Toshio Fukuda lleva cincuenta años en esto. Más de dos mil artículos publicados. Robots modulares que se ensamblan como piezas de Lego biológico. Cuando IEEE le entregó el Premio Richard M. Emberson 2026 —uno de los honores más altos del instituto— no estaba reconociendo un invento puntual. Estaba reconociendo a alguien que, durante décadas, construyó la infraestructura intelectual sobre la que opera la robótica moderna.
Hay un patrón que se repite cada vez que una tecnología pasa de experimento a infraestructura crítica: en algún punto emerge una capa de control que nadie había planificado formalmente, pero que termina siendo el lugar donde se toman las decisiones que más importan. Ocurrió con los balanceadores de carga en la web, con los planos de control en la nube y con los service meshes en la era de los microservicios. Ahora está ocurriendo con los agentes de inteligencia artificial, y el nombre que está tomando esa capa es el de pasarela de agentes.
Hay un patrón que se repite con suficiente consistencia en el mercado de software financiero para retail como para merecer atención específica: el descuento que nunca termina. Sterling Stock Picker, una herramienta de análisis bursátil que se presenta como potenciada por OpenAI, lleva meses circulando por plataformas de ofertas como StackSocial, AppSumo, Dealify y Pick Your Plum con precios que oscilan entre 48 y 68 dólares por acceso de por vida, sobre un precio de lista de 486 dólares. El producto no es lo que importa analizar. Lo que importa es el modelo que revela.
En Castlemaine, una localidad de 10.000 habitantes en el centro de Victoria, Australia, un grupo de voluntarios ha construido sin financiación pública un sistema de recolección de residuos orgánicos que cubre más de 650 hogares, ha procesado cerca de 50.000 cubos de desechos de cocina y jardín, y ha generado suficiente presión política como para que el consejo local frenara la implementación de un programa gubernamental obligatorio. No es una historia de activismo ambiental. Es una historia sobre quién controla el flujo de un recurso que los gobiernos estatales y las grandes compañías de gestión de residuos están comenzando a valorar en términos de contratos, márgenes y posición de mercado.
En la esquina donde Jalan Ampang se encuentra con Jalan P. Ramlee, a metros del perímetro del KLCC, existe una parcela de 1,6 acres que ha permanecido en el balance de UEM Sunrise durante años sin generar rendimiento operativo directo. El 3 de julio de 2026, esa tierra dejó de ser un activo latente: el grupo firmó un Acuerdo de Derechos de Desarrollo con EXSIM KLCC Sdn Bhd que garantiza a UEM Sunrise una contraprestación de RM415 millones, más participación en las ganancias futuras del proyecto. El mecanismo elegido no es una venta, tampoco es un desarrollo propio.
Hay algo revelador en que una encuesta a más de 700 ejecutivos de alto nivel, en 12 países, produzca como hallazgo central una brecha que cualquier director de operaciones reconocería al instante: las organizaciones saben que deben cambiar, aprueban el cambio, lo enmarcan en una estrategia, y luego no pasan de ahí. El Project Management Institute acaba de publicar los resultados de esa investigación, junto con un Manifiesto para la Agilidad Empresarial desarrollado en colaboración con Agile Alliance, y los números que emergen no son los de una industria en proceso de maduración. Son los de una industria con un problema de diseño estructural que lleva años sin diagnóstico preciso.
En el verano de 2026, el evento que durante quince años funcionó como feria de fanáticos y plataforma de selfies con YouTubers famosos hizo algo inesperado: se comportó como un congreso de industria madura. VidCon no llenó sus salas más importantes con conversaciones sobre cómo conseguir más seguidores. Las llenó con conversaciones sobre contratos, derechos de imagen ante la inteligencia artificial, acceso a salud, sistemas de crédito para creadores y marcos legales para una fuerza laboral que lleva más de una década sin representación organizada.
Hay algo que choca a primera vista en el modelo que acaba de anunciar Omnea: una empresa de software de inteligencia artificial con sede en Londres que, en lugar de retener talento a toda costa, construye una estructura formal para financiar la salida de sus mejores empleados. El fondo se llama Omnea Future Founders Fund, opera en asociación con Firedrop —un fondo ángel europeo— y ofrece a cualquier empleado que complete cinco años en la empresa la posibilidad de presentar su idea en una reunión de treinta minutos y recibir 250.000 dólares de inversión semilla con una decisión en menos de veinticuatro horas.
Un café independiente con dos sucursales en Londres intentó registrar 'Eat Drink Work' como su eslogan. Lo que parecía un trámite administrativo rutinario derivó en una oposición formal de una subsidiaria de Mitchells & Butlers, uno de los grupos de hostelería más grandes del Reino Unido, con ingresos de 1.500 millones de libras en el primer semestre y más de 1.800 locales. El argumento: que el eslogan del café es demasiado parecido a su marca registrada 'Eat Drink Meet'.
Hay un número que debería estar encima del escritorio de cada CFO que hoy firma un presupuesto de inteligencia artificial: 40%. Esa es la proporción de compañías que, según una encuesta reciente de Bain & Company a 951 grandes corporaciones globales, midió sus ahorros reales de IA y los encontró en el rango de cero a diez por ciento. No porque la tecnología fallara en producción. Sino porque el valor prometido nunca llegó a convertirse en valor capturado.
La caída del 19% en una sola semana no es ruido de mercado. Es el mercado leyendo en voz alta algo que los números llevaban meses intentando decir. Oracle acaba de registrar su peor semana bursátil desde agosto de 2001, cuando la burbuja puntocom se desinflaba y el precio de las acciones de muchas empresas tecnológicas no reflejaba otra cosa que el colapso de sus modelos.
