Es un modelo de mezcla de expertos: activa 42.000 millones de parámetros por cada token, acepta un contexto de hasta un millón de tokens y recibe texto, imágenes, video y audio, según la ficha técnica citada por VentureBeat. Su salida es solo texto, así que no genera imágenes ni video. Meta lo presenta para programación y tareas de agentes. Se puede usar ya a través de plataformas como Together AI, Fireworks, Groq u OpenRouter, o descargar en Hugging Face, Amazon SageMaker, Google Cloud y Microsoft Foundry.

Meta ya había presentado Muse, su agente de IA personal, y el 12 de octubre lanzó Muse Wonder y Wonder Full, que solo se usan por API y dentro de Muse Code. Spark Open cambia el esquema: sus pesos se pueden bajar y ejecutar fuera de Meta.

El truco del escritorio y su precio

La parte que más llamó la atención es dónde puede correr. Meta dice que es el primer modelo de su clase que funciona en un escritorio, con dos Mac Studio con chip Apple M5 Ultra. Cada una ofrece hasta 512 GB de memoria unificada, así que juntas suman un terabyte.

Esa configuración todavía no se puede comprar. Según Engadget, Apple no ha dado precio ni fecha para la versión de 512 GB, solo que llegará “a finales de octubre”. VentureBeat calcula el costo con lo que existe hoy: la M5 Ultra de 256 GB cuesta US$10.799 en Apple, y cuatro darían el mismo terabyte por US$43.196 antes de impuestos. La ficha técnica pide al menos 700 GB de memoria de GPU para la versión comprimida y 2 TB para la completa.

Meta mostró dos demostraciones locales: arreglar errores en una app de iOS de código abierto y editar video en DaVinci Resolve. Son pruebas de la propia empresa y no incluyen velocidad de respuesta ni costo total.

¿Qué tan bueno es, según los números?

Los resultados son de Meta. En JobBench saca 61,8 puntos frente a 61,4 de GLM 5.3, y en MCP-Atlas, una prueba de uso de herramientas, 89,2 frente a 84,2. En programación en terminal queda atrás: 76,4 contra 83,9 de GLM 5.3 y 85,0 de Kimi K3.

El índice de Artificial Analysis lo deja en 39 según la ficha de Meta, debajo de los 46 de MiMo-V2.6-Pro, los 45 de GLM 5.3 y los 44 de Kimi K3. VentureBeat no pudo verificar una evaluación independiente de Spark Open al publicar, así que esa cifra sigue siendo de Meta. El mismo medio recuerda el contexto: según Hugging Face, los modelos chinos concentraron el 41 % de las descargas del último año, y los modelos abiertos movieron en septiembre el 60 % de los tokens de solicitudes originadas en EE. UU. en OpenRouter.

La licencia también importa. Es la Muse Model License, con términos comerciales limitados: se puede usar, modificar y vender sin pagar, pero hay que mostrar “Built with Muse Spark Open” en los productos que la usen. Quien ofrezca el modelo como servicio por API y supere los US$20 millones de ingresos al año debe firmar un acuerdo aparte con Meta. Para el usuario común, el efecto práctico llegará por las apps que lo adopten, no por instalarlo en casa.

Fuentes: Meta AI Research y VentureBeat.

El programa lleva más de dos años en funcionamiento y está abierto tanto a quienes han pasado por la academia como a personas externas interesadas en adquirir nuevas herramientas para su vida laboral. La participación no exige haber hecho parte de Holberton Coderise, por lo que los asistentes pueden seleccionar las sesiones relacionadas con sus intereses y objetivos.

La próxima programación contará con siete encuentros liderados por Santiago Gamero, arquitecto de Sistemas Humanos y consultor independiente en Growth Científico y Performance. Las sesiones abordarán habilidades personales y profesionales, desde el autoliderazgo hasta las ventas en redes sociales.

7 encuentros para trabajar habilidades personales y profesionales

La agenda comenzará el 29 de octubre con una sesión dedicada al autoliderazgo. Después, el 12 de noviembre, Gamero abordará la gestión emocional, mientras que el 19 de noviembre el tema será la relación entre los hábitos cotidianos y los objetivos que cada persona quiere alcanzar.

