Google se encuentra desarrollando un asistente médico a distancia llamado AMIE (Articulate Medical Intelligence Explorer), una inteligencia artificial basada en los modelos Gemini y Project Astra. Este sistema utiliza tecnología multimodal para interpretar señales tanto verbales como no verbales durante una videoconsulta, permitiendo analizar en tiempo real el movimiento, la respiración, el tono de voz, la postura y las expresiones faciales del paciente para complementar su historial clínico.

El avance de Google con AMIE: el nuevo asistente médico virtual

En estudios simulados, AMIE ha demostrado un rendimiento comparable e incluso superior al de médicos de Atención Primaria. Logró un 91% de coincidencia en incluir el diagnóstico correcto en primer lugar, frente al 77% obtenido por los médicos humanos.

Además, destaca por su proactividad al guiar exámenes físicos virtuales con un 72% de éxito, frente al 39% de los profesionales. Aunque actualmente se encuentra en fase experimental y requiere validación con pacientes reales, el sistema cuenta con un aprendizaje continuo y supervisión constante por parte de Google para asegurar precisión y empatía, esto en información compartida por la compañía.

La democratización de la inteligencia artificial médica

Mientras Google enfoca sus esfuerzos en videoconsultas inteligentes, la empresa 360 Health Data, fundada por Mike Hoey y Shahir Kassam-Adams, aborda la brecha de información científica y clínica que enfrentan los profesionales de la salud en Latinoamérica.

Para solucionarlo, han desarrollado Coralia Health, una plataforma integral totalmente en español que consolida en un solo lugar artículos científicos, información sobre medicamentos según regulaciones locales, noticias clínicas y herramientas interactivas.

Esta plataforma está adaptada a las realidades locales: funciona en navegadores, dispositivos móviles de conexión limitada e incluso a través de un chatbot de inteligencia artificial en WhatsApp. Manuela Gutiérrez, líder de operaciones de 360 Health Data, destaca que el propósito va más allá de la tecnología.

“Queremos que toda la información que el médico necesita en su día a día esté centralizada en un solo lugar”, dijo Gutiérrez en una entrevista.

En relación al uso de nuevos algoritmos, Gutiérrez aclara: “Usamos la IA principalmente para organizar, filtrar grandes volúmenes de información científica, pero para nosotros esta tecnología nunca reemplazará el criterio médico. Nuestros algoritmos priorizan contenido relevante para cada especialidad, pero siempre con supervisión humana y posibilidad de discusión entre pares”.

Mientras Google redefine la telemedicina con AMIE, al optimizar la precisión diagnóstica y la empatía en videoconsultas simuladas, iniciativas como locales como Coralia Health adaptan esta transformación a las necesidades de idioma y fragmentación de información que enfrentan los médicos en Latinoamérica. Ambas propuestas demuestran que la tecnología no busca sustituir al profesional de la salud, sino actuar como un soporte que democratiza el conocimiento y potencia el criterio clínico con un enfoque profundamente humano.

La adopción de estas herramientas entre desarrolladores ha crecido rápidamente. La encuesta de Stack Overflow de 2025, realizada con más de 49.000 participantes de 177 países, encontró que 84% de los desarrolladores utiliza o planea utilizar herramientas de IA en su proceso de desarrollo, frente al 76% registrado un año antes. Sin embargo, el aumento del uso vino acompañado de una advertencia: 46% dijo desconfiar de la precisión de las respuestas generadas por IA.

El dato ayuda a entender el cambio que está experimentando la profesión. Un asistente puede producir código funcional, pero no necesariamente conoce todas las restricciones de un proyecto, las necesidades de sus usuarios, la arquitectura de un sistema o las consecuencias de una decisión técnica. Esas variables siguen requiriendo análisis y criterio.

Te puede interesar: ¿Por qué sentimos que nunca tenemos tiempo? La paradoja de la productividad digital y la IA

Un estudio controlado sobre GitHub Copilot publicado por investigadores de Microsoft encontró que los desarrolladores que utilizaron la herramienta completaron una tarea de programación 55,8% más rápido que quienes no tuvieron acceso al asistente. La cifra muestra el potencial de estas tecnologías, aunque no significa que todas las actividades de desarrollo se aceleren en la misma proporción.

Otra investigación llegó incluso a un resultado contrario. Un experimento de 2025 con 16 desarrolladores experimentados que trabajaban sobre proyectos de código abierto que ya conocían encontró que, al permitirles utilizar herramientas de IA, tardaron 19% más en completar las tareas. Los investigadores señalaron que los participantes debían revisar y corregir las propuestas generadas por las herramientas.

Programar cambia, pero los fundamentos siguen importando

La investigación DORA 2025, elaborada por Google con cerca de 5.000 profesionales de tecnología, describe la IA como un amplificador. Sus resultados apuntan a que las herramientas pueden potenciar las capacidades de una organización, pero también sus problemas existentes.

La necesidad de conocimientos técnicos también aparece en la encuesta de Stack Overflow. El 45% de los participantes señaló que depurar código generado por IA puede resultar una tarea que consume tiempo. Además, 61,3% afirmó que pediría ayuda a otra persona si quisiera comprender completamente el código y 61,7% mencionó preocupaciones éticas o de seguridad.

Para quienes buscan entrar en esta industria, el reto pasa entonces por aprender a utilizar estas herramientas sin depender completamente de ellas. Ahí aparece la propuesta de Holberton Coderise, que ofrece programas de programación, desarrollo de software, IA generativa, ciberseguridad y machine learning. Su formación de Desarrollo de Software Full Time tiene una duración de nueve meses, modalidad híbrida inmersiva y una metodología basada en proyectos, cohortes y aprendizaje entre pares.

El programa de desarrollo de software está dirigido también a personas que comienzan desde cero o buscan cambiar de carrera. Entre sus requisitos figuran conocimientos básicos de informática, interés por la tecnología y la inteligencia artificial, capacidad para resolver problemas y disposición para aprender mediante proyectos. El plan incluye fundamentos como C, estructuras de datos, Python, JavaScript, bases de datos, APIs, Git, Bash y depuración de aplicaciones.

Hasta ahora, la colaboración entre ambas compañías permitía consultar calificaciones, opiniones, fotografías y otros datos útiles para decidir dónde comer. La novedad añade el paso que faltaba: después de encontrar una opción adecuada, el usuario puede avanzar con la reserva desde el propio chat, reduciendo la necesidad de abrir otros servicios para completar la búsqueda.

Cómo reservar restaurantes en ChatGPT

Todo comienza con una solicitud habitual dentro del chat. El usuario puede describir qué busca según sus preferencias, como el tipo de comida, la ubicación o el ambiente. También puede pedir opciones para cenar o solicitar recomendaciones para una ocasión determinada, de manera que el sistema encuentre alternativas que respondan mejor a las características indicadas en la conversación.

Si uno de los restaurantes sugeridos utiliza las herramientas compatibles de Yelp, será posible reservar una mesa o apuntarse a la lista de espera desde el chat. De esta manera, la búsqueda y la reserva quedan reunidas en una misma conversación, reduciendo los pasos que normalmente tendría que realizar una persona para organizar una salida a comer.

La nueva función amplía las posibilidades que ofrecía la colaboración hasta ahora. Antes estaba enfocada principalmente en mostrar información sobre negocios, mientras que ahora incorpora herramientas para reservar y gestionar listas de espera en los locales participantes. El cambio permite pasar de consultar alternativas a realizar una acción concreta cuando el restaurante seleccionado cuenta con las funciones necesarias.

Qué puedes pedirle al asistente para encontrar un restaurante

En lugar de revisar lugares uno por uno, el usuario puede explicar directamente qué necesita. Por ejemplo, puede escribir “Busca restaurantes italianos para cenar” o realizar una petición más específica que incluya ubicación, tipo de comida, ambiente u otras preferencias. Cuantos más detalles proporcione, más concreta podrá ser la búsqueda de alternativas que respondan a sus necesidades.

A partir de esa solicitud, el asistente puede mostrar opciones e información relevante para ayudar a escoger. Si el lugar seleccionado cuenta con las herramientas habilitadas para esta función, el usuario podrá asegurar una mesa o ingresar a la lista de espera desde la conversación, sin tener que comenzar nuevamente la búsqueda a través de otro servicio.

No todos los restaurantes que aparezcan entre las recomendaciones ofrecerán esta posibilidad. Para completar una reserva desde la conversación, el local debe utilizar herramientas compatibles con la nueva función. Por eso, encontrar un restaurante mediante el asistente no significa necesariamente que también sea posible reservarlo directamente utilizando esta modalidad.

Dónde están disponibles las reservas desde ChatGPT

Por ahora, el alcance geográfico es limitado. La función está disponible inicialmente en restaurantes de Estados Unidos y Canadá que utilizan las herramientas de reservas de Yelp. Esto significa que los usuarios de otros países todavía no cuentan con la misma posibilidad, al menos mediante esta colaboración y bajo las condiciones anunciadas inicialmente por las compañías.

Hay otra limitación que conviene tener presente. Una vez realizada la reserva, cualquier modificación posterior deberá gestionarse directamente desde Yelp. Si el usuario necesita cambiar algún detalle después de asegurar su mesa, tendrá que hacerlo a través de ese servicio, ya que esas gestiones posteriores no pueden completarse desde la conversación donde comenzó la búsqueda.

De esta forma, el chat sirve para descubrir opciones, consultar información y asegurar una mesa cuando el restaurante sea compatible, mientras las modificaciones posteriores permanecen fuera de la conversación. Esta diferencia permite entender hasta dónde llega actualmente la función y qué tareas todavía requieren acudir directamente al servicio encargado de administrar la reserva.

OpenTable y Resy también se sumarán

OpenAI no planea limitar esta función a un único proveedor. La compañía también anunció acuerdos con Resy y OpenTable para incorporar sus sistemas de reservas, una expansión que podría aumentar progresivamente la cantidad de restaurantes disponibles. La llegada de otros servicios también permitiría ampliar las opciones compatibles que aparecen durante las búsquedas realizadas desde el asistente.

La apuesta busca simplificar una tarea que normalmente puede requerir pasar por diferentes servicios. Encontrar opciones, consultar información relevante y asegurar una mesa podrán formar parte de un mismo recorrido cuando el restaurante elegido sea compatible, evitando que el usuario tenga que repetir búsquedas o trasladar manualmente la información de una plataforma a otra.

Con este movimiento, ChatGPT amplía su papel más allá de las recomendaciones de lugares para comer. Para el usuario, el cambio es concreto: puede explicar qué busca, evaluar las alternativas disponibles y, cuando el restaurante elegido lo permita, avanzar con la reserva desde la misma conversación, reduciendo varios de los pasos habituales para conseguir una mesa.

Imagen: ENTER.CO / Generada con IA (ChatGPT)

Los trabajos fueron obtenidos con una versión interna de Astra, un próximo modelo de la compañía. Según OpenAI, encontrar las soluciones requirió en total una cantidad de tokens cuyo costo aproximado habría sido de US$2.000 utilizando las tarifas de su API de Sol.

El sistema generó los argumentos matemáticos y posteriormente investigadores prepararon los manuscritos con ayuda del mismo modelo. Cada demostración también fue formalizada en Lean, un sistema utilizado para verificar formalmente pruebas matemáticas.

Entre los resultados figura un avance en el empaquetamiento de esferas en dimensiones altas, con nuevas cotas superiores para su densidad. También aparecen mejoras en los límites sobre el tamaño de determinados códigos binarios y esféricos, un área relacionada con la transmisión y corrección de información.

De la teoría de grupos a la criptografía poscuántica

La lista incluye además una construcción que demuestra la existencia de grupos no sóficos, junto con una refutación de la conjetura de rigidez de Connes, una propuesta de larga trayectoria en el estudio de grupos y álgebras de operadores.

En complejidad computacional, el modelo encontró nuevas cotas inferiores para el cálculo del permanente mediante circuitos y fórmulas aritméticas. El conjunto de resultados también incorpora un teorema sobre repetición paralela en juegos cuánticos de dos jugadores.