La mayor fricción en la adopción de inteligencia artificial empresarial no es técnica. No está en los modelos, ni en la calidad de los datos, ni en la capacidad de cómputo. Está en el contrato. Mientras las organizaciones invierten cientos de millones en implementaciones de IA esperando retornos estructurales, la mayoría sigue firmando acuerdos que premian el tiempo invertido, no el impacto generado.
Hay un patrón que se repite cada vez que una tecnología cambia las reglas del juego a velocidad suficiente: los primeros en absorber el costo son quienes menos margen tienen para hacerlo. La convergencia entre inteligencia artificial y computación cuántica está siguiendo ese patrón con una precisión incómoda. Los atacantes se benefician de herramientas que reducen el tiempo y el costo de sus operaciones.
Más de la mitad de las grandes organizaciones del mundo ya tiene inteligencia artificial generativa operando en alguna parte de su negocio. Eso es un hecho documentado. Lo que no se documenta con la misma facilidad es lo que ocurre debajo de esa estadística: sistemas que procesan datos sensibles sin que nadie haya definido quién los supervisa, agentes autónomos que toman decisiones dentro de flujos de trabajo que ningún equipo de seguridad ha auditado, y capas de gobernanza que llegaron tarde o directamente no llegaron.
Hace diez años, fundar una empresa de software requería ingenieros, infraestructura propia, meses de desarrollo y un presupuesto que la mayoría de los fundadores no tenía. Hoy, una persona sola puede tener un producto funcional en un fin de semana usando herramientas de programación asistida por inteligencia artificial. El cuello de botella se desplazó por completo, y ese desplazamiento cambia la estructura de casi todos los modelos de negocio en tecnología.
Durante la última edición de la London Climate Action Week, algo cambió en el tono de las conversaciones. Menos apetito por anuncios, más exigencia de resultados medibles. El campo lleva años celebrando prototipos, pilotos y rondas de financiamiento con la misma energía que antes se reservaba para los despliegues reales.
Cuando Tata Motors anunció en julio de 2025 la adquisición del negocio de vehículos comerciales de Iveco Group por aproximadamente $4.500 millones en efectivo, el mercado reaccionó como suele hacerlo ante movimientos de esta escala: las acciones del comprador cayeron cerca de 4% en el BSE mientras las del vendedor subían 7,4%. La lectura de corto plazo era predecible. La de mediano plazo, más interesante.
Hay una paradoja que recorre las salas de finanzas de las mayores corporaciones del mundo: las organizaciones que más están invirtiendo en inteligencia artificial son, con frecuencia, las que menos están obteniendo de ella. No por falla tecnológica. La tecnología funciona. El problema está en el otro lado de la ecuación, el lado que nadie presupuestó con suficiente seriedad.
Hay un momento incómodo que se repite en las salas de conferencias de las grandes empresas de consumo masivo: alguien presenta un dashboard con cientos de métricas de retail media, todos asienten, y nadie sabe exactamente qué decisión tomar con eso. El panel que CVS Media Exchange y Adweek montaron en Cannes Lions este año no fue una presentación de producto ni un anuncio de inversión. Fue, más bien, el reconocimiento público de ese momento incómodo, elevado a diagnóstico de industria.
Hay una imagen que vale más que cualquier análisis posterior: David Silver, uno de los investigadores más respetados en aprendizaje por refuerzo, conectado a una videollamada con un fondo de capital de riesgo, sin presentación, sin documento de respaldo, describiendo un sistema de inteligencia artificial que eventualmente aprendería a interactuar con tostadoras. Semanas después, los titulares anunciaban que Ineffable Intelligence había levantado 1.100 millones de dólares en la ronda semilla más grande de la historia de Europa, con una valuación de 5.100 millones de dólares. Una empresa sin producto, sin ingresos y con una tesis de negocio que su propio blog describe como un riesgo significativo de fracaso a cambio de una oportunidad de éxito espectacular.
Hay un objeto en el mostrador de casi cualquier pequeño negocio que durante décadas fue invisible: la terminal de pago. Nadie le preguntaba si era inclusiva, si favorecía a un tipo de cliente sobre otro, si la elegía el dueño de la tienda o se la entregaba el banco. En junio de 2026, Forbes Advisor publicó su ranking de las diez mejores terminales de tarjetas de crédito para pequeñas empresas, y lo que describe no tiene demasiado que ver con una terminal.
Hay una frase que se escucha cada vez más en conversaciones de arquitectura de nube: 'el modelo viene de AWS, está seguro'. Es una frase corta que encierra un supuesto de enorme peso, y que ningún auditor responsable debería dejar pasar sin examinarlo. El artículo publicado en Forbes Technology Council plantea algo que las organizaciones con grandes apetitos de adopción de inteligencia artificial no quieren escuchar todavía: que la seguridad de sus sistemas de IA no se resuelve asegurando la infraestructura.
El 23 de junio de 2026, Cerebras Systems publicó sus primeros resultados financieros como empresa cotizada. El número de portada era difícil de ignorar: ingresos de 193,4 millones de dólares, casi el doble de los 99,5 millones del mismo trimestre del año anterior. Y aun así, la acción cayó 10% en el mercado extendido.
Hay una secuencia de decisiones que se repite con sorprendente consistencia en empresas grandes con presupuestos de transformación digital cuantiosos: identifican un proceso que les genera fricciones, contratan tecnología de automatización, despliegan la herramienta sobre el flujo existente y reportan avances. Los tableros ejecutivos muestran velocidad. Las presentaciones de comité hablan de eficiencia. Y seis meses después, los mismos problemas reaparecen, ahora empaquetados en un sistema más difícil de desmontar.