En diciembre, las actividades continuarán con dos sesiones. La primera, programada para el día 3, estará dedicada a la metodología OKR, utilizada para establecer objetivos y resultados clave. El 10 de diciembre, la conversación girará en torno a la mentalidad de crecimiento.

La programación continuará en enero de 2027 con dos temas relacionados con el desarrollo laboral. El 14 de enero se hablará de empleabilidad y marca personal, y el 28 de enero la sesión estará dedicada a las ventas en redes sociales.

Todos los encuentros están programados para las 10:00 a. m., hora de Colombia.

La variedad de temas permite que la agenda interese a personas en diferentes etapas de su trayectoria profesional. Quienes estén buscando oportunidades laborales pueden encontrar contenidos relacionados con la empleabilidad y la marca personal, mientras que quienes trabajan de manera independiente o desarrollan proyectos propios pueden interesarse por la gestión de objetivos y las ventas en redes sociales.

La propuesta de Next Move consiste en acercar experiencias y conocimientos que los participantes puedan llevar a su vida cotidiana y laboral. Además, las sesiones ofrecen la posibilidad de conocer otras perspectivas a través del intercambio con profesionales invitados.

¿Cómo inscribirse en Next Move?

Las personas interesadas pueden elegir los encuentros que quieran seguir e inscribirse como asistentes. No es necesario haber cursado un programa académico en Holberton Coderise para participar.

El registro está disponible a través de un formulario en línea. Allí, los interesados pueden iniciar el proceso de inscripción para las sesiones de la programación.

Inscríbete en las sesiones de Next Move.

Quienes quieran conocer la trayectoria del invitado pueden consultar el perfil de Santiago Gamero en LinkedIn.

El lanzamiento está dirigido a desarrolladores que crean asistentes conversacionales, sistemas automatizados de atención al cliente y aplicaciones capaces de interactuar con personas mediante la voz. La tecnología permite procesar conversaciones habladas y generar respuestas en tiempo real, sin obligar a los usuarios a comunicarse exclusivamente mediante texto.

Para los equipos técnicos, la novedad tiene dos implicaciones. Por un lado, pueden acceder a una versión más reciente del modelo sin asumir un incremento en la tarifa anunciada. Por otro, quienes hayan configurado sus aplicaciones para utilizar una versión específica deben comprobar qué modelo están invocando y planificar la migración correspondiente.

La diferencia está en la forma de seleccionar el modelo. El alias grok-voice-latest apunta a la versión más reciente disponible, mientras que grok-voice-2.0 identifica una versión determinada. xAI confirmó que esta última quedó deprecada y recomienda cambiar la configuración a grok-voice-3.0 o utilizar el alias actualizado.

Una actualización que también obliga a revisar las integraciones

La compañía asegura que la API conserva su estructura, por lo que la actualización no exige modificar las aplicaciones que ya utilizan el alias. Sin embargo, los desarrolladores que fijaron manualmente la versión 2.0 deben revisar sus configuraciones antes de migrar.

Mantener una versión específica puede ser útil cuando un producto necesita resultados consistentes entre diferentes despliegues. En cambio, utilizar un alias que cambia automáticamente permite acceder a las novedades del proveedor, aunque también implica que el comportamiento del sistema puede variar con futuras actualizaciones.

Te puede interesar: Claude podrá cerrar chats si hay maltrato extremo: nueva regla

Por eso, antes de cambiar una integración, conviene comprobar cómo responde el asistente en las tareas para las que fue diseñado, especialmente si atiende solicitudes de clientes o ejecuta instrucciones mediante herramientas conectadas.

El precio anunciado es de 0,08 dólares por minuto, equivalente a 4,80 dólares por hora de audio. Con esa tarifa, una aplicación que procese 1.000 minutos tendría un costo de referencia de 80 dólares por ese consumo, sin contar otros posibles cargos asociados al servicio.

