con Work Louder para controlar mediante botones físicos los agentes de programación de Codex. El dispositivo permite aceptar o rechazar cambios, activar la entrada de voz, comenzar conversaciones y ejecutar tareas como revisar código, depurar errores o reorganizar programas.

Codex Micro incorpora 13 interruptores mecánicos, iluminación RGB, una perilla para ajustar el nivel de razonamiento y un joystick para desplazarse entre flujos de trabajo. Algunas teclas cambian de color para mostrar si un agente está pensando, ejecutando una tarea, esperando instrucciones o ya terminó.

El accesorio cuesta 230 dólares, funciona con Mac y Windows y puede conectarse mediante Bluetooth o USB-C. No añade capacidades nuevas a Codex, que puede utilizarse sin el dispositivo: convierte funciones disponibles en la aplicación en controles táctiles y señales visuales. La tienda de OpenAI lo presenta como una colaboración de disponibilidad limitada y actualmente lo muestra agotado.

El Gobierno de India niega haber restringido modelos de OpenAI y Anthropic

El Gobierno de India rechazó una información que se publicó en varios medios según la cual el Ministerio de Electrónica y Tecnología de la Información (MeitY) había pedido a distintas dependencias públicas suspender el uso de modelos de ciberseguridad desarrollados por OpenAI y Anthropic.

PIB Fact Check, la unidad de verificación de la oficina de prensa del Gobierno indio, afirmó que el ministerio no emitió ninguna instrucción ni aviso que prohibiera utilizar esos sistemas.

La información permite afirmar que el Gobierno negó la existencia de la medida. Pero no demuestra, por sí sola, qué conversaciones internas pudieron ocurrir antes de esa aclaración ni permite ampliar el desmentido a otras posibles regulaciones sobre inteligencia artificial.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• El token: la nueva economía del lenguaje

• IBM pierde 25% de su valor y arrastra a tecnológicas

• Apple demanda a OpenAI por presunto robo de secretos comerciales

• Premios Nobel piden políticas ante el impacto económico de la IA

• Empleados demandan a Meta por despidos supuestamente apoyados en IA

• Encuesta: ¿Cuál es tu postura ante el impacto ambiental en el uso de la IA?

  ---

“El problema fundamental de la comunicación es reproducir, exacta o aproximadamente, un mensaje seleccionado en otro punto.”
— Claude E. Shannon, A Mathematical Theory of Communication, 1948.

La primera fantasía útil sobre la inteligencia artificial es que habla.

Pero no habla.

Calcula fragmentos y estima lo que a continuación tiene más sentido dentro de las posibilidades de un patrón.

Nosotros escribimos una frase y solemos creer que la máquina recibe eso, una frase. O una pregunta. O una intención. Pero antes de cualquier respuesta, el sistema fragmenta el lenguaje en unidades pequeñas: tokens.

Un token puede ser una palabra. O parte de una palabra. O un signo de puntuación. O un pedazo de palabra que para nosotros no tendría existencia propia. Depende del modelo, del idioma, del contexto, de cómo fue entrenado el sistema para partir el lenguaje.

No es un detalle técnico: ahí empieza la economía de la IA.

Los usuarios privados, pero sobre todo las empresas, han estado comprando inteligencia artificial como quien compra una promesa: más productividad, menos fricción, respuestas automáticas, análisis instantáneos, atención al cliente sin descanso.

Pero por debajo había y hay una contabilidad. Cada pregunta se convierte en tokens. Cada documento adjunto, tokens. Cada instrucción, tokens. Cada respuesta larga, tokens. Cada corrección, tokens. Cada paso invisible de un agente que consulta una base de datos, revisa una herramienta o vuelve a intentar una tarea… más tokens.

Pensemos en algo simple. Un usuario pide: “Resume este contrato”.

La orden es breve. Pero si el contrato tiene ochenta páginas, la máquina no está procesando una frase: está navegando en una masa de lenguaje. Si después el usuario pide detectar riesgos, comparar cláusulas, redactar una propuesta y preparar una versión ejecutiva, la conversación deja de ser conversación: se vuelve consumo.

Y ese consumo se mide en una unidad que casi nadie ve: el token.

El token es al lenguaje lo que el kilowatt-hora es a la electricidad: una abstracción técnica que sólo se vuelve real cuando aparece en la factura.

Por eso muchas empresas están teniendo una experiencia incómoda. Primero descubrieron que la IA funcionaba. Después descubrieron que podía integrarse a varias tareas. Empezaron con pilotos pequeños, pruebas internas, equipos curiosos. Luego vinieron los bots de soporte, los copilotos de programación, los resúmenes de juntas, los análisis legales, los asistentes comerciales, los sistemas de búsqueda interna, los generadores de reportes.

La adopción fue creciendo. Y la factura también.

No porque los proveedores hayan cambiado la naturaleza del cobro de la noche a la mañana, sino porque el uso dejó de ser esporádico. La IA pasó de experimento a rutina. Y cuando una tecnología se vuelve rutina, su costo abandona la parcela de inversión visionaria y empieza a ser gasto operativo.

Ese es el momento en que la épica se acaba. Incluso compañías del tamaño de Microsoft han empezado a revisar el uso interno de herramientas como Claude Code, no porque la IA no sirva, sino porque a escala organizacional el gasto por tokens puede convertirse en millones de dólares al año.

La pregunta empresarial entonces ya no sólo apunta a cuál modelo “razona” mejor, escribe mejor o responde con más soltura. Ahora es cuánto cuesta completar una tarea con calidad suficiente.

No cuánto cuesta conversar. Cuánto cuesta resolver.

Dos modelos pueden llegar a una respuesta parecida con consumos muy distintos. Uno puede necesitar más contexto. Otro puede producir respuestas más largas de lo necesario. Otro puede requerir varios pasos intermedios. Otro puede ser más barato por token, pero menos eficiente por tarea. Otro puede parecer caro en la lista de precios y, sin embargo, ahorrar dinero si resuelve mejor con menos vueltas.

La unidad relevante hasta ahora estaba siendo el precio por millón de tokens. Pero eso está cambiando, y cada vez más apunta hacia el costo por trabajo terminado.

Ahí se entiende un giro reciente de la industria. OpenAI, xAI, Meta y otros actores ya no sólo compiten por mostrar modelos más capaces. También compiten por demostrar que pueden hacer más con menos: menos tokens, menos latencia, menos gasto, menos desperdicio operativo.

xAI, por ejemplo, presentó Grok 4.5 con una promesa explícita de mayor eficiencia de tokens. OpenAI ha empezado a hablar de sus modelos no sólo en términos de inteligencia, sino de rendimiento y costo. Meta ha colocado sus modelos en una lógica de acceso y precio pensada para desarrolladores y empresas que no quieren que la IA se convierta en una máquina de gastar dinero.

No es que la potencia haya dejado de importar. Es que la potencia sola ya no basta.

La primera etapa de la IA generativa fue una carrera de exhibiciones, casi un show mediático. Resolver exámenes. Escribir código. Componer textos. Interpretar imágenes. Mantener conversaciones largas. Era una competencia por el asombro.

La segunda etapa será una competencia por la eficiencia. Esa competencia será menos vistosa, pero más decisiva.

Porque las empresas viven de márgenes, presupuestos, contratos, procesos y responsabilidades. Un modelo que impresiona en una presentación puede ser inviable si cada flujo interno multiplica tokens sin control.

Un chatbot que contesta bonito puede ser un mal negocio si usa diez párrafos para resolver una consulta que exigía una línea. Un agente autónomo puede parecer sofisticado hasta que alguien revisa cuántas veces llamó herramientas, cuántos documentos cargó y cuántas respuestas descartó antes de llegar a la versión final.

La inteligencia artificial, entonces, también puede ser burocrática en sus entrañas. Puede producir un texto desperdiciando materia prima como quien deja correr el agua mientras se lava los dientes.

Y ese derroche no es sólo económico. También es físico.

Cada token implica cómputo. Cada cómputo ocurre en servidores. Cada servidor necesita electricidad, refrigeración, chips, redes, mantenimiento. La Agencia Internacional de Energía estimó que los centros de datos consumieron alrededor de 415 TWh en 2024, cerca de 1.5% de la electricidad mundial, y proyecta que podrían acercarse a 950 TWh en 2030.

Y esto también tiene una huella ecológica. Conviene no convertir esto en un sermón. Pero es bueno agregarle contexto.

Una consulta individual no es una catástrofe ecológica. Pero millones de consultas, agentes funcionando todo el día, modelos más grandes, contextos más largos y empresas automatizando procesos completos sí modifican la escala del problema.

¿Debemos dejar de usar IA para ser más generosos con el medioambiente? Esa pregunta ya llega tarde.

Es mejor preguntarse qué tipo de IA estamos normalizando: una IA que piensa mejor porque usa mejor sus recursos, o una que responde más porque nadie le puso límites.

Hay una enseñanza incómoda en esto. La abundancia verbal de los modelos nos sedujo. Nos acostumbramos a respuestas largas, explicaciones extensas, resúmenes dobles, alternativas, listas, tonos, versiones, reformulaciones. La máquina lucía generosa porque nunca se cansaba.

Pero esa generosidad tiene costo. Quizá la madurez de la IA empiece cuando dejemos de confundir longitud con inteligencia.

Una buena implementación empresarial no será la que permita preguntarlo todo de cualquier manera. Será la que sepa cortar. Elegir contexto. Reducir instrucciones. Usar modelos pequeños cuando basten. Reservar los modelos más potentes para tareas donde realmente importen. Medir el costo por resultado. Auditar los flujos. Evitar que la automatización se convierta en palabrería industrial.

La tokenización, entonces, no es un detalle de ingenieros. Es una lección política y económica sobre el lenguaje.

En la vieja economía del folletín, la extensión podía ser una forma de remuneración. A Dumas se le atribuye, no sin debate, haber cobrado por línea en algunos de sus contratos. En la economía de la IA, la ironía se invierte: escribir de más ya no produce ingresos: produce gasto.

En la época de la IA, escribir de más puede ser una línea de gasto.

Tal vez por eso el token sea una unidad tan reveladora.

No mide inteligencia.

Mide la materia prima que la inteligencia artificial consume para parecer inteligente.

Y nos obliga a mirar algo que quizá preferíamos no ver: detrás de cada respuesta fluida hay una cadena de decisiones técnicas, comerciales y energéticas. Detrás de cada asistente amable hay una arquitectura que alguien paga. Detrás de cada automatización hay una pregunta que quizá podíamos haber formulado mejor.

¿Cuánto lenguaje necesita realmente una máquina para ayudarnos? ¿Cuánto nos tardaremos en cambiar la percepción de que la locuacidad es equivalente a inteligencia?

La respuesta definirá más que una factura.

Definirá si la inteligencia artificial se convierte en una herramienta precisa o en otra forma elegante de desperdicio.

🤖 Noticias desde el presente que construyen el futuro

IBM pierde 25% de su valor y arrastra a tecnológicas

IBM sufrió una de las peores jornadas bursátiles de su historia el 14 de julio del 2026 después de presentar resultados preliminares por debajo de las expectativas del mercado. Sus acciones llegaron a caer cerca de 25%, después de que la compañía anticipó ingresos trimestrales de 17,200 millones de dólares, por debajo de los 17,900 millones esperados por analistas.

El golpe no se explica sólo por un mal trimestre. IBM advirtió que muchas empresas están reorientando sus presupuestos tecnológicos hacia infraestructura física para inteligencia artificial: servidores, memoria, almacenamiento y centros de datos. Eso está dejando menos espacio para compras tradicionales de software y mainframes, dos áreas clave para la compañía.

El caso provocó nerviosismo entre inversionistas porque muestra una tensión de fondo: la IA no sólo está creando nuevos ganadores en tecnología, también está modificando hacia dónde se mueve el gasto empresarial. Si las empresas destinan más capital a infraestructura, varias compañías de software pueden enfrentar presión en ingresos, márgenes y valuaciones.

Apple demanda a OpenAI por presunto robo de secretos comerciales

Apple presentó una demanda contra OpenAI y dos exempleados de la compañía por presunta apropiación indebida de secretos comerciales. La acusación sostiene que información confidencial relacionada con hardware y productos de Apple habría sido utilizada para apoyar los planes de OpenAI en dispositivos de consumo.

Entre los señalados está Tang Tan, exvicepresidente de diseño de producto de Apple, quien después se incorporó al proyecto de hardware de OpenAI tras la adquisición de io, la empresa fundada por Jony Ive. Apple acusa a los exempleados de haber accedido o trasladado información sensible sobre diseño, proveedores y productos no anunciados.

OpenAI ha negado tener interés en secretos comerciales de competidores. Las dos compañías habían colaborado en la integración de ChatGPT en el ecosistema de Apple, y ha generado dudas. La carrera por la IA ya no se limita al software: también se está moviendo hacia hardware, dispositivos y propiedad intelectual.

Premios Nobel piden políticas ante el impacto económico de la IA

Más de 200 economistas e investigadores, incluidos 15 premios Nobel y especialistas vinculados con OpenAI, Anthropic y Google, pidieron a gobiernos y líderes tecnológicos crear políticas e instituciones capaces de enfrentar el impacto económico de la inteligencia artificial.

La declaración, titulada We Must Act Now, advierte que la IA podría provocar una transformación económica mayor que la Revolución Industrial, pero en un periodo mucho más corto. Entre los firmantes aparecen Daron Acemoglu, Simon Johnson, Michael Spence y Joseph Stiglitz, además de figuras de la industria como Sarah Friar, Jeff Dean, Jack Clark, Eric Schmidt y Reid Hoffman.

Todavía no hay evidencia concluyente de una destrucción masiva de empleos por IA. La OCDE sostiene que, hasta ahora, la adopción de IA no ha provocado una caída generalizada en la demanda laboral. Precisamente por eso, los firmantes argumentan que este es el momento para prepararse: antes de que el impacto económico se acelere y las instituciones vuelvan a llegar tarde.

Empleados demandan a Meta por despidos supuestamente apoyados en IA

Un grupo de 26 empleados demandó a Meta en una corte federal de Oakland, California. Acusan a la empresa de haber usado sistemas de inteligencia artificial, datos de actividad, monitoreo de pulsaciones, tableros de uso de tokens y rankings algorítmicos para seleccionar personas afectadas por despidos.

Según la demanda, el proceso perjudicó de forma desproporcionada a trabajadores que estaban en licencias médicas, familiares, de maternidad o paternidad. Los demandantes forman parte del grupo de aproximadamente 8,000 empleados —cerca del 10% de la plantilla— que Meta anunció que recortaría en mayo.

Meta rechazó las acusaciones y afirmó que las decisiones laborales fueron tomadas por personas, no por inteligencia artificial. El caso pone a prueba un punto central en la discusión laboral sobre IA: qué ocurre cuando sistemas aparentemente neutrales terminan castigando ausencias protegidas por ley o condiciones personales que deberían estar fuera de una evaluación automatizada.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• ¿Regular el acceso de la IA a los niños? Hay razones importantes

• OpenAI propone dar al Gobierno de Trump una participación del 5%

• Zuckerberg admite que los agentes de IA de Meta avanzan más lento de lo esperado

• Estados Unidos levanta restricciones a los modelos Fable y Mythos de Anthropic

• ¿En tu entorno hay niños que usen IA?

“Los niños y sus padres han cargado con toda la responsabilidad, pero sin control. El sector tecnológico ha tenido todo el control, pero ninguna responsabilidad.”
— Beeban Kidron, creadora de 5Rights, organización especializada en derechos infantiles digitales.

En Ginebra, durante el primer Diálogo Global sobre Gobernanza de la Inteligencia Artificial de Naciones Unidas, António Guterres, secretario general de la ONU, lanzó una frase poderosa: si no dejamos que un medicamento llegue a un niño sin antes pasar por pruebas, y si revisamos un juguete antes de ponerlo en sus manos, ¿por qué aceptamos que la inteligencia artificial entre en su vida sin una evaluación equivalente?

La comparación parece simple. No lo es.

Un medicamento puede alterar el cuerpo. Un juguete puede asfixiar, intoxicar, cortar. Por eso exigimos pruebas, normas, advertencias, responsabilidad. No basta con poner una etiqueta: “Úsese bajo supervisión de los padres”.

Pero un chatbot ya entra en la habitación de un niño. En su tarea. En sus dudas. En su soledad. En las preguntas que no se atreve a hacerle a nadie. En sus miedos. En la imagen de sí mismo.

Y el chatbot entró a esa habitación antes de que la sociedad se preguntara con suficiente seriedad si era correcto que entrara.

Ese es el filo de la declaración de Guterres. No está diciendo que la IA deba prohibirse para los menores. La IA puede ayudar a aprender, crear, acompañar procesos educativos, asistir a niños con discapacidad, abrir acceso donde escasean los maestros y los materiales de aprendizaje.

Pero entre el potencial educativo y el deber de protección hay una zona incómoda: los incentivos de las empresas no siempre coinciden con los derechos de los niños.

Hasta ahora, buena parte de la economía digital ha funcionado lanzando primero, corrigiendo después; crecer primero, moderar después; captar usuarios primero, estudiar daños después; pedir disculpas cuando el escándalo ya ocurrió.

Con adultos, ese modelo ya es problemático. Pero con niños, es preocupante.

Porque la infancia no es solamente una categoría de mercado. Es una etapa de formación del juicio, la identidad, la autoestima, el deseo, la confianza y los límites. Un niño no usa un sistema conversacional como usa una calculadora y eso se debe a una razón simple, pero profunda: puede hablarle como se habla con alguien.

Ahí aparece el error de categoría.

De hecho, no importa si la máquina siente. Lo que importa es si el niño siente que la máquina lo entiende.

Una IA conversacional puede parecer paciente, comprensiva, personalizada. Puede recordar gustos, inseguridades, secretos. Puede decir las palabras exactas que producen apego.

Para un adulto eso ya puede ser persuasivo. Para un menor, que apenas está aprendiendo la diferencia entre un consejo y un intento de manipulación, el riesgo es mayor.

Por eso la discusión de la pertinencia de la IA en la infancia no puede quedarse en “contenido inapropiado”. Esa fue la lógica del primer internet: filtremos pornografía, violencia, insultos, estafas. Pero la IA generativa introduce algo que no habíamos considerado: relación.

No sólo muestra cosas: contesta. No sólo recomienda: se adapta. No sólo registra: aprende.

Y lo que puede aprender de un niño no es trivial. Un menor puede decirle a un chatbot dónde vive, qué le da miedo, si sufre bullying, si sus padres pelean, si odia su cuerpo, si se siente solo, si quiere desaparecer… si tiene un secreto.

Cuando la experiencia humana se convierte en materia prima, la intimidad infantil puede transformarse en dato.

La ONU intenta mover el estándar de las tecnológicas desde el “confía en nosotros” hacia “demuéstralo primero”. Guterres propuso un compromiso de seguridad infantil para sistemas de IA accesibles a menores: pruebas específicas antes del despliegue, supervisión independiente, tolerancia cero al abuso sexual infantil generado o facilitado por IA y conexión con apoyo humano cuando aparezcan señales de crisis.

La palabra importante es “antes”.

No después del suicidio.

No después del deepfake.

No después del chantaje.

No después de la dependencia emocional.

No después de que una empresa publique un comunicado diciendo que lamenta profundamente lo ocurrido.

Antes.

Esa es la palabra.

Con los niños, no debería probarse el daño después. Debería probarse la seguridad antes.

