La tecnología utilizada no podía saber con certeza quién iba a pagar. Su función era otra: calcular qué clientes tenían una mayor probabilidad de hacerlo y utilizar esa información para decidir dónde concentrar los esfuerzos de cobranza.

El modelo desarrollado para el caso recibió el nombre de Propensity-to-Pay Predictive Data Model. Fue diseñado para clientes residenciales y asignaba a cada uno una puntuación según su probabilidad estimada de pagar una deuda. Después, las cuentas eran clasificadas en grupos de alta, media y baja propensión al pago.

La empresa partía de una situación complicada. Su tasa de recuperación de deuda era de 4 %, mientras que WNS reportaba un 14 % entre sus competidores. Además, las agencias encargadas de recuperar esas obligaciones podían cobrar comisiones de hasta 50 % del dinero recuperado, según el caso empresarial.

Te puede interesar: Agentes de IA ya pueden negociar deudas: ¿qué pasa si el algoritmo se equivoca?

Con los resultados del modelo, la compañía pudo cambiar la forma en que distribuía sus recursos. Las cuentas se priorizaron teniendo en cuenta la probabilidad de pago y el monto de la deuda. También se utilizaron guiones personalizados durante las llamadas y estrategias diferentes para cada grupo de clientes.

El resultado que reportó WNS fue un aumento de 50 % en la cobranza en tres meses. El mismo documento registra una mejora de 8 % en la conversión y una disminución de 20 % en los gastos operativos. Es importante precisar que estas cifras corresponden a un caso de negocio de WNS y no a un ensayo académico que permita afirmar que el análisis predictivo aumenta la cobranza 50 % en cualquier empresa.

Qué puede anticipar realmente un modelo predictivo

La utilidad de estos sistemas sí ha sido estudiada por investigadores. En 2022, Catalina Sánchez, Sebastián Maldonado y Carla Vairetti publicaron en Decision Support Systems una investigación sobre análisis predictivo aplicado a la cobranza. El trabajo utilizó información de una institución financiera chilena y combinó datos financieros con registros de los centros de contacto.

La investigación trabajó con 1.023.418 registros de llamadas, 26.466 promesas de pago y 54.349 pagos efectivos. Los investigadores desarrollaron modelos para estimar tres situaciones: la posibilidad de contactar exitosamente a un deudor, la probabilidad de que una conversación terminara en una promesa de pago y la posibilidad de que el cliente finalmente pagara sus obligaciones pendientes.

Te puede interesar: ¿La IA sabe quién va a pagar? Así funcionan los algoritmos que están cambiando la cobranza

Los resultados mostraron que combinar la información financiera con los datos obtenidos durante las interacciones del centro de contacto mejoraba el desempeño predictivo. Los autores plantearon que este tipo de modelos puede utilizarse para decisiones como segmentar clientes, asignar agentes y determinar qué cuentas requieren una intervención prioritaria.

La investigación también deja una advertencia que suele perderse cuando se habla de inteligencia artificial aplicada a las finanzas. Una predicción no equivale a una certeza. El sistema encuentra patrones en los datos disponibles y calcula probabilidades. Si cambian los comportamientos de los clientes o la calidad de la información utilizada, también puede cambiar el resultado del modelo.

Por eso, en una operación de cobranza, el verdadero cambio no está en que una máquina pueda conocer el futuro. Está en utilizar los datos para decidir antes de que una deuda se convierta en un problema mayor y distribuir los recursos de cobranza según la información que existe sobre cada caso.

El estudio, publicado el 30 de junio de 2026, compara la capacidad de Estados Unidos, China y varias potencias intermedias a partir de seis factores que sostienen el desarrollo de la IA: capital, talento, propiedad intelectual, datos, energía y capacidad de cómputo.

La conclusión no apunta a que una de las dos potencias haya desplazado a la otra. Estados Unidos conserva una posición destacada por su capacidad para atraer capital y talento, así como por sus inversiones en modelos avanzados e infraestructura. China, por su parte, ha reducido la brecha en capacidad de cómputo y ha fortalecido su producción de modelos, con una apuesta particularmente fuerte por reducir costos y llevar la IA a la economía real.

Te puede interesar: Contrato de Huawei en Argentina provoca choque entre China y EE.UU ¿Qué pasó?

La diferencia está también en la forma de construir esos ecosistemas. Estados Unidos ha acelerado el gasto en centros de datos y modelos de alto rendimiento. BCG señala que las principales empresas tecnológicas estadounidenses superaron los 400.000 millones de dólares en gasto de capital durante 2025 y estima que esa cifra podría superar los 800.000 millones en 2026.

China está siguiendo otra ruta. Sus modelos han buscado mantener capacidades competitivas con costos inferiores y una amplia disponibilidad de modelos de pesos abiertos. El análisis pone como ejemplo a Kimi K2.6, de Moonshot, cuyo costo en mayo de 2026 era de 1,71 dólares por millón de tokens, frente a los 11,25 dólares de GPT-5.5, según las cifras utilizadas por BCG.

El problema está en las capas que sostienen la IA

La separación puede entenderse al mirar cómo funciona una plataforma de inteligencia artificial. Una solución combina aplicaciones, modelos, servicios en la nube y chips especializados. Sobre esas capas existen además normas de datos, privacidad, controles de exportación y otras condiciones regulatorias que determinan qué tecnologías pueden utilizarse juntas.

El hardware es uno de los puntos donde la incompatibilidad resulta más evidente. BCG señala que el software desarrollado para la tecnología CUDA de NVIDIA no funciona directamente sobre los chips Ascend de Huawei, pues requiere modificaciones para utilizar el entorno de software CANN de la compañía china.

Para una multinacional, esto puede traducirse en la necesidad de operar con plataformas diferentes según el mercado. El estudio menciona como ejemplo la asociación de Apple con Alibaba para su plataforma de inteligencia artificial en China, mientras mantiene una asociación con OpenAI en otros mercados.

Te puede interesar: ENTREVISTA | “Colombia está liderando la adopción de IA en Latinoamérica”: Luis Caro, de AWS

Fuera de Estados Unidos y China todavía existe margen para combinar tecnologías, pero BCG advierte que esa flexibilidad podría reducirse a medida que aumenten las restricciones regulatorias y la competencia tecnológica.

Europa, Japón, India y los países del Golfo están adoptando estrategias diferentes para reducir su dependencia. La Unión Europea impulsa infraestructura propia y respalda a Mistral; Japón utiliza grandes inversiones para participar en el ecosistema estadounidense; mientras India mantiene vínculos con varios ecosistemas al mismo tiempo.

Para las empresas, el estudio plantea una cuestión práctica: la elección de una plataforma de IA puede terminar condicionando dónde pueden operar, qué proveedores pueden utilizar y cuánto les costará cambiar de tecnología. Por eso, BCG plantea trabajar con redundancia, modularidad y alternativas tecnológicas mientras todavía sea posible hacerlo.

La tecnología ya está entrando en este terreno. En Colombia, la Superintendencia Financiera reportó en marzo de 2026 que el 81 % de los establecimientos de crédito utilizaban inteligencia artificial en sus procesos durante 2025. Entre los usos identificados están la gestión de riesgos y la recuperación de cartera.

La apuesta de las empresas de tecnología financiera es aprovechar esa capacidad para procesar grandes volúmenes de información y personalizar las gestiones de cobro. En lugar de enviar el mismo mensaje a miles de personas, un sistema puede analizar variables del comportamiento financiero y establecer qué contacto hacer, por qué canal y en qué momento.

Pero cuando la IA pasa de recomendar una acción a ejecutarla aparece una discusión mucho más delicada: ¿puede un algoritmo negociar una deuda de la misma forma que una persona?

La IA puede ser más eficiente, pero no necesariamente más justa

Un estudio publicado en 2026 analizó las diferencias entre las interacciones humanas y las realizadas mediante inteligencia artificial en procesos de cobranza. La investigación incluyó a 3.514 participantes de 11 países europeos y encontró que las interacciones con personas fueron percibidas como más justas y asociadas con una mayor reciprocidad. Las realizadas mediante IA, en cambio, fueron consideradas más eficientes.

El resultado es relevante para una industria en la que la conversación puede terminar definiendo si una persona acepta una alternativa de pago, solicita más tiempo o abandona la negociación.

Otra investigación del National Bureau of Economic Research, publicada en 2025, comparó llamadas de cobranza realizadas por humanos y por inteligencia artificial. El estudio encontró que los cobradores humanos fueron más efectivos para conseguir pagos y que los consumidores contactados inicialmente por IA habían pagado 1 % menos de la cuota vencida inicial un año después.

Te puede interesar: ¿La IA sabe quién va a pagar? Así funcionan los algoritmos que están cambiando la cobranza

Esto no significa que la automatización sea necesariamente perjudicial. Sí muestra que medir el éxito de estos sistemas únicamente por velocidad, cantidad de contactos o reducción de costos puede dejar por fuera otros resultados.

El problema también está en los datos. El Banco Mundial advierte que los algoritmos utilizados en servicios financieros pueden producir resultados discriminatorios cuando se entrenan con información incompleta o sesgada. Por eso recomienda controles contra el sesgo, auditorías, transparencia y mecanismos que permitan la intervención humana.

En Colombia, además, una IA de cobranza debe operar dentro de las reglas existentes. La Ley 2300 de 2023 establece límites sobre los canales, horarios y frecuencia con los que pueden realizarse las gestiones de cobro. Una automatización no elimina esas obligaciones.

El debate, entonces, ya no gira únicamente alrededor de cuánto puede recuperar una empresa con inteligencia artificial. La pregunta empieza a ser qué decisiones puede tomar un agente autónomo frente a una persona endeudada, qué información puede utilizar para hacerlo y cuándo debe pasar la conversación a un trabajador humano.

Ese es el punto en el que la tecnología deja de ser un chatbot que responde preguntas y empieza a convertirse en un actor que toma decisiones dentro de una relación financiera.

Samsung acaba de ampliar en Colombia una de las apuestas más visibles en este terreno. Vision AI Companion permite hablar con el televisor mediante preguntas formuladas de manera natural y recibir respuestas relacionadas con lo que se está viendo. La función combina tecnologías de Samsung, entre ellas Bixby y Gemini, para interpretar las consultas y entregar información contextual.

Es decir, el televisor comienza a dejar de ser una pantalla que simplemente recibe una señal. La idea es que pueda entender qué está pasando frente al usuario y responder de acuerdo con esa situación.

Pero esa es solo una parte de lo que las marcas están haciendo con la IA.

La IA también trabaja cuando nadie le habla

En los televisores de 2026 hay una función de inteligencia artificial que puede pasar completamente desapercibida. No aparece como un asistente ni requiere que el usuario diga una palabra. Está dentro del procesamiento de imagen.

Samsung, por ejemplo, utiliza Vision AI para analizar el contenido que se reproduce y ajustar en tiempo real aspectos de la imagen, el sonido y el movimiento. La compañía está llevando esta tecnología a diferentes gamas de sus televisores de 2026.

LG tiene una propuesta parecida, aunque con su propio desarrollo. Sus nuevos televisores OLED incorporan procesadores Alpha con funciones de IA que analizan las escenas para mejorar la nitidez, el color, el contraste y el sonido. En el OLED evo G6, por ejemplo, el Alpha 11 AI Processor Gen3 utiliza un sistema de doble motor de IA y también incorpora escalado hasta una calidad similar a 4K.

Esto tiene una utilidad bastante más práctica de lo que puede parecer en una ficha técnica.

Te puede interesar: La serie coreana que muestra el desarrollo de electrodomésticos con IA con un guiño a Samsung y LG

Una buena parte del contenido que llega a un televisor no está producido originalmente en 4K. Puede ser una transmisión de televisión, una película antigua, una grabación de baja resolución o un video comprimido. El procesador analiza esa señal y calcula cómo debería verse en una pantalla con millones de píxeles.

No recupera mágicamente la información que nunca existió en la grabación. Lo que hace es utilizar algoritmos para reconstruir detalles y reducir algunas imperfecciones de la imagen. Por eso LG aclara que los resultados dependen de la resolución original del contenido.

TCL está utilizando una estrategia similar. Su procesador AiPQ analiza cada escena en tiempo real y ajusta parámetros como contraste, color, claridad y movimiento. En Colombia, el A400 Pro NXTVISION, presentado este año, combina este procesamiento con un panel QD-Mini LED, 144 Hz y una pantalla mate.

Aquí aparece una diferencia importante entre las marcas. La palabra IA puede estar en la caja de televisores muy diferentes entre sí, pero no necesariamente significa lo mismo.

En un modelo puede utilizarse principalmente para mejorar una imagen de baja resolución. En otro puede intervenir en el sonido. En los equipos más recientes también puede servir para reconocer el contenido, personalizar recomendaciones o permitir una conversación con el usuario.

¿Y qué pasa con el sonido?

La IA tampoco se está quedando en la imagen.

LG, por ejemplo, utiliza AI Sound Pro para analizar el audio y generar una mezcla que busca hacer más comprensibles las voces y adaptar el sonido al contenido. Samsung también plantea Vision AI como un sistema capaz de modificar imagen y sonido de acuerdo con lo que ocurre en pantalla.

Esto puede tener más importancia en una película o una serie que una función llamativa del asistente. Si el televisor detecta que está reproduciendo una escena con diálogos y ajusta el procesamiento para que las voces destaquen, la IA está resolviendo un problema cotidiano sin que el usuario tenga que abrir un menú.

Y hay otro cambio que empieza a ser más interesante: el televisor está aprendiendo a interpretar el contexto.