Te puede interesar: Anthropic rechaza prohibir los modelos abiertos de IA y propone otra estrategia frente a China

Otro de los avances aborda el problema del vector más cercano, una cuestión relacionada con retículas que tiene importancia para la criptografía poscuántica. A esto se suman resultados sobre la conjetura del volumen de Ehrhart y sobre números de Ramsey multicolores.

Dos de los resultados están vinculados con problemas planteados por el matemático Paul Erdős. Uno obtiene una nueva cota inferior para los números de Ramsey de triángulos y resuelve el problema 183 de Erdős. El otro aborda las conjeturas de compacidad y degeneración en teoría extremal de grafos, correspondientes a los problemas 146 y 180.

OpenAI reconoce que este tipo de sistemas plantea preguntas sobre el papel de la inteligencia artificial en la investigación matemática. La compañía sostiene que la atribución debe reflejar cómo se obtuvo cada resultado y señala que, en este caso, el modelo generó los argumentos mientras las personas se encargaron de preparar los manuscritos, formalizar las pruebas y asumir la responsabilidad por su corrección.

La empresa espera que la comunidad matemática examine los resultados y desarrolle nuevas investigaciones a partir de estas ideas.

El espacio lleva más de dos años de funcionamiento y durante ese tiempo ha reunido a expertos de Colombia, Argentina, México, Perú, Bolivia, Ecuador, España y otros países. En total, ya se han desarrollado más de 90 sesiones enfocadas en temas de alta relevancia para quienes buscan crecer profesionalmente o ingresar a la industria tecnológica.

Las conferencias están dirigidas tanto al público general como a participantes y graduados de Holberton que continúan fortaleciendo sus habilidades después de finalizar sus programas de formación. El objetivo es ofrecer conocimientos prácticos, experiencias reales y herramientas que ayuden a enfrentar los retos de un mercado laboral en constante transformación.

Te puede interesar: ¿Por qué sentimos que nunca tenemos tiempo? La paradoja de la productividad digital y la IA

Entre los temas que pueden presentarse se encuentran inteligencia artificial, desarrollo de software, ciberseguridad, ciencia de datos, computación en la nube, innovación, liderazgo, metodologías ágiles, empleabilidad, emprendimiento, transformación digital, desarrollo de habilidades blandas y crecimiento profesional. También hay espacio para talleres, conversatorios y experiencias que aporten aprendizajes útiles para la comunidad.

Holberton busca especialmente profesionales con experiencia en la industria, líderes de empresas, fundadores de startups, consultores, docentes, investigadores y especialistas que deseen compartir casos de éxito, lecciones aprendidas o buenas prácticas. No es necesario pertenecer a una empresa específica, sino contar con conocimientos que puedan generar valor para los asistentes.

La participación como conferencista es completamente voluntaria. Además de contribuir a la formación de nuevos talentos, quienes se unan a la iniciativa tienen la posibilidad de ampliar su red de contactos, aumentar su visibilidad profesional y conectar con una comunidad interesada en las últimas tendencias del sector tecnológico.

Las personas interesadas en postular una charla, un taller o un espacio de conversación pueden hacerlo diligenciando el formulario disponible en: AQUÍ

El panorama actual es un llamado de atención, pero también una oportunidad gigantesca. Mientras que Norteamérica lidera el mercado con un sólido 40% de la cartera global de mantenimiento predictivo, América Latina apenas representa el 5%. No obstante, la curva de adopción digital se está disparando de forma exponencial. El ejemplo perfecto es México, un gigante industrial que pasará de facturar 190,5 millones de dólares en esta área en 2024, a la impresionante cifra de 1.211 millones de dólares en 2033. El país está creciendo a un ritmo vertiginoso del 23% anual.

En medio de esta ola de digitalización se celebró en Cartagena de Indias el Congreso de Mantenimiento & Confiabilidad Colombia 2026. Del 13 al 16 de julio, el Centro de Convenciones Las Américas se convirtió en el epicentro donde expertos regionales e internacionales se reunieron para responder a una pregunta crítica para la competitividad del continente: ¿Cómo lograr que las máquinas críticas de las empresas fallen menos y, cuando lo hagan, cuesten menos?

El rezago y la oportunidad del mantenimiento en la era digital

Para las empresas latinoamericanas, la transición hacia lo digital ya no es un lujo, sino una necesidad de supervivencia financiera. Tradicionalmente, las decisiones en las plantas industriales se tomaban bajo dos premisas poco eficientes. La primera, reaccionar cuando algo ya se había roto (mantenimiento correctivo). La segunda es seguir calendarios rígidos de revisión basados simplemente en el tiempo transcurrido.

La gran revelación del congreso en Cartagena es que la confiabilidad de una operación no puede seguir dependiendo de la intuición, la costumbre o el “olfato” del técnico de turno. Hoy en día, la evidencia cuantificable y el análisis de datos en tiempo real están tomando el control.

En una economía donde cada peso cuenta, optimizar el ciclo de vida de los activos y priorizar las inversiones de capital (CAPEX) es vital. Las industrias de la región están aprendiendo que, con una buena estrategia de datos, es posible extender la vida útil de equipos de gran escala y recuperar la capacidad instalada de las plantas sin necesidad de gastar millones de dólares en compras de activos nuevos que muchas veces se adquieren solo por presión comercial.

IA, el nuevo motor del mantenimiento inteligente

La verdadera magia de esta transformación ocurre cuando los datos de campo se encuentran con los algoritmos avanzados. Durante el evento se presentaron tecnologías que parecen de ciencia ficción, pero que ya son una realidad operativa. Por ejemplo, sistemas de inteligencia artificial generativa capaces de traducir la telemetría de una máquina en decisiones comerciales directas, o modelos de lenguaje (LLM) que analizan fotografías de los equipos para redactar de forma automática informes técnicos detallados sobre su estado de salud.

En esta frontera tecnológica destaca la participación de empresas innovadoras como Fracttal. La compañía, reconocida por sus soluciones de gestión de activos impulsadas por IA, estuvo presente conversando con los líderes del sector sobre cómo dar el gran salto tecnológico.

Juan Carlos Saenz, Líder en Negociaciones y Ventas de Fracttal, sintetiza este cambio de mentalidad de una forma muy clara: durante años, las compañías han arrastrado procesos manuales ineficientes y hojas de cálculo de Excel obsoletas para intentar vigilar sus activos. Para Sáez, la inteligencia artificial está acelerando un cambio cultural sin precedentes en las fábricas de la región, logrando que el mantenimiento deje de ser visto como un simple “gasto” inevitable y pase a ser valorado como una ventaja competitiva clave que hace a las empresas más rentables y modernas.

El Congreso de Mantenimiento & Confiabilidad 2026 dejó claro que la industria de América Latina está viviendo una transición definitiva. Dejar atrás la reacción para abrazar la anticipación inteligente es el camino que definirá cuáles plantas serán competitivas en los próximos años y cuáles se quedarán atrapadas en el pasado analógico.

Imagen: Ruliff Andrean / Unsplash

Lejos de ser una percepción aislada, esta sensación tiene una explicación. Investigaciones sobre productividad han encontrado que el uso intensivo de herramientas digitales puede aumentar la carga mental cuando no existe una forma organizada de gestionarlas. Las notificaciones constantes, el cambio entre múltiples aplicaciones y la expectativa de responder de inmediato dificultan mantener la concentración.

A esto se suma la llamada “paradoja de la productividad“. Aunque la tecnología permite realizar muchas tareas en menos tiempo, también facilita que aparezcan nuevas obligaciones. Los correos electrónicos, las videollamadas, los chats de trabajo y las plataformas colaborativas reducen tiempos en algunos procesos, pero incrementan la cantidad de actividades que deben atenderse durante el día.

Te puede interesar: ¿Programar será la nueva alfabetización? La habilidad que gana espacio en todas las profesiones

Diversos estudios también han demostrado que cambiar continuamente de una tarea a otra afecta el rendimiento. Cada interrupción obliga al cerebro a recuperar el contexto de la actividad anterior, lo que disminuye la eficiencia y aumenta la sensación de que la jornada avanza sin completar los pendientes.

El reto está en cómo usamos la tecnología

Los especialistas coinciden en que el problema no es la tecnología, sino la forma en que se implementa. Automatizar procesos repetitivos, integrar información en una sola plataforma y eliminar tareas manuales puede reducir la carga de trabajo cuando las soluciones están bien diseñadas y responden a necesidades reales.

Por esa razón, cada vez cobran mayor importancia los profesionales capaces de crear herramientas digitales que simplifiquen procesos en lugar de hacerlos más complejos. El desarrollo de software, la automatización y el análisis de datos son algunas de las áreas que impulsan este tipo de soluciones en empresas de diferentes sectores.

En ese propósito se enfocan iniciativas de formación como Holberton Coderise, que prepara talento en desarrollo de software y habilidades tecnológicas para que los participantes comprendan cómo diseñar soluciones digitales que optimicen procesos y resuelvan problemas reales.

La cantidad de herramientas digitales seguirá creciendo en los próximos años. El desafío para personas y organizaciones será aprender a utilizarlas de forma estratégica para reducir tareas innecesarias, aprovechar mejor el tiempo y evitar que la tecnología termine generando la misma sobrecarga que buscaba resolver.

Hay procesos que pasan desapercibidos para la mayoría de las personas, pero de ellos dependen contratos millonarios y decisiones estratégicas dentro de las empresas.

Uno de ellos es la evaluación de ofertas de proveedores. Cada licitación implica revisar decenas de propuestas que incluyen precios, especificaciones técnicas, cronogramas, anexos y documentos de respaldo. Analizar toda esa información puede tomar días.

Ese fue el reto que Summa decidió resolver con inteligencia artificial.

La compañía, que presta servicios tecnológicos y digitales al Grupo Empresarial Argos, desarrolló una solución capaz de leer automáticamente cientos de documentos, comparar la información y entregar a los negociadores un análisis estructurado para apoyar la toma de decisiones. El proyecto terminó convirtiéndose en el ganador del hackathon de AI University de AWS, un programa que reunió a más de 200 empresas de América Latina para desarrollar soluciones de inteligencia artificial aplicadas a problemas reales del negocio.

El problema estaba dentro del proceso de negociación

La idea nació al observar cuánto tiempo invertían los negociadores revisando la documentación enviada por los proveedores.

“Estamos hablando de documentos que podían tener más de 200 páginas. Un solo proveedor podía entregar hasta 118 archivos“, contó Juliana Muñoz durante la entrevista concedida a ENTER.

Cada propuesta debía revisarse manualmente.

Después era necesario comparar precios, tiempos de entrega, especificaciones técnicas y condiciones comerciales para consolidar toda esa información en hojas de cálculo antes de emitir una recomendación.

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

Era un trabajo repetitivo, exigente y con un alto riesgo de pasar por alto información relevante.

Por eso, el equipo decidió integrar inteligencia artificial directamente en Snetwork, la plataforma de abastecimiento desarrollada por Summa para gestionar las negociaciones entre compradores y proveedores.

La nueva funcionalidad incorpora reconocimiento óptico de caracteres (OCR) para leer automáticamente los documentos y modelos de inteligencia artificial que interpretan el contenido, organizan la información y generan comparativos entre todas las ofertas presentadas. Además, produce un resumen ejecutivo y una recomendación basada en los criterios definidos por el negociador.

La decisión final continúa siendo humana.

La inteligencia artificial actúa como un asistente que reduce el trabajo operativo para que los equipos puedan concentrarse en el análisis estratégico.

AWS acompañó el desarrollo del proyecto

La solución comenzó a construirse durante AI University, un programa de Amazon Web Services diseñado para formar talento especializado en inteligencia artificial dentro de las organizaciones.

Durante once semanas, el equipo de Summa recibió capacitación, mentoría y acompañamiento técnico para desarrollar un producto mínimo viable con posibilidades reales de implementación.

