Sustainabl Agent Surface
Todos los artículos publicados en español, por fecha, categoría y autor.
442 artículos · Página 5 de 19
El Índice de Evolución Digital 2026, elaborado por Digital Planet en la Fletcher School de la Universidad de Tufts junto con Via Science Inc., no es solo un ranking de 125 países. Es una radiografía de cómo el mapa de la economía digital dejó de ser uno solo. Durante los primeros veinticinco años de la era digital, el supuesto operativo era sencillo: el mundo convergía.
Hay una forma de fracaso empresarial que no aparece en los dashboards de adopción de IA. No se mide en tokens procesados ni en usuarios activos. Se manifiesta cuando un modelo perfectamente entrenado entrega resultados que nadie dentro de la organización puede confiar con consistencia.
Hay una imagen que circuló durante meses en foros de diseño y producción audiovisual: un director creativo mirando una pantalla llena de variantes generadas por IA, todas técnicamente correctas, todas editorialmente vacías. La imagen capturaba algo que los datos de productividad no podían: que el problema nunca fue velocidad de generación, sino que nadie había resuelto cómo encauzar esa velocidad hacia una intención específica. Eso es lo que está cambiando ahora, y el cambio no llega con fanfarria.
Cuando Nikesh Arora declaró que 'el apocalipsis del SaaS ha muerto, al menos en ciberseguridad', no estaba simplemente animando a sus inversores después de un trimestre complicado. Estaba trazando una línea divisoria en el mapa de la industria del software: de un lado, los modelos que la inteligencia artificial amenaza con volver obsoletos; del otro, los que se alimentan exactamente de la misma fuerza que supuestamente iba a destruirlos.
Simon Song tenía 29 años cuando cerró una ronda de $200 millones y cruzó el umbral del billón de dólares en valoración. VAST, su startup de modelos de inteligencia artificial para contenido tridimensional, acaba de convertirse en unicornio. El anuncio llega apenas tres meses después de que la compañía cerrara su Serie A con $50 millones liderada por Alibaba y Hengxu Capital.
Hay una brecha entre lo que los ejecutivos dicen creer sobre la inteligencia artificial y lo que sus organizaciones hacen con ella. No es una brecha de conocimiento. Es una brecha de atención estratégica, y tiene un costo que pocas juntas directivas han cuantificado con honestidad.
El primer día de junio de 2026, el mercado bursátil estadounidense dejó una imagen que vale más que cualquier reporte macro: mientras Intel caía 4.05% y Texas Instruments perdía 4.73%, Nvidia subía 4.87% y Micron Technology se disparaba 5.90%. En el mismo día, Exxon Mobil ganaba 2.64% y Chevron 2.68%, con una consistencia que el sector tecnológico no pudo replicar. La tecnología se fragmentó. La energía avanzó en bloque.
Tres cuartas partes de las firmas de capital de riesgo ya usan inteligencia artificial para evaluar oportunidades de inversión. El dato, por sí solo, suena a modernización inevitable. Pero hay una tensión estructural que ese porcentaje no captura: los modelos de lenguaje son extraordinariamente buenos haciendo exactamente lo que el capital de riesgo no puede permitirse hacer con demasiada frecuencia, que es mirar hacia atrás.
Tres cuartos del capital de riesgo levantado en el último año fueron a parar a cinco empresas. No cinco sectores. No cinco categorías. Cinco compañías. Esa cifra, dicha sin eufemismos por Niko Bonatsos de Verdict Capital en un panel reciente de TechCrunch en Atenas, resume con más precisión que cualquier informe de mercado lo que está pasando en el capital de riesgo global: una concentración sin precedentes que convive, paradójicamente, con un discurso de innovación distribuida y oportunidad abierta.
Hay un momento en la evolución de cualquier mercado tecnológico en que los competidores dejan de diferenciarse por lo que sus productos hacen y empiezan a diferenciarse por cómo sus clientes los controlan. IBM llegó a ese momento con claridad en su conferencia Think 2026 en Boston, donde presentó lo que llama un modelo operativo agéntico construido sobre cuatro pilares: agentes, datos, automatización y soberanía híbrida. El último de esos pilares, y el más estratégicamente cargado, es IBM Sovereign Core, una plataforma de gobernanza que opera a nivel de la infraestructura de ejecución, no como capa de configuración de aplicaciones.
La imagen oficial de la adopción empresarial de inteligencia artificial luce prolija: inversiones aprobadas, proyectos piloto en marcha, dashboards con métricas de productividad. Pero hay una capa que esos reportes no capturan, y es exactamente donde se acumula el riesgo real. El Ciclo de Hype de Gartner ubica hoy a la IA generativa en el 'Valle del Desencanto', la tercera de cinco etapas donde las expectativas empiezan a medirse contra resultados concretos.