Samsung ya permite preguntar por lo que aparece en pantalla mediante Vision AI Companion. LG, por su parte, está incorporando herramientas como AI Search, AI Concierge y AI Chatbot en su ecosistema de televisores con el nuevo AI Magic Remote.

Eso significa que la competencia entre fabricantes ya no está solamente en quién ofrece más brillo, más pulgadas o una mejor tecnología de panel. También está en quién consigue que el televisor resulte más fácil de usar.

Entonces, ¿vale la pena pagar más por un televisor con IA?

No necesariamente.

Que un televisor tenga IA no significa que automáticamente vaya a mostrar una imagen mejor que cualquier modelo sin esa etiqueta. La calidad del panel, el nivel de brillo, el contraste, el sistema de retroiluminación, la frecuencia de actualización y el procesamiento siguen siendo determinantes.

La diferencia está en que los fabricantes están utilizando la IA como una capa adicional de procesamiento y de interacción.

Por eso, al comparar televisores en 2026, la pregunta ya no debería ser simplemente si tiene inteligencia artificial. Conviene mirar qué hace esa IA, qué funciones están disponibles en Colombia y cuáles realmente se van a utilizar.

Porque una cosa es comprar un televisor que dice tener IA y otra muy distinta es tener una pantalla que realmente utilice esa tecnología para mejorar lo que vemos, lo que escuchamos y la manera en que interactuamos con ella.

Imagen: TLC

La preocupación fue planteada por Volker Türk, Alto Comisionado de las Naciones Unidas para los Derechos Humanos, en una carta publicada el 14 de septiembre.

El funcionario advierte especialmente sobre los sistemas de IA capaces de actuar por su cuenta. Estos pueden recibir un objetivo, decidir cómo cumplirlo y ejecutar varias acciones sin que una persona revise cada paso.

Ahí aparece uno de los principales problemas. Si el sistema se equivoca, la responsabilidad no puede recaer en la propia IA. La ONU propone que siempre exista una persona identificable que tenga autoridad para intervenir, modificar o detener el sistema.

El documento también pide controles antes y después de poner en funcionamiento sistemas avanzados. Entre las medidas plantea evaluaciones de seguridad, supervisión independiente y mecanismos para reportar e investigar incidentes graves.

Te puede interesar: La computación cuántica ya está aquí: Sundar Pichai de Google cree que es hora de prepararse

La preocupación aumenta cuando estos sistemas tienen acceso a servicios o infraestructuras que pueden afectar a otras personas. Un error ya no sería simplemente una respuesta incorrecta en una conversación. Podría afectar procesos financieros, servicios esenciales o sistemas críticos.

Por eso, la ONU considera que las empresas deben demostrar que cuentan con medidas para controlar estos riesgos y que los gobiernos deben establecer reglas sobre el desarrollo y uso de estas tecnologías.

La discusión cambia así de pregunta. Ya no se trata únicamente de qué tan inteligente puede llegar a ser una IA, sino de establecer quién tiene que responder cuando una máquina actúa y algo sale mal.

Para la ONU, esa responsabilidad debe seguir estando en manos de las personas.

La compañía presentó Equinix Fabric One, un servicio administrado de conectividad que permitirá a los clientes definir qué necesitan conectar y cuáles son sus requisitos, mientras la plataforma se encarga de determinar y gestionar los elementos necesarios para establecer esa conexión.

La propuesta apunta a disminuir la cantidad de configuraciones manuales que actualmente requiere la administración de redes empresariales, especialmente en compañías que trabajan con arquitecturas distribuidas y múltiples proveedores de nube.

La solución fue anunciada durante Equinix Horizon, el primer evento de la compañía para clientes y socios. En la misma jornada también se presentó Equinix Inference Exchange, orientada a acelerar la implementación de infraestructura de inteligencia artificial en las empresas.

Fabric One busca que la conectividad responda a instrucciones

El funcionamiento de Fabric One parte de una idea sencilla: que la empresa pueda expresar qué necesita sin tener que definir manualmente cada componente de la red.

Los requerimientos podrán introducirse desde un portal, mediante APIs, flujos de automatización, solicitudes basadas en agentes o incluso instrucciones en lenguaje natural. A partir de esas indicaciones, la plataforma podrá orquestar aspectos como el enrutamiento, la conexión con servicios de nube, el cifrado, la resiliencia y los mecanismos de recuperación ante fallas.

La apuesta responde a una transformación en las arquitecturas tecnológicas. Las cargas de trabajo de inteligencia artificial pueden estar distribuidas entre diferentes nubes, servicios especializados y ubicaciones, lo que aumenta la cantidad de conexiones que deben administrarse.

Te puede interesar: ¿Quieres entender los errores de la IA? Así puedes inscribirte gratis a estas sesiones

Fabric One también incorpora especificaciones abiertas de conectividad desarrolladas conjuntamente por Amazon Web Services (AWS) y Google Cloud. La solución utiliza OpenAPI 3.0 Interconnect, una especificación de código abierto concebida para facilitar la interoperabilidad entre nubes, entornos de IA y aplicaciones empresariales.

Para Equinix, este componente permite que las compañías tengan mayor libertad para combinar proveedores y tecnologías según sus necesidades, en lugar de depender de una única infraestructura.

La plataforma se apoyará además en el ecosistema de interconexión de Equinix, que reúne a más de 10.500 empresas interconectadas y cerca de 3.000 proveedores de nube y tecnología. La compañía señala también que cuenta con implementaciones activas por parte de ocho de los diez principales proveedores de modelos de IA y nueve de los diez principales neoclouds a nivel mundial.

Otro de los objetivos es preparar la conectividad para arquitecturas en las que los agentes de inteligencia artificial puedan descubrir, solicitar y aprovisionar conexiones de forma programática. Eso permitiría reducir todavía más la intervención manual en determinadas tareas de infraestructura.

Equinix prevé comenzar la fase beta de Fabric One más adelante en 2026. La disponibilidad general está programada para 2027, inicialmente en América del Norte.

“Unleashing the Power of AI” fue la invitación que reunió este año a la industria tecnológica en ANDICOM. La frase resulta especialmente pertinente porque, después de varios años de adopción acelerada de la inteligencia artificial en el trabajo, todavía estamos descubriendo qué significa realmente liberar el potencial de esta tecnología dentro de las organizaciones.

En Colombia ya vemos una primera señal. El 63 % de los usuarios de IA afirma que hoy realiza trabajos que hace apenas un año no podía hacer, cinco puntos por encima del promedio global. En muy poco tiempo se amplió la capacidad de las personas para analizar, crear, aprender y ejecutar. Esa evolución plantea una pregunta mucho más profunda para quienes lideran empresas. ¿Qué ocurre cuando las personas cambian más rápido que la organización en la que trabajan?

Las compañías tienen inercias. Los procesos, las jerarquías, los mecanismos de aprobación, los incentivos y hasta la manera en que distribuimos responsabilidades fueron diseñados bajo determinadas condiciones de trabajo. Cuando esas condiciones cambian, mantener intacta esa arquitectura puede terminar limitando parte del valor que la tecnología permite crear.

Los datos muestran que esa tensión ya existe. Mientras crece el uso de la inteligencia artificial entre los trabajadores colombianos, solo el 28 % considera que el liderazgo de su organización está alineado frente a esta tecnología y apenas el 15 % afirma que se recompensa la reinvención del trabajo cuando no produce resultados inmediatos. La capacidad individual avanza; las organizaciones todavía están aprendiendo cómo acompañarla.

Cuando la adopción exige rediseño

Ese aprendizaje será cada vez más importante a medida que la IA participe activamente en la ejecución del trabajo. Los agentes comienzan a analizar información, planear pasos y realizar acciones bajo parámetros definidos. Esto introduce una nueva dimensión en la gestión, al incorporar decisiones sobre cómo distribuir el trabajo entre personas y sistemas de IA, dónde debe permanecer el juicio humano y qué procesos merecen ser reconstruidos de principio a fin.

Es una de las ideas detrás de lo que en Microsoft llamamos Frontier Transformation. Su valor está menos en imaginar una empresa futurista que en reconocer una realidad bastante concreta, en la que incorporar nuevas capacidades también obliga a revisar las reglas con las que funciona una organización.

Una Empresa Frontera aprende a combinar inteligencia disponible bajo demanda con equipos de personas y agentes, manteniendo en manos humanas la dirección, los estándares y la responsabilidad sobre las decisiones.

Los propios trabajadores parecen entender bien ese equilibrio. El 87 % de los usuarios colombianos afirma que utiliza la IA como punto de partida y no como respuesta definitiva; el 52 % considera esencial el pensamiento crítico y el 50 % destaca la importancia de controlar la calidad de los resultados.

La IA amplía lo que podemos hacer, pero también eleva el valor del criterio con el que decidimos qué vale la pena hacer.

Tal vez ahí esté una de las conversaciones más importantes que deja ANDICOM 2026. Liberar el poder de la IA no consiste simplemente en incorporar más capacidad a la empresa. También exige preguntarnos si nuestros procesos, responsabilidades y formas de decidir están preparados para aprovechar la inteligencia artificial en el trabajo.

Las organizaciones que se hagan esa pregunta con mayor profundidad probablemente serán también las que descubran antes hasta dónde puede llevarlas esta nueva frontera.

Imagen: Generada con IA (ChatGPT)

La respuesta comienza en los datos.

Los sistemas de inteligencia artificial utilizados en cobranza pueden procesar información que sería difícil analizar manualmente a gran escala. Historial de pagos, días de mora, respuestas a contactos anteriores y comportamiento frente a diferentes canales pueden convertirse en variables para construir modelos capaces de estimar la probabilidad de pago.

Un estudio publicado en 2025 en Journal of Big Data propone precisamente un sistema inteligente de apoyo para la cobranza. El modelo utiliza aprendizaje automático para predecir el comportamiento de los deudores y posteriormente incorpora técnicas de lógica difusa y análisis multicriterio para ayudar a determinar cómo asignar los esfuerzos de recuperación.

La lógica cambia la pregunta tradicional de la cobranza. Ya no sería únicamente cuánto dinero debe una persona, sino qué tan probable es que responda a determinado tipo de contacto.

Otro trabajo publicado en 2025 plantea un sistema de cobranza inteligente que busca estimar tanto la probabilidad de que un deudor pague como el valor que tendría invertir recursos para contactarlo. Esto permitiría priorizar determinadas cuentas en lugar de tratar a todos los morosos de la misma manera.

La personalización puede llegar incluso a las conversaciones. Investigadores analizaron en 2025 el uso de modelos de lenguaje de gran escala, conocidos como LLM, para negociar deudas. El experimento mostró que estos sistemas pueden participar en negociaciones financieras, aunque también presentó un problema: los modelos podían ser más propensos que las personas a conceder condiciones durante la negociación.

Te puede interesar: El dinero ya se mueve en segundos: así cambió el negocio financiero en Brasil, México y Colombia

Aquí aparece uno de los puntos más interesantes de esta tecnología. Una IA puede ser muy buena para clasificar miles de cuentas, pero eso no significa que sea igual de buena negociando con una persona que tiene dificultades para pagar.

Una investigación del National Bureau of Economic Research publicada en 2025 puso esa diferencia a prueba. Los autores realizaron un experimento con llamadas de cobranza gestionadas mediante inteligencia artificial y las compararon con las realizadas por trabajadores humanos. En ese caso, la IA consiguió peores resultados de pago que los cobradores humanos.

El resultado obliga a mirar con cautela la promesa de automatizar completamente este proceso. El algoritmo puede detectar patrones y decidir dónde concentrar esfuerzos, mientras que una persona puede interpretar durante una conversación circunstancias que no aparecen en los datos.

También existe una discusión sobre los límites de estas decisiones. Si un modelo determina que un cliente tiene pocas probabilidades de pagar y, por eso, recibe menos atención o una estrategia diferente, la decisión deja de ser puramente tecnológica. Puede afectar directamente la manera en que una persona negocia una obligación financiera.

Por eso, la evolución de la cobranza con IA probablemente no dependa de reemplazar al cobrador por una máquina. El cambio más profundo puede estar ocurriendo antes de la llamada: el algoritmo decide qué cuentas priorizar, cuándo intentar el contacto y qué estrategia tiene más posibilidades de funcionar.

La máquina, en otras palabras, puede estar tomando la primera decisión de la cobranza. La pregunta es quién debería tomar la última.

Las actividades se realizarán el 17 de septiembre y el 1 de octubre y estarán dirigidas a personas interesadas en conocer más sobre los riesgos, errores y efectos que puede tener el uso de la inteligencia artificial.

Fallos históricos y su repetición en la IA

La primera sesión será el 17 de septiembre y tendrá como título “Fallos históricos y su repetición en la IA”.

En este encuentro se analizarán algunos errores que han ocurrido a lo largo de la historia de la tecnología y se explicará cómo determinados patrones pueden volver a aparecer con los sistemas de inteligencia artificial actuales.

La conversación busca ir más allá de las capacidades de estas herramientas para revisar también sus limitaciones y la importancia de entender cómo se producen sus fallos.

IA, noticias y opinión

La segunda sesión será el 1 de octubre, bajo el título “IA, noticias y opinión”.

En este caso, el encuentro abordará los problemas que pueden surgir cuando la inteligencia artificial trabaja con noticias, información y opiniones.

También se analizará cómo estos errores pueden influir en la forma en que las personas procesan la información, en su capacidad de análisis y en el tiempo que permanecen conectadas a internet.

Te puede interesar: Kiro de AWS será gratis por un año en Colombia, México, Brasil y otros países ¿Cómo acceder?