Ese respaldo también permitió utilizar servicios de AWS como Amazon Textract, encargado del reconocimiento de texto en documentos; Amazon Bedrock, desde donde se ejecutan modelos de lenguaje como Claude; además de servicios como Lambda, Step Functions, EventBridge, S3 y Amazon RDS para automatizar el procesamiento de la información.

Para Muñoz, uno de los mayores aprendizajes fue comprobar que la inteligencia artificial genera mejores resultados cuando parte de un problema concreto del negocio y no de la tecnología en sí.

Los resultados comenzaron a verse desde las primeras pruebas

La empresa asegura que la herramienta ya está reduciendo significativamente los tiempos de análisis.

“Logramos reducir entre 40 y 48 horas que dedicaba un negociador por proceso. Lo reducimos más del 40 %“, afirmó Muñoz.

Además del ahorro de tiempo, la solución mejora la trazabilidad de la información, facilita comparaciones entre proveedores y reduce la posibilidad de omitir datos importantes durante el proceso de evaluación.

Actualmente el desarrollo se encuentra en una etapa de validación con un grupo de usuarios antes de ampliar su implementación a una mayor cantidad de procesos y clientes.

El objetivo no es reemplazar personas

La automatización suele abrir el debate sobre el futuro del empleo.

En Summa, sin embargo, la apuesta ha sido distinta.

“Lo que estamos liberando en tiempo lo estamos aprovechando para que las personas hagan otras cosas, se capaciten y nos ayuden a transformar otros procesos. En ningún caso hemos hablado de reducir personal“, aseguró Juliana Muñoz.

La compañía considera que el verdadero valor de la inteligencia artificial está en eliminar tareas repetitivas para que los equipos puedan dedicar más tiempo al análisis, la estrategia y la relación con los clientes.

El reconocimiento obtenido en AI University representa un paso dentro de una estrategia más amplia. Summa ya trabaja en nuevos casos de uso para extender el aprendizaje adquirido durante el programa a otras áreas de la organización y seguir incorporando inteligencia artificial allí donde pueda generar mayor eficiencia y mejores decisiones de negocio.

El anuncio se realizó durante la presentación de resultados financieros ante inversionistas, donde Satya Nadella, CEO de la compañía, explicó que la aplicación estará dirigida tanto a usuarios como a empresas. La iniciativa busca concentrar las distintas experiencias de Copilot en una sola plataforma y facilitar el acceso a sus herramientas desde un único punto.

Qué incluirá la superapp de Copilot

La nueva aplicación integrará el chatbot Copilot, GitHub Copilot para programación, Copilot Cowork para trabajo colaborativo y los Autopilots, agentes capaces de ejecutar tareas de forma autónoma. El objetivo es evitar que los usuarios tengan que cambiar constantemente entre distintas aplicaciones para completar un mismo flujo de trabajo.

Por ahora no existen imágenes oficiales ni una fecha exacta de lanzamiento. Lo único confirmado es que la aplicación estará disponible antes de finalizar el año. La empresa tampoco ha revelado si conservará el nombre Copilot o si presentará una nueva identidad para esta plataforma unificada.

El anuncio también respalda un reporte publicado por Fortune en mayo, que adelantó el desarrollo de una plataforma capaz de reunir las distintas herramientas de inteligencia artificial en un único entorno. Con la confirmación oficial, esa información deja de ser una filtración y pasa a formar parte de la estrategia de la compañía para este año.

¿En qué se diferencia de ChatGPT Work?

Aunque ambas propuestas buscan reunir varias funciones en una sola aplicación, parten de ecosistemas diferentes. Esa diferencia influye en la forma en que cada plataforma integra sus herramientas y en el tipo de usuarios al que pretende ofrecer una experiencia más completa.

ChatGPT Work está diseñado alrededor del ecosistema de OpenAI. Su propósito es combinar ChatGPT, Codex y otras funciones en una única interfaz para facilitar la ejecución de tareas complejas. Con ello, busca reducir la necesidad de alternar entre diferentes herramientas durante una misma jornada de trabajo.

La propuesta de Copilot, en cambio, integra el asistente conversacional, GitHub Copilot, Copilot Cowork y los Autopilots. De esa manera, reúne funciones orientadas a desarrolladores y organizaciones que ya utilizan sus servicios de productividad, con la intención de centralizar procesos en un único entorno.

Otra diferencia está en la integración con otros productos. Mientras OpenAI construye un entorno propio de trabajo, Copilot podrá aprovechar servicios como Windows, Microsoft 365, GitHub y Azure. Esa conexión con herramientas ampliamente utilizadas en empresas puede facilitar la adopción de la nueva plataforma en ambientes corporativos.

La competencia ya no está solo en los modelos de IA

El anuncio confirma un cambio en la estrategia de la industria. Durante los últimos años, la competencia se concentró en desarrollar modelos de IA cada vez más potentes. Ahora, el desafío consiste en transformar esas capacidades en plataformas que permitan resolver distintas tareas desde una sola aplicación.

La decisión también resulta llamativa porque meses atrás Satya Nadella afirmó que el futuro estaría impulsado principalmente por agentes y no por aplicaciones tradicionales. La llegada de una superapp sugiere que ambos enfoques pueden convivir mientras evolucionan las formas de interacción con la inteligencia artificial.

Apple, por su parte, mantiene una estrategia distinta y continúa apostando por aplicaciones independientes para cada función. Hasta el momento, la compañía no ha mostrado señales de avanzar hacia una plataforma unificada, lo que evidencia que aún existen diferentes visiones sobre el futuro de este mercado.

Una apuesta respaldada por el crecimiento del negocio

La confirmación llegó durante la misma presentación de resultados en la que Microsoft informó ingresos trimestrales cercanos a los 90.000 millones de dólares, impulsados por el crecimiento de Azure y de los servicios relacionados con IA. Ese desempeño respalda las inversiones que la empresa mantiene para ampliar las capacidades de Copilot y acelerar el desarrollo de nuevas herramientas.

Con ChatGPT Work y la superapp de Copilot avanzando hacia plataformas que reúnen conversación, programación y agentes inteligentes, la competencia ya no dependerá únicamente de cuál de las dos ofrezca el modelo más avanzado. También será decisivo brindar una experiencia integrada, sencilla de utilizar y capaz de adaptarse a las necesidades de personas y empresas.

Imagen: ENTER.CO / Generada con IA (ChatGPT)

Esa es una de las principales conclusiones de un estudio global de Accenture, realizado con más de 25.500 consumidores de 16 países. La investigación muestra que la confianza en estos asistentes crece a medida que aumenta su capacidad para comparar precios, analizar características de los productos y ejecutar tareas sin intervención constante del usuario.

Aunque las compras totalmente automatizadas siguen siendo poco frecuentes, la disposición a delegarlas va en aumento. Hoy apenas el 9% de los encuestados permite que una inteligencia artificial compre de forma autónoma, pero un 31% asegura que lo haría después de probar el sistema en transacciones de bajo costo. Para muchos consumidores, la barrera ya no parece ser tecnológica, sino de confianza.

Los resultados también apuntan a que esa relación podría fortalecerse en poco tiempo. El 71% de las personas consultadas cree que la inteligencia artificial influirá en al menos la mitad de sus decisiones de compra durante los próximos doce meses, una señal de que estos asistentes dejarían de ser herramientas ocasionales para convertirse en parte habitual del proceso de consumo.

Te puede interesar: Nubank lidera el primer ranking de IA en bancos y tres colombianos aparecen en la lista

El cambio también plantea un desafío para las marcas. Juan Carlos Palma, Creative Manager de Accenture Song, explica que las empresas ya no competirán únicamente por atraer al consumidor, sino que también deberán responder a la evaluación de agentes de IA capaces de analizar variables como precio, calidad, disponibilidad y conveniencia antes de recomendar una compra.

En Colombia, el estudio identifica un terreno favorable para esa evolución. El crecimiento del comercio electrónico y la adopción de compras mediante chats y aplicaciones móviles han familiarizado a los consumidores con experiencias digitales cada vez más automatizadas. A eso se suma un factor económico: el 43% de los participantes afirma que, al configurar un agente de IA, priorizaría el ahorro y el mejor uso de su presupuesto.

Las funciones que esperan de estos asistentes reflejan esa búsqueda de eficiencia. El 61% quisiera que la inteligencia artificial comparara productos entre varios supermercados antes de comprar, mientras que el 71% espera que pueda organizar un viaje completo, incluyendo vuelos, hospedaje y actividades, sin necesidad de revisar cada alternativa por separado.

Te puede interesar: OpenAI nombra al colombiano David Vélez en sus consejos directivos

Sin embargo, esa confianza no se extiende a todas las decisiones. El estudio encontró que, cuando la compra está relacionada con el gusto personal, el entretenimiento o experiencias asociadas a la identidad de cada persona, los consumidores prefieren conservar el control. Son decisiones donde el precio deja de ser el único criterio y donde la experiencia pesa tanto como el producto.

Esa diferencia ofrece una pista sobre cómo podría evolucionar el comercio en los próximos años. Las compras repetitivas y basadas en comparaciones objetivas parecen encaminadas a ser delegadas en asistentes inteligentes, mientras que las elecciones más personales siguen reservadas para las personas. Antes de llenar un carrito virtual o reservar unas vacaciones, es posible que el primer filtro ya no lo haga el consumidor, sino un algoritmo que descarte cientos de opciones antes de mostrar unas pocas.

La aclaración surge luego de que en Estados Unidos aparecieran versiones sobre una posible restricción al uso de modelos abiertos desarrollados en China por parte de empresas estadounidenses. Al mismo tiempo, varias compañías tecnológicas respaldaron una carta en defensa de este tipo de inteligencia artificial, mientras algunos críticos señalaban que Anthropic impulsaba restricciones para favorecer a los desarrolladores de modelos cerrados.

El director ejecutivo de Anthropic, Dario Amodei, rechazó esa interpretación. Explicó que los modelos abiertos que no presentan capacidades peligrosas representan un beneficio para investigadores, desarrolladores y empresas, ya que pueden utilizarse sin costos de licencia, más allá de la infraestructura necesaria para ejecutarlos.

Para la compañía, el verdadero desafío está en otro lugar. Amodei advirtió que su mayor preocupación es que gobiernos autoritarios logren desarrollar sistemas de inteligencia artificial más avanzados que los de Estados Unidos y los empleen para fortalecer capacidades militares o ampliar mecanismos de vigilancia sobre la población. Bajo esa perspectiva, si un modelo es abierto o cerrado resulta secundario frente al uso que pueda dársele.

Las tres medidas que propone Anthropic

En lugar de impulsar una prohibición general, Anthropic plantea tres acciones concretas. La primera consiste en reforzar las restricciones para impedir que China acceda a chips avanzados y equipos destinados a fabricarlos, además de combatir las redes de contrabando que permiten obtener este tipo de hardware. Según la empresa, limitar ese acceso tendría un impacto mucho mayor sobre el desarrollo de modelos de frontera.

La segunda propuesta busca frenar las operaciones industriales de destilación de modelos, una técnica que permite crear sistemas más eficientes a partir de otros ya entrenados utilizando muchos menos recursos computacionales. Amodei considera que esta práctica puede reducir la ventaja tecnológica de Estados Unidos cuando es utilizada a gran escala por actores respaldados por gobiernos.

El tercer punto plantea que todos los modelos con capacidades avanzadas, abiertos o cerrados, deban superar pruebas obligatorias de seguridad antes de su lanzamiento. Esas evaluaciones tendrían que medir riesgos relacionados con ciberataques, amenazas biológicas y posibles fallas de alineación para determinar si los sistemas pueden ser desplegados de forma responsable.

Te puede interesar: OpenAI nombra al colombiano David Vélez en sus consejos directivos

Anthropic también reconoció que coincide con varios de los argumentos planteados por quienes defienden los modelos abiertos. Entre ellos menciona que amplían el acceso a la inteligencia artificial, favorecen la competencia y ofrecen mayor control a empresas y desarrolladores. Sin embargo, la compañía no comparte la idea de que abrir el acceso a estos modelos fortalezca automáticamente las capacidades de defensa o facilite la creación de mecanismos de protección.