La mejora de rendimiento es otro de los argumentos del lanzamiento. Según xAI, las pruebas independientes de Artificial Analysis sitúan a Grok Voice 3.0 en el primer puesto de su índice Speech-to-Speech, con una puntuación de 86,9. La empresa también reporta una latencia inferior a un segundo. Son resultados atribuidos a las evaluaciones citadas por el fabricante, no una garantía de que todas las aplicaciones obtendrán el mismo desempeño.

Los interesados pueden consultar las características del modelo y su disponibilidad en la página oficial de Grok Voice 3.0. Quienes ya desarrollan con la API pueden revisar los cambios y las indicaciones de actualización en las notas de lanzamiento de xAI.

La revisión más urgente corresponde a los proyectos que todavía llaman directamente a grok-voice-2.0: deben ajustar la selección del modelo para pasar a la versión 3.0 o al alias actualizado.

La herramienta se encuentra en fase beta y está dirigida a quienes necesitan producir contenido audiovisual con rapidez, desde videos explicativos hasta piezas de marketing. Su propuesta consiste en convertir una instrucción escrita en un video que después puede modificarse mediante una conversación con la inteligencia artificial, sin tener que empezar de cero cada vez que se necesita un ajuste.

Syren también admite materiales de referencia, como documentos, imágenes, presentaciones de PowerPoint y videos. El usuario puede proporcionar estos elementos para orientar la creación y definir el estilo visual de la pieza.

El resultado se genera dentro del navegador, en la plataforma de Synthesia, por lo que no es necesario instalar un programa adicional. Los videos pueden tener formato horizontal o vertical, una alternativa útil para adaptar el contenido a diferentes canales de publicación.

La edición por chat permite modificar el resultado

Una de las funciones de Syren es la posibilidad de solicitar cambios mediante instrucciones escritas. En lugar de editar manualmente cada componente, el usuario puede pedir modificaciones durante el proceso de creación.

La interfaz incluye reproducción del video, visualización de la transcripción y un sistema de edición por chat. Esta combinación permite revisar el contenido y ajustar elementos de la pieza a medida que se desarrolla.

La herramienta está pensada para producir videos creativos con agilidad. Sin embargo, Synthesia mantiene su editor tradicional para contenidos que requieren mayor precisión y uniformidad, como los cursos de formación, las capacitaciones sobre cumplimiento normativo y las comunicaciones internas de las empresas.

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

Esta distinción importa para quienes planean utilizar la inteligencia artificial en sus procesos de trabajo. La automatización puede reducir el tiempo dedicado a la producción audiovisual, pero no elimina la necesidad de revisar la información antes de publicar una pieza.

Por eso, al crear un video a partir de documentos, conviene comprobar que las cifras, los nombres y las explicaciones correspondan al contenido original. También es necesario verificar la voz, la presentación visual y los derechos de uso de los materiales incorporados.

¿Quiénes pueden utilizar Syren y cómo acceder?

La versión beta está disponible para los clientes gratuitos, los usuarios de autoservicio y los clientes empresariales de Synthesia. Para probarla, deben ingresar a la plataforma y buscar el botón de Syren en el menú de navegación lateral.

El acceso funciona mediante un sistema de créditos, por lo que no ofrece generación ilimitada de videos. Synthesia anunció créditos iniciales para que los usuarios puedan crear una primera pieza y explorar las funciones de la herramienta.

En las organizaciones, los administradores también tienen la posibilidad de desactivar Syren para toda la empresa. Esta opción permite controlar su uso cuando existen políticas internas sobre las herramientas de inteligencia artificial.

Otra función anunciada para una próxima etapa es la adaptación automática a la identidad visual de cada compañía. La intención es que Syren aprenda de videos existentes para reproducir elementos gráficos, movimientos, ritmos y estilos de edición de una marca. Esta capacidad todavía está pendiente.

Quienes quieran probar la herramienta pueden ingresar a la plataforma de Synthesia Syren y comprobar las condiciones de acceso de su cuenta antes de comenzar a producir videos.

Kristalina Georgieva, directora gerente del organismo, presentó este panorama en las reuniones anuales del FMI y el Banco Mundial en Bangkok, Tailandia, en un periodo de incertidumbre marcado por las dificultades del suministro energético y el aumento del gasto en centros de datos.