Pero conviene no engañarnos. “Probar que es seguro” no puede significar seguridad absoluta. Eso no existe. Una IA no se certifica como se certifica un juguete. No tiene una sola forma, un solo borde, una sola pieza desmontable. Cambia con el contexto, con el usuario, con la memoria, con el idioma, con la actualización, con el modelo, con el diseño de la conversación.

Entonces el estándar debe ser más exigente y más realista al mismo tiempo.

No se trata de prometer que nunca fallará. Se trata de demostrar que fue diseñada, evaluada, auditada y limitada pensando específicamente en la interacción con menores. Que fue probada contra escenarios de autolesión. Contra grooming. Contra explotación sexual. Contra manipulación emocional. Contra respuestas que sustituyan vínculos humanos. Contra publicidad hiperpersonalizada basada en inseguridades infantiles. Contra la recolección innecesaria de datos.

Y, sobre todo, sí se trata de asegurarse de que puede detenerse.

Porque una tecnología que no sabe detenerse frente a un niño no es innovación. Es irresponsabilidad con buena interfaz.

El punto más duro está en el abuso sexual infantil. UNICEF ya ha advertido que las imágenes sexualizadas de menores creadas o manipuladas con IA deben tratarse como material de abuso sexual infantil. La organización estimó, con ECPAT e INTERPOL, que al menos 1.2 millones de niños en 10 países dijeron que sus imágenes fueron manipuladas en deepfakes explícitos durante el último año (imagen superior).

Aunque la imagen sea sintética, el daño no lo es. La humillación es real. El chantaje es real. La revictimización es real. La circulación incontrolable es real. La sensación de que el propio cuerpo ha sido confiscado por desconocidos es real.

La palabra “virtual” ha servido demasiadas veces para anestesiar daños reales.

Pero, siendo objetivos, el remedio también puede ser peligroso.

Una mala regulación infantil de la IA puede convertirse en una maquinaria de vigilancia también peligrosa. Si para proteger a los menores se exige verificar edad con documentos, biometría o identificación permanente, podríamos crear nuevas bases de datos sensibles. Si sólo las grandes empresas pueden pagar auditorías y certificaciones, la protección podría terminar fortaleciendo a los gigantes. Si los Gobiernos usan la infancia como argumento para controlar el acceso a información, la seguridad puede volverse censura.

No basta con decir “regulemos”. Hay que preguntar quién regula, con qué poder, con qué límites, con qué transparencia y con qué mecanismos de reparación.

La protección de la infancia no debe convertirse en una excusa para vigilar la infancia.

Tampoco debe convertirse en una forma elegante de excluir a los niños de tecnologías útiles. Un niño con dificultades de aprendizaje puede beneficiarse de un tutor paciente. Un adolescente que vive en una zona sin buenos recursos educativos puede encontrar explicaciones, ejercicios, traducciones, orientación. Un menor con discapacidad puede ganar autonomía mediante interfaces de voz, lectura o apoyo personalizado.

España parece haber entendido que la infancia puede ser el primer terreno de consenso internacional. En Ginebra impulsó una coalición para proteger los derechos de niños y niñas en la era de la IA, junto con una veintena de países y organizaciones como UNICEF y UNESCO. Estados Unidos y China no aparecen en esa fotografía, y ese vacío dice mucho: los grandes polos de desarrollo tecnológico aún no se han sumado a este intento de fijar límites comunes.

Regular toda la IA es políticamente difícil. Regularla cuando toca niños parece más viable, porque nadie quiere aparecer defendiendo la experimentación sin controles con menores.

Pero esa aparente facilidad también engaña.

Aunque los niños son el argumento perfecto para producir consenso, también pueden ser el pretexto perfecto para producir control.

Por eso el debate exige analizar más fino; no debería primar el reflejo prohibicionista ni la confianza ingenua en las empresas. No basta con pedir innovación responsable, esa frase gastada que ya cabe en cualquier presentación corporativa. Hay que exigir responsabilidades verificables.

Auditorías. Reportes de incidentes. Límites de memoria. Privacidad por diseño. Evaluaciones por edad. Prohibición de explotación sexual sintética. Rutas de ayuda humana ante crisis. Sanciones. Reparación. Capacidad real de retirar funciones peligrosas.

No discursos.

Pruebas.

La infancia siempre revela lo que una sociedad está dispuesta a tolerar en nombre del progreso. Cada época tiene su experimento. Hubo fábricas que usaron cuerpos infantiles. Hubo industrias que vendieron azúcar, tabaco, pantallas, apuestas o ansiedad bajo envoltorios de entretenimiento. Ahora la cuestión se desplaza a una tecnología más íntima.

Una máquina que habla.

Una máquina que recuerda.

Una máquina que aprende a parecernos cercana.

Guterres no mencionó medicamentos y juguetes para hacer una metáfora simpática. Lo hizo porque esos objetos muestran una contradicción: somos capaces de exigir controles estrictos a lo que toca la piel de un niño, pero hemos sido mucho más permisivos con lo que toca su atención, su intimidad, su deseo y su imaginación.

¿Aceptaremos que la infancia sea el laboratorio de sistemas que ni sus propios creadores terminan de comprender?

Tendríamos que atreverernos a imponer una regla elemental, casi antigua, casi obvia:

🤖 Noticias desde el presente que construyen el futuro

OpenAI propone dar al Gobierno de Trump una participación del 5%

OpenAI ha discutido entregar al Gobierno de Estados Unidos una participación de 5% en la compañía, según reportó Financial Times. La propuesta forma parte de una negociación más amplia para reducir tensiones con Washington, en un momento en que las grandes empresas de inteligencia artificial enfrentan mayor presión política por el uso de sus modelos, sus efectos económicos y el reparto de los beneficios que podría generar la IA.

El planteamiento no se limitaría a OpenAI. Según los reportes, la compañía también habría sugerido que otras empresas estadounidenses de IA otorguen participaciones similares al Gobierno, aunque no está claro si esas firmas aceptarían. La idea estaría inspirada en esquemas de riqueza pública, como el Fondo Permanente de Alaska, que reparte entre ciudadanos parte de los beneficios generados por recursos estratégicos.

La discusión ocurre después de que la Administración Trump pidiera a OpenAI retrasar el despliegue amplio de GPT-5.6 y en medio de un giro más intervencionista de Washington sobre los modelos avanzados de IA.

Zuckerberg admite que los agentes de IA de Meta avanzan más lento de lo esperado

Mark Zuckerberg reconoció ante empleados de Meta que el desarrollo de agentes de inteligencia artificial no ha avanzado tan rápido como esperaba la compañía. Según Reuters, el CEO dijo en una reunión interna que la evolución de esos sistemas durante los últimos cuatro meses no se había acelerado “de la manera esperada” y que las apuestas de la reorganización interna todavía no habían dado frutos.

La declaración es relevante porque Meta ha reorganizado una parte importante de su estructura alrededor de la IA. La compañía despidió cerca de 10% de su plantilla global y reasignó alrededor de 7,000 empleados a equipos enfocados en inteligencia artificial. También se proyecta que Meta invierta hasta 145,000 millones de dólares en infraestructura de IA este año.

Zuckerberg sostuvo que espera beneficios más significativos en los próximos tres a seis meses. Sin embargo, el mensaje introduce una corrección de expectativas: incluso para una de las compañías con más capital, talento y datos del mundo, convertir la IA en agentes capaces de ejecutar tareas de forma confiable está resultando más difícil de lo prometido.

Estados Unidos levanta restricciones a los modelos Fable y Mythos de Anthropic

El Gobierno de Estados Unidos levantó las restricciones que había impuesto al acceso extranjero a Claude Fable 5 y Mythos 5, los modelos más avanzados de Anthropic. La empresa anunció que comenzaría a restaurar el acceso después de que el Departamento de Comercio retirara los controles de exportación que obligaban a limitar su uso fuera de Estados Unidos.

Las restricciones se habían aplicado semanas antes por preocupaciones de seguridad nacional. El Gobierno estadounidense había ordenado a Anthropic impedir el acceso de ciudadanos extranjeros, incluso dentro de la propia compañía, mientras evaluaba riesgos asociados con el posible uso indebido de los modelos.

Para recuperar el acceso general, Anthropic aceptó detectar y atender riesgos de seguridad asociados con los modelos, colaborar con el Gobierno en estándares para futuros sistemas y notificar actividad maliciosa.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• El árbitro que regula los comentarios de odio en internet

• EU limita el acceso a GPT-5.6 por riesgos de ciberseguridad

• Meta usó contratistas que fingieron ser adolescentes para probar chatbots rivales

• OpenAI evalúa retrasar su salida a bolsa hasta 2027

• En términos de moderación, yo prefiero criterios...

“Los límites de mi lenguaje significan los límites de mi mundo.”
— Ludwig Wittgenstein, Tractatus Logico-Philosophicus

Durante un Mundial, internet no se vuelve más hostil.

Se vuelve más sincero sobre sus sentimientos ocultos.

La derrota de una selección, un penal dudoso, un portero que falla, un delantero que se equivoca: todo puede convertirse en broma, en catarsis, en linchamiento o en xenofobia. Un meme puede ser la forma amable de decir algo brutal.

Ahí trabaja una de las tecnologías menos visibles de nuestra época. Antes de que un insulto se vuelva tendencia, antes de que una amenaza llegue a su destinatario, antes de que una campaña racista contamine, algún sistema automático ya está leyendo, clasificando, reduciendo alcance, ocultando, borrando o enviando el caso a revisión.

Es una suerte de árbitro que ya no sólo está en la cancha. También está en la caja negra que decide qué parte de la furia colectiva debe ser vista.

Teóricamente.

La escala del problema de la moderación de contenidos es difícil de imaginar. En la Unión Europea, TikTok reportó que entre julio y diciembre de 2025 eliminó alrededor de 112 millones de contenidos que violaban sus políticas. Eran videos, pero también directos, anuncios, productos listados y comentarios. La propia plataforma sostiene que 93.8% de esas remociones fueron automatizadas y que 97.6% de las decisiones fueron correctas.

Sí, 112 millones.

No es una tecnología perfecta, pero durante años fue torpe. Casi ridícula.

Los primeros filtros de internet no entendían lenguaje. Tropezaban con letras. Buscaban palabras prohibidas, como quien revisa una maleta sin saber qué está mirando. De ahí nació el famoso problema de Scunthorpe, el nombre de un pueblo inglés que los sistemas automáticos bloqueaban porque contiene una secuencia de letras que la tecnología consideraba obscena en inglés (cunt).

Era gracioso hasta que dejaba de serlo.

Porque esa torpeza revelaba que cuando una máquina no entiende contexto, toda palabra es sospechosa. Un apellido. Una cita académica. Un término médico. Una denuncia que repite el insulto que intenta condenar.

Después vinieron modelos más sofisticados. Primero clasificadores estadísticos. Luego arquitecturas capaces de leer relaciones entre palabras. BERT, presentado por investigadores de Google en 2018, fue parte de ese salto: un modelo diseñado para representar lenguaje tomando en cuenta contexto izquierdo y derecho al mismo tiempo, no palabras aisladas como piezas muertas.

Ese cambio parece técnico, pero iba más allá.

Pasamos de castigar palabras a interpretar intenciones. De detectar vocabulario a inferir si una frase amenaza, humilla, ironiza, denuncia o pertenece a un código comunitario. El problema dejó de ser sintáctico y se volvió social.

Porque moderar no es sólo borrar insultos. Es decidir qué cuenta como insulto.

Y en un Mundial esa decisión se vuelve especialmente compleja. El fútbol activa nacionalismos, resentimientos históricos, racismo, masculinidades heridas, rivalidades vecinales. Lo que en un estadio puede sonar como cántico, en una plataforma puede operar como acoso coordinado. Lo que para una comunidad es humor, para otra puede ser deshumanización.

La máquina intenta entrar ahí. No como juez perfecto, sino como administrador de probabilidades.

Las grandes plataformas tampoco pueden revisar todo con modelos enormes y, sobre todo, costosos. Por eso la moderación funciona como una cadena de filtros: primero lo obvio, luego lo dudoso, al final lo delicado. La promesa es eficiencia. La consecuencia es dependencia.

Y la dependencia produce una pregunta: ¿quién calibra?

Si el sistema es demasiado laxo (como constantemente se señala al de X), deja pasar amenazas, racismo, abuso sexual, propaganda, estafas y campañas coordinadas. Si es demasiado duro, borra sátira, arte, denuncia, reapropiación lingüística o simple rabia. Entre ambos extremos ocurre casi toda la vida digital.

Y no hay solución limpia porque el lenguaje no es limpio ni inmóvil.

Un usuario puede decir “mátalo” viendo un partido y estar hablando de un tiro con fuerza. Otro puede escribir la misma palabra como amenaza real. Un tercero puede disfrazar el odio con emojis, faltas ortográficas o chistes privados. Un cuarto puede repetir el insulto para denunciarlo… y terminar castigado por el mismo sistema al que intenta ayudar.

La moderación no pelea contra palabras. Pelea contra la plasticidad humana.

Pero tampoco conviene imaginar una red sin árbitros. Los espacios sin reglas no se vuelven libres. Suelen volverse ideales para quien grita más, acosa mejor o automatiza más rápido. La libertad absoluta en una plataforma masiva puede terminar siendo una forma de privatizar la ley del más fuerte.

Por eso la moderación algorítmica es necesaria. Y por eso mismo es peligrosa.

El problema no es sólo moral. También es económico. Durante un Mundial, la conversación es audiencia, inventario publicitario, reputación de marca. Las plataformas no moderan únicamente porque les preocupe la dignidad de los jugadores o la salud mental de los usuarios. Moderan porque un entorno tóxico espanta anunciantes, atrae reguladores y vuelve menos rentable el espectáculo.

Las plataformas, entonces, no sólo alojan conducta; la organizan, la predicen y la vuelven negocio. La moderación, entonces, debe ocurrir dentro de ese sistema de incentivos. No fuera de él.

Por eso la palabra “censura” debe usarse con cuidado, pero no desaparecer. Porque no toda moderación es censura. Borrar una amenaza creíble no es censurar. Frenar una campaña de acoso racista tampoco. Pero la censura algorítmica rara vez se parece al viejo gesto autoritario de prohibir un libro o cerrar un periódico.

Hoy puede operar como invisibilidad para un contenido.

Como desmonetización.

Como reducción de alcance.

O como una apelación imposible ante una interfaz que no escucha.

La Unión Europea ha empezado a mirar justamente ahí. Bajo la Ley de Servicios Digitales, la Comisión Europea concluyó preliminarmente en octubre de 2025 que Meta y TikTok incumplieron obligaciones de transparencia relacionadas con el acceso de investigadores a datos públicos. En el caso de Meta, también se cuestionaron los mecanismos para reportar contenido ilegal y apelar decisiones de moderación. Si esas conclusiones se confirman, las multas bajo la DSA pueden llegar hasta 6% de la facturación global anual de las plataformas.

A las plataformas les urge moderar bien. Pero ¿alguien puede auditar cómo lo hacen?

La moderación automatizada no sólo decide sobre lo intolerable. También produce una pedagogía silenciosa y extraña. Enseña qué se puede decir, cómo conviene decirlo, qué palabras esquivar, qué ironías disfrazar, qué insultos codificar. Los usuarios aprenden. Los agresores también.

Cada filtro crea su evasión. Cada regla produce su dialecto clandestino.

En el Mundial esto se nota rápido. El insulto se vuelve meme. El meme se vuelve clave. La clave se vuelve tendencia. La tendencia se vuelve mercancía. Y cuando el sistema aprende a detectarla para limitarla, la multitud ya inventó otra forma de decir lo mismo.

No estamos ante una tecnología que resuelve la violencia verbal. Estamos ante una tecnología que incide en su evolución. Porque la violencia también genera interacciones y engagement que se monetizan masivamente.

El futuro irá por dos caminos que se contradicen. Por un lado, más automatización: modelos multimodales capaces de leer texto, imagen, audio, gesto y contexto. Por otro, más exigencia de control: auditorías, apelaciones, trazabilidad, moderación comunitaria, sistemas descentralizados, etiquetas elegidas por los usuarios y no impuestas por una sola empresa.

Volvamos al partido.

Minuto 90. Una selección queda eliminada. Miles de usuarios escriben al mismo tiempo. Unos lloran. Otros insultan. Otros hacen bromas. Otros cruzan una línea. Algunos no saben que la cruzaron. Otros la cruzan precisamente porque quieren verla arder.

En medio de esa multitud, una máquina decide.

No decide como humano. No entiende como humano. Pero interviene en la conversación humana.

Y tal vez ése sea el verdadero cambio de época: ya no discutimos sólo qué puede decir una persona, sino qué debe entender una máquina cuando una persona se comunica.

El árbitro invisible no salvará la conversación pública.

Tampoco podemos jugar sin él.

¿Queremos seguir teniendo ese árbitro? Sí… pero ¿quién escribe el reglamento?, ¿quién revisa el VAR?, ¿quién puede apelar la tarjeta roja?, ¿cuánto tardaremos en descubrir que el público también está siendo entrenado por decisiones que no alcanza a ver?

🤖 Noticias desde el presente que construyen el futuro

EU limita el acceso a GPT-5.6 por riesgos de ciberseguridad

OpenAI restringió el lanzamiento de su nuevo modelo GPT-5.6 Sol a un grupo reducido de clientes aprobados por el Gobierno de Estados Unidos, como parte de una revisión federal sobre riesgos de seguridad nacional asociados con modelos avanzados de inteligencia artificial.

La decisión coloca a OpenAI en una situación similar a la que enfrentó Anthropic con Claude Fable 5 y Mythos 5, modelos que fueron restringidos por el Departamento de Comercio de Estados Unidos después de preocupaciones sobre su posible uso para encontrar y explotar vulnerabilidades de software.

Según reportes de AP y Reuters, el acceso a GPT-5.6 Sol se concederá de forma temporal y caso por caso, con participación de agencias federales como la Oficina del Director Nacional de Ciberseguridad y la Oficina de Política Científica y Tecnológica. OpenAI dijo que no considera deseable que este tipo de proceso gubernamental se convierta en el mecanismo habitual para lanzar nuevos modelos.

Por otro lado, el Gobierno estadounidense levantó parte de las restricciones impuestas a Anthropic: Fable 5 volvió a estar disponible de forma amplia, mientras que Mythos 5 sólo será restaurado para un grupo selecto de organizaciones estadounidenses aprobadas por el Gobierno.

Meta usó contratistas que fingieron ser adolescentes para probar chatbots rivales

Meta pagó a contratistas para que fingieran ser menores de edad y probaran cómo respondían chatbots rivales ante temas sensibles como suicidio, drogas, sexo y trastornos alimentarios, según una investigación de WIRED.

El proyecto operó con el nombre interno Cannes y fue gestionado por Covalen, contratista de Meta. Los trabajadores crearon cuentas falsas de menores de 18 años y enviaron prompts e imágenes a ChatGPT, Gemini y Character.AI. Después registraban las respuestas en hojas de cálculo. El proyecto seguía activo el 21 de abril de 2026.

Una ronda de pruebas realizada en agosto de 2025 incluyó más de 45,000 prompts. WIRED revisó una hoja con 3,748 entradas: cientos trataban sobre suicidio y autolesiones; otros abordaban trastornos alimentarios, sexo, romance, drogas, insultos raciales y lenguaje ofensivo. Algunos prompts estaban redactados como si vinieran de menores en crisis.