Como ejemplo, Amodei señaló que modelos con un nivel de capacidad muy alto podrían facilitar el desarrollo de amenazas biológicas antes de que existan herramientas capaces de responder a ellas. Por esa razón, considera que el impacto de estas tecnologías debe evaluarse mediante pruebas técnicas antes de asumir que su apertura traerá más beneficios que riesgos.

Más que entrar en la discusión sobre si los modelos abiertos deben permitirse o prohibirse, Anthropic intenta desplazar el foco hacia los factores que, según su análisis, tendrán mayor influencia en la evolución de la inteligencia artificial durante los próximos años. Para la empresa, controlar el acceso al hardware más avanzado, vigilar prácticas como la destilación de modelos y establecer evaluaciones de seguridad para los sistemas más potentes tendría un efecto mucho más relevante que restringir una categoría completa de modelos por su forma de distribución.

Durante años, programar fue una habilidad reservada para quienes estudiaban ingeniería o desarrollo de software. Esa barrera comienza a desaparecer. La expansión de la inteligencia artificial generativa y de las plataformas de automatización está cambiando la relación de millones de personas con el código. Hoy es posible crear aplicaciones, analizar información o desarrollar procesos digitales usando instrucciones escritas en lenguaje natural, pero entender qué ocurre detrás de esas herramientas marca una diferencia.

No se trata de memorizar lenguajes como Python, JavaScript o C++. La discusión gira alrededor de otra capacidad: desarrollar pensamiento computacional. Es decir, aprender a dividir un problema en partes, identificar patrones, organizar procesos y construir soluciones lógicas. Son habilidades que pueden aplicarse en prácticamente cualquier área de trabajo.

Ese cambio ya aparece reflejado en distintos estudios sobre el futuro del empleo. El Foro Económico Mundial ubica las competencias tecnológicas entre las más demandadas para los próximos años, mientras que la UNESCO ha insistido en fortalecer la alfabetización digital para responder a una economía cada vez más conectada.

Entender la lógica detrás de la inteligencia artificial

La popularidad de asistentes como ChatGPT, Gemini o Copilot ha llevado a muchas personas a pensar que ya no será necesario aprender programación porque la inteligencia artificial puede escribir el código. Sin embargo, especialistas en educación tecnológica sostienen que estas plataformas funcionan mejor cuando el usuario comprende conceptos básicos sobre algoritmos, bases de datos, automatización o desarrollo de software.

Ese conocimiento permite identificar errores, evaluar si una respuesta tiene sentido, adaptar una solución a las necesidades de una empresa y aprovechar mejor las capacidades de la inteligencia artificial. Sin esos fundamentos, el riesgo de depender completamente de lo que genera una herramienta es mucho mayor.

Te puede interesar: Inteligencia artificial cambia el mercado laboral y exige nuevas habilidades ¿Cuáles?

Por esa razón, universidades y centros de formación han comenzado a incorporar contenidos relacionados con programación y pensamiento computacional en carreras que históricamente estaban alejadas del sector tecnológico. El objetivo no es convertir a todos los estudiantes en desarrolladores, sino prepararlos para un entorno laboral donde prácticamente todas las profesiones conviven con plataformas digitales e inteligencia artificial.

La academia Holberton Coderise hace parte de esa transformación con programas orientados al desarrollo de software, inteligencia artificial, ciberseguridad y otras áreas de alta demanda. Su modelo de aprendizaje está basado en proyectos y en la resolución de problemas reales, una metodología que busca acercar estas competencias a personas con perfiles diversos. La apuesta responde a una realidad que gana fuerza en el mercado laboral: comprender cómo se construye la tecnología empieza a ser una habilidad tan útil como saber utilizarla.

La compañía presentó la plataforma durante Advancing AI 2026, con la que busca competir por una parte de la infraestructura que sostiene la nueva generación de servicios de inteligencia artificial. AMD afirma que Helios puede ofrecer hasta 30 % más tokens de inferencia por dólar que la solución competitiva líder, según sus propias pruebas y estimaciones.

El anuncio llega cuando la demanda de capacidad de cómputo está creciendo por una razón concreta: los modelos de IA ya no se utilizan únicamente para responder preguntas. Cada vez más empresas están desarrollando agentes capaces de ejecutar tareas, utilizar herramientas y operar durante más tiempo. Cada una de esas acciones requiere capacidad de procesamiento.

Helios está diseñado para responder a esa demanda. La plataforma combina 72 GPUs AMD Instinct MI455X con 18 procesadores AMD EPYC de sexta generación, además de soluciones de red AMD Pensando y el software abierto ROCm. En lugar de vender únicamente un chip o una tarjeta aceleradora, AMD está ofreciendo una arquitectura completa para centros de datos.

La compañía ya tiene compromisos importantes para esta tecnología. OpenAI prevé comenzar a poner en funcionamiento sistemas Helios durante el cuarto trimestre de 2026 y ampliar su despliegue en 2027. Anthropic, por su parte, planea implementar hasta 2 gigavatios de GPUs AMD Instinct MI455X en soluciones Helios y trabajar con AMD en la optimización del software ROCm mediante Claude.

Meta también está validando procesadores EPYC de sexta generación y probando cargas de trabajo en racks Helios antes de una posible implementación a gran escala.

La estrategia de AMD no termina en los centros de datos

El lanzamiento forma parte de una estrategia más amplia. AMD presentó los procesadores EPYC de sexta generación y las GPUs Instinct de la serie MI400 para diferentes cargas de trabajo de inteligencia artificial, computación en la nube y computación de alto rendimiento.

También anunció ROCm.ai, una plataforma que utiliza IA para ayudar a los desarrolladores a compilar y optimizar software para GPUs AMD. La herramienta busca que agentes de programación como Claude, Codex y Cursor puedan trabajar de forma nativa con las plataformas de la compañía.

La otra parte de la apuesta está en llevar la inteligencia artificial a dispositivos y máquinas. AMD presentó Ryzen AI Halo para el desarrollo local de aplicaciones de IA y nuevas soluciones Kria AI para robótica.

Estas plataformas combinan CPU, GPU, NPU y FPGA para que los sistemas robóticos puedan procesar información, interpretar su entorno y tomar decisiones. La compañía quiere cubrir así el recorrido completo de la IA: desde los grandes centros de datos donde se entrenan y ejecutan los modelos hasta las máquinas que pueden utilizar esa inteligencia en el mundo físico.

AMD también adelantó su hoja de ruta. Las GPUs Instinct MI500 están previstas para 2027 y la serie MI600 para 2028. En el caso de los procesadores EPYC, la compañía proyecta nuevas generaciones basadas en Zen 7 y Zen 8 para 2028 y 2030.

La primera prueba de esta estrategia llegará antes de lo que parece. OpenAI prevé comenzar a poner en funcionamiento los sistemas Helios a finales de 2026 y ampliar su despliegue durante 2027.

La iniciativa busca fortalecer las habilidades laborales de la ciudadanía y ampliar las oportunidades de empleabilidad en sectores productivos que demandan cada vez más conocimientos tecnológicos. Para ello, cuenta con alianzas con el SENA, IBM, Oracle y Amazon Web Services (AWS), organizaciones que participan en la oferta de cursos de formación.

La convocatoria está dirigida a personas mayores de edad que residan en Bogotá. Aunque pueden participar todos los ciudadanos que cumplan con estas condiciones, el programa hace un llamado especial a las mujeres y a las personas mayores de 50 años para que aprovechen la posibilidad de adquirir nuevas competencias y fortalecer su perfil laboral.

Te puede interesar: Gobierno abre cursos gratis con certificación de Microsoft, IBM y Cisco: así puede inscribirse

La oferta incluye contenidos relacionados con inteligencia artificial, analítica de datos, ciberseguridad y computación en la nube, entre otras áreas de formación tecnológica. Los cursos pueden desarrollarse en modalidad presencial, virtual o híbrida, dependiendo de la oferta disponible.

Además de los contenidos teóricos, la formación incorpora componentes prácticos para que los participantes puedan desarrollar competencias aplicables a sus procesos laborales. La iniciativa busca que estos conocimientos contribuyan a mejorar las posibilidades de inserción en el mercado laboral de Bogotá.

¿Cómo aplicar a los cursos gratuitos?

Las personas interesadas deben realizar el proceso de inscripción y validación de requisitos a través de la página de la Secretaría Distrital de Desarrollo Económico. Allí deberán diligenciar el formulario correspondiente y entregar la documentación solicitada.

Uno de los requisitos establecidos es adjuntar el documento de identidad por ambas caras en una sola página y en formato PDF. El archivo debe permitir la lectura completa de la información, por lo que no puede estar borroso, recortado o presentar imágenes que dificulten la verificación de los datos.

Las inscripciones para Experta Tech están abiertas hasta el 7 de agosto. La convocatoria ofrece una alternativa de formación gratuita para quienes buscan actualizar sus conocimientos, acercarse a áreas tecnológicas con demanda laboral o fortalecer su hoja de vida sin asumir el costo de un curso especializado.

Los interesados pueden consultar todos los requisitos y completar el proceso de inscripción en la página de la Secretaría Distrital de Desarrollo Económico: www.desarrolloeconomico.gov.co.

 

Ver esta publicación en Instagram

 

Una publicación compartida por Carlos F. Galán (@carlosfernandogalan)

La conversación estuvo liderada por Paola Franco, cofundadora y CEO de Disruptia, organización que trabaja en la conexión entre talento y empresas mediante procesos de formación y desarrollo de capacidades. Durante el encuentro, Franco planteó que el principal riesgo para los trabajadores no es únicamente que la inteligencia artificial pueda automatizar algunas tareas, sino continuar preparándose para una economía que está cambiando rápidamente.

Según explicó, las empresas ya están buscando perfiles capaces de combinar conocimientos técnicos con el uso de herramientas de inteligencia artificial. En el caso de los desarrolladores, por ejemplo, un profesional que además de dominar su área sabe utilizar modelos de IA para analizar problemas, proponer soluciones y acelerar procesos puede tener una ventaja frente a otro con conocimientos similares, pero que no incorpora estas tecnologías a su trabajo.

Te puede interesar: Las competencias digitales que los jóvenes deben aprender para trabajar con IA este 2026

La charla también abordó las habilidades que están ganando importancia en los procesos de selección. Entre ellas aparecen la alfabetización en inteligencia artificial, el análisis de datos, la capacidad de aprender de forma permanente, la resiliencia, la creatividad y la comunicación. Para Franco, también es importante que los profesionales sepan explicar lo que hacen, defender sus proyectos y demostrar cómo sus conocimientos pueden ayudar a resolver problemas concretos de una empresa.

La adaptación también depende de las habilidades humanas

Uno de los mensajes centrales del encuentro fue que aprender a utilizar inteligencia artificial no significa abandonar la formación técnica. Por el contrario, la invitación fue a combinar ambas capacidades. Un desarrollador puede seguir especializándose en una tecnología o área específica, pero necesita entender cómo las nuevas herramientas pueden potenciar su trabajo.

La capacidad de agencia, entendida como hacerse responsable de las propias decisiones y actuar para alcanzar objetivos, fue presentada como otra habilidad fundamental. A esto se suma la capacidad de aprender a aprender, en un momento en el que los conocimientos y las herramientas tecnológicas cambian con rapidez.

Te puede interesar: ¿La inteligencia artificial tiene ideología? Esto descubrieron varios estudios científicos

Durante la sesión también se habló de la importancia de construir redes de contacto y participar en comunidades, eventos y espacios de formación. En ese proceso, la búsqueda de empleo debe partir de una pregunta concreta: qué problemas puede ayudar a resolver cada profesional y qué valor puede aportar a una compañía.

La charla incluyó además una invitación a las personas interesadas en oportunidades relacionadas con tecnología e inteligencia artificial, especialmente en Cali, donde Disruptia adelanta procesos de búsqueda y evaluación de talento para conectar perfiles con oportunidades laborales.

