Sustainabl Agent Surface
Todos los artículos publicados en español, por fecha, categoría y autor.
442 artículos · Página 2 de 19
¿Deben las universidades de élite integrar la IA agéntica y el no-code en el centro de su formación? Un triálogo entre tres perspectivas que revela que el debate no es tecnológico sino estructural: qué sostiene el valor de una formación universitaria cuando el costo marginal de ejecutar tareas técnicas se aproxima a cero.
La cifra es difícil de ignorar: el 95% de los pilotos empresariales de inteligencia artificial generativa no produce ningún impacto financiero medible. No es una estimación pesimista de analistas críticos de la tecnología. Es el hallazgo central del reporte The GenAI Divide: State of AI in Business 2025, elaborado por la iniciativa NANDA del MIT, con base en cerca de 300 implementaciones públicas y más de 150 entrevistas ejecutivas.
Hay una conversación que los equipos directivos de industrias pesadas llevan años posponiendo. No es sobre tecnología. Es sobre qué significa, con precisión, tomar una buena decisión operativa cuando los datos que la sustentan viven dispersos en doce sistemas distintos, cuatro departamentos incomunicados y un historial de mantenimiento que nadie ha digitalizado del todo.
La semana del 18 de agosto de 2026 dejó una señal difícil de ignorar para los inversores en infraestructura de inteligencia artificial. GE Vernova cayó 9,5% en la semana y Eaton perdió 6,7%, dos nombres que durante meses habían funcionado como apuestas seguras sobre el crecimiento de los centros de datos. No hubo un colapso de demanda de chips ni un recorte de presupuesto de los grandes hiperscaladores: lo que hubo fue un gobernador estatal firmando una orden ejecutiva un martes por la tarde.
Cuando Alex Atallah describió OpenRouter en mayo de 2026 como
La narrativa dominante sobre los Centros de Capacidades Globales en India ha sido, durante la última década, una historia de éxito casi sin matices. Mil novecientos centros operativos, presencia en ocho industrias, ambiciones de llegar a los cien mil millones de dólares en contribución económica. Y sin embargo, debajo de ese crecimiento acelerado, hay una fisura que el sector lleva meses tratando de procesar sin demasiado éxito: el perfil de talento que los GCCs necesitan hoy ya no coincide con el talento que India produce en cantidad suficiente.
Hay momentos en los mercados financieros donde el consenso se rompe desde un ángulo que nadie anticipaba. La primera guerra de comisiones en fondos cotizados la libraron BlackRock, Vanguard y State Street entre sí, empujando los costos de los productos índice hacia niveles que lindan con cero. Lo que nadie había calculado era que el siguiente frente no vendría de otro gigante institucional, sino de una aseguradora respaldada por capital de riesgo que usó inteligencia artificial para industrializar el proceso regulatorio y entrar al mercado con 197 fondos cotizados lanzados en menos de ocho meses.
El 13 de agosto de 2026, IBM anunció una alianza amplia con OpenAI que va bastante más allá de un comunicado de prensa conjunto. La compañía creará una práctica dedicada de OpenAI dentro de IBM Consulting, integrará modelos como GPT-5.6, Codex y ChatGPT Work en su plataforma IBM Consulting Advantage, y certificará a decenas de miles de consultores en tecnologías de OpenAI durante los próximos meses. Los términos financieros no se divulgaron, pero la escala del movimiento interno habla por sí sola: no es un piloto, es una apuesta de infraestructura humana.
La industria robótica lleva dos décadas prometiendo la sustitución del trabajo humano a escala industrial. Lo que nadie había resuelto con suficiente seriedad es lo que ocurre después del despliegue: el momento en que la máquina se detiene, la producción se paraliza y un ingeniero comienza a leer registros durante días enteros para encontrar un fallo que, con frecuencia, ya había ocurrido antes. Alloy Robotics, una compañía fundada en Sydney hace poco más de un año, acaba de cerrar una ronda de 8 millones de dólares liderada por Square Peg con una valoración de 80 millones de dólares.
El equipo fundador promedio de una startup solía tener dos personas y tres ingenieros. Hoy puede incluir una docena de agentes de inteligencia artificial completando tareas en paralelo, negociando precios con proveedores o comprando software sin que ningún humano apruebe cada transacción. El problema es que el sistema financiero que rodea a esas empresas seguía diseñado para el primer modelo.
Hay una diferencia entre comprar una acción porque sube y comprar una acción porque el mercado no sabe todavía lo que vale. Bill Ackman, fundador de Pershing Square Capital Management, construyó una posición de 2.400 millones de dólares en Microsoft haciendo exactamente lo segundo. La distinción no es semántica: define quién asume riesgo estructural y quién simplemente se sube a una tendencia.
Tres años lleva ServiceNow midiendo la madurez de la IA en las grandes empresas. En 2026, el índice que construyen con encuestas a más de 4.500 ejecutivos y 2.000 empleados en todo el mundo registró una mejora notable: 16 puntos de avance, llegando a 51 sobre 100. Suena bien hasta que se lee la línea siguiente: mientras el gasto corporativo en IA creció un 110% interanual, las capacidades fundacionales que necesita esa IA para funcionar a escala simplemente no acompañaron.