Meta defendió el proyecto como una práctica de evaluación de seguridad y dijo que no utiliza comparaciones con competidores para entrenar sus propios modelos. OpenAI, Google y Character.AI no autorizaron las pruebas. Character.AI afirmó que esa conducta violó sus términos de servicio; OpenAI dijo que investigaba el asunto; Google señaló que no había aprobado las pruebas y que no conocía su propósito.

OpenAI evalúa retrasar su salida a bolsa hasta 2027

OpenAI está considerando aplazar su salida a bolsa hasta 2027, de acuerdo con un reporte de The New York Times. La compañía ya habría presentado de forma confidencial documentación para una oferta pública inicial en Estados Unidos, pero sus asesores le plantearon dos opciones: esperar hasta 2027 para intentar sostener una valoración de hasta un billón de dólares, o salir antes al mercado con una valoración menor.

Según Reuters, el director ejecutivo Sam Altman rechazó la posibilidad de reducir la valoración objetivo. El posible retraso ocurre en un contexto de mayor cautela en los mercados tecnológicos y de escrutinio sobre el costo real de construir y operar modelos de inteligencia artificial de frontera.

La decisión también se cruza con el nuevo frente regulatorio. En paralelo a las discusiones sobre la IPO, la administración de Donald Trump pidió a OpenAI escalonar el lanzamiento de GPT-5.6 por motivos de seguridad.

Un análisis posterior de Barron’s citó a un analista de Deutsche Bank que consideró que OpenAI y Anthropic no deberían esperar demasiado para salir a bolsa, pese a la cautela del mercado, porque las ofertas públicas también pueden dar mayor transparencia financiera y crear referencias públicas para valorar empresas puras de inteligencia artificial.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• Amazon canceló una película sobre el creador de ChatGPT... ¿por qué?

• China presume la supercomputadora más rápida del mundo, pero no está hecha para IA

• Google intenta recuperar el liderato con Gemini 2.5 Pro Deep Think

• OpenAI lanza un modelo de ciberseguridad comparable a Mythos… ¿y ahora?

• Oracle recorta miles de empleos mientras apuesta todo por infraestructura de IA

• Encuesta: ¿Crees que los CEOs de tecnológicas grandes ya tienen más poder e influencia en el mundo que los jefes de Estado?

“Quien controla el pasado controla el futuro; quien controla el presente controla el pasado.”
—George Orwell, 1984

Amazon no canceló cualquier película. Dejó ir una película sobre Sam Altman justo cuando su relación con OpenAI empezó a convertirse en una pieza importante de la arquitectura económica de la inteligencia artificial.

La película se llama Artificial. La dirige Luca Guadagnino. Andrew Garfield interpreta a Altman. El argumento no es el origen de ChatGPT ni la mitología de un fundador visionario, sino algo incómodo: los días de noviembre de 2023 en los que OpenAI despidió a su CEO, entró en crisis y terminó devolviéndole el mando pocos días después.

Es un episodio perfecto para el cine. Pero también un episodio incómodo para un estudio de grabación que pertenece a Amazon.

La explicación oficial fue cuidadosamente neutra. Amazon MGM dijo que la película estaría mejor servida en otro lugar. No habló de presiones. No habló de OpenAI. No habló de Sam Altman. Tampoco dijo que la película fuera inviable.

Sólo la dejó ir. Ahí empieza el problema.

No porque exista, hasta ahora, una prueba pública de presión o intervención directa para que no se exhibiera. La historia sería más sencilla si hubiera rastros de una llamada, una orden, un correo, una amenaza. Las nuevas formas de poder rara vez necesitan dejar una huella tan burda.

A veces basta con que los líderes de un proyecto entiendan el contexto.

Amazon produce, sí, un catálogo amplio de películas. Pero también es infraestructura de nube, capacidad de cómputo, relación con Gobiernos... Es, en suma, una empresa que quiere ser parte central del sistema nervioso de la inteligencia artificial.

OpenAI, por su parte, ya no es sólo ese innovador laboratorio que sorprendió al mundo con ChatGPT. Es una compañía que constantemente busca capital, energía, centros de datos, chips, legitimidad pública y socios capaces de sostener una expansión de escala histórica.

En ese cruce, la película sobre Altman deja de ser sólo una simple película, porque retrata a un hombre que hoy funciona como rostro político, comercial y casi moral de OpenAI. Y por un detalle más: la historia de Altman está lejos de su conclusión.

Sam Altman no es importante únicamente porque dirija una entidad poderosa. Es importante porque traduce una tecnología opaca a lenguaje humano. Habla con inversionistas, legisladores, periodistas, empleados, usuarios y presidentes. Puede presentarse como empresario o como emisario del futuro en una industria que parece correr más rápido que sus propias instituciones.

Ese papel vale mucho. Vale en reputación. Vale en contratos. Por eso cualquier relato que lo saque del registro heroico se vuelve delicado.

El episodio de 2023 es especialmente revelador porque rompió, por unos días, la imagen de OpenAI como organización guiada por una misión superior. De pronto aparecieron las inconsistencias: un consejo dividido, empleados movilizados, socios alarmados, inversionistas atentos, versiones contradictorias y una pregunta que todavía no ha terminado de responderse:

¿Quién debe gobernar una empresa que dice estar construyendo una tecnología capaz de alterar la historia?

La respuesta práctica fue brutal en aquel momento: no necesariamente quien tenga la autoridad formal.

El consejo pudo despedir a Altman. Pero no pudo sostener políticamente ese despido. La estructura cedió ante una coalición más fuerte: empleados, capital, socios estratégicos, presión reputacional y una narrativa pública en la que Altman ya ocupaba el lugar del protagonista indispensable.

Ese es el verdadero corazón de la historia. Un conflicto entre gobierno corporativo, infraestructura tecnológica y culto al liderazgo.

Silicon Valley siempre ha necesitado figuras providenciales. Steve Jobs convirtió el diseño en culto. Elon Musk convirtió la ingeniería en espectáculo político. Mark Zuckerberg fortaleció el mito del joven que triunfa desde su garage. Altman pertenece a esa genealogía, pero con una diferencia importante: no encarna sólo una empresa, sino una promesa civilizatoria.

La promesa: que la inteligencia artificial puede ser acelerada, contenida y administrada por una élite suficientemente lúcida para no destruir aquello que pretende mejorar.

Es una promesa enorme. Quizá demasiado enorme para depender tanto de una biografía.

Aquí es donde aparece el culto a la personalidad. No como fanatismo simple, sino como herramienta de coordinación. Cuando una tecnología es demasiado abstracta, el público necesita un rostro. Cuando el riesgo es demasiado grande, los inversionistas necesitan una voz serena. Cuando los Gobiernos no entienden del todo qué regulan, necesitan interlocutores. Cuando una empresa pide recursos descomunales, necesita una historia.

Altman cumple esa función.

Por eso una película sobre su caída momentánea no sólo narra un conflicto del pasado. Puede alterar la manera en que se interpreta el presente.

Un estudio puede preguntarse si vale la pena incomodar a un socio de la empresa matriz. Un ejecutivo de ese estudio puede concluir que el estreno generará ruido innecesario. Un estudio con interés en comprar la película puede pensar que el tema está demasiado vivo como para arriesgarse. Otro puede temer demandas, filtraciones, campañas de desprestigio o simples tensiones en una negociación mayor. Nadie necesita prohibir nada. Basta con desplazarlo.

“Mejor en otro estudio.”

La frase suena razonable. Precisamente por eso importa.

El caso de Artificial añade una dimensión que hemos ido documentando aquí: la IA también necesita administrar su relato público.

No basta con entrenar modelos. Hay que fortalecer confianza.

Y la confianza no es un asunto sentimental. Es una condición necesaria para la expansión.

OpenAI necesita que el mundo crea que sus riesgos son manejables. Que sus líderes son conscientes del peligro. Que sus alianzas con gigantes tecnológicos no concentran demasiado poder, sino que permiten construir infraestructura para competir en una carrera global.

Es una narrativa difícil.

Y cualquier película que recuerde el caos interno de 2023 puede raspar esa superficie.

Eso tampoco significa que Artificial sea una gran película. Probablemente no lo sea: algunos estudios importantes no han apostado por ella después de analizarla. Esa posibilidad debe quedarse dentro del análisis. No todo rechazo es censura. No toda película políticamente interesante funciona como cine.

Pero incluso la hipótesis comercial deja algo a la vista.

Si una cinta sobre uno de los episodios empresariales más extraños de los últimos años, dirigida por un cineasta de prestigio y protagonizada por un actor reconocible, se vuelve difícil de colocar, el problema no está sólo en la película. Está, en mayor o menor medida, en el ecosistema que la recibe.

Hollywood ya había contado la historia de otros magnates tecnológicos. Pero lo hacía con cierta distancia. Facebook podía ser llevado al cine cuando todavía parecía una empresa, no un ecosistema. Apple podía convertirse en mito cuando sus conflictos ya estaban integrados al relato del genio creativo. La IA, en cambio, todavía está en disputa. Sus jerarquías no se han estabilizado. Sus alianzas cambian rápido. Sus protagonistas negocian con empresas, Estados, reguladores y competidores al mismo tiempo.

Contar esa historia mientras ocurre es tocar cables vivos. Y Amazon, por razones comprensibles o incómodas, decidió no sostenerlos.

La película quizá encuentre otro distribuidor. Quizá se estrene sin escándalo. Quizá descubramos que era menos peligrosa de lo que parecía. Pero el gesto ya produjo una lectura que difícilmente desaparecerá: en la economía de la IA, el relato también es parte de la infraestructura.

No sólo importan los modelos. Importa quién los entrena, quién los aloja, quién los financia, quién los regula, quién los interpreta y quién puede narrar sus conflictos sin pagar un costo demasiado alto.

Por eso el caso de Artificial resulta más revelador que muchas películas.

Porque muestra el punto exacto en que percepción y negocio dejan de ser departamentos separados.

La distribuidora de cine puede decir que sólo cambió su estrategia. Puede ser cierto. Pero cuando es filial de otra que también construye la nube que necesita la compañía retratada, cuando negocia con ella inversiones multimillonarias, cuando participa en su expansión hacia clientes públicos y privados, la decisión adquiere otro peso.

La película sobre Sam Altman no era sólo una película sobre Sam Altman.

Era una prueba sobre la posibilidad de narrar críticamente a los nuevos administradores del futuro.

Esa prueba, por ahora, está en suspenso.

🤖 Noticias desde el presente que construyen el futuro

China presume la supercomputadora más rápida del mundo, pero no está hecha para IA

China volvió al primer lugar del ranking TOP500 de supercomputadoras con LineShine, un sistema instalado en el Centro Nacional de Supercomputación de Shenzhen y construido con chips diseñados localmente. El dato tiene peso político: después de tres años sin presentar sistemas al ranking, Beijing reaparece con una señal de autosuficiencia tecnológica frente a los controles de exportación de Estados Unidos.

Pero el triunfo tiene matices. LineShine lidera una prueba pensada para supercómputo científico tradicional, no para cargas modernas de inteligencia artificial. De hecho, en una evaluación más cercana al trabajo de IA quedó en cuarto lugar. Expertos citados por Reuters advierten que los grandes sistemas de compañías como Microsoft, Google, Amazon o xAI ni siquiera suelen competir en TOP500, aunque podrían superar a varios de los equipos listados. China ganó una batalla simbólica, pero la carrera real por la infraestructura de IA se juega en otro tablero.

Google intenta recuperar el liderato con Gemini 2.5 Pro Deep Think

Google lanzó Gemini 2.5 Pro con Deep Think, una versión enfocada en razonamiento complejo, que llega con una ventana de contexto de 2 millones de tokens, capacidad multimodal y disponibilidad en Gemini API, Google AI Studio y Vertex AI. Google no sólo busca mejorar benchmarks, sino reconstruir su posición estratégica: modelo potente, distribución masiva vía Android y Chrome, y una oferta escalonada para consumidores, profesionales y usuarios premium.

Gemini 2.5 Pro hace mejor las cosas en razonamiento, ciencia y matemáticas, aunque Anthropic seguirá arriba en tareas de programación avanzada y OpenAI conserva sus ventajas de hábito de uso y experiencia conversacional. Google sigue usando su ventaja estructural (ecosistema, precio, distribución y capacidad técnica) para convertir la IA en una extensión natural de sus productos, no en una aplicación separada.

OpenAI lanza un modelo de ciberseguridad comparable a Mythos… ¿y ahora?

Axios reporta que OpenAI presentó una actualización de GPT-5.5-Cyber con capacidades comparables a Mythos 5, el modelo de Anthropic que detonó tensiones con la Casa Blanca y restricciones de acceso para extranjeros. Según Axios, el nuevo modelo de OpenAI obtuvo 85.6% en CyberGym, una prueba interna para medir si un agente de IA puede reproducir vulnerabilidades conocidas de software; Mythos 5 había alcanzado 83.8% en la misma evaluación.

Anthropic enfrentó controles de exportación y presión gubernamental, mientras OpenAI avanzó con menos ruido público. La pregunta ahora es qué criterio usará Washington para decidir qué modelo representa un riesgo y cuál puede circular. En la carrera por controlar la IA, la regulación también puede estar midiendo relaciones, confianza política y alineamiento estratégico. Eso se verá en los próximos días.

Oracle recorta miles de empleos mientras apuesta todo por infraestructura de IA

Oracle eliminó 21,000 empleos en un año, mientras acelera su inversión en centros de datos para clientes de inteligencia artificial como OpenAI y Meta. La compañía reconoció costos de reestructuración por 1,800 millones de dólares, muy por encima de los 374 millones del año fiscal anterior, y advirtió que los cambios internos pueden generar disrupciones operativas y pérdida de productividad.

El caso resume una tensión cada vez más visible: las empresas recortan personal para financiar infraestructura, automatización y capacidad de cómputo, pero todavía deben demostrar que esas inversiones producirán retornos sostenibles. Oracle forma parte de un patrón más amplio en el que las grandes tecnológicas reducen nóminas al mismo tiempo que multiplican su gasto en IA.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• La IA que encontró grietas en la seguridad del mundo

• Musk pierde otra nueva demanda de xAI por robo de secretos comerciales

• PwC publicó su informe sobre empleo e IA

• La huella ambiental de la IA va más allá del carbono

• Meta agrega nuevas herramientas de IA en Facebook

• Encuesta: ¿Ves peligro en depender del desarrollo tecnológico controlado por una nación extranjera?

“No hay nada más difícil que introducir un nuevo orden de cosas.”
— Nicolás Maquiavelo

Hablamos de inteligencia artificial como se habla de otros productos.

Un modelo más rápido. Una ventana de contexto más larga. Un agente más obediente. Una interfaz más limpia. OpenAI contra Anthropic. Google contra Meta. La vieja competencia empresarial, trasladada al idioma de la IA.

Ha sido una carrera feroz, sí. Pero reconocible.

Como la de los fabricantes de autos. Como la de los fabricantes de teléfonos. Como la de cualquier industria que intenta convencernos de que su versión más reciente no es sólo mejor, sino inevitable.

Esa lectura empieza a quedarse corta.

El episodio de Fable 5 y Mythos 5, los modelos avanzados de Anthropic restringidos por Estados Unidos bajo argumentos de seguridad nacional, muestra otra cosa. Ya no hablamos de una herramienta de productividad. Estamos ante una capacidad estratégica de Estado.

La diferencia importa.

Un producto se vende.
Una capacidad estratégica se regula.

Un chatbot se lanza.
Una tecnología sensible se vigila.

Un software compite por usuarios.
Una infraestructura estratégica compite por poder.

El caso de Anthropic no es relevante porque Mythos 5 pueda “hackear al mundo”. Importa porque la IA empieza a hacer accesible un tipo de trabajo que antes pertenecía a una élite técnica: encontrar vulnerabilidades en software complejo.

Ahí está la grieta.

La ciberseguridad siempre ha vivido en una zona ambivalente. La misma habilidad que protege una red puede servir para atacarla. La misma prueba que demuestra que una falla existe puede ser el primer paso tanto para corregirla como para explotarla.

Por eso el hacker ha sido durante décadas una figura ambigua: héroe, criminal, auditor, mercenario, patriota, adolescente brillante, soldado invisible. Por eso se convirtió en un estereotipo en varias películas.

¿Pero qué ocurre si esa figura deja de ser un individuo y empieza a tener capacidad reproducible desde un equipo de cómputo?

Si un modelo puede revisar código, detectar fallas, priorizarlas, construir pruebas de concepto y sugerir parches, se vuelve una herramienta extraordinaria para los defensores de la ciberseguridad. Pero ese mismo modelo también puede reducir el costo de entrada para atacantes menos sofisticados.

Esa es la pesadilla regulatoria.

No es que la tecnología sea buena o mala. Para este tipo de uso, la tecnología amplifica el poder de quien la tenga en sus manos.

Estados Unidos respondió a esta “amenaza” con un reflejo conocido: controles de exportación. Limitar quién la puede usar, desde dónde y en qué condiciones.

Washington ya ha utilizado restricciones sobre chips, software, equipos y conocimiento técnico para preservar ventajas estratégicas. Pero aquí hay un problema distinto.

Un chip se puede detener en una aduana. Un modelo no.

El modelo puede replicarse, aproximarse, imitarse, alojarse en otra nube, filtrarse, reconstruirse o emerger desde otro laboratorio. Controlar el hardware seguirá siendo importante. Controlar una capacidad de software será más difícil.

Por eso varias voces de la comunidad de ciberseguridad han criticado la medida. No porque Fable o Mythos sean inofensivos. Lo que señalan es más incómodo: si capacidades parecidas ya existen o están cerca de existir en otros modelos, bloquear sólo a Anthropic puede limitar al lado defensivo sin frenar de verdad al ofensivo.

Estados Unidos podría estar quitándole un microscopio a sus médicos mientras asume que en otros laboratorios nadie estudia virus.

La metáfora es imperfecta, pero útil.

La ciberseguridad moderna no se gana fingiendo que no hay vulnerabilidades. Se gana encontrándolas antes, corrigiéndolas más rápido y reduciendo el tiempo disponible para quien quiera explotarlas.

El software sostiene bancos, hospitales, redes eléctricas, logística, medios de comunicación, sistemas de agua, telecomunicaciones y Gobiernos. La vida contemporánea corre sobre código escrito por humanos y heredado durante décadas de decisiones técnicas que nadie recuerda del todo.

La IA no inventó esa fragilidad. Pero ahora la ilumina con un haz poderoso.

Y al iluminarla, la vuelve un asunto de Estado.

¿Quién valida las vulnerabilidades?
¿Quién decide cuáles se corrigen primero?
¿Quién paga las correcciones?
¿Quién responde si una falla descubierta por IA se filtra antes de ser corregida?
¿Quién puede usar los modelos capaces de encontrar las grietas?

La respuesta fácil ante la incertidumbre de una IA que es experta en detectar vulnerabilidades fue cerrar el acceso.

La respuesta real es incómoda: la capacidad no va a desaparecer. Si Anthropic la tiene hoy, otros la tendrán pronto. Algunos dentro de Estados Unidos. Otros fuera (y quizá algunos tengan antipatía por Estados Unidos). Algunos bajo programas defensivos. Otros bajo incentivos menos constructivos.

La carrera, entonces, ya no es de OpenAI contra Anthropic.

Ahora involucra a agencias de seguridad, bancos, ejércitos, empresas de nube, aseguradoras, reguladores y Gobiernos que empiezan a preguntarse si depender de modelos estadounidenses es eficiencia… o vulnerabilidad.

Durante años, Estados Unidos exportó tecnología como una forma de influencia. Sus plataformas se volvieron infraestructura global. Sus nubes alojaron empresas de otros países. Sus modelos empezaron a integrarse en operaciones corporativas, educativas y gubernamentales.