La sesión plantea así una discusión sobre el papel que están adquiriendo las herramientas de IA en el consumo cotidiano de contenidos y sobre la necesidad de utilizarlas de manera crítica.

¿Quién estará a cargo de las sesiones?

El speaker será Jon Rueda, profesional con más de 20 años de experiencia en tecnología. Su trayectoria incluye áreas como ciberseguridad, hardware, software, mantenimiento y reparación.

Además, Rueda forma parte del programa Microsoft Insider, una comunidad relacionada con el desarrollo y prueba de productos y servicios de Microsoft.

¿Cómo participar en Next Move by Holberton?

Las personas interesadas pueden registrarse como audiencia mediante el formulario de inscripción de Next Move by Holberton.

En el registro se solicitan datos como nombre, profesión y correo electrónico. Después de completar el formulario, los participantes recibirán por correo el enlace y la información necesaria para conectarse a la sesión seleccionada.

El registro es individual y el enlace de acceso es personal e intransferible, por lo que no debe compartirse públicamente.

Los asistentes también deberán mantener una participación respetuosa y profesional. Las preguntas y comentarios deben estar relacionados con el tema de la sesión.

Holberton advierte además que no está permitido grabar, reproducir, distribuir o publicar el contenido de las sesiones sin autorización. Tampoco se pueden utilizar estos espacios para promocionar productos, servicios o actividades personales sin autorización previa.

De esta manera, Next Move by Holberton propone dos encuentros para discutir no solo lo que la inteligencia artificial puede hacer, sino también los errores que puede cometer y la manera en que estos pueden afectar nuestra relación con la información digital.

La posible subida coincide con un momento de presión sobre el mercado de memoria, impulsado por la demanda de componentes para centros de datos de inteligencia artificial. Destinar más RAM a un celular concebido como una alternativa de menor precio resulta relevante porque el aumento podría elevar los costos de fabricación y convertirse en uno de los factores que influyan en su valor final.

Qué cambiaría con 9 GB de RAM en el iPhone 18e

La memoria RAM mantiene temporalmente disponibles los datos que necesita el celular mientras ejecuta aplicaciones y procesos. Los modelos de inteligencia artificial también requieren este recurso para realizar cálculos y manejar información. Contar con un gigabyte adicional daría al equipo más margen para combinar estas funciones con las tareas habituales del sistema sin comprometer tanto la memoria disponible.

También podría facilitar que determinadas operaciones de IA se realicen dentro del propio equipo. Esto puede reducir los tiempos asociados al envío de información hacia servidores y limitar la cantidad de datos que necesitan salir del dispositivo. Sin embargo, tener 9 GB de RAM no significa que todas las funciones vayan a ejecutarse localmente, porque esa decisión también dependerá del software y de la capacidad del procesador.

El aumento resulta especialmente significativo porque se trataría del modelo de entrada de la familia. La compañía tendría que equilibrar las exigencias de memoria de sus herramientas de inteligencia artificial con el objetivo de conservar una diferencia de precio frente a los modelos superiores. Por eso, un cambio aparentemente pequeño de 8 a 9 GB podría tener implicaciones tanto técnicas como comerciales.

Especificaciones que tendría el nuevo celular

Nada de esto ha sido confirmado oficialmente y las características conocidas hasta ahora proceden de filtraciones y estimaciones. El equipo tendría una pantalla OLED de 6,1 pulgadas con resolución de 2.532 x 1.170 píxeles y una tasa de refresco de 60 Hz, una característica que mantendría una de sus principales diferencias frente a celulares que ya ofrecen paneles de mayor frecuencia.

El procesador sería un A20 fabricado mediante un proceso de 2 nanómetros de TSMC, con diferencias frente al A20 Pro destinado a los modelos superiores. Un proceso de fabricación más pequeño puede favorecer la eficiencia energética y el rendimiento, aunque será necesario conocer la configuración definitiva del chip para determinar qué ventajas ofrecería y qué capacidades de inteligencia artificial podría ejecutar localmente.

En cámaras, los reportes apuntan a un único sensor trasero de 48 megapíxeles y una cámara frontal de 24 megapíxeles. La resolución no permite anticipar por sí sola la calidad de las fotografías, porque también intervienen el tamaño del sensor, la óptica y el procesamiento computacional. Estos detalles todavía se desconocen y serán determinantes para establecer si existe una mejora frente a generaciones anteriores.

El almacenamiento se ofrecería en capacidades de 256 y 512 GB, mientras el diseño conservaría bordes curvados. Otra incógnita es la posible incorporación de la Isla Dinámica en sustitución del notch. Esta característica tampoco puede darse por segura, especialmente porque cambios similares han aparecido anteriormente en rumores sobre los modelos económicos antes de sus respectivas presentaciones.

Cuándo llegaría y cuánto podría costar

El lanzamiento se situaría entre febrero y abril de 2027. El precio genera todavía más dudas. Algunas estimaciones apuntan a unos 599 dólares como valor de entrada, mientras otras proyecciones sitúan el modelo desde aproximadamente 709 euros en Europa. Ambas cifras deben tomarse como referencias preliminares y no como precios definidos por Apple.

Más que representar por sí solo una innovación, el posible aumento a 9 GB de RAM mostraría cómo la inteligencia artificial está elevando las necesidades de hardware incluso en los celulares más económicos. Si la información se confirma, la clave estará en conocer qué funciones adicionales podrá ejecutar el iPhone 18e y si ese gigabyte adicional terminará teniendo consecuencias en su precio.

Imagen: Apple / Edición ENTER.CO

El estudio también estima que, entre 2025 y 2030, la transformación del mercado laboral generará 170 millones de nuevos puestos de trabajo, mientras que otros 92 millones podrían desaparecer. El resultado sería un aumento neto de 78 millones de empleos, aunque con una fuerte presión sobre las capacidades que necesitan los trabajadores.

¿Qué perfiles tendrán más oportunidades?

La inteligencia artificial encabeza buena parte de esta transformación. Las compañías están incorporando sistemas capaces de automatizar tareas, analizar información y apoyar procesos de decisión, lo que aumenta la necesidad de profesionales que sepan desarrollar, integrar y supervisar estas herramientas.

El WEF señala que los especialistas en IA y aprendizaje automático se encuentran entre las ocupaciones de más rápido crecimiento. También aparecen los desarrolladores de software y aplicaciones, mientras que los perfiles relacionados con datos mantienen una perspectiva favorable.

Los datos de Estados Unidos muestran una tendencia similar. La Oficina de Estadísticas Laborales proyecta que el empleo de los científicos de datos crecerá 34 % entre 2024 y 2034, muy por encima del promedio de todas las ocupaciones. Para ese periodo calcula unas 23.400 vacantes anuales para este perfil.

La ciberseguridad también tendrá una demanda creciente. La BLS calcula un aumento de 29 % en el empleo de analistas de seguridad de la información entre 2024 y 2034, con alrededor de 16.000 puestos adicionales cada año por crecimiento y reemplazo de trabajadores.

La nube también necesita profesionales

El crecimiento de la infraestructura digital está acompañado por una mayor inversión en servicios cloud. Gartner estimó que el gasto mundial de los usuarios finales en servicios de nube pública alcanzaría los 723.400 millones de dólares en 2025, frente a 595.700 millones en 2024.

Esto sostiene la demanda de perfiles dedicados a infraestructura, arquitectura cloud, administración de sistemas y desarrollo de aplicaciones para estos entornos.

El desarrollo de software tampoco pierde relevancia. La BLS proyecta un crecimiento de 15 % entre 2024 y 2034 para desarrolladores de software, analistas de calidad y testers.

Te puede interesar: ¿Frontend, Backend o IA? Guía para empezar en tecnología

La diferencia estará en las habilidades que acompañen la programación. El WEF calcula que 39 % de las competencias fundamentales de los trabajadores cambiarán antes de 2030.

Por eso, la formación tecnológica tendrá que avanzar al mismo ritmo que las empresas. Aprender programación, datos, inteligencia artificial, nube o ciberseguridad puede abrir oportunidades en áreas que están aumentando su demanda.

Para academias como Holberton, esta necesidad representa una oportunidad para preparar talento en las especialidades que están ganando espacio dentro de la industria tecnológica.

Los próximos cinco años no estarán definidos únicamente por la cantidad de empleos tecnológicos disponibles, sino por la capacidad de los trabajadores para actualizar sus conocimientos. Los datos muestran que IA, software, datos, nube y ciberseguridad estarán entre las áreas con mayor movimiento laboral.

La posibilidad de reducir la factura de energía es uno de los principales atractivos de estas tecnologías. Los sistemas automatizados pueden adaptar el funcionamiento de los equipos a las rutinas de cada vivienda y realizar ajustes para evitar consumos innecesarios, sin obligar a las personas a cambiar constantemente la forma en que los utilizan.

Qué gana quien conecta sus dispositivos

Un refrigerador conectado puede avisar al celular si la puerta quedó abierta, una situación que aumenta el consumo mientras se mantenga. La aplicación también envía alertas sobre el estado de los equipos y ofrece diagnósticos a partir de códigos de error o datos de funcionamiento, lo que puede ayudar a identificar una falla antes de solicitar la visita de un técnico.

La automatización permite actuar cuando no hay nadie en casa. SmartThings puede apagar dispositivos que no se necesitan, ajustar la temperatura antes de que alguien llegue según su ubicación o iniciar la limpieza con una aspiradora robot cuando sale el último miembro del hogar. Además, admite rutinas para activar equipos a determinadas horas o recibir avisos cuando alguien entra a la vivienda.

Estas configuraciones pueden compartirse sin crearlas nuevamente desde cero. Mediante un código QR, un invitado o familiar puede acceder a determinadas rutinas desde su teléfono, incluso si no cuenta con los mismos dispositivos conectados en su propia casa.

Cómo usan IA los electrodomésticos inteligentes para gastar menos energía

El modo AI Energy monitorea el consumo de los equipos compatibles y permite establecer objetivos, además de generar avisos cuando se alcanzan determinados límites. El sistema analiza patrones de uso, sugiere ajustes y muestra información sobre la energía utilizada, de manera que sea más fácil detectar comportamientos que elevan el gasto eléctrico.

En un refrigerador, por ejemplo, el ahorro puede conseguirse mediante ajustes automáticos de temperatura. Cuando el sistema identifica periodos de menor uso, modifica temporalmente las condiciones internas para reducir el trabajo del compresor y consumir menos energía antes de las horas en las que se espera una mayor actividad.

La lavadora aplica una estrategia diferente. Al activar esta función, determinados ciclos pueden reducir la temperatura del agua y extender su duración. Samsung asegura que Ecobubble permite mantener el desempeño del lavado mientras disminuye el consumo energético. Al finalizar, los modelos compatibles pueden mostrar una estimación de la energía ahorrada frente al funcionamiento convencional.

El soporte oficial de la compañía señala que esta función puede reducir hasta un 70 % el consumo eléctrico en determinados electrodomésticos y condiciones de uso. Sin embargo, se han comunicado porcentajes menores para algunos modelos y funciones específicas. Uno de los ejemplos promocionales reporta una reducción del 7,5 %, lo que muestra que el resultado puede quedar considerablemente por debajo del máximo anunciado. La diferencia entre el “hasta” y el ahorro obtenido en cada caso conviene tenerla presente antes de fijar expectativas.

Un ecosistema compatible con dispositivos de otras marcas

SmartThings no está limitado a productos de una sola compañía. Gracias a Matter, un estándar abierto para el hogar inteligente, la plataforma puede controlar dispositivos compatibles de diferentes fabricantes y reducir la necesidad de utilizar una aplicación distinta para cada equipo.

La interoperabilidad también se extiende mediante la Home Connectivity Alliance, iniciativa en la que participan fabricantes como GE Appliances, Haier, Electrolux y LG. Su objetivo es facilitar la comunicación entre electrodomésticos de distintas marcas, frente a los ecosistemas cerrados en los que elegir un producto de otro fabricante puede significar perder determinadas funciones.

Tampoco siempre es necesario comprar un accesorio central para comenzar. Algunos televisores, refrigeradores Family Hub, barras de sonido y monitores incorporan funciones de SmartThings Hub, por lo que pueden servir como punto de conexión para determinados sensores y equipos compatibles con tecnologías como Wi-Fi, Thread o Zigbee.

La adopción de estándares abiertos muestra hacia dónde se dirige el hogar conectado. En lugar de obligar a concentrar todas las compras en una sola marca, fabricantes y plataformas buscan que distintos equipos puedan comunicarse entre sí, una condición importante para que estas funciones resulten útiles a medida que aumenta la cantidad de dispositivos conectados en una vivienda.

Wi-Fi, disponibilidad y otras limitaciones de los electrodomésticos conectados

Estas funciones dependen de una conexión estable y de la compatibilidad de cada dispositivo. En zonas con cobertura deficiente, algunas capacidades pueden perder utilidad. El ahorro también implica ciertas compensaciones. En determinados ciclos de lavado, por ejemplo, reducir la temperatura del agua puede aumentar el tiempo necesario para completar la tarea.

La disponibilidad cambia según el mercado. Samsung advierte que algunas herramientas de SmartThings y de la sección Información sobre el hogar dependen del producto, la región y otros requisitos de compatibilidad. Por eso, una función incluida en la oferta global de la plataforma no necesariamente estará habilitada en todos los electrodomésticos vendidos en América Latina.