En esa preparación también cumplen un papel las academias de formación tecnológica como Holberton, que forman personas que entienden sistemas, resuelven problemas y desarrollan habilidades para adaptarse a la evolución tecnológica. Este tipo de formación puede ayudar a que los participantes se mantengan a la vanguardia en un mercado donde la actualización permanente y el uso estratégico de la inteligencia artificial tienen cada vez más peso.

La diferencia principal no está en el nombre, sino en la forma de trabajar. Chat está pensado para el intercambio inmediato. El usuario hace una pregunta, recibe una respuesta y puede profundizar mediante mensajes sucesivos. Funciona para consultas cotidianas, lluvia de ideas, redacción inicial, búsqueda de información o apoyo rápido frente a una tarea.

Work, en cambio, opera como un agente. Recibe un objetivo, reúne el material disponible, propone una ruta de trabajo y avanza durante varias etapas. Mientras realiza el encargo, la persona puede revisar su progreso, responder preguntas, modificar la instrucción y autorizar acciones relevantes. El resultado esperado no es solo una respuesta en pantalla, sino una pieza de trabajo lista para revisar, editar o compartir.

La herramienta apunta a profesionales y equipos que deben convertir archivos, notas, borradores y datos dispersos en productos concretos. Áreas como finanzas, operaciones, mercadeo, ventas, análisis de datos e ingeniería aparecen entre los usos previstos. También puede ser útil para estudiantes y usuarios que necesitan preparar un informe o estructurar un proyecto, siempre que su plan tenga acceso a la función.

Archivos, aplicaciones y control del usuario

La experiencia cambia según el dispositivo. En la aplicación de escritorio para Windows y macOS, Work puede utilizar archivos locales y aplicaciones de escritorio si el usuario concede permiso. Esos archivos y resultados permanecen en el computador, salvo que se decida moverlos o compartirlos. En la web y en dispositivos móviles, la función no accede directamente a los archivos guardados en el equipo.

Para empezar desde el escritorio, hay que abrir la aplicación de ChatGPT, iniciar sesión y seleccionar ChatGPT en el menú principal. En la parte superior aparece el selector entre Chat y Work. Desde allí se puede crear una conversación nueva o abrir un proyecto existente, añadir archivos, explicar el resultado buscado e indicar restricciones y criterios de revisión.

Te puede interesar: La primera bocina de OpenAI tendría cámaras, sensores y ChatGPT

En la web o en el celular, los usuarios habilitados deben elegir Work, iniciar o abrir un proyecto y adjuntar el contexto necesario antes de describir la tarea. Las conversaciones en la nube se sincronizan entre web, móvil y escritorio. Los proyectos permiten conservar juntos las instrucciones, archivos y chats relacionados.

Work está disponible en la aplicación de escritorio para todos los planes, mientras que en web y móvil se dirige a los planes Plus, Pro, Business, Enterprise y Edu. OpenAI advierte que la disponibilidad se está habilitando gradualmente para las cuentas elegibles; por eso, quien no vea el selector todavía deberá esperar a que llegue a su cuenta o espacio de trabajo. OpenAI detalla que la función también puede programar tareas, monitorear cambios y mantener actividades en marcha según las condiciones permitidas por cada plan.

La herramienta está disponible desde hoy para todos los planes en la versión de escritorio y comenzará a llegar gradualmente a los usuarios de Plus, Pro, Business, Enterprise y Edu en la web y los dispositivos móviles durante los próximos días.

La diferencia frente al uso convencional de ChatGPT está en la forma de trabajar. En lugar de limitarse a responder con base en lo que el usuario escribe en un chat, ChatGPT Work puede utilizar el contexto autorizado de aplicaciones, documentos, herramientas y archivos para generar resultados más completos.

Te puede interesar: La primera bocina de OpenAI tendría cámaras, sensores y ChatGPT

Por ejemplo, puede convertir un documento de producto, un cronograma y una conversación de Slack en un resumen de lanzamiento con responsables, riesgos y próximos pasos. También puede analizar comentarios de una encuesta en Google Sheets, identificar temas recurrentes y preparar un resumen para un equipo.

El agente también puede revisar correos pendientes, resumirlos y redactar respuestas para que el usuario las revise antes de enviarlas. En otros casos, puede comparar una hoja de cálculo de un pipeline con un pronóstico anterior y señalar cambios, riesgos y tareas de seguimiento.

Del chat a un flujo de trabajo que continúa

Una de las características más importantes de ChatGPT Work es que puede recibir un objetivo más amplio en lugar de una instrucción aislada. El usuario puede pedirle que recopile el contexto necesario, prepare un plan y consulte antes de avanzar cuando requiera una decisión o aprobación.

También permite programar tareas recurrentes o pedirle que permanezca pendiente de determinadas actualizaciones. La herramienta puede utilizarse para preparar revisiones de negocio, organizar reuniones, hacer seguimientos de campañas o mantener actualizados proyectos.

Para comenzar a usarlo en un computador, los usuarios deben descargar la aplicación de ChatGPT para Windows desde la opción habilitada por OpenAI. La versión de escritorio está diseñada para flujos de trabajo que requieren archivos locales, aplicaciones instaladas en el equipo, acceso al navegador y uso de Codex.

Te puede interesar: Apple acusa a OpenAI de usar información confidencial para desarrollar nuevos dispositivos

El trabajo también puede iniciarse o revisarse desde la web y los dispositivos móviles. La aplicación de escritorio amplía las posibilidades al permitir que ChatGPT trabaje junto a herramientas y archivos que están en el computador, siempre dentro del acceso autorizado por el usuario.

La propuesta también incluye la posibilidad de revisar el plan antes de que el agente empiece a ejecutar una tarea. Así, el usuario puede intervenir, modificar el rumbo o aprobar los siguientes pasos.

ChatGPT Work está pensado para áreas como ventas, marketing, finanzas, operaciones, análisis de datos e ingeniería. Su objetivo es convertir información dispersa en documentos, presentaciones, hojas de cálculo, informes y otros resultados listos para compartir, sin que el usuario tenga que trasladar manualmente todos los datos de una herramienta a otra.

La disponibilidad comenzará en la aplicación de escritorio y continuará con una implementación gradual en otros dispositivos y planes durante los próximos días.

El problema rara vez está en la herramienta, sino en el caos que existe antes de abrirla: informes en PDF, métricas en Excel, notas de reuniones dispersas y fechas límite que se acercan rápidamente.

En los equipos de marketing y consultoría de Colombia y América Latina esta realidad es cada vez más evidente. Al mismo tiempo, comienza a consolidarse un flujo de trabajo que integra inteligencia artificial sin entregarle las llaves del storytelling. La IA no sustituye la capacidad de sintetizar, persuadir o conectar con una audiencia local; simplemente acelera las tareas mecánicas para que las personas puedan concentrarse en lo que realmente genera valor.

Este proceso puede entenderse en cinco etapas, en las que el criterio humano y la inteligencia artificial cumplen funciones claramente diferenciadas.

Etapa 1: Captura y organización de la información dispersa

Antes de crear una sola diapositiva hay horas de recopilación. Reportes de campañas, investigaciones de la competencia, benchmarks en PDF y notas tomadas durante reuniones terminan concentrándose en un mismo entregable. El profesional promedio dedica cerca de cuatro horas semanales a trabajar en presentaciones, lo que equivale a 141 horas al año (24Slides).

Además, más del 50 % de los profesionales prepara al menos una presentación por semana (Presentations.ai). El volumen de información crece mucho más rápido que la capacidad para procesarla.

El verdadero cuello de botella rara vez es PowerPoint o Google Slides. El desafío consiste en decidir qué datos merecen estar en la presentación y cuáles deben descartarse.

En esta primera etapa la inteligencia artificial todavía no interviene. El valor sigue siendo completamente humano: analizar, filtrar y conservar únicamente aquello que aporta valor estratégico. Sin ese proceso de curaduría, cualquier automatización posterior solo multiplicará el ruido.

Etapa 2: Estructura narrativa y definición del hilo conductor

Con la información organizada llega el momento de convertir los datos en una historia. Y sí, se trata de contar una historia.
Las presentaciones apoyadas en recursos visuales resultan un 43 % más persuasivas que aquellas basadas únicamente en texto (Presentations.ai).

Cuando la narrativa adopta un enfoque de storytelling, el mensaje puede llegar a ser hasta 22 veces más memorable que una simple enumeración de hechos. No se trata de un recurso creativo aislado. Es la secuencia de un problema, una solución, la evidencia que la respalda y un llamado a la acción la que mantiene la atención de la audiencia.

El mismo estudio de IPMark muestra que el 84 % de los problemas en las presentaciones empresariales proviene del exceso de texto, mientras que la ausencia de un mensaje claro sigue siendo una de las principales causas de desconexión con la audiencia.

Por eso, las habilidades más valoradas actualmente son el storytelling (82 %), la capacidad de síntesis (78 %), el diseño gráfico (74 %) y la visualización de datos (48 %). Ninguna de ellas surge únicamente de un prompt; todas dependen de comprender a quién se dirige el mensaje.

Muchos equipos de marketing utilizan un canvas sencillo antes de abrir cualquier software: una hoja dividida en “problema del cliente”, “tres hallazgos clave” y “recomendación principal”. Tras una conversación de unos 20 minutos definen la estructura y solo entonces comienzan a trabajar en la presentación.

Ese ejercicio no depende de la tecnología, pero permite que, cuando la IA entre en la siguiente etapa, lo haga sobre una base sólida.

Etapa 3: Cómo las presentaciones con IA generan el primer borrador

El momento más lento del proceso suele ser el inicio: enfrentarse a una hoja en blanco. Es precisamente ahí donde las herramientas de inteligencia artificial empiezan a marcar una diferencia.

Herramientas como Genspark permiten cargar directamente documentos en PDF, Word, Excel o incluso una presentación anterior para convertirlos en un primer borrador estructurado en pocos minutos.

El proceso comienza con un modo guiado en el que la herramienta solicita información sobre la audiencia, el tono y la cantidad de diapositivas. A partir de esos datos genera un esquema editable. Es posible modificar el texto, las imágenes y el diseño sin consumir créditos adicionales. Además, funciona en español y otros 18 idiomas, y permite exportar el resultado en formatos .pptx, PDF o Google Slides.

Según Salesdorado, generar una presentación de 15 diapositivas con Genspark toma alrededor de cuatro minutos. Sin embargo, el verdadero cambio no está en ese tiempo exacto, sino en pasar de una hoja en blanco a una base sólida en apenas unos minutos, cuando antes esa misma etapa podía consumir cerca de dos horas de trabajo manual.

El contexto también refleja una adopción acelerada de estas herramientas. El uso empresarial de IA generativa pasó del 33 % en 2023 al 71 % en 2024 (Presentations.ai). En comunicación, el 61 % de los profesionales ya incorpora inteligencia artificial en su trabajo y el 89 % espera convertirla en parte habitual de su proceso durante los próximos meses (EAE Business School, 2024).

Conviene recordar que ese primer resultado todavía no está listo para presentarse. La IA funciona como un asistente capaz de proponer una estructura inicial, un diseño preliminar y textos sugeridos. La decisión sobre qué conservar, modificar o eliminar sigue dependiendo completamente del criterio humano.

Etapa 4: Revisión humana y afinamiento editorial

El borrador generado por la IA es solo eso: un borrador. A partir de ese punto comienza el trabajo que realmente aporta valor. El equipo revisa la estructura, elimina tecnicismos innecesarios, adapta el lenguaje a la cultura del cliente, verifica cada cifra y fortalece los elementos visuales con gráficos propios cuando es necesario.

La evidencia respalda este modelo de trabajo. McKinsey, citado por EAE Business School, estima que la IA generativa puede reducir en un 20 % el tiempo de producción de contenidos. Más allá de la velocidad, el beneficio está en liberar tiempo para que los profesionales se concentren en aspectos donde el criterio humano sigue siendo insustituible: claridad, síntesis, precisión y capacidad de persuasión.