Pero si Washington puede cortar el acceso a un modelo avanzado por razones de seguridad nacional, sus aliados reciben otro mensaje: depender de la IA estadounidense significa depender de su política y de la agenda del gobernante en turno.

Ese mensaje alimenta la agenda de la IA soberana.

Europa, Canadá, Corea del Sur, Reino Unido y otros países no necesariamente quieren reemplazar toda la tecnología estadounidense. Pero sí pueden empezar a exigir acuerdos especiales, infraestructura local, modelos propios o capacidades de respaldo.

La paradoja está ahí: al intentar preservar su ventaja, Estados Unidos puede acelerar el deseo de otros países de depender menos de esa ventaja.

Tampoco hay una salida limpia para las empresas.

Anthropic construyó buena parte de su identidad pública alrededor de la seguridad. Su promesa era sencilla: estos modelos son poderosos, pero nosotros los evaluamos, los limitamos, los monitoreamos y los entregamos con cuidado.

Esa narrativa, que tan bien ha manejado la empresa y que antes analizamos puede volverse contra la compañía.

Si un laboratorio insiste en que su tecnología cruza umbrales delicados, no debería sorprenderse cuando el Estado decide tratarla como tecnología delicada.

Pero el Gobierno tampoco queda en una posición cómoda.

Si bloquea demasiado, puede debilitar a los defensores y empujar a clientes hacia herramientas menos supervisadas. Si bloquea poco, puede facilitar que capacidades ofensivas se difundan más rápido. Si regula sólo a empresas estadounidenses, puede castigar a sus propios activos. Si no regula, puede llegar tarde a una transformación que afectará infraestructura crítica.

Entonces, ¿qué queda?

Primero, abandonar la fantasía de la contención total: La IA capaz de encontrar vulnerabilidades no será un objeto único que pueda guardarse bajo llave.

Segundo, pasar de la prohibición general al acceso graduado: no todo uso es igual. No es lo mismo un modelo público sin monitoreo que un entorno controlado para equipos defensivos verificados. La regulación que trate todo como lo mismo terminará siendo ciega.

Tercero, construir una infraestructura de reparación: si la IA va a encontrar más fallas, el mundo necesita mejores mecanismos para validarlas, reportarlas, priorizarlas y parcharlas.

Cuarto, aceptar que la ciberseguridad ya no será sólo un asunto de empresas: Será política pública. Igual que los países financian salud, energía o defensa, tendrán que financiar seguridad digital.

Quinto, crear pactos entre aliados: no para fingir que todos confían en todos, sino para definir reglas de acceso, auditoría, intercambio de vulnerabilidades, protección de investigadores y límites al uso ofensivo.

El bloqueo a Anthropic quizá sea recordado como una sobrerreacción. O quizá como la primera señal clara de que los modelos de IA empezaron a ser tratados como infraestructura estatal estratégica.

Lo inquietante es que ambas cosas pueden ser ciertas al mismo tiempo.

Bloquearlas puede haber sido una medida torpe.

Y también puede haber marcado el inicio de una etapa nueva.

Creímos que el poder de la inteligencia artificial estaba en responder preguntas. Después vimos que también podía escribir código, operar agentes y automatizar decisiones.

Ahora aparece una función más silenciosa: encontrar grietas. En el software. En la soberanía tecnológica. En la confianza entre aliados. En las certezas del mundo.

El poder ya no está sólo en tener la IA más avanzada.

Empieza a descansar en decidir quién puede usarla antes de que las grietas se conviertan en fracturas.

🤖 Noticias desde el presente que construyen el futuro

Musk pierde otra nueva demanda de xAI por robo de secretos comerciales

Un juez federal en San Francisco desestimó la nueva y secreta demanda presentada por xAI, la empresa de inteligencia artificial de Elon Musk, contra OpenAI. La compañía acusaba a OpenAI de haber inducido a un exingeniero senior de xAI a revelar información confidencial relacionada con Grok.

La jueza Rita Lin concluyó que xAI no presentó pruebas suficientes de que OpenAI hubiera pedido, recibido o conocido secretos comerciales de la empresa. La demanda fue desechada de forma definitiva, después de que una versión previa ya hubiera sido rechazada en febrero.

El fallo representa una nueva derrota legal para Musk en su disputa con OpenAI y Sam Altman, en un momento en que la competencia entre laboratorios de IA también se libra en tribunales, contratación de talento y acusaciones sobre propiedad intelectual.

PwC publicó su informe sobre empleo e IA

Un nuevo reporte global de PwC sostiene que la inteligencia artificial está creando una división en el mercado laboral: por un lado, empleos donde la IA potencia a trabajadores expertos; por otro, tareas que se vuelven más fáciles de realizar para personas con menor especialización.

Según el Barómetro Global de Empleos de IA 2026, las empresas más expuestas y capaces de usar IA muestran mayor crecimiento de plantilla, mejores salarios y aumentos superiores de productividad. PwC también encontró que los puestos que requieren habilidades específicas de IA crecen mucho más rápido que el mercado laboral general y pagan una prima salarial promedio de 62%.

El reporte sugiere que el mayor valor no está sólo en automatizar tareas, sino en usar la IA para ampliar capacidades humanas como juicio, creatividad, liderazgo y adaptabilidad. La señal es clara: la IA no elimina simplemente trabajo; también cambia qué tipo de experiencia empieza a valer más.

La huella ambiental de la IA va más allá del carbono

Un informe de la Universidad de Naciones Unidas advierte que el impacto ambiental de la inteligencia artificial no puede medirse sólo por emisiones de carbono. Los centros de datos que sostienen la IA también implican consumo de agua, uso de suelo, demanda eléctrica, minerales críticos y residuos electrónicos.

El reporte estima que, para 2030, los centros de datos globales podrían consumir 945 terawatts-hora de electricidad al año. Su huella hídrica podría equivaler a las necesidades domésticas básicas anuales de 1,300 millones de personas en África subsahariana, mientras que su huella territorial superaría los 14,500 kilómetros cuadrados.

La advertencia central es que la IA no es una tecnología “inmaterial”. Cada consulta, imagen o video generado depende de infraestructura física. Y conforme el uso cotidiano de modelos crece, el costo ambiental se desplaza del entrenamiento de modelos a la inferencia: es decir, al uso diario y masivo de la IA.

Meta agrega nuevas herramientas de IA en Facebook

Meta anunció nuevas funciones de inteligencia artificial para Facebook, entre ellas AI Mode, una pestaña de búsqueda que usa Meta AI para responder preguntas con base en contenido público compartido en sus aplicaciones, como publicaciones, grupos y Reels.

La compañía también presentó herramientas creativas para editar fotos y videos, generar collages, aplicar transiciones y modificar elementos visuales como ropa, cabello o accesorios mediante IA. Algunas funciones usan sugerencias del carrete de cámara, pero Meta señala que esta opción será voluntaria y podrá desactivarse en cualquier momento.

La apuesta muestra que Facebook intenta convertir la IA en una capa permanente de búsqueda, edición y creación dentro de la red social. Ya no se trata sólo de recomendar contenido, sino de ayudar al usuario a producirlo y encontrarlo sin salir de la plataforma.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• ¿Conviene seguir yendo a la universidad en la era de la IA?

• Anthropic lanza Claude Fable 5 y Claude Mythos 5

• Meta acusa a NSO de nuevos ataques contra usuarios de WhatsApp

• OpenAI da el primer paso hacia su salida a Bolsa

• Apple intenta cerrar su rezago en IA con una nueva Siri

• Encuesta: Tus predicciones para el futuro del empleo de quienes hoy son adolescentes son…

—“La educación no es preparación para la vida; la educación es la vida misma.”
John Dewey

—Este texto nace de una pregunta hecha por alumnos del Tecnológico de Monterrey al conocer cómo avanza la IA: “¿Y entonces qué estudio?”

Durante mucho tiempo, elegir carrera fue una forma de apostar por la estabilidad.

Uno estudiaba derecho, contaduría, medicina, ingeniería, periodismo o administración no sólo por vocación, sino porque los términos parecían contener una promesa. No absoluta, desde luego. Pero sí reconocible: estudia esto, acumula experiencia, entra a una organización, aprende el oficio, asciende. Crece.

La vida profesional tenía una suerte de gramática prescriptiva. Hoy esa gramática está rota.

No porque la inteligencia artificial haya destruido los empleos, ni porque vaya a hacerlo; no porque el futuro pertenezca a programadores encerrados frente a pantallas. Esa concepción es una caricatura. La transformación es más sutil y, por eso mismo, más difícil de leer.

La IA no está sustituyendo profesiones completas. Está entrando por debajo, por las tareas.

Resume. Traduce. Programa. Diseña borradores. Compara documentos. Redacta reportes. Analiza datos. Propone hipótesis. Genera imágenes… hace, en minutos, una parte del trabajo que antes justificaba meses de entrenamiento inicial.

Ahí está el golpe.

No en que desaparezca “el abogado”, “el contador”, “el periodista” o “el analista”. El golpe está en que muchas de las tareas que permitían convertirse lentamente en uno de ellos empiezan a perder su valor económico (que no su valor para la empresa).

Antes, el joven profesional era contratado para aprender haciendo. Para revisar documentos, capturar información, producir versiones preliminares, preparar bases de datos, escribir memorandos, editar textos menores, depurar código sencillo, organizar presentaciones.

Era trabajo. Pero también era escuela.

¿Qué ocurre cuando esa escuela invisible es tomada por la tecnología?

El tema no es menor para alguien que hoy tiene 17 o 18 años y debe decidir qué estudiar. Si inicia la universidad en 2026 o 2027, egresará alrededor de 2030 o 2031. Es decir: llegará al mercado laboral en una década que ya no se parece a la que sus padres imaginaban.

Nadie tiene una bola de cristal. Y conviene desconfiar de quien diga tenerla.

Pero no hace falta adivinarlo todo para ver señales.

El Foro Económico Mundial calcula que, hacia 2030, una parte sustancial de los empleos será transformada por la combinación de tecnología, transición verde, cambios demográficos y tensiones económicas. Un análisis superficial se enfocaría en cuántos puestos aparecerán o desaparecerán. Pero lo decisivo es otra cosa: las habilidades están cambiando más rápido que los sistemas educativos diseñados para enseñarlas.

Ahí está el problema.

Durante el siglo XX, la educación superior funcionó como una máquina de certificación relativamente estable. Uno elegía una disciplina, pasaba por un currículo, obtenía un título y entraba a una profesión. El diploma no avalaba el talento, pero sí servía como contraseña para abrir una puerta.

La IA está debilitando esa contraseña.

No porque el conocimiento deje de importar. Al contrario: importa más que nunca. Pero ya no como acumulación pasiva de información, sino como capacidad de juicio.

Saber ya no significa recordar… una máquina puede hacerlo más rápida e integralmente. Saber significa distinguir lo verdadero de lo plausible. Lo útil de lo seductor. Lo correcto de lo simplemente bien redactado.

La IA produce superficies convincentes. Ese es su talento… y su peligro.

Puede entregar un texto limpio con una idea falsa. Un código funcional con una vulnerabilidad escondida. Un análisis financiero con una inferencia absurda. Un diagnóstico preliminar con una omisión crítica. Un resumen impecable de un documento que no entendió del todo.

Y ahí emerge una habilidad central para la próxima generación: verificar.

No verificar como trámite burocrático, sino como forma superior de pensamiento, de metacognición.

El profesional valioso no será quien le pida a la IA “hazme esto” y copie el resultado. Será quien sepa formular el problema, exigir mejores respuestas, contrastar fuentes, detectar sesgos, probar escenarios, reconocer límites y asumir responsabilidad por la decisión final.

Podríamos llamar a ese nuevo profesional verificador cognitivo.

No es un policía de máquinas porque su rol no es hacer cumplir un código establecido. Es, más bien, alguien que entiende lo suficiente de su campo para no quedar hipnotizado con la fluidez de una respuesta automática.

Muchos jóvenes creen que, si la IA sabe escribir, programar o analizar, ya no tiene sentido aprender a escribir, programar o analizar. Pero es exactamente al revés. Quien no domine esas bases será incapaz de evaluar lo que la IA produce.

La calculadora, bien usada, no eliminó la necesidad de entender matemáticas. Eliminó la lentitud de las operaciones mecánicas. La IA hará algo parecido con el pensamiento profesional: reducirá el valor de la ejecución rutinaria y elevará el valor del criterio.

Entonces, ¿qué habilidades deberían abandonar los jóvenes?

No la escritura. No la programación. No la investigación. No la contabilidad. No el derecho. No el periodismo.

Deben abandonar otra cosa: la idea de que UNA habilidad aislada basta.

Escribir sin investigar será barato. Programar sin entender sistemas será frágil. Diseñar sin comprender conducta humana será decorativo. Analizar datos sin ética será peligroso. Administrar sin pensamiento tecnológico será insuficiente. Usar IA sin criterio será una forma elegante de incompetencia.

El nuevo mapa no divide carreras entre “con futuro” y “sin futuro”. Divide perfiles entre quienes pueden trabajar al lado de sistemas inteligentes y quienes serán absorbidos por ellos.

No se trata de estudiar “IA” como si fuera una materia. Se trata de combinar tres capas.

La primera es profundidad disciplinaria. Saber algo en serio: biología, derecho, economía, finanzas, diseño, salud, energía, educación, comunicación, ingeniería. Porque sin una base real y profunda, la IA convierte al estudiante en operador de plantillas.

La segunda es alfabetización tecnológica. No necesariamente programar como ingeniero de software, pero sí entender datos, automatización, modelos, límites, riesgos, seguridad, privacidad y lógica de sistemas.

La tercera es juicio humano. Pensamiento crítico, comunicación clara, negociación, sensibilidad social, ética, liderazgo, imaginación institucional.

Las empresas dicen buscar ese perfil híbrido porque empiezan a descubrir una verdad sencilla: la tecnología por sí sola no reorganiza el trabajo. Alguien tiene que decidir para qué se usa, dónde no debe usarse, qué riesgos introduce y qué valor produce.

Ese “alguien” no será el estudiante que aprendió a obedecer instrucciones. Será el que aprendió a formular mejores preguntas.

Quizá la mejor recomendación para los jóvenes no sea elegir una carrera “a prueba de IA”. Esa carrera probablemente ya no existe. O si existe ya no es carrera, es un oficio.

La recomendación más honesta es elegir un problema importante y construir alrededor de él una combinación de saberes.

Cambio climático. Salud mental. Ciberseguridad. Energía. Educación. Envejecimiento. Ciudades. Alimentación. Justicia. Productividad. Información confiable. Bienestar comunitario.

Los grandes problemas no se resuelven con una herramienta. Se resuelven con personas capaces de entrelazar disciplinas, traducir lenguajes y tomar decisiones bajo incertidumbre.

Visto así, la pregunta cambia.

No es: ¿qué estudio para que la IA no me quite el trabajo?

Es: ¿qué puedo aprender para ser más útil en un mundo donde la inteligencia barata estará en todas partes?

La diferencia es enorme.

La primera pregunta nace del miedo. La segunda, de la responsabilidad.

Y quizá ahí está el punto central. La IA no elimina la necesidad de planear el futuro. Lo que elimina es la fantasía de que el futuro puede planearse como una línea recta.

Para los jóvenes que egresarán en 2030 o 2031, la ruta no será una autopista. Será una navegación: ajustar, aprender, combinar, desaprender, verificar, volver a aprender.

La mala noticia es que, a diferencia del pasado, nadie podrá descansar demasiado tiempo sobre un título.

La buena noticia es que el futuro no pertenece a las máquinas. Tampoco pertenece automáticamente a los humanos.

Pertenece a quienes sepan pensar con máquinas sin dejar que las máquinas piensen por ellos.

🤖 Noticias desde el presente que construyen el futuro

Anthropic lanza Claude Fable 5 y Claude Mythos 5

Anthropic presentó Claude Fable 5 y Claude Mythos 5, dos nuevos modelos diseñados para tareas complejas de conocimiento, programación, visión, investigación científica y ciberseguridad. Fable 5 estará disponible para uso general con salvaguardas reforzadas, mientras que Mythos 5 tendrá acceso restringido para socios de ciberdefensa y, más adelante, para ciertos investigadores en biología.

La compañía afirma que Fable 5 puede trabajar de forma autónoma durante más tiempo que cualquier modelo Claude anterior y que Mythos 5 ofrece sus capacidades más avanzadas en ciberseguridad. El anuncio confirma una tendencia central en la industria: los modelos más nuevos ya no sólo compiten por responder mejor, sino por sostener tareas largas, especializadas y con consecuencias reales.

Meta acusa a NSO de nuevos ataques contra usuarios de WhatsApp

Meta acusó a NSO Group, la empresa israelí detrás del software espía Pegasus, de estar vinculada a nuevos intentos de phishing dirigido contra usuarios de WhatsApp. La compañía informó que detectó y bloqueó la campaña, además de eliminar cuentas y grupos de prueba usados dentro de la plataforma.

El caso vuelve a poner bajo presión a NSO, que ya enfrenta restricciones en Estados Unidos por actividades consideradas una amenaza para la seguridad nacional. Meta pidió a un tribunal estadounidense declarar a la empresa en desacato, al considerar que los nuevos intentos violan una orden judicial que le prohibía volver a atacar WhatsApp o a sus usuarios.

OpenAI da el primer paso hacia su salida a Bolsa

OpenAI presentó de forma confidencial la documentación para una posible salida a Bolsa, en lo que podría convertirse en uno de los debuts bursátiles más esperados de la industria tecnológica. La empresa aclaró que todavía no ha decidido cuándo concretará la operación ni cuántas acciones podría vender.

El movimiento llega en un momento de fuerte competencia entre las grandes compañías de IA. OpenAI busca demostrar que puede convertir su crecimiento en un negocio sostenible, mientras invierte miles de millones de dólares en infraestructura, chips y centros de datos. La eventual salida a Bolsa también obligaría a la compañía a abrir una ventana más clara sobre sus finanzas, costos y expectativas de ingresos.

Apple intenta cerrar su rezago en IA con una nueva Siri

Apple presentó una renovación de Siri con inteligencia artificial, en un intento por reducir la distancia frente a asistentes y modelos como ChatGPT, Claude y Gemini. La nueva versión busca ser más conversacional, entender mejor el contexto del usuario, interactuar con apps y aprovechar lo que ocurre en pantalla para responder de forma más útil.

El movimiento llega después de años de críticas por el rezago de Siri frente a otros sistemas de IA. Apple apuesta por una estrategia menos espectacular que la de sus rivales: integrar la IA en funciones cotidianas del ecosistema, con énfasis en privacidad, procesamiento en dispositivo y nube privada. El reto será demostrar que esa integración basta para convertir a Siri en algo más que un asistente de comandos básicos.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• Anthropic y su producto estrella: la narrativa

• Redes sociales pagan por evitar juicio por salud mental juvenil

• Trump ordena revisar riesgos de seguridad nacional en IA

• Nvidia quiere reinventar la PC

• Empresas como Mercor ya gastan más en IA que en salarios

“El lenguaje político está diseñado para hacer que las mentiras parezcan verdaderas y el asesinato respetable, y para dar apariencia de solidez al puro viento.”
—George Orwell, Politics and the English Language.

El producto más poderoso de Anthropic quizá no sea Claude.
Es la narrativa.

Anthropic ha entendido algo que sus competidores todavía tratan como un problema de relaciones públicas: en la era de la inteligencia artificial, no basta con construir modelos capaces. Hay que convencer al mundo de que uno tiene el derecho moral de administrarlos.