Por último, existen límites en la cantidad de dispositivos, ubicaciones y miembros que pueden administrarse desde una cuenta. Para la mayoría de las casas probablemente no serán una restricción inmediata, pero adoptar un ecosistema de electrodomésticos inteligentes exige considerar la compatibilidad, la conectividad y las funciones disponibles en cada región, además del posible ahorro de energía.

Imagen: Samsung / Editada por ENTER.CO con IA (ChatGPT)

La idea todavía parece futurista, pero para Víctor Nieto, de DataCrédito Experian, este modelo ya comienza a tomar forma y obligará a replantear una pregunta que hasta ahora parecía sencilla: ¿cómo sabemos que quien está al otro lado de una interacción digital es realmente quien dice ser?

El planteamiento aparece en un momento en que los colombianos están cada vez más expuestos a intentos de fraude. El estudio de DataCrédito Experian señala que siete de cada diez personas recibieron al menos un intento durante el último año y que 81% percibe un aumento frente al año anterior.

¿Qué pasará cuando la IA compre por nosotros?

El cambio más interesante no está únicamente en que una inteligencia artificial pueda detectar una página falsa o advertir sobre un correo sospechoso. El siguiente paso es que esos sistemas actúen directamente.

Nieto explica que una persona podría decirle a un agente algo como buscar el mejor crédito. En lugar de entrar a distintas páginas, diligenciar formularios y comparar ofertas, el agente realizaría esas interacciones por ella y buscaría la alternativa que más se ajuste a sus condiciones.

Eso modifica las reglas del comercio digital. Las empresas ya no solo tendrán que comprobar la identidad de sus clientes. También deberán determinar si el agente que está solicitando un servicio fue autorizado por una persona y qué está permitido hacer en su nombre.

La pregunta será entonces si detrás de una solicitud existe una persona, un agente legítimo autorizado por ella o un sistema diseñado para engañar.

La confianza será el nuevo filtro

El estudio muestra que los colombianos todavía tienen reservas frente a la inteligencia artificial. El 88% está preocupado por su utilización para facilitar fraudes y 55% se siente poco o nada seguro identificando contenidos creados o manipulados con esta tecnología.

Pero hay una contradicción interesante. Aunque existe temor, también hay disposición a utilizar IA como mecanismo de defensa. El 53% permitiría analizar su información con esta tecnología para detectar posibles fraudes y 86% quiere aprender a reconocer amenazas creadas con IA.

Ese cambio puede ser determinante cuando los agentes empiecen a tener más autonomía.

Hoy una persona puede desconfiar de un enlace, una llamada o una página. Mañana tendrá que confiar también en que el agente que dejó encargado de comprar, solicitar un crédito o contratar un servicio está actuando correctamente.

Te puede interesar: Mercado Libre abre centro en San Victorino: ¿cómo podrán vender en línea los comerciantes?

La tecnología tendrá que demostrar dos cosas al mismo tiempo: que el usuario es auténtico y que la IA que habla por él tiene permiso para hacerlo.

Para DataCrédito Experian, esa evolución conduce hacia la llamada confianza predictiva, que combina datos, identidad, analítica e inteligencia artificial para determinar en tiempo real si una interacción es legítima.

El cambio, por tanto, no será simplemente tener una IA que responda preguntas. Será empezar a delegarle decisiones y trámites que hasta ahora hacíamos personalmente. Y cuando eso ocurra, la seguridad dejará de depender únicamente de que sepamos reconocer una estafa: también dependerá de que podamos demostrar que nuestro agente es realmente nuestro.

La actualización fue presentada el 1 de septiembre y llegará como una actualización de software para los productos compatibles con Sonos S2. La nueva versión de la aplicación comenzará a implementarse el 8 de septiembre.

¿Qué se puede hacer con la IA?

Una de las principales novedades es Sonos 27mcp, una herramienta que permite conectar asistentes y agentes externos con el sistema de audio. Entre ellos estará ChatGPT de OpenAI.

Esto significa que el usuario podrá pedirle a ChatGPT que reproduzca música en algún lugar de la casa sin tener que abandonar la conversación que mantiene con el asistente. La orden puede partir desde el celular o el computador y el sistema Sonos se encarga de llevar el audio al lugar indicado.

La compañía también presentó Sonos 27voice, su propio asistente pensado específicamente para seleccionar música y crear ambientes.

La diferencia está en que Sonos no pretende obligar al usuario a utilizar una única IA. Su propuesta es permitir que cada persona elija qué asistente quiere utilizar.

¿Y si el usuario quiere crear su propio agente?

Sonos también mostró una función que todavía está en desarrollo llamada Sonos Custom Agents. La idea es permitir que los usuarios creen agentes personalizados con diferentes modelos de IA, personalidad y voz.

Esto abre una posibilidad distinta para los dispositivos de la compañía. En lugar de limitarse a responder comandos predefinidos, los equipos podrían convertirse en el punto de acceso a diferentes agentes especializados dentro de la casa.

Te puede interesar: Sonos 27 estrena IA: precio y novedades de Beam Ultra y Ace Ultra

La apuesta, por tanto, no está únicamente en añadir un chatbot a una aplicación. Sonos busca que su sistema pueda conectarse con distintas formas de inteligencia artificial y que los dispositivos actúen como parte de esa experiencia.

Los dispositivos también podrán adaptarse

Sonos 27 incorpora además Sonos Fabric, una tecnología que permite que los productos detecten otros equipos de la compañía y sepan dónde están ubicados.

Una de sus nuevas funciones permitirá utilizar determinados equipos como bocinas surround portátiles. Un Sonos Move 2 o Sonos Play podrá asumir el papel de bocina trasera cuando se coloque en la posición correspondiente.

Los nuevos audífonos Sonos Ace Ultra también tendrán una integración más profunda con el sistema. En una función que llegará inicialmente como Early Access, podrán enlazarse directamente para enviar y recibir sonido entre los audífonos y las bocinas cercanas.

La compañía presentó junto con la actualización dos nuevos productos, Beam Ultra y Ace Ultra, pero la mayor novedad está en el software. Sonos está intentando que sus dispositivos no funcionen como productos aislados, sino como partes de un sistema capaz de entender al usuario, trabajar con distintas IA y reorganizar la experiencia de audio según la situación.

Sonos 27 estará disponible para los productos Sonos S2 compatibles. Las funciones de IA y algunas características de adaptación dependerán del dispositivo y se habilitarán progresivamente.

La propuesta parte de una necesidad particular del sector: una herramienta de IA para abogados no puede limitarse a responder preguntas. También debe respetar permisos, documentos confidenciales, barreras de acceso entre casos y los sistemas donde las organizaciones almacenan su información.

Por eso, Google plantea cuatro componentes. El primero son habilidades especializadas para tareas como revisar contratos, identificar cláusulas de riesgo, crear manuales de negociación, consultar cambios regulatorios y atender solicitudes de acceso a datos personales.

La plataforma también puede conectarse mediante el Model Context Protocol (MCP) con las herramientas que los equipos jurídicos ya tienen. Entre las integraciones aparecen Microsoft 365, Google Workspace, Docusign, Everlaw, iManage, NetDocuments, RelativityOne, Harvey, Legora, CourtListener y otras plataformas utilizadas para gestión documental, investigación y litigios.

La IA trabaja sobre los permisos que ya tiene cada abogado

Uno de los puntos que Google destaca es el manejo de información confidencial. Los conectores heredan los permisos establecidos en los sistemas jurídicos, por lo que Gemini Enterprise no debería acceder a documentos que el usuario tampoco tiene autorización para consultar.

Esto resulta especialmente relevante para firmas que manejan múltiples clientes y asuntos con restricciones de acceso. La compañía también señala que los datos de clientes, documentos, instrucciones y resultados permanecen dentro del perímetro privado de la organización y que no se utilizan para entrenar sus modelos fundamentales.

Entre las funciones anunciadas está la revisión de contratos como acuerdos con proveedores, acuerdos de confidencialidad y documentos relacionados con fusiones y adquisiciones. La IA puede compararlos con las reglas internas de una empresa, detectar cláusulas consideradas de alto riesgo y proponer cambios para que un abogado los revise.

Otra función permite monitorear modificaciones regulatorias y relacionarlas con las políticas internas de una organización. También puede ayudar a convertir acuerdos existentes en manuales de procedimientos para futuras negociaciones.

Gemini Enterprise for Legal no es una aplicación independiente. Google la presenta como un complemento dentro de Gemini Enterprise, por lo que las organizaciones que ya utilizan la plataforma pueden añadir las capacidades jurídicas sin implementar una segunda herramienta con controles separados.

La compañía señala que la solución fue desarrollada junto con firmas como Cleary Gottlieb, Freshfields, Weil y Williams & Connolly. Actualmente, Gemini Enterprise for Legal está disponible en versión preliminar, según Google Cloud.

La respuesta es sí, pero con una diferencia importante: aprender a programar ya no consiste únicamente en memorizar sintaxis, sino en entender qué se está construyendo, cómo funciona y si la solución propuesta realmente sirve.

La adopción de herramientas de IA entre desarrolladores muestra hasta qué punto cambió la forma de trabajar. La encuesta de Stack Overflow de 2025, realizada con más de 49.000 respuestas de 177 países, encontró que el 84 % de los desarrolladores utiliza o planea utilizar herramientas de IA en su proceso de desarrollo.

Pero utilizar IA para programar no significa que el código generado sea automáticamente correcto.

El problema de confiar en el código generado

Uno de los datos más reveladores de la misma encuesta es que el 46 % de los desarrolladores desconfía de la precisión de las respuestas generadas por IA, mientras que solo el 33 % afirma confiar en ellas. Además, el 66 % señala como principal frustración recibir soluciones que parecen correctas, pero finalmente no lo son.

Esto cambia la pregunta para quienes están pensando en estudiar programación.

El reto no es competir con una IA escribiendo 50 líneas de código más rápido. El verdadero valor está en poder revisar esas líneas, detectar errores, entender sus consecuencias y decidir cuál es la mejor manera de resolver un problema.

Un código puede ejecutarse y aun así estar mal diseñado. Puede generar vulnerabilidades de seguridad, consumir recursos innecesariamente o fallar cuando aumente el número de usuarios. Para identificar esos problemas hace falta comprender conceptos como algoritmos, estructuras de datos, bases de datos, arquitectura de software y seguridad.

Programar cambia, pero no desaparece

La IA sí está modificando el trabajo cotidiano de los desarrolladores. Puede encargarse de tareas repetitivas y ayudar a explorar soluciones, documentar código o crear prototipos.

Incluso las mediciones sobre productividad muestran resultados diferentes según el contexto. Un estudio de METR publicado en 2025 encontró que desarrolladores experimentados que trabajaban sobre proyectos de código abierto que conocían tardaron, en promedio, 19 % más al utilizar herramientas de IA durante las tareas analizadas.

La conclusión no es que la IA no sirva para programar. Es que su utilidad depende de quién la utiliza, qué problema intenta resolver y cuánto conocimiento tiene para evaluar el resultado.

Por eso, para alguien que comienza una carrera tecnológica, aprender programación sigue teniendo sentido. La IA puede convertirse en una herramienta más dentro del proceso de aprendizaje, no necesariamente en un sustituto de los fundamentos.

Aprender a programar para entender la tecnología

Esta es precisamente una de las diferencias entre pedirle a una IA que genere una aplicación y tener la capacidad de construirla con criterio.

Una persona que entiende programación puede formular mejores instrucciones, dividir un problema complejo en partes, comprobar si una respuesta de IA es correcta y modificarla cuando las condiciones cambian.

Te puede interesar: IA y programación: ¿por qué los desarrolladores siguen siendo necesarios?

Ese tipo de aprendizaje está presente en la metodología de Holberton Coderise, que plantea una formación basada en proyectos, trabajo colaborativo y resolución de problemas. Su propuesta incluye programas de Computer Programming y Software Development, con ejercicios progresivamente más complejos para que los estudiantes busquen, comprendan y apliquen las herramientas necesarias para resolverlos.

La programación, por tanto, no está perdiendo valor porque una IA pueda escribir código. Está cambiando el tipo de habilidad que resulta más importante.

Saber programar permite pasar de simplemente pedirle algo a una herramienta a tener el conocimiento necesario para dirigirla, cuestionarla y corregirla.

Y en un mercado tecnológico donde cada vez más personas tendrán acceso a asistentes capaces de generar código, esa diferencia puede ser precisamente la que determine quién sabe usar la tecnología y quién realmente sabe construir con ella.

El Huawei Nova 15 Max llega con una batería de 8.500 mAh, pero durante las pruebas del equipo hubo otro elemento que llamó especialmente la atención: su comportamiento con la señal en zonas apartadas.

En una conversación con Carlos Morales, PR Director de HUAWEI Mobile Latam, hablamos sobre estas características, el público al que apunta la serie Nova, la tecnología que hay detrás de su conectividad y el lugar que ocupa Colombia para la compañía.

El Nova 15 Max tiene una batería de 8.500 mAh. ¿Qué representa esta capacidad dentro de la serie Nova?

El apellido Max tiene precisamente relación con la batería. Estamos hablando de una capacidad que es aproximadamente 25% o 30% superior a la que normalmente tienen otros teléfonos, sin que eso haga que el dispositivo sea excesivamente grande o pesado.

La serie Nova busca entregar un gran desempeño, buenas funciones de fotografía y una batería muy amplia para un público más grande.

Los teléfonos flagship nos permiten explorar tecnologías y funciones que posteriormente pueden llegar a dispositivos más accesibles. En el caso de Nova, buscamos llevar muchas de esas capacidades a un público más amplio.

¿A qué usuario está dirigido el Nova 15 Max?

