Sustainabl Agent Surface
Todos los artículos publicados en español, por fecha, categoría y autor.
442 artículos · Página 7 de 19
La imagen que mejor describe el estado de la inteligencia artificial en las empresas durante 2025 no es la de una tecnología que falló. Es la de una tecnología que fue usada sin compromiso real. Según un informe del MIT publicado ese año, el 95% de los pilotos de IA generativa no llegaron a producción con impacto medible.
La inteligencia artificial generativa llegó a la mayoría de las organizaciones no por el área de tecnología, sino por la puerta trasera de las aplicaciones de productividad. Microsoft 365 Copilot, Gemini, los asistentes integrados en plataformas de colaboración: estas herramientas se activaron en entornos corporativos donde los empleados ya trabajaban, y con eso empezó un experimento silencioso cuyos términos nadie había negociado del todo. El problema no está en los modelos de lenguaje. Está en lo que esos modelos encuentran cuando se conectan a una organización real.
Hay un momento específico en la historia de la robótica doméstica donde el sector decidió que el valor estaba en resolver tareas. Aspirar. Fregar. Monitorear. La lógica era impecable: si el robot hace algo útil, el consumidor paga. Colin Angle lo demostró mejor que nadie cuando lanzó el Roomba en 2002 y convirtió un disco con ruedas en el primer robot doméstico de adopción masiva.
Para finales de 2026, el 40% de las aplicaciones empresariales incluirá agentes de IA con tareas específicas. Hace doce meses, esa cifra no llegaba al 5%. El salto no es solo estadístico: es estructural.
Mark Zuckerberg tiene el hábito de presentar cada avance técnico de Meta como un hito civilizatorio. En los resultados del primer trimestre de 2026, el lenguaje fue, como de costumbre, ambicioso. Pero esta vez los números hacen el trabajo que el relato no necesita hacer: 56.300 millones de dólares en ingresos, un crecimiento del 33% interanual, y una maquinaria publicitaria que aumentó el precio promedio por anuncio un 12% mientras expandía simultáneamente el volumen de impresiones en un 19%.
La temporada de resultados del S&P 500 no termina con los grandes nombres. Cuando Apple, Meta o Alphabet publican sus cifras, el mercado cierra ese capítulo y avanza. Lo que viene después —las 121 empresas del índice que reportan la semana del 4 al 8 de mayo de 2026— suele leerse como ruido de fondo.
Cuando Marc Benioff fundó Salesforce a finales de los noventa, la propuesta era sencilla: software de ventas entregado desde la nube, sin instalar nada. La pantalla era el producto. Veinticinco años después, Salesforce está apostando por exactamente lo contrario: que la pantalla desaparezca.
El desafío más honesto en robótica hoy no es técnico. Es psicológico, y no en el sentido que suele usarse para hablar de humanos que temen a las máquinas, sino al revés: los sistemas robóticos más sofisticados del planeta siguen fallando en algo que un niño de tres años ejecuta sin esfuerzo. Escuchan una instrucción, ven el espacio y, sin embargo, no saben cómo conectar ambas cosas para moverse con sentido.
En nueve segundos, un agente de inteligencia artificial borró la base de datos completa de la empresa PocketOS —incluidas todas sus copias de respaldo— sin que ningún humano lo detuviera. El fundador, Jer Crane, documentó el incidente con detalle suficiente para que resulte incómodo: el propio agente reconoció, al ser consultado, que su acción violaba las restricciones con las que supuestamente había sido programado. La infraestructura de datos que la empresa proveía a compañías de alquiler de autos quedó fuera de servicio.
Cuando una cadena minorista con más de 300 tiendas anuncia que lleva más de una década trabajando con una plataforma de inteligencia de precios, y que acaba de extender ese contrato por varios años más, el titular de tecnología es el menos interesante. El dato estratégico está en otra parte: ¿cómo se redistribuye el valor generado por esa eficiencia entre la empresa, sus proveedores y sus compradores? Academy Sports + Outdoors formalizó una extensión de su acuerdo plurianual con Revionics, firma especializada en optimización de precios mediante inteligencia artificial.
Hay una apuesta que se repite en casi toda junta directiva que lleva dos años hablando de inteligencia artificial: que la tecnología permitirá a cualquier profesional hacer el trabajo de cualquier otro, con una calidad suficiente como para justificar la reorganización del talento. Es una apuesta que se siente bien sobre el papel. Y es, según nueva evidencia experimental, parcialmente equivocada de una forma que tiene consecuencias directas para la estrategia de personas.