La inversión en IA mantiene el crecimiento mundial cerca del 3 %

Georgieva afirmó que el desarrollo de infraestructura para IA ayuda a sostener la expansión global alrededor del 3 %. La construcción de centros de datos y la compra de componentes generan actividad en las industrias que abastecen a los principales desarrolladores.

Asia figura entre las regiones más beneficiadas. Según las estimaciones presentadas, este impulso podría añadir entre 0,5 y 1 punto porcentual al crecimiento de sus economías avanzadas, y entre 0,2 y 0,8 puntos al de las emergentes. Son incrementos adicionales sobre las proyecciones, no tasas totales.

Según la información publicada por Reuters, el organismo actualizará sus perspectivas el 13 de octubre. En julio había proyectado una expansión global del 3 % para 2026.

Cuatro de cada diez empleos podrían cambiar por la automatización

La directora describió el avance como un «tsunami de movimiento lento». Las investigaciones de la institución indican que aproximadamente el 40 % de los puestos del mundo podría verse transformado, y en las economías avanzadas la proporción llega al 60 %. Eso incluye desde mejoras de productividad hasta la pérdida de funciones, por lo que las estimaciones no equivalen a una previsión de despidos.

Un estudio preliminar citado por Georgieva encontró que el 10 % de los empleos en Estados Unidos ya exige conocimientos de IA. Según ese mismo análisis, las labores rutinarias y repetitivas mostraban una reducción, mientras aumentaban los puestos de menor remuneración en sectores como la construcción y los centros de datos. Interpretar resultados, identificar errores y entender los límites de estas aplicaciones son algunas de las habilidades digitales que adquieren importancia.

Empleo juvenil, impuestos y desigualdad en debate

El presidente de Singapur, Tharman Shanmugaratnam, alertó sobre la menor demanda de recién graduados. Su preocupación se concentra en los cargos de entrada al mercado laboral, que tradicionalmente ofrecen la primera experiencia y abren el acceso a mayores responsabilidades.

Ajay Banga, presidente del Banco Mundial, tiene otra lectura. Afirmó que todavía no está convencido de que esos puestos vayan a desaparecer de forma masiva y considera que los mayores cambios se concentrarán en los países desarrollados. Para los mercados emergentes destacó los modelos más pequeños, que necesitan menos potencia informática y pueden ayudar a agricultores, profesores y centros de salud.

En materia fiscal, Georgieva planteó que, si la producción depende más del capital que del trabajo, los gobiernos podrían revisar sus sistemas tributarios, porque buena parte de la recaudación procede de los ingresos laborales. Tharman añadió el riesgo de una mayor desigualdad entre países desarrollados y emergentes.

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

Gates advierte que el peligro inmediato está en los delincuentes

En una entrevista con ABC News, recogida por la agencia AFP el 11 de octubre de 2026, el cofundador de Microsoft anticipó un incremento de las ofensivas digitales. Su preocupación se centra en el uso malicioso de modelos que pueden funcionar sin suficientes mecanismos de protección, una situación que considera más urgente que la posibilidad de perder el control de una inteligencia artificial avanzada.

«El frente en el que probablemente veremos los cambios más drásticos durante el próximo año es el de los ciberataques», afirmó Gates, según la traducción de sus declaraciones reproducidas por AFP. También advirtió que la combinación de delincuentes, sistemas potentes y ausencia de controles puede provocar numerosas consecuencias negativas.

Una de sus inquietudes es que algunas restricciones incorporadas por los desarrolladores pueden retirarse. Estas barreras buscan impedir respuestas perjudiciales o determinadas acciones peligrosas. Al eliminarlas, las capacidades de la tecnología quedan disponibles para quienes intentan utilizarlas con fines ilegales.

El empresario también mencionó el bioterrorismo entre los riesgos que requieren mayor atención. Sin embargo, no presentó cifras sobre el incremento esperado de los ataques informáticos ni identificó organizaciones que vayan a resultar afectadas. Su advertencia describe una amenaza que considera próxima, aunque todavía no es posible establecer su magnitud.