Originalmente la serie Nova surgió muy enfocada en un público joven, especialmente por la cámara frontal y el interés en las selfies.

Pero la realidad es que actualmente tiene un atractivo mucho más amplio. Una buena cámara, una gran pantalla, buen desempeño, batería de larga duración y carga rápida son características que pueden interesarle a muchos usuarios.

En el caso del Nova 15 Max tenemos también colores y un diseño que buscan ampliar ese atractivo.

Durante las pruebas, la batería mostró un comportamiento particular incluso en condiciones de mucho calor. ¿Qué hay detrás de esa autonomía?

Tenemos la tecnología Energy Booster, que busca aprovechar mejor la energía disponible y mantener un rendimiento estable.

La batería también tiene una capacidad considerable y está acompañada por HUAWEI SuperCharge Turbo de 40 W.

La intención es que el usuario pueda tener una experiencia duradera sin estar preocupado constantemente por cargar el dispositivo.

Otra característica que llamó la atención durante las pruebas fue la conectividad. En lugares apartados, el equipo mantenía señal cuando otros teléfonos no podían conectarse. ¿Cómo lo explica Huawei?

Huawei tiene una historia muy importante como compañía de telecomunicaciones. Hemos trabajado durante muchos años en tecnologías relacionadas con redes móviles y conectividad.

Las redes móviles son particularmente desafiantes porque hay muchos factores que afectan la señal. Los árboles, por ejemplo, pueden absorber la señal, al igual que el concreto y otros materiales.

Dentro de los dispositivos tenemos diferentes antenas y configuraciones de antenas que permiten buscar una conectividad adecuada con las redes móviles.

No se trata solamente de tener varias antenas, sino de cómo están organizadas dentro del dispositivo para favorecer la conexión.

Para nosotros es una característica fundamental. Puedes tener un teléfono con una gran cámara, una buena pantalla o excelentes funciones, pero su propósito inicial es permitirte comunicarte. Si no cumple bien esa función, estamos fallándole al usuario.

¿Esa tecnología de conectividad también se desarrolla pensando en otros productos de Huawei?

Los principios que utilizamos en conectividad también están presentes en otros productos, aunque no necesariamente con exactamente la misma tecnología.

Por ejemplo, tenemos tecnologías relacionadas con la conectividad y la localización que también se aplican a relojes inteligentes cuando utilizan GPS.

Huawei dedica recursos importantes a investigación y desarrollo precisamente para que las tecnologías que desarrollamos puedan llegar a diferentes categorías de productos.

Hablemos de fotografía. ¿Qué encuentra el usuario en el Nova 15 Max?

Tenemos una cámara principal de 50 megapíxeles, que denominamos Ultra Sensing, con una alta sensibilidad a la luz.

Esto permite trabajar tanto en situaciones de buena iluminación como en escenarios con poca luz o contraluz.

También tenemos estabilización mediante inteligencia artificial, que permite compensar movimientos naturales de la mano o situaciones en las que la persona está caminando o grabando desde un vehículo.

El teléfono permite grabar video en 4K y cuenta con zoom digital de hasta 10 aumentos.

¿Y qué funciones de inteligencia artificial incorpora la cámara?

Tenemos reconocimiento de escenas. El dispositivo puede identificar si estamos ante un retrato, una escena a contraluz, fuegos artificiales, un espectáculo de luces, un atardecer o una toma nocturna y ajustar automáticamente los parámetros.

También contamos con funciones como Borrado y Mejor expresión.

En Mejor expresión, si estamos tomando una fotografía grupal, el sistema puede utilizar otra expresión natural de una persona que haya sido capturada durante la misma sesión. No inventa una expresión, sino que utiliza una expresión real de esa persona.

La resistencia también es una de las características del Nova 15 Max. ¿Cómo trabaja Huawei este aspecto?

Tenemos centros de investigación y desarrollo especializados en diferentes áreas. Uno de ellos, ubicado en Japón, está dedicado a la resistencia de materiales.

En el teléfono utilizamos una aleación de aluminio de alta resistencia en el marco interno. Buscamos que el material no solamente sea resistente, sino que también pueda ayudar a absorber parte del impacto.

Esto es importante porque dentro del dispositivo hay componentes electrónicos delicados. No basta con proteger solamente la pantalla o el marco.

Sabemos que los accidentes ocurren y por eso buscamos que los equipos puedan resistir las situaciones del día a día.

Huawei también enfrenta desde hace años el reto de la experiencia de aplicaciones. ¿Qué ha cambiado para los usuarios?

Desde 2019 hemos trabajado mucho en ese aspecto. Ya han pasado siete años y la experiencia actual está mucho más cerca de lo que ofrecíamos antes del veto.

AppGallery es una de las alternativas y los usuarios pueden encontrar muchas aplicaciones allí.

También trabajamos desde nuestros canales oficiales y los puntos de venta para explicar qué puede hacer cada dispositivo, qué aplicaciones están disponibles y cuáles son las alternativas.

Sabemos que existe una cierta predisposición de algunas personas a dudar de la experiencia, y por eso queremos que puedan resolver sus preguntas antes de comprar.

¿Qué importancia tiene Colombia para Huawei?

Colombia está dentro de nuestros tres principales mercados de América Latina.

México es el número uno y el segundo y tercer lugar normalmente se disputan entre Colombia y otro país de la región. Colombia no sale de ese top tres.

Además, hemos observado una mayor sofisticación del consumidor colombiano. Ya no solamente busca un teléfono, sino que pregunta por características específicas como carga rápida, pantallas y también por accesorios.

Hay interés en audífonos, relojes inteligentes y bandas. El mercado de wearables ha crecido mucho y todavía vemos potencial para que siga desarrollándose.

Para Huawei, el Nova 15 Max representa precisamente esa intención de llevar prestaciones que antes estaban más asociadas a equipos de mayor precio hacia una familia con un público más amplio. La batería es su argumento más evidente, pero la compañía también apuesta por fotografía, conectividad y resistencia para convencer a quienes buscan algo más que las especificaciones habituales de un smartphone.

Durante una reciente intervención en la Universidad de los Andes, la experta Ángela Villate expuso que la discusión central en sectores como el jurídico y el empresarial no debe girar en torno a qué modelo comercial implementar, sino sobre quién mantiene el control real de los datos, la infraestructura y el conocimiento estratégico de la compañía. Su argumento principal desafía la noción generalizada de que la inteligencia artificial se limita a un simple chatbot de consumo masivo, proponiendo en cambio que las empresas deben comprenderla como un ecosistema complejo e integral donde la gobernanza de la información, el procesamiento riguroso y la auditoría son los verdaderos diferenciadores competitivos.

El uso indiscriminado de herramientas comerciales de inteligencia artificial conlleva un riesgo gigantesco que muchas firmas están pasando por alto en su afán de modernización, y es la fuga involuntaria de su ventaja competitiva más valiosa. Villate ilustra esta problemática planteando un escenario en el que profesionales de distintas empresas competidoras alimentan simultáneamente un mismo modelo comercial con información detallada sobre casos altamente estratégicos.

Te puede interesar: OpenAI presenta 10 resultados matemáticos obtenidos por su nueva IA

Al hacer esto, los usuarios dejan de ser simples consumidores de una herramienta tecnológica y se convierten inadvertidamente en proveedores de conocimiento especializado que termina nutriendo una infraestructura compartida, entrenando al algoritmo general para beneficio de sus propios rivales. A este grave escenario se suman serios problemas de soberanía de datos, una opacidad casi total frente a los sesgos o alucinaciones del sistema, y una preocupante dependencia económica de corporaciones que pueden alterar sus precios, modificar sus políticas de privacidad o cambiar sus interfaces de programación de un día para otro.

Frente a este complejo panorama de dependencia tecnológica, cobra una fuerza inusitada la filosofía de construir herramientas propias en lugar de alquilarlas, una posibilidad demostrada magistralmente por un proyecto implementado en Nueva Zelanda para la preservación del idioma maorí. Con recursos que a los ojos de las grandes multinacionales tecnológicas parecerían insuficientes, incluyendo apenas trescientas diez horas de audio y una infraestructura local manejada con solo dos tarjetas gráficas, la comunidad logró desarrollar un sistema especializado que alcanzó una precisión superior al noventa por ciento.

Este caso paradigmático demuestra que una organización moderna no necesita los presupuestos astronómicos de Silicon Valley ni requiere desarrollar un gigantesco modelo de lenguaje desde cero, ya que el enfoque más inteligente consiste en descargar modelos de código abierto y entrenarlos específicamente con la información confidencial de la empresa, creando soluciones altamente precisas sin comprometer la privacidad ni la seguridad de la información.

Te puede interesar: Microsoft confirma su superapp de Copilot: ¿en qué se diferencia de ChatGPT Work?

La clave absoluta para lograr el éxito en este tipo de implementaciones corporativas radica en comprender interiorizar que los datos son inmensamente más importantes que el modelo algorítmico subyacente, una dinámica que la ponente resume de manera brillante comparando esta relación con la de una naranja y un exprimidor.

Mientras que el mercado tecnológico actual se comporta de forma frenética cambiando constantemente de exprimidores y ofreciendo nuevos modelos cada semana, la calidad del producto final siempre dependerá de la excelencia de la naranja, que en este contexto representa la rigurosa gobernanza, la limpieza sistemática y la correcta estructuración de los datos internos de la organización. Una abrumadora cantidad de compañías cometen el gravísimo error de precipitarse a comprar e integrar soluciones de inteligencia artificial generativa sin haber consolidado previamente sus políticas de información, ignorando que el verdadero paso previo hacia la innovación tecnológica consiste en organizar estructuradamente su propio activo intelectual para transformarlo en inteligencia de negocios procesable.

En campos de alta especialización técnica como el derecho, esta estructuración metodológica de la información resulta aún más crítica, debido a que el conocimiento no es lineal y el dato estadísticamente más frecuente rara vez coincide con el más importante. Los modelos probabilísticos generalistas suelen fracasar estrepitosamente al intentar interpretar sentencias o documentos de cientos de páginas donde una sola cláusula o una breve frase condicional pueden alterar por completo el sentido legal de una disputa, enfrentándose a normativas superpuestas y sutiles variaciones jurisdiccionales.

Te puede interesar: AMD presenta Helios, el sistema de IA que usarán OpenAI y Anthropic

Por esta razón, el objetivo de la automatización tecnológica nunca debe ser la eliminación del criterio profesional, sino la integración permanente del experto humano en el ciclo de revisión, entendiendo que las plataformas comerciales son excepcionales para redactar correos o gestionar tareas administrativas rutinarias, pero la estrategia profunda, el conocimiento diferencial y las decisiones predictivas jamás deberían externalizarse.

La asimilación de todas estas tecnologías plantea además un desafío inmenso para la competitividad integral en regiones como Colombia, donde la simple suscripción a licencias de software extranjero se confunde habitualmente con una verdadera y profunda transformación digital.

Villate advierte con gran agudeza que el excelente talento de los ingenieros colombianos frecuentemente termina operando en beneficio de compañías internacionales, precisamente porque el mercado corporativo nacional se conforma con el consumo pasivo de la tecnología foránea en lugar de invertir en el desarrollo de capacidades técnicas propias que logren retener ese conocimiento especializado dentro de las fronteras.

}En última instancia, la ventaja competitiva definitiva en la incipiente era de la inteligencia artificial no se cimenta en la capacidad de alquilar apresuradamente el modelo algorítmico más popular del mes, sino en la disciplina estratégica de consolidar una capa de conocimiento propia e independiente que garantice la absoluta soberanía sobre los activos intelectuales de la empresa.

El estudio también señala que unas 130.000 organizaciones del país ya incorporaron IA a sus operaciones y que el 64% de las empresas consultadas considera esta tecnología una prioridad estratégica. Las startups aparecen entre las compañías que avanzan con mayor velocidad en su adopción.

Durante el Summit hablamos con Luis Caro, líder del equipo de especialistas de industrias para América Latina en AWS, sobre este crecimiento y sobre los obstáculos que todavía tienen las empresas para aprovechar la inteligencia artificial. También conversamos sobre el impacto de estas herramientas en el empleo y sobre la siguiente etapa tecnológica: los agentes autónomos.

ENTER: AWS plantea que la inteligencia artificial está pasando de ser una tecnología experimental a una herramienta empresarial. ¿En qué momento está Colombia frente a esta adopción?

Luis Caro: Colombia está en un momento muy interesante. Consideramos que es uno de los países que está liderando la adopción de inteligencia artificial en Latinoamérica. Lo interesante de las cifras es que no estamos hablando solamente de empresas que ya utilizaban IA, sino de un crecimiento en la cantidad de organizaciones que están comenzando a incorporarla.

El 42% de las empresas ya está utilizando inteligencia artificial en su negocio y eso muestra una tendencia al alza. Cada vez más compañías reconocen que esta tecnología entrega valor real y que puede convertirse en un frente estratégico para sus negocios.

ENTER: ¿En qué sectores están viendo mayor velocidad en esta adopción?

Luis Caro: Estamos viendo adopción en todos los sectores del país. Hay startups, pymes y empresas grandes utilizando inteligencia artificial. Algunos avanzan un poco más rápido que otros, pero en general estamos viendo un nivel de innovación importante.

Las startups son las que están liderando. El 52% está utilizando inteligencia artificial y también encontramos que las startups que la usan tienen un crecimiento 3,5 veces mayor. Esto muestra que la tecnología está impactando diferentes industrias y no solamente a las grandes compañías.