Un consultor senior puede dedicar apenas 15 minutos a revisar el borrador, ajustar el tono al lenguaje del cliente y reforzar el llamado a la acción. La inteligencia artificial resolvió la parte mecánica; la estrategia, la empatía y la capacidad de conectar con la audiencia continúan siendo responsabilidad de las personas.

Etapa 5: Iteración colaborativa y distribución

Después del afinamiento editorial, el archivo circula en el equipo. Se incorporan comentarios, se generan una o dos versiones adicionales y se distribuye en formatos listos para el cliente o la junta. La velocidad con la que ese ciclo se completa representa una ventaja competitiva.

En Colombia, el avance de la IA resulta decisivo: el 82 % de las grandes organizaciones aumentará su presupuesto de IA en los próximos dos años y el 59 % ya la implementó en menos de seis meses, un ritmo que supera la media global (Microsoft, 2024). Las iniciativas de IA pueden generar un retorno de inversión de hasta tres veces su costo, recuperado en un promedio de 13 meses, según Microsoft.

Además, el 41 % de los profesionales realiza una o más presentaciones al día (IPMark), por lo que la iteración ágil se vuelve indispensable. Herramientas que generan diapositivas con inteligencia artificial en segundos ya mostraron cómo acortar el ciclo de producción completo.

Con agentes de presentación cada vez más integrados, los equipos pueden pasar de una idea al entregable visual en horas, no en días. Aun así, la colaboración humana sigue siendo la que define la calidad final de cada presentación.

Lo que la IA no puede (ni debe) resolver sola

Más allá de sus beneficios, la inteligencia artificial también plantea riesgos. Puede generar presentaciones demasiado extensas, recurrir a un lenguaje genérico o incluso incorporar errores factuales cuando no existe supervisión humana. IPMark advierte que el 64 % de la audiencia considera que muchas presentaciones son excesivamente largas.

En América Latina, donde el 84 % de los estudiantes colombianos ya utiliza IA generativa con frecuencia (enter.co, 2024), la tentación de delegar por completo la creación de contenidos es cada vez mayor. Sin embargo, delegar completamente esa tarea puede hacer que se pierdan la conexión cultural y los matices locales, elementos que muchas veces resultan tan importantes como los propios datos.

Hay un dato que resume bien este equilibrio: el 80 % de los inversores encontró convincentes las presentaciones asistidas por IA, frente al 39 % de aquellas elaboradas únicamente por personas, siempre que la narrativa humana permaneciera clara.

La inteligencia artificial no sustituye la responsabilidad del equipo sobre el mensaje final. Su verdadero aporte consiste en reducir la fricción del proceso para que esa responsabilidad pueda ejercerse con mayor criterio y menos presión.

Al final, el rediseño del proceso no consiste en reemplazar diseñadores o consultores, sino en dirigir su tiempo hacia donde realmente genera más valor: la estrategia, el storytelling y la adaptación cultural.

Con un retorno de inversión de 3x en iniciativas de IA y organizaciones colombianas que aceleran su inversión, los equipos que dominen este flujo aumentado —no automatizado— serán quienes conviertan la avalancha de datos en presentaciones que la audiencia realmente quiera ver.

Imagen: ENTER.CO / Generada con IA (ChatGPT)

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

La respuesta no es tan sencilla. Aunque recuperó el primer lugar en bolsa, todavía enfrenta importantes desafíos para demostrar que su estrategia de inteligencia artificial puede competir con la de empresas como OpenAI, Google o Microsoft. Al mismo tiempo, el negocio de los chips para IA continúa impulsando el crecimiento de su principal competidor y mantiene el foco de los inversionistas en esa industria.

El regreso al primer lugar también coincide con un momento de transición. La empresa dejó atrás la caída que sufrió semanas atrás tras aumentar el precio de algunos Mac y iPad y ahora se prepara para un cambio de liderazgo con la llegada de John Ternus como nuevo director ejecutivo. Esa combinación de recuperación financiera, nueva dirección y presión por acelerar su estrategia de inteligencia artificial convierte este momento en uno de los más importantes para la tecnológica en los últimos años.

Apple recuperó el liderazgo, pero Nvidia sigue marcando el ritmo de la IA

Aunque ambas compañías compiten por el primer lugar en bolsa, su negocio es muy diferente. Nvidia domina el mercado de los procesadores que utilizan empresas como OpenAI, Microsoft, Google y Meta para entrenar y ejecutar modelos de IA. El crecimiento de su valor está impulsado por la enorme demanda de infraestructura para inteligencia artificial en todo el mundo.

La compañía, cuya sede está en Cupertino, California, mantiene una posición sólida gracias a un ecosistema que sigue generando ingresos de forma constante. Las ventas del iPhone, el Mac, el iPad y otros dispositivos se complementan con servicios como iCloud, el servicio de música de la empresa, su plataforma de video y la App Store. Ese modelo le proporciona estabilidad incluso cuando algunos de sus proyectos tecnológicos avanzan a un ritmo más lento.

Por eso, recuperar el primer lugar en capitalización bursátil no significa que haya tomado el liderazgo en IA. Más bien refleja la confianza de los inversionistas en su capacidad para seguir creciendo mientras desarrolla la siguiente generación de productos y servicios impulsados por inteligencia artificial.

La diferencia entre ambas compañías también muestra que existen dos formas distintas de liderar esta nueva etapa tecnológica. Nvidia suministra la infraestructura sobre la que funcionan los modelos de IA, mientras la compañía apuesta por llevar esa tecnología a millones de personas mediante dispositivos que ya forman parte de la vida cotidiana.

El mayor desafío todavía está por delante

Si hay un área donde sigue bajo presión es la IA para el usuario final. La compañía presentó Apple Intelligence como una de las mayores evoluciones de su ecosistema, pero varias de las funciones anunciadas, incluida una versión mucho más avanzada de Siri, todavía no han llegado de forma completa a los dispositivos compatibles.

Ese retraso ha permitido que competidores como Google continúen ampliando las capacidades de Gemini, mientras OpenAI mantiene un ritmo constante de lanzamiento de nuevas funciones para ChatGPT. Samsung también ha reforzado Galaxy AI con herramientas que ya hacen parte de la experiencia diaria en varios de sus teléfonos.

A este escenario se suma la posibilidad de un relevo en la dirección de la compañía. Si John Ternus termina asumiendo el liderazgo, su principal reto será demostrar que la empresa puede convertir esa plataforma de IA en una ventaja competitiva real y no solo en una promesa para futuras actualizaciones. El mercado seguirá de cerca las decisiones que marque esta nueva etapa.

Qué significa realmente para quienes usan un iPhone

Para quienes utilizan un iPhone, un Mac o un iPad, el cambio de liderazgo financiero no supone modificaciones inmediatas. La noticia no significa que Siri vaya a recibir nuevas funciones de un día para otro ni que la compañía anuncie reducciones de precio o cambios importantes en sus dispositivos por haber recuperado el primer lugar en bolsa.

Lo que sí cambia es el nivel de expectativa sobre los próximos anuncios. Con una valoración cercana a los 5 billones de dólares y un nuevo director ejecutivo al frente, tendrá que demostrar que puede transformar esa fortaleza financiera en innovación tangible para los usuarios, especialmente en un momento en el que la IA se ha convertido en el principal frente de competencia dentro de la industria tecnológica.

En los próximos meses, la atención estará menos en el comportamiento diario de la acción y más en la capacidad de cumplir la promesa de esa plataforma de IA. Si logra ofrecer una Siri más útil, funciones de IA realmente diferenciales y una integración más profunda en el iPhone, el Mac y el resto de su ecosistema, el liderazgo bursátil será solo una consecuencia. De lo contrario, volver a ser la empresa más valiosa del mundo será un logro financiero importante, pero insuficiente para demostrar que también lidera la próxima generación de la IA.

Imagen: ENTER.CO / Generada con IA (ChatGPT)

Hasta ahora, las conversaciones con el asistente de inteligencia artificial de la compañía no hacían parte de las herramientas de supervisión parental. Esto ocurría incluso cuando esos controles ya estaban activados para publicaciones y contenido visible. Con esta actualización, el chatbot también podrá formar parte de las medidas de protección para adolescentes en determinadas situaciones de riesgo.

Cómo funciona la nueva alerta de Meta AI

Hasta ahora, cuando Meta AI detectaba señales relacionadas con suicidio o autolesión, su respuesta consistía en mostrar líneas de ayuda, recomendar recursos especializados y sugerir al adolescente que hablara con un padre, tutor u otro adulto de confianza. Era una estrategia de apoyo, pero dependía de que el propio menor decidiera dar ese paso.

La nueva función mantiene esa asistencia, pero añade una capa adicional de protección. Cuando una conversación marcada por la inteligencia artificial es confirmada mediante revisión humana y cumple los criterios definidos por Meta para una posible situación de riesgo, el sistema también notifica al adulto responsable. El cambio de enfoque es claro. Ya no depende únicamente de que el adolescente decida pedir ayuda.

Nadie recibe una alerta sin una revisión humana

Uno de los aspectos que Meta quiso dejar claros es que las alertas no se generan de forma completamente automática. Los modelos de detección fueron desarrollados junto con expertos en salud mental. Su objetivo es identificar tanto referencias directas como expresiones más sutiles relacionadas con el suicidio o la autolesión.

Sin embargo, antes de enviar cualquier notificación, todas las conversaciones marcadas por la inteligencia artificial son revisadas manualmente. Según la compañía, si la intención del adolescente resulta ambigua, optará por actuar con cautela y enviar igualmente la alerta.

Meta reconoce que este criterio puede generar avisos en situaciones que finalmente no representen un riesgo real. Aun así, considera que es preferible asumir ese margen de error antes que dejar pasar un caso que sí requiera intervención.

Para los padres, esto tiene una implicación importante. Recibir una notificación no significa que exista una confirmación de una crisis de salud mental. Significa que el sistema detectó señales suficientes para recomendar una conversación tranquila y un acompañamiento cercano.

Una función con requisitos y disponibilidad limitada

La herramienta no se activa automáticamente para todas las familias. Para recibir estas alertas, primero es necesario configurar la supervisión parental de Meta. Después, debe vincularse la cuenta del adolescente. Sin esa configuración, las conversaciones con el chatbot no forman parte del sistema de supervisión.

Por ahora, la función solo está disponible en Estados Unidos, Canadá, Reino Unido y Australia. Meta todavía no ha anunciado cuándo llegará a Colombia ni al resto de América Latina. Este despliegue gradual suele repetirse con otras herramientas de seguridad de la compañía.

Lo que Meta prepara para el futuro

Además de las alertas para padres, la compañía confirmó que trabaja en una función que permitiría contactar directamente a los servicios de emergencia cuando una conversación con el asistente sugiera un riesgo inminente de suicidio, tanto en adolescentes como en adultos.

Esa capacidad todavía no está disponible para las conversaciones con el chatbot. Actualmente, Meta solo utiliza ese mecanismo en publicaciones de Facebook e Instagram cuando identifica un riesgo creíble de suicidio. La compañía asegura que durante el último año realizó más de 19.000 alertas de este tipo en todo el mundo. Esto permitió a los servicios de emergencia realizar verificaciones de bienestar en posibles casos de riesgo.

Las familias que ya pueden utilizar esta herramienta deberían comprobar que la supervisión parental esté correctamente configurada. También deben verificar que la cuenta del adolescente se encuentre vinculada. Para quienes aún no tienen acceso, el anuncio anticipa el rumbo que está tomando la industria en materia de seguridad para asistentes de inteligencia artificial.

En cualquier caso, ninguna herramienta automatizada sustituye el diálogo permanente entre padres e hijos ni la atención profesional cuando una situación de salud mental lo requiere.

Si tú o alguien que conoces está pasando por una crisis de salud mental o tiene pensamientos de autolesión, en Colombia puedes comunicarte con la Línea 106. En Estados Unidos, la Línea 988 ofrece atención por llamada, mensaje de texto o chat a través de 988lifeline.org.