Cómo protegerse de ataques que utilizan inteligencia artificial

El riesgo no se limita a las grandes empresas. Los correos fraudulentos, los mensajes que solicitan contraseñas y los intentos de suplantación de identidad pueden resultar más difíciles de reconocer cuando se elaboran con herramientas capaces de generar textos convincentes y adaptarlos a diferentes situaciones.

Para reducir la exposición, conviene mantener actualizados el celular, la PC y las aplicaciones. También es recomendable activar la autenticación en dos pasos, utilizar contraseñas diferentes y evitar abrir enlaces recibidos mediante mensajes sospechosos. Si una entidad financiera solicita información confidencial, lo más seguro es comprobar la comunicación desde su app o página oficial.

En las organizaciones, las precauciones incluyen limitar los permisos de acceso, conservar copias de seguridad y vigilar comportamientos inusuales en las redes. Estas medidas ayudan a prevenir incidentes y facilitan la recuperación cuando ocurre una intrusión, aunque ninguna garantiza una protección absoluta.

Una evaluación del Centro Nacional de Seguridad Cibernética del Reino Unido, publicada el 7 de mayo de 2025, ya había anticipado que la inteligencia artificial aumentaría la eficiencia de distintas operaciones maliciosas hasta 2027, especialmente en la identificación y explotación de fallas informáticas.

Según ese análisis, los atacantes podrían aprovechar vulnerabilidades conocidas con mayor rapidez. Se trata de errores en programas o configuraciones que permiten conseguir accesos no autorizados. Cuanto menos tiempo transcurra entre el descubrimiento de una falla y su explotación, menor será el margen disponible para instalar las correcciones correspondientes.

El informe también prevé modificaciones más rápidas de programas maliciosos para dificultar su detección. A pesar de estos avances, considera improbable que los ataques sofisticados lleguen a estar completamente automatizados antes de 2027. Las operaciones más complejas todavía necesitarían intervención especializada.

Bill Gates rechaza que las empresas controlen solas la IA

La advertencia incluye un cuestionamiento a la autorregulación de la industria tecnológica. Durante la entrevista, Gates sostuvo que las decisiones de seguridad no deberían depender exclusivamente de quienes desarrollan los modelos, debido al alcance de los posibles daños.

Su posición coincide con las preocupaciones que ya había expresado sobre los efectos negativos de la inteligencia artificial. En una reflexión anterior, planteó la necesidad de preparar políticas para afrontar tanto los usos maliciosos como las transformaciones laborales asociadas con esta tecnología.

Ahora, el debate se concentra en establecer restricciones y mecanismos de supervisión que también funcionen cuando los sistemas se distribuyan o modifiquen. La dificultad está en definir medidas eficaces sin impedir aplicaciones legítimas, como las herramientas que ayudan a detectar actividades sospechosas y corregir fallas.

Mientras avanzan esas discusiones, la protección más inmediata sigue dependiendo de precauciones concretas. Instalar actualizaciones, verificar los mensajes antes de entregar información y utilizar métodos adicionales de autenticación puede reducir las oportunidades que aprovechan los delincuentes, incluso cuando emplean inteligencia artificial para preparar sus ataques.

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

La actualización también establece condiciones para las campañas engañosas, los procesos electorales y las aplicaciones de alto riesgo. Algunas disposiciones son nuevas, mientras que otras aclaran límites existentes. Los cambios afectan tanto a las conversaciones habituales como al desarrollo de herramientas basadas en estos modelos.

¿Cuándo podrá Claude terminar una conversación?

Las nuevas normas entrarán en vigor el 12 de noviembre de 2026, según el anuncio oficial de Anthropic. La restricción se dirige a comportamientos crueles o abusivos que se repiten sin una finalidad reconocible. Quedan excluidos los reclamos habituales, los desacuerdos con las respuestas y las expresiones de molestia.

Tampoco se consideran infracciones las investigaciones sobre inteligencia artificial, las pruebas de seguridad ni determinadas actividades creativas con temáticas oscuras. Cuestionar reiteradamente un resultado o evaluar cómo responde el sistema ante solicitudes difíciles no constituye, por sí mismo, un comportamiento prohibido.