ENTER: ¿Cómo ha cambiado la conversación con las empresas? Antes hablaban de migración a la nube y transformación digital, pero ahora llegan hablando directamente de inteligencia artificial.

Luis Caro: La conversación ha cambiado, pero la nube sigue siendo fundamental. Amazon tiene más de 20 años de experiencia utilizando inteligencia artificial. Desde que se creó la tienda en línea de Amazon hemos utilizado IA, por ejemplo, en los sistemas de recomendación.

Cuando AWS nació en 2006, permitimos que otras empresas utilizaran la misma tecnología de nube que utilizaba Amazon. En ese momento las conversaciones estaban relacionadas con migración, capacitación y pruebas de concepto. Hoy eso ha madurado y estamos viendo una nueva ola de inteligencia artificial generativa y, especialmente, de inteligencia artificial agéntica.

ENTER: ¿Qué significa esa inteligencia artificial agéntica y por qué está tomando tanta importancia?

Luis Caro: Estamos hablando de software que puede trabajar de manera autónoma, durante las 24 horas, y tomar decisiones para ejecutar determinadas tareas.

En AWS vemos tres capas. Una es la infraestructura, donde tenemos nuestros propios chips y también trabajamos con tecnologías como las de Nvidia para ejecutar modelos de inteligencia artificial. Después está la plataforma, con servicios como Bedrock AgentCore, que permite incorporar agentes dentro del software que desarrollan las empresas.

Y finalmente están las aplicaciones que ya vienen con capacidades agénticas. Tenemos herramientas como Kiro, que ayuda a los desarrolladores a trabajar con agentes que pueden encargarse de determinadas tareas de programación. Eso permite que el desarrollador reciba el trabajo del agente, lo revise y lo incorpore a su software.

ENTER: Muchas compañías quieren implementar IA, pero todavía tienen dudas sobre por dónde empezar. ¿Cuál es el principal reto que están encontrando?

Luis Caro: El principal reto es la brecha de talento y la falta de conocimiento sobre inteligencia artificial. Muchas empresas tienen la preocupación de encontrar personas con las capacidades necesarias para utilizar la tecnología correctamente.

Por eso AWS tiene el compromiso de entrenar a 500.000 personas en Colombia para 2028. Ya llevamos 100.000 entrenadas en herramientas de inteligencia artificial.

El segundo reto es cultural. La IA no es solamente un asunto del área de tecnología. Tiene que involucrar a toda la empresa, desde el presidente hasta los empleados. Hay que aprender, experimentar y pensar cómo utilizar esta tecnología en cada parte del negocio.

ENTER: ¿Por qué Colombia se ha convertido en un mercado tan importante para la adopción de nuevas tecnologías?

Luis Caro: Colombia tiene varias ventajas estratégicas. Está en una posición geográfica importante, tiene cercanía con Estados Unidos y con otros países de Latinoamérica, y cuenta con una población con capacidades de bilingüismo.

También es un país donde históricamente ha existido apertura para adoptar nuevas tecnologías. A esto se suma que tiene un segmento de pymes muy grande. Estas compañías pueden moverse rápido porque tienen estructuras más pequeñas y los cambios organizacionales son más fáciles de implementar.

Además, tenemos un ecosistema de startups que está impulsando la adopción. Colombia ya ha desarrollado varios unicornios y Rappi fue uno de los primeros de la región. Eso ayuda a que las startups lideren y que el resto de la industria siga ese camino.

ENTER: La IA generativa requiere grandes capacidades de procesamiento y datos. ¿Qué papel juega la nube para que las empresas puedan acceder a estas tecnologías?

Luis Caro: La nube juega un papel extremadamente importante porque democratiza el acceso a centros de datos y capacidades de cómputo que muchas empresas no podrían construir por su cuenta.

Amazon hace grandes inversiones en infraestructura y después AWS permite que los clientes utilicen esas capacidades bajo un modelo de pago por uso. Los modelos de inteligencia artificial necesitan enormes cantidades de datos y capacidad de procesamiento. No todas las empresas tienen los recursos para hacer esas inversiones, pero sí pueden acceder a ellas a través de la nube.

ENTER: En Colombia también existe preocupación por el impacto de la IA en los empleos. ¿Cómo debería entenderse esta transformación?

Luis Caro: Nosotros vemos que la IA complementa al ser humano. Lo que estamos observando en los clientes que implementan exitosamente esta tecnología es que permite quitar tareas manuales, aquellas donde el trabajador aporta menos valor, y dedicar más tiempo a actividades que generan mayores beneficios para la empresa.

Por ejemplo, Alpina logró reducir de manera importante el tiempo que necesitaba para elaborar reportes. El empleado no deja de trabajar, sino que puede dedicar menos tiempo a construir el reporte y más a analizar la información.

También ocurre en ventas. La inteligencia artificial puede ayudar con tareas administrativas para que el vendedor dedique más tiempo a interactuar directamente con los clientes.

ENTER: Amazon también ha anunciado despidos en los últimos años. ¿Cómo se relacionan esos cambios con la inteligencia artificial?

Luis Caro: Hemos tenido noticias sobre despidos masivos, pero siempre hemos aclarado que esos procesos no han sido consecuencia de la inteligencia artificial. Han estado relacionados con temas de cultura, optimización y reorganización de la empresa.

Amazon es un negocio muy dinámico, con muchas unidades de negocio, y tenemos que evaluar constantemente cómo mantener una organización eficiente. Eso no tiene que ver directamente con la inteligencia artificial.

ENTER: ¿Cuál es la próxima etapa de la inteligencia artificial que veremos en los próximos años?

Luis Caro: Vamos a ver una democratización de los agentes. La siguiente frontera es la madurez de la inteligencia artificial agéntica. Estos sistemas pueden ser autónomos y tomar decisiones.

En retail y banca, por ejemplo, veremos comercio agéntico, donde un agente podrá buscar un producto por nosotros, comparar opciones y realizar una compra. También veremos relaciones entre empresas en las que los agentes podrán hacer compras y ventas de manera autónoma.

Otro campo será la inteligencia artificial física. Vamos a ver más robots y agentes interactuando con el mundo real. Es una tecnología que se mueve muy rápido y seguramente aparecerán nuevas aplicaciones a medida que se desarrollen nuevos modelos y capacidades.

El responsable de Tecnologías Emergentes del diario francés Libération considera que buena parte del debate alrededor de la inteligencia artificial ha dejado de lado una cuestión más profunda. Mientras la conversación pública gira alrededor de si estas herramientas reemplazarán o no a los periodistas, pocas veces se habla de quién desarrolla esos sistemas, bajo qué intereses funcionan y qué impacto tienen sobre las decisiones editoriales.

En entrevista con ENTER.CO, Sapey-Triomphe rechazó la idea de que la inteligencia artificial sea la responsable de la reducción de empleos en las redacciones. A su juicio, atribuirle esa decisión a la tecnología desvía la atención del verdadero origen del problema.

“Las decisiones de reemplazar periodistas no son decisiones tecnológicas. Son decisiones económicas”, afirma. En otras palabras, los modelos de IA pueden automatizar tareas, pero son las empresas las que deciden cómo utilizarlos y hasta dónde reemplazar trabajo humano.

Esa misma lógica la aplica cuando habla de los algoritmos que hoy organizan buena parte de la información en internet. Para él, ningún sistema es neutral. Detrás de cada plataforma existen decisiones tomadas por personas que determinan qué datos utilizan para entrenar los modelos, qué respuestas priorizan y qué visión del mundo terminan reproduciendo.

Por eso asegura que comparar herramientas desarrolladas por compañías como Google, Meta o xAI permite entender que la inteligencia artificial tampoco ofrece una verdad única. Cada una responde a criterios diferentes porque detrás hay empresas con prioridades distintas.

Cuando perder tráfico deja de ser un problema

La reflexión no es teórica, pues en Libération terminó influyendo en decisiones concretas.

Hace algunos meses el periódico perdió una parte importante de la audiencia que llegaba desde Google Discover. Para muchos medios, una caída de ese tamaño habría significado concentrar todos los esfuerzos en recuperar esas visitas.

En el caso del diario francés ocurrió algo diferente.

El equipo descubrió que buena parte de esos usuarios consumía contenidos de actualidad muy inmediata, permanecía menos de un minuto en el sitio y rara vez terminaba pagando una suscripción. Los lectores más fieles llegaban por otros caminos, dedicaban más tiempo a leer investigaciones y análisis, consultaban artículos publicados semanas o incluso meses atrás y mantenían una relación mucho más estable con el periódico.

Ese hallazgo llevó a Libération a reforzar el desarrollo de herramientas propias, entre ellas un sistema de recomendación de contenidos diseñado por su propio equipo. La intención no era competir con Google, sino reducir la dependencia de plataformas externas para decidir qué información encuentran sus lectores.

Sapey-Triomphe cree que esa discusión apenas comienza en la industria, durante mucho tiempo los medios concentraron sus esfuerzos en proteger su independencia editorial y financiera. Ahora, dice, también tendrán que decidir qué parte de su infraestructura tecnológica están dispuestos a dejar en manos de terceros y cuál prefieren construir y controlar por cuenta propia.

El ingeniero compartirá estas ideas el 24 de julio, durante el Festival Gabo 2026. Su conferencia, “Cómo desarrollar tecnologías de información alternativas desde el periodismo”, se realizará en el Aula de Audiovisuales del Centro Felicidad Chapinero, en Bogotá, donde abordará cómo las redacciones pueden recuperar capacidad de innovación tecnológica sin depender por completo de las grandes plataformas digitales.

Samsung plantea el Galaxy Z Fold8 como un teléfono pensado para alternar entre el uso tradicional de un smartphone y una experiencia más cercana a una tableta cuando está completamente desplegado.

Galaxy Z Fold8: un diseño más delgado y ligero

Uno de los cambios más visibles del Galaxy Z Fold8 está en su construcción. El equipo tiene un grosor de 4,5 milímetros cuando está desplegado y pesa 201 gramos, mientras que plegado alcanza 9,7 milímetros de grosor.

La compañía también incorporó una estructura con titanio y un nuevo diseño de la bisagra, pensado para facilitar el despliegue y conseguir un pliegue más plano.

El teléfono está disponible en lavanda, grafito y crema. También existe una versión en color pistacho exclusiva de Samsung.com.

Dos pantallas AMOLED para cambiar entre contenido corto y largo

El Galaxy Z Fold8 cuenta con una pantalla exterior de 5,4 pulgadas y una pantalla principal de 7,6 pulgadas. Ambas utilizan tecnología Dynamic AMOLED 2X y ofrecen una frecuencia de actualización de hasta 120 Hz.

La pantalla exterior está pensada para tareas rápidas, redes sociales y consultas cotidianas. Al desplegar el dispositivo, la pantalla principal ofrece una relación de aspecto 4:3 que facilita la lectura de artículos, libros electrónicos y la reproducción de contenido.

Las dos pantallas alcanzan hasta 3.000 nits de brillo. La pantalla principal también incorpora un tratamiento antirreflejos para mejorar la visibilidad en diferentes condiciones de iluminación.

Rendimiento con Snapdragon 8 Elite Gen 5 para Galaxy

El procesador es uno de los componentes centrales del Galaxy Z Fold8. El dispositivo funciona con el Snapdragon 8 Elite Gen 5 para Galaxy, acompañado por CPU, GPU y NPU.

La NPU está enfocada en las tareas de inteligencia artificial, mientras que la GPU se encarga de mantener un rendimiento gráfico fluido en aplicaciones, reproducción de video y otros usos exigentes.

El procesador alcanza velocidades de hasta 4,74 GHz y cuenta con una arquitectura de ocho núcleos. El teléfono incluye 12 GB de memoria RAM y puede configurarse con 256 GB, 512 GB o 1 TB de almacenamiento interno.

Galaxy AI utiliza la pantalla plegable para editar y organizar contenido

El Galaxy Z Fold8 amplía el uso de la inteligencia artificial en fotografía, video y productividad.

Una de las funciones destacadas es My FanCam, que permite grabar una escena amplia y posteriormente seleccionar a una persona para que la inteligencia artificial la siga y genere un encuadre centrado en ese sujeto.

La herramienta puede utilizarse para adaptar el video a diferentes relaciones de aspecto y facilitar la creación de contenido directamente desde la Galería.

El teléfono también incorpora herramientas de edición fotográfica con IA. El usuario puede describir mediante lenguaje natural los cambios que quiere realizar y el sistema genera una versión modificada de la imagen.

Otra función, Now Nudge, ofrece sugerencias relacionadas con las acciones que el usuario está realizando. Por ejemplo, puede proponer abrir el calendario a partir de una conversación y mostrar las aplicaciones en una vista dividida.

One UI 9 aprovecha el formato plegable

El software del Galaxy Z Fold8 está basado en One UI 9, una interfaz adaptada a las dos pantallas del dispositivo.

La pantalla principal permite utilizar varias aplicaciones al mismo tiempo mediante vistas divididas de dos o tres ventanas. Esto permite, por ejemplo, consultar una conversación mientras se revisa un calendario o se visualiza otra aplicación.

La interfaz también incluye una pantalla de inicio personalizable y funciones diseñadas para facilitar el cambio entre la pantalla exterior y la principal.

Samsung promete soporte de actualizaciones de seguridad hasta el 31 de julio de 2033.

Cámara dual de 50 MP y grabación en 8K

El Galaxy Z Fold8 incorpora una cámara trasera dual con sensores de 50 megapíxeles. El sistema incluye estabilización óptica de imagen y zoom óptico de calidad 2x, además de zoom digital de hasta 10x.