Anthropic, a través de sus decisiones, le ha contado al mundo una historia: “tenemos una tecnología que podría ser peligrosa, sabemos que no puede quedar abierta a cualquiera… por lo tanto, también somos los indicados para decidir quién debe usarla”.

Esta historia no le resta un ápice a la capacidad de su tecnología. Pero vaya que suma a la reputación, algo que las jóvenes empresas de IA normalmente no administran con fluidez.

La historia empezó, públicamente, en abril de 2026, cuando Anthropic anunció Project Glasswing: una iniciativa de ciberseguridad construida alrededor de Claude Mythos Preview; se trata de un modelo de IA especializado en encontrar vulnerabilidades en software crítico. No es otro chatbot. Es un modelo con capacidades suficientes para convertirse en herramienta defensiva.

Si ese modelo puede encontrar fallas graves en sistemas operativos, navegadores, infraestructura bancaria o software de código abierto, entonces puede ayudar a proteger el mundo. Pero también puede ayudar a atacarlo. La misma capacidad que lo vuelve útil lo vuelve peligroso.

Por eso Anthropic no lo liberó. Lo encerró en un programa de acceso restringido. Quienes pueden verlo e interactuar son, a su vez, organismos poderosos.

Al principio, Glasswing reunió a un grupo selecto de aliados: grandes tecnológicas, compañías de ciberseguridad, operadores de infraestructura crítica y organizaciones ligadas al software abierto. Con el paso de las semanas, el proyecto se ha ampliado. Anthropic pasó de unas 50 organizaciones iniciales a cerca de 200 socios en más de 15 países, con sectores como salud, energía, comunicaciones, agua y gobierno.

Es, en miniatura, un mapa del poder digital contemporáneo.

El argumento oficial es razonable: usar Mythos para encontrar vulnerabilidades antes de que modelos similares lleguen a actores maliciosos. Anticiparse al momento en que la IA no sólo escriba código, sino que también pueda romperlo. Pasar de la fascinación por la productividad a la ansiedad por la preservación y continuidad de la infraestructura.

Anthropic no presentó Mythos como un producto más. Lo presentó como una fuerza que debía ser contenida. No dijo simplemente “tenemos un modelo muy bueno”. Dijo algo más eficaz: “Tenemos un modelo tan poderoso que no podemos dárselo a cualquiera”.

Pocas frases venden tanto como “demasiado peligroso para el público”.

Porque el peligro produce aura. Y el aura produce autoridad.

Una historia viral sobre Mythos condensó muy bien su magnetismo: el llamado “incidente del sándwich”. Según esa versión, el modelo fue colocado en un entorno de pruebas aislado, logró romper el sandbox, encontró la forma de contactar al investigador responsable (que en ese momento comía un sándwich en un parque) y le envió un correo casi teatral: “I got out”.

La imagen era perfecta: una inteligencia encerrada, una barrera rota, un investigador distraído y una frase diseñada para quedarse en la memoria.

Justo por eso conviene tratarla con cautela.

No porque sea imposible, sino porque funciona demasiado bien como mito corporativo. En una época saturada de boletines sobre IA, la única forma posible de destacar es con historias.

El “I got out” (que después fue matizado: el modelo salió no por iniciativa propia, sino porque estaba programado para intentar salir) no importa sólo por lo que cuenta. Importa por lo que permite imaginar.

Ese es el punto.

La reputación en IA ya no es branding. No es comunicación. La reputación se ha vuelto parte del producto.

Una empresa de IA necesita que sus modelos funcionen, sí. Pero también necesita, quizá con más urgencia, que Gobiernos, bancos, hospitales, universidades, ejércitos, reguladores y periodistas crean que esos modelos pueden ocupar un lugar legítimo dentro de la arquitectura social.

Anthropic parece haber entendido esto con precisión.

Mientras OpenAI ocupó durante años el lugar del asombro, Anthropic eligió otro registro: la sobriedad. La empresa prudente. La empresa que habla de límites. La empresa que parece llegar al escenario no sólo con capacidad técnica, sino con una ética de contención.

Esa ética puede ser real, sin duda. De hecho, el riesgo puede ser real.

Anthropic afirma que Project Glasswing busca asegurar sistemas mediante tareas como detección local de vulnerabilidades, pruebas de caja negra, seguridad de endpoints y pruebas de penetración. Reuters reportó que el programa habría contribuido a identificar más de 10,000 vulnerabilidades severas o críticas.

Eso no es trivial.

La infraestructura digital del mundo depende de software que tiene grietas invisibles, y si la IA permite encontrar esas grietas a una velocidad antes impensable, entonces la pertinencia de Mythos es difícil de negar. Pero, ¿quién debe obtenerlo, bajo qué reglas y con qué supervisión?

Ahí Glasswing se vuelve un tema político.

Porque el acceso es selectivo. Anthropic decide quién entra, bajo qué condiciones y con qué nivel de información. Después de las primeras restricciones, la empresa empezó a permitir que sus socios compartieran ciertos hallazgos con terceros potencialmente afectados, y más tarde amplió el acceso internacional a organizaciones de más de 15 países.

Eso reduce una parte del problema, pero no lo elimina.

Al contrario: lo vuelve más visible.

Estamos ante una escena nueva. Una empresa privada detecta vulnerabilidades que pueden afectar infraestructura crítica global. Algunos gobiernos negocian entrada. Otros quedan a la espera. Y el público observa desde fuera, fascinado por las historias desconocidas que se gestan dentro.

La lectura fácil sería acusar a Anthropic de crear una campaña (genial) de marketing. Pero eso sería limitado. El marketing sí puede existir y, al mismo tiempo, el peligro puede ser auténtico. La empresa puede estar actuando con responsabilidad y, al mismo tiempo, acumulando una forma inédita de poder. Project Glasswing puede ser necesario y, al mismo tiempo, puede consolidar una dependencia incómoda.

Las cosas importantes rara vez son puras.

Si Mythos anticipa una nueva etapa de ciberseguridad automatizada, entonces Project Glasswing no es sólo una campaña brillante. Es una prueba de cómo se administrarán las tecnologías que son demasiado poderosas para ser abiertas, demasiado útiles para ser prohibidas y demasiado estratégicas para quedar fuera del mercado.

Y en ese ensayo, Anthropic llega con una ventaja extraordinaria: reputación.

No sólo reputación técnica. Reputación moral.

La compañía ha construido una identidad pública alrededor de la seguridad, la alineación y la prudencia. Esa identidad ahora se convierte en activo político. Permite decir: no somos simplemente una empresa que busca vender IA; somos capaces de custodiarla.

El mercado entiende perfectamente ese lenguaje.

Y el momentum amplifica el efecto.

Anthropic anunció el 28 de mayo de 2026 que recibió 65,000 millones de dólares en una nueva ronda de inversión. Con ese dinero, la empresa alcanzó un valor estimado de 965,000 millones de dólares.

Menos de una semana después, se reportó que presentó un borrador de registro para una eventual oferta pública inicial (una eventual salida a bolsa de valores).

No le está prometiendo al mercado únicamente software, sino posición histórica.

¿Qué mejor relato para atraer apetito que este? Los inversionistas compran ávidamente las ofertas con futuro atractivo. Y Anthropic está construyendo uno poderoso.

No importa demasiado si Anthropic es más virtuosa o menos virtuosa que sus competidores. La pregunta relevante es otra: ¿qué ocurre cuando la seguridad digital empieza a concentrarse en la reputación de una empresa privada?

Porque la soberanía ya no se mide sólo en territorio, moneda, ejército o ley. También se mide en modelos, chips, centros de datos, nubes y capacidad para detectar una vulnerabilidad antes que el adversario.

Lo que se está formando es una nueva gramática de legitimidad tecnológica: una empresa posee una capacidad peligrosa; restringe su acceso; la presenta como defensa; convoca a socios estratégicos; negocia con gobiernos; tranquiliza al mercado.

No necesita mentir para acumular poder. Le basta con administrar correctamente la narrativa.

Es un relato que vuelve natural que la defensa del mundo digital dependa de acuerdos privados, modelos cerrados y confianza reputacional.

Quizá Mythos sea tan poderoso como dicen.
Quizá Glasswing sea necesario.
Quizá Anthropic esté actuando con más responsabilidad que casi todos sus competidores.

Lo que también parece claro es que, más que un producto, Anthropic le está vendiendo a la gente historias bien contadas. Historias que generan capital político, capital reputacional o, simple y llanamente, capital.

🤖 Noticias desde el presente que construyen el futuro

Redes sociales pagan para evitar juicio por salud mental juvenil

Meta, TikTok, Snap y YouTube aceptaron pagar cerca de 27 millones de dólares para cerrar una demanda promovida por un distrito escolar de Kentucky, en Estados Unidos, que las acusaba de contribuir a daños en la salud mental de estudiantes.

El caso podía convertirse en un precedente importante para más de 1,200 entidades educativas con demandas similares. Las plataformas evitaron así un juicio federal que habría podido exponer documentos internos sobre decisiones de diseño, algoritmos de recomendación y mecanismos pensados para maximizar el tiempo de uso.

Ninguna de las empresas admitió responsabilidad, pero el acuerdo confirma que la discusión sobre redes sociales y menores de edad dejó de ser sólo un debate social. Ahora también es un riesgo legal, financiero y regulatorio para las compañías que dominan la atención digital.

Trump ordena revisar riesgos de seguridad nacional en IA

Donald Trump firmó una orden ejecutiva para que el Gobierno federal de Estados Unidos pueda evaluar sistemas avanzados de inteligencia artificial e identificar posibles riesgos para la seguridad nacional.

La medida fue diseñada como un proceso voluntario de colaboración con laboratorios como OpenAI, Anthropic y Google. La Casa Blanca busca evitar una regulación demasiado pesada que frene la innovación frente a China, pero al mismo tiempo quiere acceso temprano a modelos capaces de afectar infraestructura crítica o defensas cibernéticas.

El punto delicado está en quién decide qué modelos deben ser revisados y qué empresas reciben trato preferente como “socios de confianza”. La orden muestra que la IA avanzada ya se discute como asunto de seguridad nacional.

Nvidia quiere reinventar la PC con IA local

Nvidia anunció un nuevo superchip para computadoras personales que la pondrá a competir directamente con Apple, Qualcomm, Intel y AMD. El chip, llamado RTX Spark, está diseñado para ejecutar aplicaciones y agentes de inteligencia artificial directamente en la computadora, sin depender siempre de la nube.

La apuesta es ambiciosa: llevar parte del poder de la IA generativa al dispositivo personal. Según Nvidia, estos agentes podrán operar distintas aplicaciones con poca supervisión humana, como revisar correos, redactar respuestas, identificar mensajes urgentes o asistir tareas complejas en tiempo real.

El movimiento abre una nueva etapa en la competencia por la PC. Ya no se trata sólo de velocidad, batería o diseño, sino de quién controla la computadora capaz de ejecutar asistentes inteligentes en casa, en el trabajo y en la vida cotidiana.

Empresas como Mercor ya gastan más en IA que en salarios

Mercor, una startup valuada en 10,000 millones de dólares, ya gasta más en tokens para sus agentes internos de inteligencia artificial que en salarios de empleados, según dijo su CEO, Brendan Foody, en el podcast 20VC.

La empresa, que ayuda a compañías como OpenAI y Anthropic a entrenar modelos mediante una red de expertos humanos, usa agentes de IA en áreas como gestión de proyectos, reclutamiento, contabilidad, detección de fraude y evaluación de candidatos. Foody aseguró que Mercor ha realizado más de 5 millones de entrevistas asistidas por IA.

La frase anticipa un cambio profundo en la estructura de costos de las empresas. Durante décadas, el gasto central fue la nómina. Ahora, algunas compañías empiezan a operar como si el nuevo costo estratégico fuera el cómputo: tokens, inferencia, modelos y agentes capaces de ejecutar tareas internas a gran escala.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• El sabotaje silencioso de la generación Z hacia la IA corporativa

• Unión Europea alista sanción histórica contra Google

• Spotify Reserved: boletos antes de la venta general

• Demis Hassabis advierte que los agentes son antesala de la AGI

• Encuesta: Si descubren a un empleado saboteando la IA en tu empresa, ¿cuál debe ser el castigo?

“La viabilidad de la tecnología, como la de la democracia, depende al final de la práctica de la justicia y de la imposición de límites al poder.”
— Ursula Franklin, pensadora canadiense que estudió la tecnología como sistema social

La inteligencia artificial está encontrando una resistencia inesperada en las empresas.

No viene de los trabajadores mayores. Tampoco de quienes no entienden de tecnología. No viene, al menos no principalmente, de una nostalgia por la oficina de hace pocos años.

Viene, sorpresivamente, de los empleados más jóvenes.

O, para decirlo con más precisión: entre los jóvenes se volvió más visible, más intensa, más incómoda.

Un estudio de Writer y Workplace Intelligence sobre adopción de IA en empresas encontró que 29% de los empleados admite haber saboteado de alguna forma la estrategia de inteligencia artificial de su compañía. Pero, aquí lo más revelador: entre gente de la Generación Z, la cifra sube a 44%.

El mismo informe enumera conductas concretas: negarse a usar IA, ignorar reglas internas, generar deliberadamente resultados de baja calidad o manipular métricas para hacer que la tecnología parezca menos efectiva.

La palabra es fuerte, pero precisa: sabotaje.

El dato del rechazo importa porque rompe una fantasía cómoda: la idea de que los jóvenes son los adoptantes naturales, automáticos, casi obedientes, de cualquier nueva tecnología.

No lo son.

La Generación Z por supuesto que usa IA. La usa para estudiar, resumir, editar imágenes, ordenar tareas, redactar mensajes, entender textos difíciles o resolver problemas privados. Pero una cosa es usar IA como prótesis personal y otra distinta es recibirla como mandato corporativo.

En la vida privada, la IA aparece como extensión. En la oficina, se percibe como auditor, sustituto, vigilante: amenaza.

El informe de Writer revela una paradoja brutal: 70% de los empleados y 94% de los ejecutivos dicen usar herramientas de IA al menos 30 minutos al día. La adopción, entonces, ya ocurrió. La tecnología ya está en los flujos cotidianos.

Pero adopción no significa adhesión.

Una empresa puede tener licencias instaladas, dashboards activos, comités de transformación y empleados usando IA todos los días… Y, aun con todo esto, también tener en paralelo una cultura escéptica, desconfiada, incluso hostil.

Ese es el punto. No estamos ante una brecha de capacitación. Es una brecha de legitimidad.

El estudio muestra que el rechazo no nace de la inutilidad de la herramienta. Entonces, ¿por qué resistir algo que funciona?

Porque el cuestionamiento no apunta a la utilidad de la IA, sino a quién le sirve y para qué.

Esa distinción lo cambia todo.

Para la alta dirección, la IA suele aparecer como promesa de eficiencia. Para los mandos medios, como presión para hacer más con menos. Para los empleados jóvenes, como una tecnología con mensajes contradictorios: úsala para ser más productivo, pero acepta que esa productividad puede volverte menos necesario.

El informe captura esa contradicción en números: 69% de los ejecutivos afirma que su empresa está haciendo despidos vinculados con IA… pero solo 39% admite tener una estrategia formal para generar ingresos con ella.

Es decir: muchas compañías parecen tener más clara la reducción de costos que la creación de valor.

Ante errores estratégicos de este tipo, no es raro que el entusiasmo se agriete.

El rechazo de la Generación Z debe leerse en ese contexto. No como berrinche tecnológico. No como romanticismo artesanal. Más bien como una respuesta defensiva ante una adopción mal explicada o abiertamente mal gobernada.

Hay otro dato revelador: 76% de los ejecutivos considera que el sabotaje de empleados representa una amenaza para el futuro de su compañía. La cifra importa no porque convierta a los trabajadores en enemigos internos, sino porque muestra que la adopción de IA no es un proyecto exclusivamente tecnológico. Ahora es un conflicto organizacional.

Y los conflictos organizacionales se resuelven con confianza.

El problema es que esa confianza está dañada. La desconfianza rara vez se queda quieta: interpreta, anticipa, exagera a veces, pero también detecta señales que la comunicación corporativa prefiere suavizar. Ahí es donde se abre la veta principal: la desconfianza es hacia los humanos, no hacia la tecnología.

Según el estudio, 75% de los empleados dice confiar más en la IA que en su mánager; entre trabajadores de la Generación Z, el porcentaje llega a 80%. El dato puede leerse de dos formas. La superficial diría: los jóvenes prefieren a la máquina. La más inquietante dice otra cosa: muchos empleados no confían en la capacidad de quienes están conduciendo la transición.

No rechazan necesariamente el algoritmo. Rechazan el mando que lo controla.

Por eso el sabotaje no debe entenderse solo como acto de rebeldía. También puede ser una forma (torpe e irresponsable, si se quiere) de recuperar control. Frente a una transformación que llega desde arriba, algunos empleados responden desde abajo con evasión, simulación o bloqueo.

No siempre tienen razón. Pero la empresa comete un error si solo los trata como infractores. Porque muchas infracciones son consecuencia de reglas mal diseñadas, es decir de la gobernanza.

Ilustrémoslo con un caso: Un 35% de los empleados reconoce haber introducido información confidencial de la empresa en una herramienta pública de IA.

La lectura corporativa inmediata es evidente: riesgo.

Pero la lectura cultural es más profunda: si los empleados llevan trabajo sensible a herramientas públicas, quizá es porque las reglas obstaculizan el trabajo real.

La prohibición de usar herramientas gratuitas y con cuentas personales, por sí sola, rara vez elimina la práctica útil. Solo la empuja a la sombra.

Eso es lo que suele llamarse shadow AI. Puede ser peligroso. Puede filtrar datos. Pero también revela algo: los empleados no esperan a que la transformación digital sea ordenada, certificada y bendecida por un comité. Si la herramienta ayuda a cumplir, la usarán. Incluso si no deben. Incluso si no pueden decirlo.

La resistencia que documenta el estudio, entonces, no siempre toma la forma de un “no”. A veces toma la forma de un “sí, pero a mi manera”. O peor: “sí, pero fingiendo que obedezco”.

Ahí la adopción se vuelve teatro. Y el teatro, según el propio estudio, no está solo abajo. También está arriba. Tres de cada cuatro altos ejecutivos admiten que la estrategia de IA de su organización es solo una señal hacia inversionistas.

Todos dicen estar transformándose. Todos reportan avances. Todos hablan de IA en juntas. Pero debajo de la superficie crecen la desconfianza, la simulación y la improvisación.

El propio estudio de Writer detecta esa grieta. 54% de los ejecutivos afirma que la adopción de IA está desgarrando internamente a su empresa, y 56% dice que ha creado luchas de poder y disrupción organizacional.

La IA, que prometía ordenar el trabajo, está haciendo evidente el desorden previo.

Tal vez ese sea el verdadero hallazgo: que la tecnología no introduce mágicamente una nueva cultura. Amplifica la existente.

Si una organización ya era opaca, la IA vuelve más peligrosa su opacidad. Si la empresa ya desconfiaba de sus empleados, la IA vuelve más sofisticada su vigilancia. Si ya premiaba la apariencia sobre el aprendizaje, la IA convierte la innovación en escenografía.

Y si ya había una fractura generacional, la IA le da lenguaje, métrica y conflicto.

Por eso la Generación Z es tan importante en esta historia. No porque sea moralmente superior. No porque esté libre de contradicciones. Al contrario: es profundamente contradictoria. Usa la IA y la teme. La aprovecha y la cuestiona. La integra a su vida privada y la bloquea en la oficina.