Imagen: ENTER.CO generada con IA (ChatGPT)

Colombia refleja esa transformación. De acuerdo con el informe Global AI Diffusion Q1 2026, elaborado por Microsoft AI Economy Institute, el país alcanzó una adopción del 24,5 % de inteligencia artificial generativa entre la población en edad de trabajar, lo que lo ubica como el segundo de América Latina con mayor uso cotidiano de esta tecnología.

Este crecimiento también plantea un desafío para quienes se preparan para ingresar al mundo laboral. Emérito Martínez, director del Programa de Inteligencia Artificial Generativa & Business Innovation de EAE Business School, sostiene que las competencias digitales ya no consisten únicamente en manejar plataformas o aplicaciones, sino en entender cómo utilizarlas para resolver problemas, analizar información y generar valor dentro de las organizaciones.

Te puede interesar: La IA ya es una de las búsquedas favoritas de los niños, revela estudio

El especialista explica que la inteligencia artificial continuará ampliando su presencia en las empresas, por lo que será indispensable desarrollar la capacidad de interpretar los resultados que producen estas herramientas, verificar la calidad de la información y adaptarse a un entorno donde los cambios tecnológicos ocurren cada vez con mayor rapidez.

A medida que la automatización asume tareas repetitivas, las habilidades humanas adquieren un mayor peso. La creatividad, la comunicación, la empatía y el pensamiento crítico son capacidades que permiten complementar el trabajo de la IA y ofrecer respuestas que los algoritmos, por sí solos, no pueden construir.

Más que saber usar IA, entender cómo funciona

Otro aspecto que gana importancia es la alfabetización en inteligencia artificial. Los expertos consideran que no basta con aprender a escribir instrucciones para obtener respuestas de una plataforma. También es necesario comprender sus alcances, reconocer sus limitaciones y aplicar criterios éticos al momento de utilizar la información que generan estos sistemas.

Esto implica desarrollar competencias para validar datos, identificar posibles errores o sesgos, proteger la privacidad de la información y tomar decisiones fundamentadas antes de incorporar los resultados de la IA en procesos empresariales.

Martínez señala que los jóvenes no necesitan convertirse en desarrolladores de software para beneficiarse de estas herramientas. Sin embargo, sí considera fundamental que conozcan cómo funcionan y qué riesgos pueden surgir de un uso inadecuado.

Te puede interesar: OpenAI lanza GPT-Live: así funciona la nueva experiencia de voz de ChatGPT

Frente a esta realidad, también cambia la forma de construir una carrera profesional. La idea de obtener un título y ejercer la misma profesión durante décadas pierde fuerza frente a un modelo de aprendizaje continuo. Mantenerse actualizado mediante cursos, certificaciones, proyectos colaborativos, emprendimientos, voluntariados o experiencias interdisciplinarias será cada vez más valorado por los empleadores.

El reto también alcanza a las instituciones de educación superior. La velocidad con la que evolucionan las tecnologías obliga a revisar con mayor frecuencia los contenidos académicos para responder a las nuevas necesidades del mercado y preparar profesionales con mayor flexibilidad para enfrentar entornos cambiantes.

Más que reemplazar a las personas, la inteligencia artificial está modificando el perfil de los profesionales que buscan las empresas. Quienes logren combinar conocimientos tecnológicos con capacidades humanas y una disposición permanente para aprender tendrán mayores posibilidades de desenvolverse en un mercado laboral cada vez más influenciado por la automatización y el uso de datos.

El informe, elaborado con datos anónimos recopilados entre mayo de 2025 y abril de 2026 a través de usuarios que utilizan Kaspersky Safe Kids, muestra que las preferencias digitales de los niños han evolucionado. Aunque las redes sociales, las aplicaciones de mensajería y los videojuegos siguen ocupando un lugar importante, la inteligencia artificial pasó del sexto al tercer puesto entre las categorías más buscadas en Google.

Las consultas relacionadas con comunicación representaron el 19 % de las búsquedas realizadas por los menores. Instagram, Pinterest y TikTok encabezaron el interés dentro de las redes sociales, mientras que WhatsApp y Telegram fueron las aplicaciones de mensajería más consultadas.

Los videojuegos conservaron el segundo lugar, con un 16 % de participación. Los niños buscaron principalmente juegos gratuitos disponibles en plataformas como Poki, CrazyGames y Roblox.

Uno de los cambios más llamativos fue la disminución del interés por las plataformas de video en streaming. Esta categoría pasó del 18 % al 9 % de las búsquedas en comparación con el año anterior, una variación que coincide con el aumento del uso de herramientas digitales para resolver tareas escolares, hacer consultas, obtener explicaciones y explorar nuevos conocimientos mediante inteligencia artificial.

El aprendizaje gana espacio entre las búsquedas

El estudio también encontró que el aprendizaje en línea ya hace parte de las cinco categorías más consultadas por los niños en Google. Entre las búsquedas aparecen plataformas educativas como Google Classroom, Duolingo y GeoGebra, además de contenidos relacionados con programación, incluyendo Scratch y Python.

Los menores también mostraron interés por temas científicos. Entre las consultas registradas figuran búsquedas sobre la tabla periódica en distintos idiomas y el seguimiento de la misión Artemis II de la NASA, lo que evidencia que internet se está convirtiendo cada vez más en una herramienta para explorar contenidos educativos.

Te puede interesar: Microsoft detectó menos fallas, pero las más peligrosas se duplicaron: así afecta a usuarios de Windows y Office

A pesar de estos cambios, YouTube continúa siendo la aplicación más utilizada por los niños, con el 29 % del uso registrado. Dentro de la plataforma predominó el consumo de música y videoclips, seguido por contenidos de creadores digitales, además de películas, caricaturas y programas de televisión. El contenido animado tuvo un crecimiento importante, impulsado por búsquedas relacionadas con GLITCH, My Story Animated (MSA) y Cocomelon.

Para Kaspersky, este nuevo comportamiento también representa desafíos para las familias. La compañía advierte que muchas de las plataformas de inteligencia artificial y algunos servicios digitales no fueron desarrollados específicamente para menores de edad, por lo que requieren acompañamiento para reducir riesgos relacionados con la privacidad, la desinformación o la exposición a contenidos inadecuados.

Los especialistas recomiendan que padres y cuidadores mantengan conversaciones frecuentes sobre las actividades que realizan los niños en internet, establezcan horarios para el uso de dispositivos, enseñen a identificar información falsa y expliquen la importancia de proteger los datos personales. También sugieren utilizar herramientas de control parental que permitan supervisar la actividad digital y crear hábitos de navegación más seguros sin limitar el acceso a las oportunidades de aprendizaje que ofrece la tecnología.

El auge de los agentes de IA que negocian y realizan pagos de forma autónoma está transformando la economía digital. Según datos de Adobe, el tráfico generado por herramientas de IA a sitios de venta minorista en Estados Unidos se disparó un 4.700% interanual en julio de 2025. Además, proyecciones de McKinsey estiman que para 2030, estos agentes mediarán transacciones por un valor de entre 3 y 5 billones de dólares a nivel mundial.

Sin embargo, este crecimiento exponencial choca con una realidad. La infraestructura actual no está preparada para gestionar los inevitables desacuerdos entre máquinas. Así como los humanos tienen disputas contractuales, los agentes autónomos también las tendrán, pero a una velocidad que los sistemas judiciales tradicionales no pueden procesar.

“El comercio entre agentes está llegando a un punto de inflexión crítico, y no estamos preparados para las posibles consecuencias. Los agentes entrarán en desacuerdo a la velocidad de una máquina, y el sistema destinado a resolver dichos desacuerdos se diseñó para partes con cuerpos físicos y una tolerancia finita a la espera”, afirmó David Riudor, CEO y cofundador de la Fundación GenLayer. “Internet Court es el espacio compartido al que los agentes pueden acudir cuando un acuerdo sale mal. El dinero a la velocidad de las máquinas necesita una resolución de conflictos a la velocidad de las máquinas”.

Un ecosistema fragmentado

Actualmente, el ecosistema del comercio agéntico está altamente fragmentado. Existen protocolos como el x402 de Coinbase para pagos, el ERC-8004 para identidad de agentes, o el A2A de Google para interoperabilidad, pero cada uno resuelve una capa de la pila tecnológica por separado .

Internet Court pretende unificar estas piezas. Según Albert Castellana, cofundador y CEO de GenLayer Labs, la iniciativa convierte un “espacio fragmentado en una habilidad abierta única que cualquier agente puede usar para que los compromisos financieros se mantengan, incluso cuando están en disputa”.

¿Cómo funcionará?

El protocolo integra una serie de estándares que abarcan todo el ciclo de vida de una transacción agéntica, desde el descubrimiento y la reputación (ERC-7857, ERC-8004), la negociación (A2A), los contratos (ERC-7710), hasta la ejecución y la verificación de disputas mediante sistemas de adjudicación como GenLayer, Kleros y UMA.

GenLayer, la pieza central de este rompecabezas, utiliza un protocolo blockchain donde validadores impulsados por diversos modelos de lenguaje de IA (LLM) analizan la evidencia y emiten fallos. Si un agente compra un servicio de inferencia y el registro de actividad muestra una caída del servicio, el comprador podría recibir una compensación automática según los términos acordados.

Apoyo de la industria

El respaldo de actores clave subraya la importancia de la iniciativa. Solo por mencionar algunos de los nombres más representativos del sector, Ryan McPeck, responsable de Smart Accounts en MetaMask, destacó que su kit de herramientas ya está siendo utilizado por GenLayer como parte del Tribunal de Internet, alineándose con su desarrollo de la “MetaMask Agent Wallet”.

Por su parte, Vassilis Tziokas, VP de Growth en ZKsync (Matter Labs), dijo que “la forma natural de que los agentes transaccionen será la criptografía, dinero programable que se mueve sin intervención humana”. La cadena que potencia este sistema funcionará sobre el ZK Stack, garantizando la privacidad y el rendimiento necesarios.

Si bien la visión es ambiciosa, el proyecto enfrenta desafíos reales. Un estudio de 2026 sobre eventos disputados en Polymarket reveló que, aunque los modelos de lenguaje acertaron en el 89.58% de las resoluciones finales, no pudieron identificar de manera fiable qué mercados serían disputados. Esto resalta la necesidad de un sistema robusto de apelaciones y, posiblemente, de revisión humana en casos complejos.

A pesar de estos retos, Internet Court ya está disponible como estándar abierto para que cualquier agente lo adopte. La Fundación GenLayer espera lanzar la red principal (mainnet) en el cuarto trimestre de 2026.

Esta idea de un ‘tribunal de internet’ llega para poner orden en un mundo donde las máquinas negocian, contratan y, ocasionalmente, se enfrentarán. El éxito de este estándar determinará si la economía agéntica puede operar de manera fluida o si quedará atrapada en un limbo legal de alta velocidad.

Imagen: Foto de Conny Schneider en Unsplash

La nueva línea está compuesta por tres versiones: GPT-5.6 Sol, el modelo de mayor capacidad; GPT-5.6 Terra, pensado para tareas de uso diario con un equilibrio entre rendimiento y precio; y GPT-5.6 Luna, la alternativa más rápida y económica. Los tres ya comenzaron a desplegarse de forma global en ChatGPT, Codex y la API de OpenAI.

Según la compañía, la principal novedad de GPT-5.6 es que consigue realizar más trabajo utilizando menos tokens, lo que se traduce en un mejor rendimiento por dólar tanto para empresas como para desarrolladores. En las pruebas internas y evaluaciones independientes presentadas por OpenAI, Sol supera a GPT-5.5 y mejora los resultados de modelos rivales en diferentes tareas profesionales, especialmente en programación, automatización, navegación web y análisis de documentos.