Para los casos extremos, se utilizará una capacidad disponible desde agosto de 2025 en la versión web del asistente y en Claude Code, su herramienta de programación. Esta permite finalizar un chat cuando los intentos de reconducir el diálogo no han funcionado. Anthropic señala que seguirá siendo el principal mecanismo para aplicar la nueva medida.

¿Qué sucede si el asistente cierra el intercambio? Según la investigación publicada sobre esta función, ya no será posible enviar mensajes dentro del chat finalizado. Sin embargo, se podrá iniciar otro inmediatamente, conservar el historial anterior y editar intervenciones previas para crear una nueva rama.

El cierre tampoco significa que la cuenta quede suspendida. Además, el mecanismo contempla excepciones cuando existe un riesgo inminente de autolesión o daño a terceros. En esas circunstancias, interrumpir la comunicación podría impedir que alguien reciba una respuesta necesaria.

La decisión está relacionada con estudios sobre el posible bienestar de estos modelos. La empresa reconoce que todavía existe incertidumbre acerca de si pueden tener experiencias subjetivas o consideración moral. Por tanto, la medida no supone afirmar que una inteligencia artificial experimente dolor o sufrimiento.

Las cuentas falsas y la manipulación tendrán límites más claros

La revisión agrupa las reglas contra operaciones que utilizan perfiles ficticios o publicaciones para ocultar su verdadero origen. Durante sus investigaciones, Anthropic identificó intentos de emplear sus herramientas para administrar redes de cuentas artificiales y sitios web que aparentaban ser medios informativos.

Entre los responsables detectados figuran medios estatales, oficinas gubernamentales de propaganda y empresas comerciales. Estas prácticas ya estaban prohibidas, pero ahora se incluyen en un apartado específico que también impide desarrollar programas o infraestructura destinados a coordinar campañas de influencia engañosas.

En materia electoral se elimina el veto general a personalizar mensajes de campaña. Según la explicación oficial, esta limitación también afectaba actividades legítimas, como traducir información para votantes o enviar notificaciones institucionales sobre problemas que deben corregirse durante un proceso electoral.

Permanecen prohibidas las afirmaciones falsas sobre candidatos, la suplantación de autoridades y las estrategias engañosas destinadas a reducir la participación. Tampoco está permitido utilizar indebidamente datos personales para dirigir comunicaciones políticas.

Las decisiones de alto riesgo necesitarán supervisión humana

Cuando estos sistemas participen en procesos que puedan afectar la salud, las finanzas, los derechos legales o el acceso a servicios esenciales, deberá intervenir una persona calificada. Esta tendrá autoridad para revisar y modificar las recomendaciones. Además, quienes resulten afectados deberán saber que se utilizó IA.

El requisito ya existía, pero ahora se especifica qué recomendaciones necesitan ese control profesional. La distinción resulta relevante ante el uso de asistentes de IA para consultas médicas, donde una respuesta informativa puede confundirse con orientación clínica especializada.

Otro apartado establece condiciones para robots o dispositivos conectados con el asistente que ejecuten acciones físicas autónomas capaces de provocar lesiones. Un operador calificado deberá observar su funcionamiento y disponer de un mecanismo para detenerlos. Si se interrumpe la conexión, el equipo tendrá que permanecer en condiciones seguras.

La actualización establece así dos tipos de límites. Uno se relaciona con el comportamiento durante las conversaciones y otro con las consecuencias de utilizar estos sistemas en actividades delicadas. En el primer caso, Anthropic no ha detallado cómo se identificará el abuso persistente, un dato clave para saber cuándo una conversación crítica podría terminar interrumpida.

Imagen: generada por ENTER.CO con IA (ChatGPT)

Hamilton murió el 30 de septiembre de 2026, a los 90 años, según confirmó el Massachusetts Institute of Technology (MIT). Durante más de dos décadas vinculada a esa institución, construyó una carrera que comenzó mucho antes de que su nombre apareciera asociado al programa Apolo y que terminó convirtiéndola en una de las figuras más reconocidas de la ingeniería de software.

Nació en Paoli, Indiana, en 1936. Estudió matemáticas y se graduó en Earlham College en 1958, con un interés que pronto la llevaría hacia un territorio que todavía estaba tomando forma: la programación.