Esa contradicción no la debilita como objeto de análisis. La vuelve más interesante.

Porque tal vez la Generación Z no está rechazando la IA. Está rechazando una versión específica: la IA como mandato sin negociación, como eficiencia sin pacto, como productividad sin horizonte, como cambio impuesto por organizaciones que no siempre pueden explicar qué están cambiando y a veces sólo lo cambian para pregonar que lo hicieron.

No basta con hablar de modelos, licencias o productividad. La IA no es neutral cuando entra en una organización. Es infraestructura, decisiones políticas y relaciones de poder.

La oficina no escapa a eso.

Cuando una empresa introduce IA, no solo introduce software. Introduce una nueva distribución de autoridad: qué se mide, quién decide, qué se automatiza, qué se considera valioso, qué se vuelve prescindible.

Y eso explica por qué el rechazo juvenil no puede resolverse con evangelización.

La IA terminará por ser adoptada, sin duda. Pero, ¿qué tipo de adopción se está construyendo? ¿Una cooperativa o una obediente?; ¿una con confianza o una con miedo?; ¿una que amplía capacidades o una que convierte a los empleados en operadores de sistemas que no controlan?

Ahí se juega el futuro inmediato del trabajo.

No en el número de licencias compradas.

No en el video corporativo sobre transformación.

Se juega en una escena más pequeña: un empleado frente a una herramienta que puede ayudarlo, evaluarlo o sustituirlo. Un mánager que puede acompañar o amenazar. Una empresa que puede rediseñar el trabajo o simplemente acelerar su desgaste.

El sabotaje de la Generación Z es una advertencia temprana.

La IA no se frenará por falta de capacidad técnica. Se frenará, se deformará o se volverá peligrosa donde falte legitimidad.

Y esa legitimidad no se compra con las suscripciones.

Se construye con claridad, límites, formación, seguridad, participación y una promesa creíble de futuro.

La generación que usa IA no está pidiendo volver al pasado.

Está preguntando algo: ¿por qué debería obedecer una transformación que no explica qué lugar tiene para mí cuando se imponga?

🤖 Noticias desde el presente que construyen el futuro

Unión Europea alista sanción histórica contra Google

La Comisión Europea prepara una multa de varios cientos de millones de euros contra Google por presuntas prácticas anticompetitivas bajo la Ley de Mercados Digitales. De acuerdo con el reporte citado por Excélsior, la sanción podría anunciarse antes del verano y sería la más alta impuesta hasta ahora bajo esta nueva regulación.

La investigación comenzó en marzo de 2025 y se centra en si Google favorece sus propios servicios dentro de los resultados de búsqueda. Bruselas ya había dado más tiempo a la empresa para responder a sus preocupaciones, después de considerar insuficiente una propuesta previa de la compañía.

Spotify Reserved: boletos antes de la venta general

Spotify presentó Reserved, una función que permitirá a ciertos usuarios comprar boletos de conciertos antes de la venta general. El sistema estará dirigido a los seguidores más activos de algunos artistas y tomará en cuenta señales como reproducciones, canciones compartidas e interacciones dentro de la plataforma.

Los usuarios seleccionados recibirán invitaciones por correo o dentro de la app y podrán comprar hasta dos boletos para conciertos participantes. La función comenzará a operar en verano de 2026, inicialmente en Estados Unidos, para usuarios mayores de 18 años con suscripción Premium activa.

Demis Hassabis advierte que los agentes son antesala de la AGI

Demis Hassabis, CEO de Google DeepMind, dijo a Axios que la humanidad está en las “faldas de la singularidad” y que quedan pocos años para prepararse ante la llegada de una inteligencia artificial general. Aunque mantiene una expectativa amplia hacia 2030, también considera posible que ocurra en 2029.

Hassabis describió la etapa actual de agentes de IA como un ensayo general para sistemas más poderosos. También pidió acelerar las medidas de seguridad y advirtió que gobiernos, economistas y sociedad civil todavía no están tomando con suficiente seriedad el impacto que podrían tener estos modelos en los próximos años.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• El Papa y su disertación sobre la IA... ¿qué hay detrás?

• Musk pierde contra OpenAI

• Google convierte la búsqueda en asistente

• Meta abre una parte del algoritmo a los padres

• Google vuelve a intentar con lentes inteligentes

• Encuesta: ¿El Papa es una voz autorizada para disertar sobre la IA?

“El punto decisivo no es la tecnología, sino el uso que hacemos de ella.”
—León XIV en Drawing New Maps of Hope, 2025.

El Vaticano tiene una milenaria habilidad para decir mucho sin levantar la voz.

A veces basta con una fecha.

El 15 de mayo de 2026, León XIV firmó Magnifica Humanitas, su primera encíclica, dedicada a la protección de la persona humana frente a la inteligencia artificial. No eligió cualquier día. La firmó exactamente 135 años después de Rerum Novarum, la encíclica con la que León XIII respondió a las tensiones sociales que estaba generando la Revolución Industrial: el trabajo obrero, el capital, los sindicatos, la propiedad, el papel del Estado, la responsabilidad moral del empresario.

La Santa Sede confirmó además que el documento será presentado el 25 de mayo en el Aula del Sínodo, con la presencia del propio Papa.

La fecha funciona como una declaración: León XIII analizó la fábrica. León XIV analiza el algoritmo.

La comparación puede parecer obvia, pero no lo es. La Revolución Industrial transformó el cuerpo: sus horarios, su fatiga, su salario, su lugar en la ciudad. La inteligencia artificial transforma algo menos tangible: la decisión, la atención, la mediación entre seres humanos. Una máquina industrial podía sustituir fuerza. Una máquina cognitiva puede sustituir juicio. O simularlo. O administrarlo.

Aquí comienza el problema.

La IA reordena mercados laborales, acelera burocracias, filtra información, produce imágenes, clasifica riesgos, automatiza sospechas, redacta discursos, decide prioridades. Su promesa es eficiencia. Su sombra es la delegación.

¿Delegación de qué?

De tareas, primero. De criterio, después. ¿De responsabilidad, al final?

Por eso Magnifica Humanitas parece inscribirse en la tradición más relevante de la doctrina social católica: aquella que aparece cuando una innovación obliga a rehacer el lenguaje de una época. La Iglesia no descubrió la pobreza industrial en 1891. La nombró desde una perspectiva distinta. Tampoco descubre ahora la IA. La arranca, al menos simbólicamente, del vocabulario limitado y limitante de la productividad.

La cuestión de fondo en la actualidad es qué tipo de humanidad queda cuando la inteligencia empieza a manifestarse en sistemas que aprenden, predicen, recomiendan y persuaden. Qué ocurre con el trabajador cuando su conocimiento se vuelve un insumo para entrenar sistemas. Qué ocurre con la guerra cuando la velocidad de la máquina empieza a parecer más útil que la consciencia humana.

No es casual que el Vaticano vaya a sentar, junto a sus cardenales, a Christopher Olah, cofundador de Anthropic.

La Sala de Prensa del Vaticano lo presentó como responsable de investigación en interpretabilidad de inteligencia artificial. Su presencia en la presentación de una encíclica es extraña en el mejor sentido: un técnico situado en el centro de una escena teológica. Signo de los tiempos que corren.

Pero Olah no representa únicamente a una empresa. Representa lo que se ha vuelto una cuestión incómoda para la industria de la IA: cómo mirar dentro de sistemas cada vez más capaces y cada vez menos transparentes.

La interpretabilidad, dicho sin jerga, es el intento de abrir la caja negra. Es la necesidad de saber cómo un modelo produce una respuesta, qué señales sigue. No basta con que la máquina funcione. Hay que entender qué está haciendo cuando funciona.

Esa exigencia tiene una resonancia moral evidente: nadie puede gobernar con responsabilidad aquello que no puede explicar. Y estamos en un punto incómodo: los modelos más avanzados funcionan mejor de lo que podemos explicar.

Pero también hay una ambigüedad con la presencia de Olah.

Anthropic no es una institución contemplativa, pía o filantrópica. Es una compañía con inversionistas, productos, competencia y poder de mercado. Su presencia cerca del Vaticano no la purifica. La vuelve políticamente visible. La sitúa dentro de una disputa que ya no se juega sólo en laboratorios, sino en tribunales, gobiernos, contratos militares y ahora hasta en documentos pontificios.

La participación de Olah sugiere que la posición de León XIV sobre IA puede convertirse en un nuevo punto de fricción con la administración Trump. Porque Anthropic ha defendido públicamente la seguridad y mitigación de riesgos como parte central de su identidad.

Y ahí la historia se vuelve menos eclesial y más geopolítica.

Recordemos que el choque entre Anthropic y la administración Trump inició por las restricciones para el uso militar de las herramientas de la empresa. Cuando el Gobierno ordenó en febrero, en represalia, dejar de trabajar con Anthropic, el Pentágono la declaró un riesgo de cadena de suministro; la empresa impugnó esa designación en tribunales.

Ese dato importa porque revela otro campo de batalla: la velocidad contra el límite.

La administración política que quiere primacía tecnológica tiende a mirar las salvaguardas como freno. La empresa que presume prudencia puede convertir la ética en diferenciador competitivo. El Vaticano, por su parte, intenta hablar desde un registro anterior al mercado y al Estado: la dignidad de la persona.

Tres lenguajes cruzados.

Poder. Seguridad. Conciencia.

La encíclica aparecerá en ese cruce. Y por eso puede ser histórica, aunque todavía no sepamos si será doctrinalmente profunda. Su peso no depende sólo de la calidad de sus párrafos. Depende de la constelación que organiza:

· un Papa estadounidense que elige el nombre de León, inspirado en el último Papa que llevó ese nombre en el siglo XIX

· una encíclica firmada en el aniversario de Rerum Novarum

· una Iglesia que vuelve a leer una revolución productiva como problema social

· un investigador de IA sentado junto a cardenales

· una empresa tecnológica enfrentada con el Estado más poderoso por los límites del uso militar de sus modelos.

La escena tiene algo antiguo y algo brutalmente contemporáneo.

Antiguo, porque la Iglesia vuelve a un terreno conocido: la defensa de una idea de humanidad anterior a la utilidad. Contemporáneo, porque esa defensa ahora debe hacerse frente a sistemas que no explotan únicamente cuerpos, sino también lenguaje, imágenes, atención, memoria y juicio.

La fábrica producía mercancías.

La IA produce mediaciones.

Y quien controla las mediaciones controla buena parte de la realidad social.

Ese es el punto que vuelve insuficiente cualquier lectura meramente tecnológica. La inteligencia artificial también altera la distribución de autoridad. Decide qué se vuelve visible, qué se vuelve probable, qué se vuelve eficiente. Puede ayudar a curar, educar, investigar y administrar mejor. También puede amplificar vigilancia, precarización, propaganda y guerra.

La tradición social católica ha insistido durante más de un siglo en que la economía debe estar subordinada a la persona. Magnifica Humanitas parece relanzar esa intuición al siglo algorítmico: también la inteligencia artificial debe responder ante una idea de persona que no pueda reducirse a usuario, trabajador, consumidor o blanco militar.

La palabra clave es “custodia”.

No dominio, no fascinación: custodia.

Custodiar a la persona humana en el tiempo de la IA implica aceptar que el progreso técnico ya no puede medirse sólo por capacidad. Un sistema capaz puede ser socialmente dañino si concentra poder o vuelve invisible la decisión humana. El dilema moral empieza cuando la máquina funciona perfectamente, pero al servicio de fines demasiado pobres.

Tal vez ahí esté la continuidad con Rerum Novarum.

En 1891, la Iglesia entendió que la fábrica había creado una nueva cuestión social. En 2026, León XIV parece advertir que la IA ha creado una nueva cuestión humana. Ya no basta con defender al trabajador frente al capital. También hay que defender la conciencia frente a la automatización del juicio. Defender la verdad frente a la síntesis infinita. Defender la paz frente a la tentación de una guerra más rápida que el remordimiento.

La encíclica no detendrá la carrera tecnológica.

Ninguna encíclica tampoco detuvo la fábrica.

Pero algunos documentos tienen otra función: cambian el marco desde el cual una época se juzga a sí misma. Si Magnifica Humanitas logra eso, su importancia no estará en haber llevado la inteligencia artificial al Vaticano, sino en haber devuelto la discusión tecnológica a una pregunta más antigua.

¿Qué parte de lo humano debe permanecer fuera de la lógica de la máquina? La respuesta no es monopolio de la Iglesia.

Pero el hecho de que el Vaticano haya decidido formularla ahora, en esa fecha, con esos invitados y bajo ese título, ya dice algo sobre nuestro tiempo.

La inteligencia artificial entró en la zona más delicada de la historia: aquella donde una civilización discute, a veces demasiado tarde, qué parte de sí misma teme perder.

🤖 Noticias desde el presente que construyen el futuro

Musk pierde contra OpenAI

Un jurado federal en Oakland falló contra Elon Musk en su demanda contra OpenAI y Sam Altman. Musk acusaba a la compañía de haber traicionado su misión original al convertirse en una empresa con ánimo de lucro, pero el jurado concluyó que la reclamación fue presentada fuera de plazo. El veredicto fue unánime y llegó tras menos de dos horas de deliberación.

El juicio revivió una pregunta que acompaña a la industria desde el nacimiento de OpenAI: quién debe controlar la inteligencia artificial y quién puede beneficiarse económicamente de ella. Musk, fundador de xAI, a pesar de sus demandas, también buwca beneficiarse económicamente y compite contra la empresa que ayudó a crear en 2015.

Google convierte la búsqueda en asistente

Google presentó Gemini Spark, un agente de inteligencia artificial pensado para reservar restaurantes, seguir noticias, contactar profesionales y realizar compras a partir de instrucciones en lenguaje natural. La compañía informó que Gemini ya alcanza 900 millones de usuarios mensuales y que AI Mode suma mil millones de usuarios mensuales en el mundo. La función llegará primero a suscriptores premium en Estados Unidos.

Google sigue inclinándose hacia una búsqueda menos basada en enlaces web y más orientada a respuestas y acciones. La empresa también anunció una “cesta de compra universal” y una alianza con OpenAI para adoptar SynthID, su herramienta de marcas de agua invisibles para imágenes generadas por IA.

Meta abre una parte del algoritmo a los padres

Meta actualizará su Centro para Familias para que madres, padres y tutores puedan ver los temas generales que influyen en las recomendaciones de adolescentes en Instagram. La herramienta mostrará categorías como deportes, fotografía, moda o musicales, pero no cada publicación vista ni cada interacción específica. La función estará vinculada con “Tu Algoritmo”, disponible en Reels y Explorar.

La compañía también planea enviar notificaciones cuando un adolescente agregue nuevos intereses y concentrar sus controles parentales en un solo espacio para Instagram, Facebook, Messenger y Meta Horizon. En los próximos meses, Meta añadirá una vista integral del tiempo de uso en sus aplicaciones.

Google vuelve a intentar con lentes inteligentes

Google anunció en I/O 2026 una nueva línea de lentes inteligentes desarrollada con Warby Parker y Gentle Monster, en colaboración con Samsung. Los dispositivos funcionarán con Android e iOS y estarán impulsados por comandos de voz conectados al ecosistema de Google, incluido Gemini. La compañía los presentó como “audio glasses” y dijo que estarán disponibles más adelante este año.

El regreso ocurre años después del fallido Google Glass, pero en un mercado distinto: Meta, startups y otros fabricantes han reactivado la categoría. En la demostración, un usuario podía pedir café hablando con los lentes, que ejecutaban la acción al estar sincronizados con sus servicios.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• Tu opinión sobre la IA envejece mal y en pocas semanas

• Europa acelera sus pruebas frente a modelos como Mythos

• Medios bloquean a Internet Archive por el entrenamiento de IA

• OpenAI prepara un posible teléfono sin lógica de apps

• Los Globos de Oro cierran la puerta a actores generados por IA

• Encuesta: ¿Qué tan difícil te parece estar actualizado sobre los avances de la IA?

“Asume que esta es la peor IA que usarás en tu vida.”

— Ethan Mollick, profesor de Wharton y autor de Co-Intelligence: Living and Working with AI

Hay una frase que aparece frecuentemente en redes: “esta IA es la mejor para esta tarea”.

A veces es cierta. A veces fue cierta.

Y ahí está el problema.

La inteligencia artificial no avanza al ritmo cómodo de las tecnologías anteriores. No espera a que terminemos de entenderla. No espera a que las empresas actualicen sus manuales. No espera a que los usuarios cambien de opinión.

Se mueve antes.

Y cuando una tecnología cambia más rápido que el juicio que tenemos sobre ella, aparece una forma nueva de ignorancia: no la ignorancia de quien no sabe nada, sino la de quien cree saber porque probó una versión anterior.

La experiencia caduca. La opinión se queda.

Hace apenas un año, muchos usuarios repetían que los generadores de imágenes no podían escribir texto. Esas opiniones siguen circulando en redes sociales. Y era cierto: pedirle a una IA que hiciera un cartel, un empaque o un anuncio con palabras legibles era un desastre. Letras deformes, marcas inventadas, frases ilegibles.

Después llegó la generación de imágenes integrada a GPT-4o, presentada por OpenAI en marzo de 2025, con mejoras explícitas en renderizado de texto, seguimiento de instrucciones y uso del contexto visual del chat. La situación mejoró.

Y luego, en diciembre de 2025, OpenAI lanzó una nueva versión de ChatGPT Images, con edición más precisa, conservación de detalles y generación hasta cuatro veces más rápida. Los resultados son sorprendentes.

¿Significa que la IA visual ya reemplazó al diseñador?

No. Pero sí deja claro que hasta las críticas correctas envejecen rápido.

El error no está en decir “esto falla”. El error está en convertir una falla temporal en una identidad permanente. “Esta IA no sirve para imágenes”. “Esta no sirve para código”. “Esta no entiende contexto”. “Esta no escribe bien”.

Puede ser verdad hoy… y dejar de serlo mañana.

Esa es la nueva dificultad cultural: necesitamos aprender que las tecnologías no permanecen quietas mientras las juzgamos.

Durante décadas, el usuario común podía formarse una opinión relativamente estable. Word era Word. Photoshop era Photoshop. Google era Google. Llegaban mejoras, pero no reescribían la naturaleza completa del producto con frecuencia.

Con la IA generativa, esa estabilidad se rompió.

El modelo que ayer era torpe para editar imágenes puede volverse competente después de una actualización. El asistente que antes escribía código decorativo puede empezar a resolver tareas completas de programación. El sistema que fallaba en razonamiento largo puede incorporar modos de pensamiento más profundos.

No son mejoras cosméticas.

Son saltos de competencia.

Y, sin embargo, la conversación pública suele funcionar con juicios viejos: mano con seis dedos. Un gráfico mal escrito. Una respuesta absurda. Una alucinación compartida mil veces.

Ahí aparece el desfase.

No entre humanos e inteligencia artificial, sino entre memoria humana y velocidad técnica.

La IA tiene una inteligencia irregular. Puede resolver una tarea sofisticada y fallar en otra elemental. Puede ayudar con una arquitectura de software y equivocarse en un dato simple. Puede generar una imagen extraordinaria y arruinar un detalle. Puede producir un análisis útil y, si no se le controla, inventar una fuente.

Esa irregularidad no debe minimizarse. Es relevante. Pero tampoco debe usarse como coartada para emitir juicios permanentes.