Hay un momento en que una empresa deja de gestionar su transición y empieza a administrar su miedo. La adquisición de Stack AI por 75 millones de dólares, anunciada el 29 de mayo de 2026, llega justo en ese umbral. Asana ha perdido aproximadamente la mitad de su valor de mercado desde que comenzó el auge de la inteligencia artificial.
Hay decisiones corporativas que suenan a eficiencia y en realidad son apuestas. La que Marc Benioff acaba de verbalizar en la llamada de resultados del primer trimestre fiscal del año 2027 de Salesforce pertenece a esa categoría. El director ejecutivo de la plataforma en la nube valuada en 145.000 millones de dólares fue explícito: la empresa no está contratando más ingenieros, no está expandiendo las funciones administrativas y generales, y el único frente donde el organigrama crece es el área de ventas.
Hay un dato en esta historia que merece detenerse antes de hablar de rondas de financiación o modelos de lenguaje: según el CEO de Orbital Industries, desarrollar un nuevo fluido refrigerante para centros de datos tomaría, en condiciones normales, diez años y cien millones de dólares. La compañía dice haberlo hecho en meses, a una fracción de ese costo. Si ese dato resiste la validación de los grandes fabricantes de chips, no estamos ante un logro de laboratorio.
Hay un momento en la vida de toda plataforma digital donde el juego cambia por completo. Dejas de obsesionarte con cuántos usuarios tienes y empiezas a preguntarte cuánto dinero puedes sacarle a los que ya están. Spotify acaba de anunciar que llegó a ese momento, y Bank of America le está aplaudiendo desde la primera fila.
Más de 1,5 billones de dólares en valuaciones de software empresarial se evaporaron en los últimos dos años. No por falta de inversión en inteligencia artificial, sino porque la inversión aterrizó en el lugar equivocado. Esta es la paradoja que define el momento actual: las empresas nunca han gastado tanto en IA y, al mismo tiempo, nunca ha sido tan difícil mostrar dónde está el valor.
Hugging Face acaba de publicar los planos, el cableado y el software para construir un par de piernas humanoides por aproximadamente $2.500 en partes. No hay brazo, ni torso, ni cabeza. Solo piernas bípedas impresas en 3D, ensambladas con componentes de estante. La pregunta que eso abre no es técnica. Es estructural: cuando una plataforma de inteligencia artificial decide bajar el costo de entrada del hardware robótico a un precio equivalente al de una laptop de gama media, está moviendo una pieza del tablero que no se mueve solo por generosidad.
Hay una forma muy extendida de equivocarse con la inteligencia artificial en las empresas. Consiste en medir la madurez de un sistema por cuántos puestos logró eliminar. Esa métrica no mide madurez: mide velocidad sin gobierno, que es exactamente la condición que antecede a los colapsos más costosos en sistemas críticos.
Hay una imagen que se repite en las conversaciones con managers de empresas tecnológicas, consultoras y equipos de producto: alguien sentado frente a la pantalla a las once de la noche, leyendo borradores que sus reportes directos generaron durante la tarde. No porque el equipo haya trabajado más horas. Sino porque la IA los hizo producir el equivalente a tres días de trabajo antes del almuerzo.
Hay un momento en la historia de cualquier campo científico en que el lenguaje cambia antes que la realidad. Primero se empieza a hablar de algo como si ya fuera cierto; después, lentamente, lo es. Con la biología programable estamos en ese umbral. El ADN, durante décadas un objeto de lectura, se está convirtiendo en un objeto de escritura.
La paradoja está sobre la mesa desde el primer momento. Una empresa que opera plantas de manufactura con décadas de antigüedad, que distribuye bebidas y snacks a escala global, y que lleva más de un siglo construyendo marcas de consumo masivo, acaba de declarar en público que su ventaja competitiva en talento no viene de saber programar modelos de lenguaje. Viene del hustle.
Hay un patrón que se repite en la historia de las empresas tecnológicas que buscan abrirse a mercados de capitales: el momento en que la narrativa de usuarios masivos ya no alcanza y necesitan mostrar algo más concreto. OpenAI está ahí. Y la herramienta que eligió para hacer ese argumento no es ChatGPT, sino Codex, su producto de asistencia al desarrollo de software, que en los últimos dos meses ha recibido actualizaciones con una frecuencia que ningún competidor ha igualado.
China no está probando si un robot puede fregar el suelo de una fábrica. Está probando si puede fregar el suelo de tu casa, hacer tu cama y freír un huevo mientras tú te duchas. Eso es exactamente lo que GigaAI, una startup fundada en 2025 con respaldo del brazo inversor de Huawei, anunció en mayo de 2026: el SeeLight S1, un robot humanoide de dos brazos y ruedas, diseñado específicamente para el entorno doméstico.
Hay un relato que circula con comodidad en los directorios: la inteligencia artificial va a eliminar puestos, reducir nómina y liberar capital. Es un relato cómodo porque tiene la forma de una decisión financiera limpia. El problema es que los datos no lo sostienen.