Te puede interesar: OpenAI lanza GPT-Live: así funciona la nueva experiencia de voz de ChatGPT

Uno de los cambios más relevantes es la incorporación de un sistema que permite coordinar varios agentes de inteligencia artificial trabajando al mismo tiempo sobre una misma tarea. Esta función está diseñada para resolver proyectos complejos en menos tiempo, repartiendo el trabajo entre diferentes procesos que luego unifican los resultados.

OpenAI también afirma haber mejorado la capacidad del modelo para utilizar herramientas, revisar su propio trabajo y corregir errores antes de entregar una respuesta final. Esto permite generar documentos, hojas de cálculo, presentaciones y aplicaciones con menos intervención manual por parte del usuario.

Más funciones para empresas, desarrolladores y usuarios de ChatGPT

La compañía destacó que GPT-5.6 ofrece avances importantes en programación. El modelo puede escribir código, ejecutar programas sencillos para coordinar herramientas, procesar información intermedia y adaptar su estrategia durante una tarea sin necesidad de recibir instrucciones paso a paso.

También incorpora mejoras para el trabajo con documentos empresariales. El sistema puede transformar información procedente de plataformas como Slack, Notion, Microsoft 365 o Google Drive en informes, presentaciones y otros materiales con formatos más consistentes y editables.

En materia de ciberseguridad, OpenAI asegura que GPT-5.6 obtuvo mejores resultados que su generación anterior en pruebas de identificación de vulnerabilidades y revisión segura de código. Al mismo tiempo, el lanzamiento llega acompañado de nuevas capas de protección, monitoreo continuo y controles de acceso para reducir el uso indebido de las capacidades más avanzadas del modelo.

El despliegue ya comenzó para los usuarios de ChatGPT. Los suscriptores de los planes Plus, Pro, Business y Enterprise tendrán acceso a GPT-5.6 Sol, mientras que los usuarios de Free y Go utilizarán GPT-5.6 Terra en ChatGPT Work y Codex. Los desarrolladores también pueden acceder a los tres modelos mediante la API de OpenAI.

En cuanto a los precios para la API, OpenAI estableció una tarifa de 5 dólares por millón de tokens de entrada y 30 dólares por millón de tokens de salida para Sol. Terra costará 2,50 y 15 dólares, respectivamente, mientras que Luna tendrá un precio de 1 dólar de entrada y 6 dólares de salida.

Con esta actualización, OpenAI apuesta por ofrecer modelos más eficientes y escalables para distintos perfiles de usuarios, desde quienes utilizan ChatGPT en tareas cotidianas hasta empresas y desarrolladores que requieren automatizar procesos de mayor complejidad.

La principal novedad de GPT-Live es su arquitectura de comunicación dúplex completa. A diferencia de las versiones anteriores, que esperaban a que el usuario terminara de hablar para responder, el nuevo sistema procesa el audio de manera permanente mientras mantiene la conversación.

Esto le permite reaccionar con mayor naturalidad, realizar pausas cuando la persona está pensando, responder a interrupciones e incluso demostrar que sigue la conversación mediante expresiones breves, similares a las que utilizan las personas en un diálogo cotidiano.

Además de mejorar la fluidez, GPT-Live incorpora una estrategia diferente para resolver consultas complejas. Cuando una conversación requiere buscar información en internet, analizar datos o ejecutar tareas que demandan mayor capacidad de razonamiento, el modelo delega ese trabajo a GPT-5.5, que opera en segundo plano mientras la conversación continúa sin interrupciones. De esa manera, el usuario no tiene que esperar en silencio hasta recibir una respuesta.

Durante su lanzamiento, GPT-Live utiliza GPT-5.5 como motor de razonamiento y OpenAI confirmó que el sistema adoptará automáticamente los modelos más avanzados que la compañía publique en el futuro.

Conversaciones más fluidas y nuevas funciones

La actualización también incorpora mejoras en la experiencia diaria de ChatGPT Voice. Ahora los usuarios pueden pedir que el asistente hable más despacio, hacer pausas sin ser interrumpidos o solicitar que permanezca en silencio mientras escucha. El sistema también ofrece una mayor capacidad para distinguir la voz del usuario cuando existe ruido ambiental, como tráfico o conversaciones cercanas.

Otra de las novedades es la integración de respuestas visuales. Mientras mantiene una conversación por voz, ChatGPT puede mostrar tarjetas con información relacionada con el clima, deportes, mercados financieros y otros temas, además de seguir siendo compatible con búsquedas web, memoria, carga de imágenes y archivos.

OpenAI explicó que las mejoras también alcanzan a las nueve voces disponibles en ChatGPT, que fueron ajustadas para ofrecer una entonación más natural y cercana.

Te puede interesar: Google presenta Nano Banana 2 Lite y Gemini Omni Flash para crear imágenes y videos con IA

La compañía asegura que GPT-Live obtuvo mejores resultados que el anterior Modo de Voz Avanzado en pruebas internas que evaluaron aspectos como la naturalidad de la conversación, la fluidez, la capacidad para manejar interrupciones y la preferencia general de los usuarios. También mostró un desempeño superior en evaluaciones relacionadas con razonamiento científico, búsquedas web mediante agentes y resolución de tareas de soporte conversacional.

La seguridad también forma parte de esta actualización. OpenAI indicó que el modelo incorpora mecanismos específicos para conversaciones de voz en tiempo real, capaces de detectar respuestas potencialmente riesgosas y redirigirlas hacia alternativas más seguras. Además, incluye protecciones especiales para adolescentes y herramientas de control parental.

GPT-Live ya comenzó a estar disponible para los usuarios de ChatGPT en iOS, Android y la versión web. GPT-Live-1 será el modelo predeterminado para las cuentas Go, Plus y Pro, mientras que GPT-Live-1 mini estará disponible para quienes utilizan el servicio gratuito. Por ahora, la nueva experiencia no admite videollamadas ni compartir pantalla, funciones que seguirán presentes en las versiones anteriores del modo de voz hasta que sean incorporadas en futuras actualizaciones.

La compañía asegura que estas novedades responden a una necesidad frecuente entre quienes desarrollan aplicaciones con IA: reducir tiempos de procesamiento sin sacrificar calidad. La propuesta consiste en combinar ambos modelos dentro de un mismo flujo de trabajo para pasar de una imagen estática a un video animado en pocos pasos.

Nano Banana 2 Lite fue presentado como la versión más rápida y económica de la familia Nano Banana. Está pensado para proyectos que requieren producir un gran volumen de imágenes o trabajar casi en tiempo real. Según Google, puede generar una imagen a partir de una descripción en aproximadamente cuatro segundos y tiene un costo de 0,034 dólares por cada imagen de resolución 1K, lo que representa una alternativa para quienes necesitan optimizar recursos.

El modelo está dirigido principalmente a desarrolladores, aunque también comenzará a integrarse en servicios para usuarios finales como la aplicación Gemini, Google Fotos, NotebookLM, Google Flow, Google Ads y el Modo IA del buscador.

Del boceto al video en una misma plataforma

La segunda novedad es Gemini Omni Flash, un modelo capaz de generar y editar videos utilizando texto, imágenes y clips como referencia. La herramienta permite modificar una escena mediante instrucciones conversacionales y mantener coherencia entre los distintos elementos visuales, una función pensada para agilizar procesos creativos que antes requerían varias aplicaciones.

Por ahora, Omni Flash admite videos de hasta diez segundos y mantiene algunas limitaciones, como la falta de soporte para referencias de audio o la dificultad para conservar completamente la apariencia de un personaje durante ciertos cambios de escena. Google indicó que estas capacidades continuarán evolucionando durante la etapa de vista previa pública.

Uno de los aspectos que la empresa busca impulsar es el uso conjunto de ambos modelos. La idea consiste en generar primero una imagen con Nano Banana 2 Lite y luego convertirla en un video mediante Gemini Omni Flash. Para demostrar estas posibilidades, Google publicó varias aplicaciones de ejemplo, entre ellas una que transforma una fotografía en un recorrido animado por distintos lugares del mundo, otra para visualizar remodelaciones de interiores y una enfocada en crear videos para comercio electrónico a partir de imágenes de productos.

Las personas interesadas en probar estas herramientas pueden acceder desde Google AI Studio o integrarlas mediante la API de Gemini. Google también puso a disposición documentación técnica, guías de uso y ejemplos para facilitar el desarrollo de proyectos basados en estos modelos. Además, el contenido generado incorpora la marca de agua SynthID, un sistema que permite identificar material creado con inteligencia artificial y reforzar la transparencia en su utilización.

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.

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

Lejos de sugerir que estos sistemas tengan una ideología propia, los estudios indican que las diferencias aparecen por la selección de datos utilizados durante el entrenamiento, las reglas de seguridad incorporadas y las decisiones humanas que moldean el comportamiento final del modelo. Para millones de usuarios que ya utilizan la IA como buscador, asesor o herramienta de trabajo, comprender este fenómeno resulta cada vez más importante.

Cuando la IA “vota”: así midieron el sesgo los investigadores

Uno de los trabajos más recientes fue desarrollado por investigadores de la Universidad Libre de Ámsterdam y la Universidad de Oslo. En lugar de hacer preguntas tradicionales a los modelos de lenguaje, utilizaron miles de votaciones reales de los parlamentos de España, Noruega y Países Bajos para analizar cómo responderían distintos sistemas de inteligencia artificial si actuaran como legisladores.

Los resultados mostraron que la mayoría de los modelos evaluados tendían a adoptar posiciones cercanas al centro o con una ligera inclinación hacia la centroizquierda. Además, el estudio encontró diferencias significativas entre modelos, lo que demuestra que la orientación de las respuestas no depende únicamente del conocimiento almacenado, sino también del proceso de alineación aplicado por cada empresa.

Hallazgos similares aparecen en una investigación publicada en el Journal of Computational Social Science, donde científicos compararon varios modelos comerciales y de código abierto. El trabajo concluye que ninguno puede considerarse completamente neutral y que la tendencia ideológica cambia según el tema consultado, desde economía hasta derechos civiles o política ambiental.

Otro análisis, conocido como PoliticsBench 2026, amplió la comparación a modelos como GPT, Gemini, Claude, Grok, DeepSeek, Llama y Qwen. En ese benchmark, siete de los ocho modelos evaluados mostraron una inclinación hacia posiciones de izquierda, mientras que Grok fue el único que presentó una tendencia más cercana a posturas de derecha.

¿Por qué importa si usas la IA para informarte?

Los investigadores coinciden en que estos resultados no significan que las empresas programen deliberadamente una postura política. Los grandes modelos de lenguaje funcionan calculando la palabra más probable que debe aparecer en una respuesta a partir de enormes volúmenes de texto extraídos de internet, libros, artículos y otras fuentes.

Después del entrenamiento inicial, los desarrolladores aplican procesos conocidos como Reinforcement Learning from Human Feedback (RLHF), mediante los cuales personas evalúan respuestas y enseñan al modelo cuáles son más útiles, seguras o apropiadas. Esa etapa también influye en el comportamiento final del chatbot.

Para el usuario, la consecuencia es sencilla: dos asistentes de inteligencia artificial pueden responder de forma distinta a una misma pregunta sin que ninguno esté necesariamente “equivocado”. Las diferencias suelen reflejar prioridades distintas al seleccionar información, resumir argumentos o presentar matices sobre asuntos controvertidos.

Por esa razón, los propios autores de estas investigaciones recomiendan utilizar la inteligencia artificial como una herramienta de apoyo y no como una fuente única para comprender temas políticos, económicos o sociales. Contrastar la información con medios de comunicación confiables, documentos oficiales y diversas fuentes sigue siendo la mejor forma de reducir el impacto de posibles sesgos.

A medida que los chatbots reemplazan a los buscadores tradicionales en muchas consultas, el debate ya no gira únicamente alrededor de qué tan inteligentes son estos sistemas, sino también de qué tan transparentes resultan sus procesos de entrenamiento. Las investigaciones publicadas hasta ahora apuntan a una misma conclusión: la inteligencia artificial puede ser extraordinariamente útil, pero sus respuestas también reflejan las decisiones humanas que la hicieron posible.