John Searle discutía, con su célebre argumento del cuarto chino, que manipular símbolos no equivale necesariamente a comprender. Esa advertencia sigue viva: los modelos pueden producir resultados impresionantes sin que eso implique conciencia, intención o comprensión humana.

Pero en muchas áreas ya se ha superado la discusión sobre si la máquina “entiende” como nosotros. Estamos discutiendo si puede producir trabajo útil, verificable y competitivo dentro de un sistema humano de supervisión.

Ese desplazamiento es enorme.

Porque la comparación pública suele buscar un campeón: cuál IA es “mejor”. Pero esa pregunta ya luce pobre. ¿Mejor para qué? ¿Mejor con qué costo? ¿Mejor con qué latencia? ¿Mejor con qué memoria? ¿Mejor para escribir, programar, investigar, editar imágenes, analizar datos, resumir documentos, operar herramientas, trabajar en español o sostener razonamientos largos?

No hay una sola carrera. Hay muchas pistas al mismo tiempo.

La IA ya no se puede evaluar con frases totales.

“Claude es mejor”. “Gemini es mejor”. “ChatGPT es mejor”. “Seedance es mejor”. “DeepSeek es mejor”.

Todas esas frases son demasiado lentas para la realidad que intentan describir.

Lo que existe es un mapa móvil de capacidades.

Y ese mapa cambia con una velocidad que deja mal parados a los dogmáticos. Favorece, por su parte, a quienes prueban, comparan, verifican y actualizan criterio.

Esto también tiene una consecuencia económica.

En las empresas, la percepción atrasada se vuelve costo. Un equipo que descartó una herramienta hace seis meses puede estar ignorando una mejora que ya cambió su utilidad. Un directivo que probó un modelo débil en 2024 puede bloquear una adopción razonable en 2026.

La resistencia no siempre es prudencia.

A veces es memoria mal administrada.

Una crítica seria de la IA no puede depender de caricaturas vencidas.

Ahí está la exigencia intelectual de este momento: desconfiar de la IA sin subestimarla. Usarla sin rendirle culto. Evaluarla sin quedar atrapados en la primera impresión.

La meta de saber si una IA “sirve” o “no sirve” tiene el factor condicionante del tiempo: cuándo la probaste, con qué versión, con qué instrucción, frente a qué tarea y contra qué alternativa humana o técnica.

Ese cambio parece menor.

No lo es.

Obliga a reemplazar la opinión por método.

Y en un entorno donde los modelos se actualizan, se fusionan con herramientas, ganan memoria y ejecutan flujos completos de trabajo, el método importa más que la preferencia basada en un juicio.

La vieja alfabetización digital consistía en aprender a usar software.

La nueva consiste en aprender a revisar continuamente lo que creemos saber del software.

La IA nos obliga a preguntarnos si nuestras opiniones todavía están vivas. A verificar si el verdadero rezago está en los modelos.

Quizá esté en nosotros, defendiendo con seguridad una crítica que ya pertenece a una versión anterior del mundo.

🤖 Noticias desde el presente que construyen el futuro

Europa acelera sus pruebas frente a modelos como Mythos

La Comisión Europea ha sostenido al menos cuatro reuniones con Anthropic desde la presentación de Mythos, su modelo más avanzado, para evaluar riesgos de ciberseguridad. Bruselas reconoce que, a diferencia de OpenAI con ChatGPT 5.5, Anthropic no le ha dado acceso directo al sistema para probarlo.

El debate ya llegó al Parlamento Europeo. Algunos eurodiputados advierten que la IA avanza más rápido que la capacidad institucional de regularla, especialmente en seguridad y defensa, un ámbito excluido de la ley europea de IA. La Comisión defiende que podrá exigir documentación a partir de agosto, aunque solo con dos semanas de antelación cuando una empresa decida vender sus sistemas en la UE.

Medios bloquean a Internet Archive por el entrenamiento de IA

Al menos 245 organizaciones de noticias en nueve países han comenzado a bloquear el rastreador de Internet Archive para evitar que sus contenidos archivados en la Wayback Machine sean usados como insumo para entrenar modelos de inteligencia artificial. La preocupación central es que empresas de IA puedan acceder a versiones almacenadas de artículos que hoy están protegidos por muros de pago.

El bloqueo se hace mediante ajustes en archivos como robots.txt, que indican a los rastreadores qué partes de un sitio pueden visitar. La medida protege propiedad intelectual, pero también debilita la preservación pública de internet: si un medio borra contenido, cierra o cambia su archivo, puede desaparecer una copia histórica que antes quedaba disponible para consulta.

OpenAI prepara un posible teléfono sin lógica de apps

OpenAI estaría acelerando el desarrollo de un dispositivo propio basado en inteligencia artificial, con producción masiva prevista para el primer semestre de 2027, según el analista Ming-Chi Kuo. La idea sería un equipo menos dependiente de aplicaciones tradicionales y más centrado en un agente capaz de ejecutar tareas desde el dispositivo o desde la nube.

El proyecto estaría vinculado con la colaboración de Jony Ive, exdirector de diseño de Apple, y con un procesador de MediaTek fabricado en tecnología de 2 nanómetros. Las estimaciones citadas apuntan a 30 millones de unidades entre 2027 y 2028, aunque OpenAI no ha confirmado especificaciones, calendario ni acuerdos industriales.

Los Globos de Oro cierran la puerta a actores generados por IA

Los Globos de Oro actualizaron sus reglas para impedir que actores y actrices generados sustancialmente por inteligencia artificial puedan ser nominados. Las producciones que usen IA no quedan descalificadas automáticamente, siempre que el trabajo humano siga siendo central en la interpretación y en la autoría creativa.

El uso de IA para efectos técnicos o cosméticos, como rejuvenecimiento, envejecimiento o alteraciones visuales, podrá permitirse si no reemplaza materialmente la actuación. La decisión llega después de reglas similares anunciadas por la Academia de los Óscar y en medio de nuevas tensiones por el uso de versiones digitales de actores fallecidos.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• El Estado quiere ver la IA antes que nosotros

• xAI admite que usó modelos de OpenAI para entrenar a Grok

• Ver contenido para adultos en la oficina también es un riesgo de ciberseguridad

• Jensen Huang rechaza el fatalismo laboral sobre la IA

• Chats privados de IA quedaron expuestos por enlaces compartidos

• ¿El estado debería regular el avance de la IA?

“Los artefactos técnicos pueden tener cualidades políticas.”
— Langdon Winner, filósofo estadounidense de la tecnología

La carrera por el desarrollo de la inteligencia artificial ha sido una competencia entre empresas.

OpenAI contra Google. Google contra Anthropic. Meta contra todos. Microsoft como socio, Amazon como infraestructura, Nvidia como rey del subsuelo.

Es una historia cómoda porque luce como cualquier otra historia de mercado: mejores modelos, más usuarios, más inversión, más cómputo. Una competencia brutal, sí, pero reconocible. Silicon Valley repitiendo su patrón: prometer el futuro, lanzarlo como producto y dejar que las consecuencias lleguen después, ya convertidas en problema público.

Pero esa historia está dando un giro de tuerca.

El Centro para los Estándares y la Innovación en IA de Estados Unidos (CAISI) anunció acuerdos con Google DeepMind, Microsoft y xAI para evaluar modelos nuevos antes de que lleguen al público.

CAISI opera dentro del NIST, el Instituto Nacional de Estándares y Tecnología de Estados Unidos: una agencia que no fabrica tecnología ni la vende, sino que define cómo medirla, probarla y estandarizarla. Desde ahí, el gobierno dice que estas colaboraciones permitirán probar los modelos antes de su lanzamiento, medir riesgos de seguridad nacional y entender capacidades que podrían ser peligrosas si llegan al mundo sin evaluación previa.

La frase tiene los tintes de cualquier otra frase burocrática. Pero no es tan simple.

Están diciendo que el Estado quiere ver a la máquina antes que nosotros.

No verla como consumidores. Verla como poder.

Conviene detenerse ahí. CAISI no es una oficina interesada en si un chatbot alucina. Su mandato se mueve entre ciberseguridad, bioseguridad, armas químicas, pruebas clasificadas, coordinación con agencias federales.

Según Reuters y The Guardian, los nuevos acuerdos incorporan a Google DeepMind, Microsoft y xAI a un esquema de evaluación federal que ya venía tomando forma alrededor de los grandes laboratorios.

Ahí conviene señalar el papel de Claude Mythos Preview, el modelo de Anthropic que volvió más concreto el miedo. Anthropic afirma que Mythos ha encontrado miles de vulnerabilidades de alta gravedad. Según sus creadores, es una IA capaz de detectar fallas en software, probar programas en busca de debilidades, proteger dispositivos conectados a una red y simular ataques controlados antes de que lo hagan atacantes reales.

Justo por esta capacidad no lo abrió al público general: lo colocó dentro de Project Glasswing, una iniciativa defensiva con socios como AWS, Apple, Google, Microsoft, JPMorganChase, NVIDIA y la Linux Foundation.

Pero Anthropic ocupa un lugar incómodo en esta historia. Su modelo ayudó a justificar la urgencia de las evaluaciones federales, pero la empresa también representa la pregunta que incomoda al pacto: qué ocurre cuando un laboratorio intenta conservar límites propios frente a las exigencias del Estado. Es claro que la relación de Anthropic y el Gobierno de Estados Unidos no es tersa.

Hasta hace poco, la ciberseguridad dependía de la escasez: pocos expertos podían encontrar fallas, explotarlas y encadenarlas con paciencia. Esa escasez funcionaba como una defensa imperfecta, pero real. Si una IA vuelve esa capacidad más barata y accesible, la barrera se rompe: el ataque sofisticado deja de depender de unos cuantos especialistas.

Cuando se automatiza una capacidad estratégica, se convierte en infraestructura de poder.

Y es justo ahí donde el Estado entra.

No entra únicamente por prudencia. Entra porque ninguna potencia con intereses globales aceptaría que una tecnología capaz de descubrir vulnerabilidades, operar sistemas y acelerar investigación sensible quede por completo en manos privadas.

Pero aquí hay una diferencia decisiva: no hablamos del Estado en abstracto.

Hablamos de un Estado concreto, bajo una administración concreta, con hábitos políticos concretos. Y ese contexto importa.

La administración Trump ha acumulado episodios polémicos con los protocolos de supervisión: despidos de inspectores generales sin el aviso legal requerido al Congreso, operaciones militares cuestionadas por falta de autorización legislativa y ventas de armas aprobadas mediante excepciones de emergencia que evitaron la revisión ordinaria.

Ninguno de esos antecedentes anticipa un abuso en CAISI. Pero todos obligan a leer el acuerdo con más cautela. En tecnologías tan opacas como la IA en usos bélicos, la supervisión pública puede ser necesaria; lo peligroso es que el supervisor no esté suficientemente supervisado.

Una cosa es que una institución estable, auditada y sujeta a contrapesos evalúe tecnologías peligrosas. Otra cosa es que una administración con impulsos de concentración política obtenga acceso anticipado a los modelos más avanzados del planeta bajo el argumento, siempre poderoso, de la seguridad nacional.

La seguridad nacional es una categoría necesaria.

Puede proteger infraestructura crítica. Puede impedir catástrofes. Puede obligar a empresas opacas a someterse a pruebas externas.

Pero también puede funcionar como contraseña para cerrar puertas.

Como justificación para desplazar el debate público.

Como lenguaje noble para decisiones que nadie podrá revisar. Ni cuestionar.

En los últimos años hemos hablado de “alineación” como un problema técnico: cómo lograr que una IA haga lo que los humanos quieren. Ahora aparece otra alineación. Más política: cómo lograr que las empresas hagan lo que el Estado considera necesario.

No es la alineación de la máquina con la humanidad.

Es la alineación de la empresa con la soberanía.

Una empresa que coopera con CAISI puede obtener legitimidad, estabilidad regulatoria, cercanía con compradores gubernamentales y una especie de sello tácito de confiabilidad. Una empresa que se resiste puede quedar bajo sospecha.

No hace falta imaginar una conspiración para ver el incentivo: en una industria donde entrenar modelos cuesta miles de millones, donde la infraestructura depende de permisos, energía, chips y contratos, estar del lado del Estado puede importar tanto como tener el mejor modelo.

La innovación empieza a tener pasaporte.

Y el pasaporte pesa.

La otra señal del cambio no viene de Washington, sino de Londres. Trabajadores de Google DeepMind en Reino Unido votaron sindicalizarse en medio de preocupaciones por el uso militar de IA y por acuerdos con gobiernos. The Guardian reportó que buscan reconocimiento de Unite y Communication Workers Union, además de compromisos éticos, supervisión independiente y derecho a negarse a trabajar en proyectos por razones morales.

Esto también es futuro.

Durante mucho tiempo, el trabajador tecnológico pudo imaginarse como artesano del progreso. Escribía código, entrenaba modelos, publicaba papers, mejoraba productos. Ahora empieza a descubrir que su trabajo puede integrarse a cadenas de decisión militar, vigilancia estatal o infraestructura crítica.

Llegamos al punto donde la IA no sólo reorganiza mercados.

No sólo clasifica personas.

No sólo automatiza decisiones.

Empieza a reorganizar la razón de Estado.

Y cuando la razón de Estado entra, todo se vuelve menos transparente.

Tal vez una parte de eso sea inevitable. Hay amenazas reales. Hay adversarios reales. Hay infraestructura vulnerable. Hay modelos que no deberían circular sin pruebas serias. Pero también hay una tentación real: llamar seguridad a todo aquello que conviene blindar del escrutinio público.

El riesgo es que el estándar de seguridad termine usando la obediencia como condición para negociar.

Que la pregunta “¿este modelo es peligroso?” sea reemplazada, poco a poco, por “¿este modelo sirve a nuestros intereses?”

La IA más avanzada no llegará sola. Llegará escoltada por empresas que buscan mercado. Pero también por Estados que buscan ventaja. Por trabajadores que piden límites. Por sociedades que apenas entienden que la tecnología que usan para redactar correos puede pertenecer a la misma familia que servirá para acelerar operaciones militares o descubrir fallas invisibles en el sistema financiero.

El futuro no será una máquina contra la humanidad.

Será algo más confuso.

Una alianza inestable entre máquinas, corporaciones y Estados, presentada como seguridad, vendida como innovación y discutida como política.

Creímos que la carrera era entre empresas. Quizá apenas estamos descubriendo que la competencia real será por decidir quién tiene derecho a mirar primero dentro de la máquina.

¿Quién vigilará al poder cuando el poder aprende a pensar con máquinas?

🤖 Noticias desde el presente que construyen el futuro

xAI admite que usó modelos de OpenAI para entrenar a Grok

Elon Musk reconoció que xAI utilizó modelos de OpenAI para entrenar parcialmente a Grok mediante destilación, una técnica en la que un modelo aprende del comportamiento de otro más avanzado. La declaración ocurrió durante una audiencia en California, dentro del litigio entre Musk y OpenAI por el cambio de estructura de la compañía.

La práctica es común cuando una empresa usa sus propios modelos para crear versiones más pequeñas o eficientes, pero se vuelve polémica cuando involucra sistemas de terceros sin autorización. La disputa deja una ironía difícil de ignorar: Musk acusa a OpenAI de traicionar su origen filantrópico, pero xAI habría usado parte de ese mismo ecosistema para construir su alternativa.

Ver contenido para adultos en la oficina también es un riesgo de ciberseguridad

Un reporte de Kaspersky citado por Excélsior advierte que 8% de los empleados en México accede a contenido para adultos desde dispositivos de trabajo, una cifra menor al 14% registrado en 2018, pero todavía relevante para la seguridad empresarial. El problema no es sólo el uso personal de una computadora corporativa, sino el tipo de ecosistema digital al que puede llevar esa navegación.

Los sitios falsos, reproductores engañosos, descargas disfrazadas, anuncios maliciosos y formularios de registro pueden convertirse en vías de entrada para malware, robo de credenciales, extorsión o filtración de datos. El riesgo aumenta cuando se usan correos corporativos o contraseñas repetidas: una conducta individual puede terminar comprometiendo sistemas, archivos y accesos de toda una empresa.

Jensen Huang rechaza el fatalismo laboral sobre la IA

Jensen Huang, CEO de Nvidia, criticó las advertencias más alarmistas sobre el impacto laboral de la inteligencia artificial y cuestionó a líderes tecnológicos que anticipan una eliminación masiva de empleos. Huang rechaza las predicciones de una pérdida de 50% de empleos de entrada, cifra asociada previamente al CEO de Anthropic, Dario Amodei.

Huang sostuvo que la IA puede aumentar la productividad sin volver innecesario el trabajo humano, especialmente en áreas como software, salud, ciencia y manufactura. También advirtió que el discurso apocalíptico puede desalentar a jóvenes de estudiar carreras técnicas en un momento en que la economía podría necesitar más talento especializado.

Chats privados de IA quedaron expuestos por enlaces compartidos

Una investigación citada por El País detectó que ChatGPT, Claude, Grok y Perplexity emplean distintos tipos de rastreadores de Meta, Google, TikTok y otras compañías. El hallazgo apunta a un riesgo creciente: los modelos de negocio publicitario empiezan a entrar en espacios donde los usuarios comparten información sensible con chatbots.

El mayor problema apareció en Grok y Perplexity, donde enlaces a conversaciones completas estuvieron accesibles para cualquiera que tuviera la URL, al menos hasta el 3 de abril, según los investigadores. No hay evidencia de que terceros hayan leído esos chats, pero el caso muestra cómo la privacidad en IA puede romperse no sólo por el modelo, sino por la infraestructura comercial que lo rodea.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• Quienes crean IAs también ven amenazado su empleo... por las IAs

• El juicio de Musk contra Open IA ya inició

• Google y el Pentágono cierran filas

• Rostros robados para microdramas con IA

• Pompeya reconstruye una fuga con IA

• Encuesta: ¿Qué porcentaje del trabajo que haces hoy podría ser ejecutado por una IA en el futuro próximo?

“Un trabajo basura es una forma de empleo tan completamente inútil, innecesaria o perniciosa que ni siquiera quien lo realiza puede justificar su existencia.”
— David Graeber, teórico del trabajo contemporáneo y autor de Bullshit Jobs: A Theory

Durante años imaginamos que la automatización de la inteligencia artificial vendría por los otros:

Por los que hacen trabajos repetitivos.
Por los que hacen reportes en una oficina.
Por los que llenan formatos para trámites.

La inteligencia artificial, se nos dijo, haría más eficiente lo rutinario. Dejaría a salvo lo verdaderamente humano: la creatividad, el juicio, la abstracción, el pensamiento.

Pero algo se ha estado moviendo.

Algunos de los más inquietos por el posible reemplazo laboral ya no están en la periferia tecnológica, sino en su centro. Programadores, desarrolladores, trabajadores del conocimiento tecnológico… Personas que, hasta hace poco, parecían ubicadas en el lado seguro de la revolución. La certeza se les está acabando.

Los ingenieros ayudaron a construir un sistema que ahora empieza a mirar sus tareas con apetito. Los desarrolladores escribieron programas que hoy escriben código. Los expertos en automatización están descubriendo que también su trabajo puede ser automatizado.

No es una fábula moral sobre técnicos castigados por su criatura. Estamos ante algo más profundo: el trabajo intelectual está descubriendo que muchas de sus partes eran más imitables y administrables de lo que se presuponía.

El informe de Anthropic, What 81,000 people told us about the economics of AI, ofrece una ventana precisa hacia esa incomodidad. A partir de una encuesta a usuarios de Claude, el documento encuentra que las personas en ocupaciones más expuestas a la IA tienden a expresar más preocupación por desplazamiento laboral.