La cámara también utiliza el motor ProVisual para procesar imágenes y videos. Entre sus funciones está la reducción de ruido en tiempo real, especialmente útil en escenas con poca iluminación.

El teléfono puede grabar video en resolución UHD 8K a 30 fotogramas por segundo. También cuenta con cámara frontal de 10 MP y una cámara de 10 MP en la pantalla exterior.

La función de grabación dual permite mostrar diferentes perspectivas dentro de una misma toma, mientras que las herramientas de IA pueden ayudar a reorganizar y editar el material grabado.

Batería de 4.800 mAh y carga de hasta 45 W

El Galaxy Z Fold8 cuenta con una batería de 4.800 mAh. Según las especificaciones entregadas, ofrece hasta 26 horas de reproducción de video.

La batería no es extraíble y admite una potencia de carga de hasta 45 W. El equipo también incluye carga inalámbrica y puede integrarse con otros dispositivos del ecosistema Galaxy.

Conectividad preparada para 5G y Wi-Fi 7

El teléfono es compatible con redes 5G Sub6 y cuenta con doble SIM mediante Nano-SIM y eSIM.

En conectividad inalámbrica incorpora Wi-Fi 7, Bluetooth 6.0, NFC y UWB. También incluye USB-C con estándar USB 3.2 Gen 1.

El Galaxy Z Fold8 es compatible con Samsung DeX, SmartThings y otros dispositivos del ecosistema Galaxy, incluidos relojes inteligentes y audífonos.

Galaxy Z Fold8: versiones, almacenamiento y estrategia de Samsung

El nuevo plegable se ofrece en versiones de 256 GB, 512 GB y 1 TB, todas con 12 GB de memoria RAM. La compañía también destaca una construcción con materiales reciclados y un periodo extendido de soporte de software.

Samsung busca que el Galaxy Z Fold8 no sea únicamente un teléfono con pantalla plegable. La estrategia combina el formato de mayor tamaño con inteligencia artificial, cámaras de alta resolución, productividad y una integración más amplia con el resto de sus dispositivos.

El Galaxy Z Fold8 tiene un precio de 1.699 libras esterlinas en Reino Unido, equivalente a aproximadamente 7,3 millones de pesos colombianos, aunque el valor puede variar según el tipo de cambio y el mercado. El dispositivo llega en diferentes versiones de almacenamiento, con opciones de 256 GB, 512 GB y 1 TB, además de varios colores. Su lanzamiento lo ubica en la competencia directa del segmento de teléfonos plegables premium, donde el diseño, el rendimiento, la inteligencia artificial y el soporte de software son algunos de los principales factores de decisión.

Sin embargo, para las empresas que buscan adoptar estas herramientas, cumplir con la ley es solo la mitad de la batalla. La verdadera barrera, según los expertos internacionales, radica en cómo las organizaciones logran que esta gobernanza funcione operativamente en su día a día.

Actualmente, el panorama regulatorio en la región avanza con distintos niveles de madurez. Mientras que Perú y El Salvador ya cuentan con una legislación específica vigente, Colombia se ha posicionado en el grupo que lidera la segunda ola regulatoria, junto a Brasil, Chile y México.

El país avanza firmemente a través del Proyecto de Ley 043 de 2025 (Senado) y 324 de 2025 (Cámara), una iniciativa que ya ha recibido ponencia positiva para establecer reglas claras sobre el desarrollo, implementación y supervisión de los sistemas de IA.

Colombia lidera la segunda ola de regulación de IA en América Latina

Este modelo colombiano propone una arquitectura institucional encabezada por el Ministerio de Ciencia, Tecnología e Innovación, trabajando en conjunto con la Superintendencia de Industria y Comercio (SIC), entidad que vigilará aspectos críticos como la protección de datos personales, los derechos del consumidor y la competencia económica. Además, la propuesta se alinea con las tendencias internacionales al adoptar un enfoque basado en riesgos, según el último informe de Deloitte, donde las obligaciones de las empresas dependerán del impacto potencial de cada sistema de IA sobre la sociedad.

Como señala Jose Luis Jerez, Socio de Impuestos y Servicios Legales de Deloitte Spanish Latin America, “la regulación de la inteligencia artificial representa una oportunidad para generar confianza y acelerar una adopción responsable de esta tecnología”. El enfoque colombiano exige estudios de impacto, así como mecanismos que evalúen la calidad y trazabilidad de los datos utilizados, con el fin de reducir los efectos negativos sobre los derechos fundamentales.

Si bien proyectos de ley como el de Colombia sientan las bases legales para la transparencia y la gestión de riesgos, la implementación interna dentro de las empresas es un reto completamente distinto. Tener una política de IA para cumplir con la normativa no garantiza que la tecnología sea escalable o exitosa.

Imran Aftab, CEO y cofundador de 10Pearls, advierte que el éxito escalable de la IA a nivel empresarial tiene menos que ver con las capacidades del modelo en sí, y mucho más con asegurar que las bases operativas y organizacionales estén firmes.

En la práctica, la brecha estratégica más común que frena a las empresas es la falta de operativización. Aftab explica: “El bajo rendimiento de la IA no siempre indica un problema con el modelo. Lo más probable es que el marco de gobernanza detrás de la tecnología no haya logrado dar el salto del papel a la práctica”.

Aunque una empresa cuente con políticas alineadas a la regulación de entidades como MinCiencias o la SIC, persisten vacíos en cómo estas reglas se aplican a las operaciones diarias. El experto señala que los derechos de decisión, las vías de escalamiento, los controles aplicables y la rendición de cuentas son áreas donde la gobernanza debe volverse completamente operativa. “Tenga en cuenta que la gobernanza de la IA es tanto una preocupación corporativa como de TI”, subraya Aftab, enfatizando que solo el 41% de las empresas con una estrategia de IA están trabajando para que esta gobernanza sea accesible a nivel de toda la organización.

El factor humano: El puente entre la ley y la operación

Tanto la emergente legislación colombiana como las mejores prácticas corporativas coinciden en un punto vital: la supervisión. El proyecto de ley en Colombia busca identificar riesgos y mitigar impactos negativos, algo que a nivel corporativo solo se logra si las personas siguen siendo parte de la ecuación.

Aftab denomina a esto el principio de mantener a los “humanos en el bucle” (Humans In The Loop). Para resolver el rompecabezas de la gobernanza operativa, es indispensable diseñar un entorno que integre la participación humana junto a la IA. “Las organizaciones deben centrarse en dónde se necesitan personas, qué decisiones y etapas del flujo de trabajo requieren supervisión y cómo debe operativizarse la IA para facilitar estas intervenciones”, puntualiza el directivo.

A medida que Colombia se convierte en un referente latinoamericano de inteligencia artificial responsable, las organizaciones públicas y privadas deben entender que la IA ya no es únicamente un desafío tecnológico. La clave para triunfar en este nuevo ecosistema no solo será cumplir con las exigencias de MinCiencias y la SIC, sino construir una estrategia interna donde la gobernanza se mida, se aplique y empodere el talento humano para escalar con seguridad.

Imagen: Unsplash / Getty Images

Ya sea escribiendo o hablando,  la experiencia será similar a hablar con una IA. En este caso servirá para decirle qué reproducir, obtener información sobre lo que están escuchando y explorar su propio historial de escucha sin salir de la app.

“Talk to Spotify” saldrá primero en beta y representa uno de los pasos más ambiciosos de la compañía para incorporar inteligencia artificial conversacional a su producto principal.

Según explicó Spotify, la función busca profundizar en la adaptación al gusto musical de cada usuario.En lugar de depender exclusivamente de algoritmos de recomendación o de búsquedas por texto tradicionales, los usuarios podrán mantener una conversación con la aplicación para dar forma a lo que están escuchando, entender mejor el contenido reproducido o revisar su propia historia como oyentes.

La compañía enmarca este lanzamiento dentro de una estrategia más amplia de personalización, que en los últimos meses también incluyó la expansión de su DJ personalizado a nuevos idiomas y mercados, y otras funciones orientadas a que los usuarios comprendan mejor la música, los pódcasts y los audiolibros que consumen. A continuación, el detalle de las principales capacidades incluidas en esta actualización.

Definir la reproducción con instrucciones sucesivas

Una de las funciones centrales permite a los usuarios pedirle a Spotify que arme una selección musical a partir de instrucciones abiertas, como solicitar artistas que todavía no hayan escuchado, y luego seguir ajustando esa selección con indicaciones adicionales.

Es posible pedir que se sume un artista puntual, acotar el pedido a un período específico de su discografía o solicitar un cambio de tono, por ejemplo, hacia canciones más enérgicas.

Además, el usuario puede pedirle a la aplicación directamente que guarde una canción, la sume a la cola de reproducción o siga a un artista, sin necesidad de tocar manualmente esas opciones en la interfaz.

Información sobre lo que se está escuchando

Desde la vista de reproducción actual, los usuarios podrán preguntar por el contexto de una canción, un álbum, un artista o un género. Spotify puso como ejemplo consultas sobre la inspiración detrás de un álbum, la fecha de lanzamiento de un disco o el género al que pertenece un tema.

La compañía indicó que, a partir de esas respuestas, la aplicación también sugiere artistas, sonidos e historias relacionadas para profundizar el descubrimiento musical.

La misma lógica se extiende a pódcasts y audiolibros: durante la escucha, será posible preguntar por otros libros escritos por un autor o por otros pódcasts en los que haya participado un invitado determinado.

Consultas sobre el propio historial de escucha

La tercera gran capacidad de la función apunta hacia adentro: permite a los usuarios hacer preguntas sobre su propio comportamiento de escucha, aprovechando que Spotify ya cuenta con datos sobre sus playlists, artistas favoritos y canciones repetidas.

Entre los ejemplos mencionados por la compañía figuran preguntas como en qué momento se escuchó por primera vez una canción determinada o qué géneros ha estado escuchando el usuario en el último tiempo.

Disponibilidad limitada y en fase beta

Spotify aclaró que la función es opcional: los usuarios pueden activar el micrófono para hablar, escribir sus consultas o simplemente seguir utilizando la aplicación de la manera tradicional.

Por tratarse de una beta, la compañía advirtió que las respuestas no siempre serán precisas y que el sistema seguirá ajustándose a partir de la retroalimentación de los usuarios.

El despliegue es, por ahora, acotado: la función llega de forma gradual para usuarios Premium mayores de 18 años en Estados Unidos, Irlanda y Suecia, disponible en inglés para dispositivos iOS y Android.

Spotify no precisó una fecha estimada para una expansión a otros mercados o idiomas, aunque adelantó que continuará sumando novedades orientadas a conectar a los oyentes con la música, los pódcasts, los audiolibros y los creadores que siguen.

Artículo coescrito con Juan Pablo Aguirre Osorio

Imagen: Spotify

El análisis identificó 8.410 edificaciones con algún nivel de daño dentro de un universo de 72.162 construcciones evaluadas en un área cercana a los 210 kilómetros cuadrados. Las cifras también muestran que poco más de 3.000 inmuebles no pudieron analizarse debido a la presencia de nubes durante la captura de las imágenes, mientras que las mayores afectaciones aparecieron en Catia La Mar y sectores de La Guaira.

Aunque los datos no sustituyen las inspecciones realizadas por ingenieros o autoridades de emergencia, sí permiten conocer rápidamente dónde concentrar los primeros esfuerzos de rescate y recuperación cuando cada minuto cuenta.

De imágenes satelitales a un mapa de daños en pocas horas

La evaluación fue desarrollada por el Laboratorio de Investigación de IA para el Bien Social de Microsoft utilizando cinco escenas satelitales captadas después de los terremotos. En lugar de revisar manualmente cada fotografía, un modelo de inteligencia artificial analizó las imágenes para reconocer edificios, identificar señales de destrucción y distinguir las zonas cubiertas por nubes.

Después, el sistema comparó esa información con bases cartográficas que muestran la ubicación de las construcciones antes del desastre. De esa manera fue posible estimar cuáles presentaban daños visibles y generar un inventario único, incluso cuando un mismo edificio aparecía en varias imágenes tomadas por diferentes satélites.

Te puede interesar: El 83 % de los colombianos vive en zonas con riesgo sísmico: esto significa

El resultado fue una evaluación capaz de ofrecer una visión amplia del territorio sin esperar a que los equipos de emergencia recorrieran cada barrio afectado. Según el informe, alrededor del 12 % de los edificios que pudieron observarse presentaban algún grado de afectación.

Una herramienta que ayuda a decidir dónde actuar primero

La utilidad de esta tecnología no está únicamente en contar edificios dañados. Su mayor aporte consiste en mostrar dónde se concentran los impactos para que las autoridades puedan definir prioridades cuando los recursos son limitados o el acceso terrestre resulta complicado.

Para comprobar la confiabilidad de los resultados, Microsoft comparó las predicciones del modelo con reportes enviados por ciudadanos desde las zonas afectadas. Esa validación permitió medir qué tan cerca coincidían las detecciones automáticas con los daños observados sobre el terreno y fortalecer el uso de la inteligencia artificial como apoyo para las labores de respuesta.

Te puede interesar: Así detectó un satélite de la NASA miles de edificios dañados tras el terremoto de Venezuela

El informe también reconoce las limitaciones de este tipo de análisis. La evaluación depende de imágenes captadas en un momento específico y algunos edificios pueden quedar ocultos por las nubes o presentar diferencias entre escenas tomadas por distintos satélites. Por esa razón, los resultados deben complementarse con verificaciones en campo antes de tomar decisiones definitivas sobre cada estructura.