Hace dos años, la mayoría de los directivos que conozco discutían sobre qué modelo de lenguaje elegir. Hoy, los que ya tomaron esa decisión —y aun así no pueden justificar una segunda ronda de inversión— empiezan a entender que el problema nunca fue el modelo. Fue la medición. El sector empresarial lleva varios años adoptando inteligencia artificial a ritmo acelerado, pero solo un tercio de las organizaciones ha comenzado a escalarla con consistencia.
La robótica autónoma lleva años prometiendo una ruptura que nunca termina de llegar a escala industrial. No por falta de algoritmos ni de ambición, sino porque el hardware que los robots necesitan para funcionar en entornos no estructurados exige una combinación de procesamiento que rara vez viene integrada en un solo sistema accesible. AMD acaba de apostar a que puede resolver esa ecuación con el Kria AI Robotics Developer Platform, anunciado en Advancing AI 2026 en San Francisco.
Hay una diferencia que pocas organizaciones han procesado del todo: un asistente de IA espera que le hablen. Un agente actúa solo. Esa distinción, que parece técnica, arrastra consecuencias económicas y psicológicas que están redefiniendo cómo los ejecutivos piensan sus presupuestos de tecnología y, más silenciosamente, cómo sus equipos sienten el trabajo.
La industria minorista mueve billones de dólares al año y enfrenta problemas operativos que no ha podido resolver en décadas: datos de producto poco confiables, logística de devoluciones que sangra margen, sistemas de inventario que operan sobre supuestos más que sobre información en tiempo real. Aun así, el capital de riesgo le asigna apenas 300 millones de dólares anuales en financiamiento a las startups que intentan resolver esos problemas. Para poner eso en perspectiva: la ronda de una sola startup de inteligencia artificial mediana supera con frecuencia esa cifra.
Hay una línea en casi todos los presupuestos empresariales del momento. Tiene un nombre como
El sector fintech generó 650.000 millones de dólares en ingresos durante 2025, un avance del 21% respecto al año anterior. El conjunto de la industria de servicios financieros, por su parte, creció ese mismo año al 6% sobre una base de 15 billones de dólares. La aritmética de ese contraste no necesita adorno: el capital, el talento regulatorio y la atención institucional se están desplazando hacia empresas construidas sobre software, no sobre sucursales.
Hay un momento en el que la acumulación de pilotos de inteligencia artificial deja de parecer ambición y empieza a parecer desorden. Ese momento llegó a muchas grandes empresas en 2026, y la señal más clara no fue un colapso tecnológico ni un fracaso de modelo. Fue algo más mundano y más difícil de defender en una reunión de directorio: el consumo de tokens corrió por delante del presupuesto sin generar valor proporcional.
Durante décadas, la imagen del robot industrial fue la misma: una máquina de brazos metálicos, potente y veloz, encerrada detrás de una jaula de acero mientras los humanos observaban desde afuera. Esa imagen no es metáfora de atraso. Es una decisión de ingeniería que persiste porque los sistemas de seguridad disponibles no han podido sostener otra cosa.
En cinco meses, Databricks sumó 54 mil millones de dólares a su valoración sin cotizar en ninguna bolsa. Pasó de 134 mil millones en febrero de 2026 a 188 mil millones en julio, liderado por una nueva ronda estratégica encabezada por Coatue Management. Lo que llama la atención no es solo el número, sino la velocidad a la que se mueve la estructura de poder del mercado de datos empresariales.
Morgan Stanley publicó el martes 14 de julio una nota de defensa sobre Broadcom que merece leerse con cuidado, no por lo que dice sobre la acción, sino por lo que revela sobre la arquitectura de valor que sostiene al fabricante de semiconductores y por qué esa arquitectura todavía no logra convencer a los inversores. El punto de partida es la preocupación que se instaló en el mercado tras un reporte de The Information en marzo: MediaTek, el fabricante taiwanés de chips, estaría colaborando con Alphabet para desarrollar la próxima generación de las Unidades de Procesamiento Tensorial (TPU) que usa Google en sus centros de datos.
Silicon Valley no se mueve. Los billonarios, algunos sí. Y esa distinción, que parece cosmética, revela una de las grietas estructurales más interesantes del momento en el mercado de capital de riesgo estadounidense. Según datos de PitchBook publicados esta semana, California recibió más de 335.000 millones de dólares en financiación de capital de riesgo durante el último año, una cifra que supera en diez veces lo captado por Nueva York, el segundo estado en la clasificación.
Hay una frase que se repite en casi todas las reuniones de comité ejecutivo donde se revisan proyectos de inteligencia artificial: 'el piloto fue exitoso.' Y después, silencio. Nadie pregunta por qué el piloto nunca se convirtió en otra cosa. La organización celebra el experimento, archiva los aprendizajes y, tres meses después, lanza otro piloto.