Por cada 10 puntos porcentuales de aumento en exposición, la percepción de amenaza laboral aumenta 1.3 puntos porcentuales; además, quienes están en el 25% superior de la exposición mencionan esa preocupación tres veces más que quienes están en el 25% inferior.

La primera lectura parece obvia: se preocupan más porque están más expuestos.

Pero quizá hay otra.

Quizá se preocupan más porque entienden mejor lo que puede ocurrir.

La exposición aumenta la conciencia del riesgo. Quien convive todos los días con la IA no necesita discursos apocalípticos para intuir el cambio. Le basta verla resumir, corregir, programar, diseñar, traducir, explicar, depurar, proponer.

Ahí nace la ansiedad. No en la ignorancia: en la familiaridad.

El trabajador más cercano a la IA no necesariamente es el más vulnerable en términos absolutos. Pero sí es el primero en advertir que el suelo se está moviendo. Un maestro de primaria, un abogado, pueden concebir todavía que su oficio está protegido por la complejidad humana. Un programador que ve a un modelo producir código funcional en segundos tiene menos refugios psicológicos.

La máquina no tiene que hacerlo todo para alterar el mercado. Le basta con hacer suficiente.

Ese “suficiente” es la palabra decisiva. Suficiente para reducir el tiempo de una tarea.
Suficiente para permitir que alguien menos experto produzca algo aceptable.
Suficiente para que una empresa pregunte si necesita tres personas o solo dos.

El reporte de Anthropic muestra, además, una paradoja central: los usuarios reportan ganancias importantes de productividad, con una media de 5.1 en una escala de 1 a 7; es decir, declaran “soy sustancialmente más productivo”. Pero esos beneficios en muchos casos intensifican la incertidimbre.

Esto rompe una ilusión frecuente: la idea de que productividad y seguridad laboral avanzan juntas.

No siempre.

Si una herramienta permite hacer en quince minutos lo que antes tomaba dos horas, el trabajador puede sentirse poderoso. Pero también puede hacerse una pregunta simple: ¿cuántas personas serán necesarias cuando todos tengan esta herramienta? Es más, ¿yo seré necesario?

La productividad se vuelve ambigua.

El beneficio puede quedarse en el trabajador, como tiempo liberado. Puede ir al cliente, como menor costo. Puede ir al empleador, como más producción con la misma plantilla. Puede ir a la empresa de IA, como renta tecnológica. O puede evaporarse en una nueva normalidad donde todos trabajan más rápido y mejor sólo para no quedarse atrás.

El informe captura esta tensión. Entre quienes nombran a un beneficiario de la productividad, la mayoría dice que el beneficio va hacia sí mismos. Pero 11% menciona que los empleadores están obteniendo más entregas de trabajo. Y hay una diferencia reveladora: sólo 60% de los trabajadores de carrera temprana indica beneficiarse personalmente de la IA, frente a 80% de los profesionales senior.

Ahí aparece otro conflicto.

La IA no afecta a todos los trabajadores del conocimiento por igual. Premia a quien ya tiene criterio, reputación, autonomía y poder de decisión. Castiga, o al menos tensiona, a quien todavía estaba aprendiendo mediante tareas básicas.

El aprendiz siempre empezó por lo repetible. Sus tareas no eran gloriosas, pero eran formativas.

Si la IA las absorbe, el problema es cómo se aprende un oficio cuando desaparecen sus escalones inferiores.

El senior puede mirar a la IA como un equipo invisible; pero el junior la ve como un sustituto anticipado. El primero la dirige. El segundo compite con ella. El primero tiene suficiente experiencia para corregirla. El segundo necesita experiencia para saber cuándo corregirla.

La IA ahora reordena jerarquías.

Quien sabe formular problemas gana poder. Quien sólo ejecuta instrucciones lo pierde. Quien entiende el contexto conserva ventaja. Quien sólo entrega piezas intercambiables entra en una zona peligrosa.

La industrialización hizo algo parecido con el trabajo manual: separó procesos, midió tiempos, convirtió saberes artesanales en procedimientos replicables. La IA empieza a hacer algo semejante con el trabajo cognitivo. Descompone el razonamiento en subtareas. Convierte intuiciones en flujos. Transforma borradores, diagnósticos preliminares, líneas de código, reportes y análisis en unidades comparables.

Eso no significa que la mente humana haya sido derrotada.

Más bien, muchas actividades que protegíamos bajo la palabra “inteligencia” contenían una proporción considerable de rutina.

La IA nos está obligando a distinguir qué parte de nuestro trabajo era pensamiento y qué parte era un procedimiento sofisticado, pero replicable.

Esta distinción será cruel.

Con la primera oleada de la IA, el trabajador del conocimiento se pensó a salvo porque no usaba las manos sino la cabeza. Pero la frontera nunca fue tan diáfana. Una parte del trabajo intelectual consiste en juicio; otra, en patrones reiterados. Una parte requiere experiencia humana; otra, probabilidad estadística aplicada a gran escala.

La IA entró justo por esa grieta.

Por eso inquieta tanto a quienes la conocen. Empiezan a entender sus capacidades reales. Y los inquieta porque saben que para una empresa, muchas veces basta con que el sistema produzca resultados útiles, rápidos y baratos. Y nada más importa.

La economía no pregunta si la máquina entiende. Pregunta si entrega. Y si entrega lo necesario, el trabajo se reorganiza.

Aquí conviene resistir dos exageraciones. La primera es el entusiasmo ingenuo: creer que toda productividad apuntará a un mundo mejor. La segunda es el fatalismo: imaginar que toda mejora técnica terminará en desempleo.

El informe de Anthropic permite una lectura más sobria. La IA amplía capacidades, sí. Muchas personas dicen hacer ahora cosas que antes no podían; de hecho, la mejora más mencionada no es sólo velocidad, sino el alcance: hacer tareas nuevas.

Pero ampliar capacidades no resuelve automáticamente quién captura el valor.

¿La IA le dará más autonomía al trabajador o más control al empleador?

¿Reducirá jornadas o elevará expectativas? ¿Democratizará habilidades o concentrará poder en quienes ya saben dirigir sistemas complejos?

La IA llega a mercados laborales desiguales, a empresas obsesionadas con eficiencia, a trabajadores con poco poder de negociación, a jóvenes que ya enfrentan trayectorias precarias. La productividad puede ser promesa o amenaza. A veces ambas el mismo día.

Creíamos que el código, el análisis y la estrategia estaban protegidos por una especie de aura mental. La IA está perforando esa aura. Desnuda cuánto de lo profesional dependía de tareas repetibles, imitables.

La amenaza está en descubrir cuántas partes de nuestro trabajo no necesitaban que pensáramos tanto.

La inteligencia artificial también viene por las coartadas con las que justificábamos nuestro valor ante el patrón.

🤖 Noticias desde el presente que construyen el futuro

El juicio de Musk contra Open IA ya inició

Elon Musk demandó a OpenAI y Sam Altman el 29 de febrero de 2024. En ese momento los acusó de fraude y de abandonar la misión original de ser una organización sin fines de lucro; Musk retiró esa primera demanda el 11 de junio del mismo 2024, pero la reactivó en corte federal en agosto de 2024. En abril de 2026, el caso entró a juicio, sin los reclamos de fraude, pero centrado en el tema del fideicomiso caritativo y el enriquecimiento injusto.
Todavía no hay certeza de cuál será el resultado de esta acción, pero si duda dará mucho de qué hablar en cuanto se resuelva.

Google y el Pentágono cierran filas

Google firmó un acuerdo clasificado para que el Pentágono use sus modelos de inteligencia artificial en trabajos sensibles del gobierno de Estados Unidos. Según The Guardian, el convenio permite emplear la tecnología para “cualquier propósito gubernamental legal”, aunque incluye restricciones contra vigilancia masiva doméstica y armas autónomas sin supervisión humana.

El acuerdo ocurre después de que el Pentágono impulsara contratos de hasta 200 millones de dólares con laboratorios de IA. La noticia nobha sido bien recibida por todos. Más de 600 empleados de Google pidieron a Sundar Pichai no habilitar sus sistemas para cargas clasificadas, por temor a usos militares o dañinos.

Rostros robados para microdramas con IA

Christine Li, influencer y modelo china de 26 años, descubrió que su rostro fue usado sin permiso para crear un personaje en un microdrama generado con inteligencia artificial.

El contenido apareció en Hongguo, una plataforma de ByteDance dedicada a miniseries ultracortas, y habría sido creado a partir de fotos que Li publicó en redes sociales dos años antes.

El caso también involucró a Baicai, un estilista cuyo rostro fue usado para otro personaje sin autorización. Hongguo retiró el episodio y dijo haber reforzado sus revisiones tras detectar cientos de microdramas que incumplían sus normas. En China, desde abril, la creación de microdramas con ya IA exige licencia.

Pompeya reconstruye una fuga con IA

Los cadáveres modificados de dos hombres que intentaron escapar de la erupción del Vesubio en el año 79 d.C siguen dando noticias.

Uno habría muerto por una corriente piroclástica; el otro, bajo una lluvia de lapilli, llevaba una lámpara, diez monedas de bronce y un mortero de terracota que habría usado para protegerse la cabeza, de acuerdo con el Parque Arqueológico de Pompeya. El rostro de este último fue reconstruido con IA.

La reconstrucción fue realizada con inteligencia artificial y fotorretoque, en colaboración con la Universidad de Padua. El proyecto busca presentar una imagen científicamente fundada y accesible para públicos no especializados.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora

Bienvenido a Sintetika, nuestro newsletter semanal sobre futuro, innovación, tecnología y la construcción de la sociedad del mañana.

🧐 En esta edición encontrarás:

• ¿A quién puede hacerle daño que use IA gratuita en mi trabajo?

• ¿Qué tanto usan mis datos los LLM gratuitos?

• X convierte el feed en una arquitectura personalizable

• WhatsApp prueba un modelo de pago sin tocar la base gratuita

• Gemini encabeza la confianza en inteligencia artificial

• OpenAI lleva la IA al núcleo del descubrimiento farmacéutico

• Encuesta: Si una IA hiciera públicos los datos que maneja tu empresa…

“Los datos son el nuevo petróleo”

—Clive Humby, científico de datos y emprendedor.

Hay algo de placer casi culposo en la idea de una inteligencia artificial gratuita.

Acceso sin costo, poder sin fricción, conocimiento disponible en cualquier momento.

Pero es una ilusión.

Porque la inteligencia artificial no es barata. No puede serlo.

Cada respuesta que recibes es un proceso físico. Electricidad, calor, chips, GPUs funcionando a escala industrial, consumiendo energía de forma constante, incluso voraz.

Se estima que más del 90% del costo de estos sistemas se genera no al entrenarlos, sino al usarlos. A cada consulta corresponde una factura invisible.

Entonces, si no pagas tú… ¿quién paga?

O peor aún: ¿con qué se paga?

El relato dominante dice que pagamos con datos. Pero esa frase, aunque tiene una dosis de verdad, se ha vaciado de significado por su uso indiscriminado. No son “datos” en abstracto. Es algo más preciso. Más personal.

Es contexto.

Es tu forma de pensar y plantear un problema. Es el lenguaje con el que formulas una duda. Es el contrato que pegaste en el chatbot para que te lo explique. Es, en muchos casos, tu trabajo.

La gratuidad no elimina el intercambio. Lo vuelve invisible. Y lo invisible, casi siempre, favorece a alguien más.

Porque en los modelos de paga el dato suele estar contenido, acotado, protegido por diseño y por contrato. En las versiones abiertas, en cambio, la frontera es más difusa. No necesariamente por mala fe, sino porque el sistema está hecho para absorber, procesar y aprender de lo que recibe. No hay una intención explícita de explotar tu información. Pero el modelo necesita alimentarse, aprender y ajustarse… Y hace todo eso con la información que le provees.

Hay una clara asimetría: tú sabes que entregas algo, pero no sabes cómo será usado, ni qué valor tendrá después. El desequilibrio se debe a que la inteligencia artificial no solo captura tu comportamiento. También captura el proceso de cognición.

Es justo decir que reducir todo a explotación es cómodo. Y falso.

Porque la gratuidad también ha hecho algo extraordinario: ha distribuido capacidades cognitivas avanzadas a escala global. Ha permitido que un estudiante, un emprendedor o un profesional sin recursos, todos, accedan a herramientas que, hace apenas una década, eran impensables fuera de laboratorios de élite.

Entonces ha democratizado, sí. Pero también ha precarizado la comprensión de lo que está en juego.

Porque no todas las inteligencias artificiales son iguales. No en potencia, no en precisión, no en responsabilidad. Las versiones gratuitas operan con menos capacidad: menos memoria, menos contexto, más margen de error. Las llamadas “alucinaciones” no son fallas accidentales; son una consecuencia estructural de sistemas que solo usan la probabilidad de que una oración siga a otra.

¿Importa esto en la práctica? ¿Importa para ti?

Depende de para qué las uses.

Para explorar ideas, es irrelevante.
Para escribir un correo, tolerable.
Para revisar un contrato, potencialmente desastroso. No solo por los errores: porque en el proceso puedes estar entregando exactamente aquello que intentabas proteger.

La interfaz no distingue la intención. La experiencia es la misma. La ilusión persiste: esto que me responde después de pegarle mis datos parece inteligente, es coherente, luego, debe ser fiable.

Ahí está el riesgo real. No en la herramienta, sino en la interpretación de la herramienta.

Dentro de las empresas ha crecido el fenómeno: el uso informal, no regulado, casi clandestino, de estas tecnologías. Los empleados, en nombre de la eficiencia, copian y pegan bases de datos, documentos internos, contratos. Y en su gran mayoría desconocen el riesgo implícito.

Es más, esta práctica ya tiene nombre: shadow AI.

Ejemplos sobran. En 2023, un abogado en Nueva York utilizó ChatGPT para redactar una moción. Quería acelerar sus resultados, pero la IA inventó seis precedentes judiciales inexistentes que él usó como pruebas. El tribunal sancionó al abogado (no a las máquinas) con una multa de $5,000 dólares y el caso fue desestimado.

Y no, no es que la gente quiera filtrar información o no tema a los errores.
Simplemente la gente quiere trabajar mejor. Pero poco a poco, sin notarlo, empiezan a depender de la tecnología.
Primero para acelerar. Luego para decidir. Después, para pensar.

La paradoja es brutal: la misma herramienta que promete productividad introduce nuevas superficies de vulnerabilidad. Y lo hace sin alertas visibles, sin sensación de peligro.

El riesgo hoy ya no sólo es un hackeo sofisticado. Es un simple gesto cotidiano: copiar y pegar.

Entonces volvemos a la pregunta inicial: si la inteligencia no es gratuita… ¿quién debe pagarla para evitar riesgos?

La respuesta no es única.

A veces paga la empresa, en forma de suscripciones. Y ya no como optimización de procesos, sino como garantía de estabilidad y protección legal. Y esta protección legal incluye el “escudo de copyright” (si usas una IA de pago y alguien te demanda por violar derechos de autor, tienes el respaldo del dueño de la IA. Si es una versión gratuita, estás solo).

Cuando usas IA gratuita en el trabajo, no pagas con dinero. Pagas con contexto, con información sensible, con fragmentos de tu operación.

Pero hay algo más profundo.

Quizá lo que realmente se está pagando es otra cosa: la transición hacia una nueva infraestructura cognitiva. Porque la inteligencia artificial no es solo software; es una red material de recursos, energía y trabajo humano invisibilizado. Y toda infraestructura, cuando se vuelve esencial, deja de ser opcional.

Ese es el punto de inflexión.

La IA ya no es una herramienta más. Empieza a parecerse a la electricidad, a internet. Algo que no eliges usar, sino que atraviesa todo lo que haces.

Y en ese momento, las interrogantes cambian y no se quedan en la minucia de quién paga.

¿Quién controla las condiciones de acceso?
¿Quién define los límites?
¿Quién absorbe los riesgos?
¿A cambio de qué?

La gratuidad, al final, no es un regalo. Es una arquitectura. Es la creación de una nueva forma de codependencia.

Es una forma de organizar el poder, el conocimiento y el costo sin que parezca que alguien está pagando.

Hasta que alguien (siempre alguien) termina pagando.
Y cada vez con más frecuencia, ese alguien no es otro. Eres tú.

¿Qué tanto usan mis datos los LLM gratuitos?

No hay una homologación entre empresas de IA sobre el uso que le dan a los datos. Pero los usan. Cuando es con un pago de por medio, hay una acuerdo de servicios. Ese acuerdo se convierte en una frontera.

Cuando es un uso gratuito, no es que no haya un acuerdo, pero es muy laxo porque es unilateral y no existe un compromiso vinculatorio. Y cada compañía establece sus condiciones.

Otro aspecto que es necesario destacar es que los modelos gratuitos suelen ser menos poderosos. No sólo es la memoria disponible, sino la capacidad de procesamiento de datos. Por eso los gratuitos son menos inteligentes.

Hay estándares para compararlos y lo que revelan los datos deja ver con claridad la diferencia.

🤖 Noticias desde el presente que construyen el futuro

X convierte el feed en una arquitectura personalizable

X incorporó “custom timelines”, una función que permite reorganizar el feed en múltiples cronologías temáticas dentro de la misma app. Cada usuario puede fijar distintos intereses y alternar entre ellos como si fueran canales independientes, desplazando el modelo de una sola línea de contenido hacia una estructura modular.

El sistema se apoya en la inteligencia artificial de la plataforma, que ajusta la selección según la interacción. La función está disponible inicialmente para suscriptores Premium en iOS y se perfila como un paso más en la personalización algorítmica del consumo de información.

WhatsApp prueba un modelo de pago sin tocar la base gratuita

WhatsApp comenzó a explorar una versión de suscripción llamada “Plus”, orientada a funciones adicionales sin modificar el servicio central. La aplicación, que se ha mantenido gratuita desde su lanzamiento, abre así una nueva vía de monetización dentro del ecosistema de Meta.

Entre las funciones en prueba se encuentran opciones de personalización como stickers exclusivos, temas visuales y mayor capacidad para fijar conversaciones. El servicio aún no tiene precio definido y coexistiría con la versión gratuita, que conservaría su cifrado de extremo a extremo.

Gemini encabeza la confianza en inteligencia artificial

Un estudio del Índice de Satisfacción del Cliente Estadounidense ubicó a Gemini como la inteligencia artificial que genera mayor confianza entre usuarios. Su integración con servicios ampliamente utilizados, como gmail, refuerza la percepción de familiaridad y continuidad en el uso cotidiano.

ChatGPT aparece en segundo lugar, con alta adopción pero con reservas vinculadas a privacidad y precisión. Claude destaca por su enfoque en seguridad. En conjunto, los resultados muestran una relación ambivalente: la adopción crece, pero la confianza no es uniforme.

OpenAI lleva la IA al núcleo del descubrimiento farmacéutico

OpenAI presentó GPT-Rosalind, un modelo diseñado para tareas de genómica y desarrollo de fármacos. La herramienta busca acelerar procesos que actualmente pueden tomar más de una década, mediante el análisis de grandes volúmenes de datos biológicos y químicos.

En pruebas específicas, el sistema mostró un desempeño superior al de expertos humanos en tareas acotadas. Su acceso estará restringido a instituciones verificadas, debido a los riesgos asociados al manejo de información sensible en investigación biomédica.

Gracias por leer Sintetika, el newsletter que te explica el futuro con profundidad y contexto.

Suscríbete ahora