Más allá del caso venezolano, la experiencia muestra cómo la inteligencia artificial empieza a convertirse en una herramienta para actuar durante las primeras horas posteriores a un desastre. En lugar de reemplazar el trabajo de rescatistas o especialistas, acelera la obtención de información crítica y permite que la ayuda llegue con mayor rapidez a los lugares donde el impacto parece haber sido más severo.

“Vibe coding” es un término que se popularizó a partir de 2025 para describir una forma de programar usando IA. Le describes a una inteligencia artificial lo que quieres que haga un programa o una app, y es la IA la que se encarga de escribir el código real.

Este enfoque ha ganado terreno rápidamente porque elimina la barrera técnica que históricamente separaba a quienes tienen ideas de quienes saben ejecutarlas. Basta con describir la intención y dejar que la inteligencia artificial resuelva los detalles técnicos.

Qué es Pocket y de dónde viene

Pocket se define a sí misma como “una plataforma creativa para hacer y compartir gizmos”, en referencia a las experiencias interactivas que los usuarios generan dentro de la app. Además de la herramienta de creación, ofrece un feed desplazable donde se puede jugar con los gizmos creados por otras personas. Esta dinámica recuerda al scroll infinito de TikTok, pero aplicado a mini apps jugables en lugar de videos.

La aplicación es resultado directo de la adquisición que Meta hizo a comienzos de este año del equipo detrás de Gizmo, la plataforma de “vibe-coded gaming”. Ese antecedente explica el parecido: según capturas de pantalla publicadas en Google Play, Pocket comparte fuertes similitudes con la app original de Gizmo, que sigue disponible para descarga de forma independiente.

El origen del proyecto

Gizmo, desarrollada por la startup neoyorquina Atma Sciences, permitía a cualquier persona crear experiencias interactivas usando texto, fotos, sonido y gestos táctiles, todo mediante instrucciones en lenguaje natural. La IA se encargaba de generar el código y renderizar visualmente la idea para asegurar que funcionara correctamente.

El resultado no eran videojuegos tradicionales, sino más bien “juguetes digitales”. Rompecabezas, memes interactivos, animaciones o cualquier cosa que un creador imagine, todo dentro de un feed similar al de Reels o TikTok, con posibilidad de comentar, dar “me gusta” y remezclar creaciones ajenas.

Antes de ser absorbida por Meta, Gizmo había mostrado un crecimiento notable: según datos de la firma de inteligencia de aplicaciones Appfigures, acumuló cerca de 635.000 instalaciones de por vida entre iOS y Android, con un 98% de sentimiento positivo entre sus usuarios. Su equipo de ingenieros se unió a Meta Superintelligence Labs a comienzos de año.

Un lanzamiento sin anuncio oficial

A diferencia de otros productos de IA de Meta, Pocket no tuvo un anuncio formal. Fue detectada primero por Alessandro Paluzzi, un reconocido “reverse engineer” que suele encontrar apps y funciones antes de que las compañías las presenten oficialmente, quien compartió capturas de la ficha de la app en Google Play.

Según datos de Appfigures, Pocket ya llevaba disponible desde el 29 de junio tanto en la App Store como en Google Play. Aunque por su corta trayectoria la firma todavía no puede determinar cuántas descargas ha generado.

El hecho de que la compañía no la haya presentado oficialmente sugiere que Pocket todavía se encuentra en una fase experimental temprana, similar a como Meta ha probado otras iniciativas de IA antes de darles un empuje público mayor.

Una estrategia más amplia de Meta en IA generativa

Pocket se suma a una lista creciente de apuestas de Meta por democratizar la creación de contenido con inteligencia artificial.

La compañía ya cuenta con generación de imágenes por IA a través de su app Meta AI, videos generados con inteligencia artificial mediante su app independiente Vibes y funciones de IA integradas en Edits, su aplicación de edición de video para creadores, que en junio incorporó un asistente de IA y una versión de escritorio.

Con Pocket, Meta amplía ese mismo enfoque al terreno del gaming casual. En lugar de escribir código o contratar desarrolladores, cualquier usuario podría, en teoría, describir una idea de juego simple y verla cobrar vida en minutos.

Queda por ver si la compañía decide impulsar el producto con un lanzamiento oficial más adelante o, como ha ocurrido con otros experimentos, terminará quedando en prueba.

Artículo coescrito con Juan Pablo Aguirre Osorio

Imagen: Captura de pantalla Google Play.

Sin embargo, mientras las compañías buscan destacar con el modelo más inteligente, hospitales y empresas tecnológicas están descubriendo que el verdadero cuello de botella para una adopción eficiente y confiable está en los datos.

Un informe reciente pone en evidencia que muchas instituciones de salud están encontrando el mismo problema. Los datos fragmentados y mal gestionados se han convertido en el mayor obstáculo para pasar de proyectos piloto a resultados reales.

Y no porque falten. De hecho, el sector salud produce enormes cantidades de información todos los días. El problema es que esa información rara vez está organizada. Una parte vive en historias clínicas escritas hace años, otra en documentos PDF, otra en resultados de laboratorio, otra en imágenes diagnósticas y otra en sistemas que ni siquiera pueden comunicarse entre sí.

En otras palabras, la inteligencia artificial puede ser muy poderosa, pero si no encuentra la información adecuada, tampoco podrá ofrecer respuestas confiables.

El verdadero reto está en los datos

La industria tecnológica se obsesionó con construir modelos cada vez más grandes y potentes. Pero en el sector salud la confianza y la precisión sí son de vital importancia.

Antes de preguntarse qué modelo utilizar, hospitales y clínicas ahora deben resolver cómo unificar millones de registros clínicos, conectar sistemas desarrollados hace décadas y garantizar que un médico reciba información actualizada sin poner en riesgo la privacidad de los pacientes.

Durante el auge de la IA generativa aparecieron decenas de asistentes conversacionales para el sector salud. Pero un médico no solo necesita un chatbot que responda preguntas generales.

Necesita una herramienta capaz de revisar el historial clínico de un paciente, consultar protocolos médicos, comparar resultados de laboratorio, encontrar antecedentes relevantes y entregar una respuesta sustentada en información real.

Por eso cada vez cobran más importancia tecnologías como RAG (Retrieval-Augmented Generation), una arquitectura que permite que un modelo consulte documentos clínicos y bases de datos antes de responder.

La diferencia puede parecer técnica, pero cambia completamente el resultado. En lugar de responder únicamente con lo aprendido durante su entrenamiento, la IA puede apoyarse en información específica de una institución médica, reduciendo el riesgo de errores y ofreciendo respuestas mucho más útiles para los profesionales.

De hecho, ahí es donde realmente se está jugando la próxima etapa de la inteligencia artificial aplicada a la medicina. “Si bien la inteligencia artificial todavía no está a la altura de los médicos reales en ciertas áreas, actualmente es capaz de superar a los humanos en algunas cosas”, asegura Mike Hoey, CEO de Source Meridian. “Hay un par de ejemplos de esto en la radiología y el diagnóstico, donde algunos signos y síntomas son muy difíciles de detectar para el ojo humano. Con algoritmos avanzados de machine learning, la IA puede detectar estas sutiles diferencias en los datos de los diagnósticos”.

La próxima revolución no será un modelo

La industria tecnológica ha dedicado los últimos años a competir por construir la inteligencia artificial más potente. Sin embargo, en salud esa competencia podría dejar de ser la más importante.

Si los datos siguen dispersos entre historias clínicas, archivos PDF y sistemas que no se comunican entre sí. Incluso el mejor modelo del mundo tendrá dificultades para generar respuestas realmente útiles.

El futuro de la IA en medicina probablemente no dependerá únicamente de algoritmos más sofisticados. Sino de algo mucho menos llamativo, pero mucho más determinante como la capacidad de convertir datos fragmentados en información confiable.

Imagen: Foto de Stephen Andrews en Unsplash

SpaceX habría aprovechado los días previos a su posible salida a la bolsa para mostrar este misterioso prototipo a sus inversores. El objetivo es integrar la avanzada tecnología de xAI en un formato tipo móvil, un aparato que muchos ya perfilan como el indiscutible sucesor de los smartphones actuales.

Este prototipo luce un diseño muy ambicioso que sería incluso más delgado que un iPhone. Operaría bajo un sistema operativo totalmente propio, diseñado para integrar de raíz la tecnología de xAI, compañía que SpaceX adquirió este año. En su interior, un chip Snapdragon de Qualcomm se encargaría de dar vida y procesar los potentes modelos de lenguaje de Grok.

El diseño y la tecnología detrás del teléfono con IA de SpaceX

Pese a la enorme emoción que ha generado esta noticia en la industria, Elon Musk no tardó en reaccionar. Fiel a su estilo directo, el director de SpaceX utilizó su cuenta de X para calificar la información como “absolutamente falsa”. Sin embargo, no es la primera vez que el empresario niega fuertes rumores sobre hardware; en febrero también desmintió un reporte de Reuters sobre un celular que se conectaría directamente a la red de Starlink.

A pesar de estas negativas, el proyecto tiene todo el sentido si observamos el historial del primer billonario. Musk ha revelado anteriormente sus planes de crear un móvil para enfrentar de lleno al iPhone y las prácticas comerciales de Apple. Es de conocimiento público que le fastidian profundamente las políticas de la App Store, de manera muy especial el impuesto adicional que la plataforma cobra a los desarrolladores.

La batalla por IA y la silenciosa amenaza de OpenAI

Este misterioso dispositivo de SpaceX parece inspirarse fuertemente en el concepto de la “super app”, la misma filosofía que Musk intentó aplicar cuando compró Twitter. La gran idea es centralizar todos los servicios de una compañía en una sola plataforma, evitando que el usuario deba descargar herramientas adicionales. El referente claro son los gigantes asiáticos como WeChat y Alipay, que permiten transferir dinero, pedir comida, reservar viajes y jugar desde una interfaz única.

El mercado global ya se está moviendo a pasos agigantados en esa dirección. Diversas empresas chinas y estadounidenses están integrando agentes inteligentes en sus aplicaciones, al mismo tiempo que desarrollan hardware especializado para explotarlos. Aparatos como smartphones, pines o gafas inteligentes están diseñados para servir como el gran ancla física de estos nuevos servicios.

Pero Elon Musk y SpaceX no correrán solos en esta carrera. Mientras el mundo debate sobre la veracidad de este nuevo gadget, OpenAI trabaja activamente en un proyecto muy similar para dominar el mercado. La compañía de inteligencia artificial liderada por Sam Altman quiere aprovechar el inmenso talento disponible y recientemente compró la startup de Jony Ive, el icónico exjefe de diseño de Apple responsable del iPhone, el iPad y el Apple Watch.

Para asegurar el éxito de su visión, OpenAI también sumó a sus filas a Paul Meade, el ingeniero responsable del desarrollo de las Apple Vision Pro. Con estos talentos en el tablero de juego, la guerra por definir y liderar el futuro del hardware tecnológico mundial apenas está comenzando.

Imagen: Elon Musk / Enter

La apuesta va más allá de un simple chatbot. Según Meta, estos agentes pueden atender consultas, identificar clientes potenciales, recomendar productos y acompañar el proceso de compra sin que una persona intervenga en cada conversación. Además, las empresas podrán combinar la atención automática con agentes humanos, cambiando entre ambos de forma fluida cuando sea necesario.

¿Cómo funcionará la nueva IA para empresas en WhatsApp?

Meta explicó que las compañías tendrán libertad para decidir cómo administrar sus conversaciones. Podrán utilizar únicamente el Business Agent, apoyarse en soluciones de inteligencia artificial desarrolladas por terceros, mantener equipos de atención humana o combinar todas estas alternativas.

La intención es ofrecer mayor flexibilidad para responder un alto volumen de mensajes sin sacrificar la continuidad de la conversación. Si la IA no puede resolver una consulta o el cliente necesita atención personalizada, el chat podrá pasar a un agente humano sin interrumpir la experiencia.

Te puede interesar: WhatsApp ya deja reservar tu nombre de usuario y ocultar tu número de teléfono

El lanzamiento también introduce cambios en el modelo de cobro de la plataforma. A partir del 1 de agosto de 2026, Meta comenzará a cobrar el uso del Business Agent mediante un sistema basado en tokens, una modalidad cada vez más utilizada por los proveedores de inteligencia artificial.

La tarifa será única para todo el mundo: 2 dólares por cada millón de tokens, incluyendo tanto el uso del agente como la entrega de los mensajes. Meta estima que una conversación suele consumir entre 20.000 y 25.000 tokens, por lo que cada interacción tendría un costo aproximado de entre 4 y 5 centavos de dólar.

También cambian los cobros en WhatsApp Business

Los ajustes no terminan allí. Desde el 1 de octubre de 2026, Meta volverá a cobrar los mensajes de servicio enviados dentro de la ventana de atención de 24 horas, utilizando un esquema por mensaje similar al que ya aplica para los mensajes de utilidad y autenticación.

Ese mismo día también volverán a tener costo las plantillas de utilidad enviadas durante esa ventana de servicio. En otras palabras, prácticamente cualquier respuesta empresarial dentro del periodo activo de atención generará un cobro, ya sea enviada por un agente humano, un sistema tradicional o el nuevo Business Agent.

Meta también recordó otras fechas importantes relacionadas con WhatsApp Business. Desde el 1 de julio de 2026 comenzaron a aplicarse nuevas tarifas para mensajes de marketing, utilidad y autenticación. Ese mismo día inició el despliegue oficial de Meta Business Agent y, en Brasil, comenzó la facturación localizada en reales para los clientes elegibles.