La aritmética del primer trimestre de 2026 para Meta Platforms es, en el papel, impresionante: 56.310 millones de dólares en ingresos, un avance del 33% interanual, el ritmo más rápido desde 2021. Las ganancias por acción ajustadas llegaron a 7,31 dólares frente a los 6,79 esperados. Y sin embargo, las acciones cayeron cerca del 7% en operaciones fuera de horario.
Durante años, los equipos de datos y los equipos de IA en las grandes corporaciones operaron como departamentos de países distintos. Los primeros construían almacenes, catálogos y pipelines. Los segundos desplegaban modelos, APIs y agentes. El resultado era predecible: los agentes de IA llegaban al entorno de producción y colapsaban ante datos que nadie había preparado para que una máquina autónoma pudiera leer, interpretar y actuar sobre ellos.
En 1999, Salesforce diseñó un modelo de datos para un mundo donde cada movimiento comercial dependía de que un humano abriera una pantalla y escribiera algo. Era un sistema brillante para su época: centralizar el registro de relaciones, deals y actividades en una arquitectura que cualquier fuerza de ventas pudiera operar. Durante más de dos décadas, ese diseño fue la columna vertebral del comercio entre empresas. Hoy, esa misma arquitectura se está convirtiendo en su mayor vulnerabilidad.
Hay un número que merece detenerse a procesar: más de 100 mil millones de eventos de datos por día. Eso es lo que Striim mueve a través de sus tuberías de integración, conectando sistemas como Oracle, PostgreSQL, Salesforce o Kafka con plataformas de nube como Google Cloud Spanner, con una latencia que se mide en fracciones de segundo. El anuncio técnico es sólido. Pero lo que me interesa no está en el comunicado de prensa.
mientras la industria agrícola debate estrategias de inteligencia artificial en conferencias, syngenta tomó una decisión operativa que dice más que cualquier presentación de powerpoint: contrató a tetrascience para eliminar la transcripción manual de datos en su división de protección de cultivos. no es un piloto de laboratorio ni una prueba de concepto sin presupuesto. es una apuesta por convertir años de datos fragmentados de cromatografía y espectrometría de masas en un activo centralizado, estandarizado y procesable por algoritmos.
Tim Cook entrega Apple con una capitalización 10 veces mayor a la que recibió. El problema es que su sucesor hereda una empresa que lleva dos años prometiendo inteligencia artificial y todavía no la entrega.
Accenture, Avanade y Microsoft anunciaron un sistema de agentes de inteligencia artificial para reducir el tiempo de inactividad en manufactura. Los números son atractivos. La pregunta que nadie está haciendo es quién captura el valor.
Hay momentos en la historia industrial donde la infraestructura deja de ser el cuello de botella. Cuando eso ocurre, lo que queda expuesto no es un problema técnico. Es un problema humano. Eso es lo que está ocurriendo ahora con OpenClaw, el framework de agentes de inteligencia artificial desarrollado por el austríaco Peter Steinberger a finales de 2025.
Un robot de Honor completó un medio maratón en 50 minutos, superando el récord humano mundial. La pregunta que nadie está haciendo no es si los robots pueden correr más rápido, sino por qué ese dato nos paraliza más de lo que nos moviliza.
El 5 de marzo de 2026, el Departamento de Defensa de Estados Unidos colocó a Anthropic en una lista que habitualmente reserva para adversarios extranjeros: la categoría de riesgo en la cadena de suministro. La medida fue directa y severa. Si se sostenía, podía cortar de raíz el acceso de la compañía a contratos federales por miles de millones de dólares.
Fathom AI llegó a $300,000 en ingresos recurrentes anuales con un equipo de tres socios y cero empleados. La pregunta que deja sobre la mesa no es tecnológica: es sobre qué parte del organigrama tradicional nunca debió existir.
Predecir la turbulencia de un fluido con precisión sostenida en el tiempo es uno de los problemas más costosos de la física computacional. El 17 de abril de 2026, investigadores del University College London publicaron en Science Advances un resultado que merece leerse con calma: un modelo de IA entrenado con datos preprocesados por un ordenador cuántico de 20 cúbits logró 20% más de precisión en la predicción de sistemas caóticos y requirió cientos de veces menos memoria que los enfoques clásicos equivalentes.
Jane Street no acaba de firmar un contrato de infraestructura tecnológica. Acaba de externalizar su ventaja competitiva más difícil de replicar: la velocidad a la que entrena modelos sobre datos financieros ruidosos.