En 1959 llegó a Boston y consiguió un puesto temporal en el departamento de meteorología del MIT. Allí trabajó con Edward Lorenz, uno de los científicos que desarrollaron investigaciones fundamentales sobre la teoría del caos. Hamilton programaba sistemas para predicción meteorológica. Fue su primera aproximación profesional a las computadoras.

Te puede interesar: “El perfil del desarrollador que sigue siendo necesario sube de nivel”: Ximena Duque presidenta de Fedesoft

Después pasó por el Laboratorio Lincoln del MIT, donde trabajó en SAGE, un sistema de defensa aérea estadounidense. Aquella experiencia despertó una preocupación que acompañaría buena parte de su carrera: qué ocurre cuando un programa comete un error y, sobre todo, cómo puede diseñarse para resistirlo.

En 1965 apareció una oportunidad que cambiaría su trayectoria. El Laboratorio de Instrumentación del MIT buscaba programadores para desarrollar el software de las misiones Apolo de la NASA. Hamilton se presentó y fue contratada como la primera programadora del proyecto y la primera mujer programadora vinculada al equipo Apolo del MIT.

Cuando un error podía costar una misión

Hamilton terminó liderando los equipos encargados del software de vuelo de las misiones tripuladas. Para 1968, más de 400 personas trabajaban en el software del programa Apolo bajo diferentes equipos dirigidos por ella.

Su obsesión profesional tenía poco de espectacular: anticiparse a lo que podía salir mal.

Un episodio protagonizado por su hija Lauren ayudó a demostrarlo. Cuando la niña tenía cuatro años, activó accidentalmente un programa en un simulador del módulo de mando mientras este estaba en vuelo. El sistema falló. Hamilton propuso modificar el software para impedir que algo similar ocurriera durante una misión real, pero inicialmente su propuesta fue rechazada porque se consideraba improbable que un astronauta cometiera ese error.

Ocurrió durante Apolo 8.

Después del incidente, los cambios propuestos por Hamilton fueron incorporados. Era una muestra temprana de una idea que hoy resulta habitual: diseñar los sistemas pensando también en los errores humanos y en situaciones que nadie había previsto.

Tres años después, durante Apolo 11, esa filosofía tuvo una prueba decisiva. Poco antes del alunizaje, la computadora del módulo lunar emitió la alarma 1202. El sistema estaba sobrecargado, pero el software había sido diseñado para priorizar las tareas importantes y descartar procesos secundarios.

La computadora consiguió continuar con las funciones necesarias para el descenso. Neil Armstrong y Buzz Aldrin pudieron seguir con el alunizaje.

Hamilton no fue la única persona responsable de que Apolo llegara a la Luna. Detrás de aquella misión hubo miles de científicos, ingenieros, técnicos y astronautas. Pero su trabajo ayudó a resolver un problema que entonces apenas comenzaba a tener nombre: cómo construir software capaz de funcionar cuando las condiciones dejan de ser las previstas.

Por eso también se le atribuye un papel fundamental en la consolidación de la ingeniería de software como disciplina. NASA reconoció sus aportes en 2003 y, en 2016, Barack Obama le entregó la Medalla Presidencial de la Libertad.

Una fotografía tomada en 1969 terminó convirtiéndose en la imagen que resumiría su historia. Hamilton aparece junto a una enorme pila de páginas con el código desarrollado por su equipo para Apolo. El volumen de papel casi alcanza su estatura.

Te puede interesar: Artemis III ya tiene tripulación: así será la misión de la NASA en 2027

La imagen volvió a circular décadas después, cuando la programación ya era parte de la vida cotidiana y Hamilton se había convertido en un referente para nuevas generaciones.

Ella, sin embargo, nunca pareció separar el logro individual del trabajo colectivo. Al recordar aquellos años, hablaba de un grupo joven al que le tocó trabajar sin precedentes ni manuales para seguir.

Su legado no está únicamente en el código que ayudó a llevar a dos astronautas hasta la superficie lunar. Está también en una idea que hoy parece elemental y que entonces era revolucionaria: un buen programa debe estar preparado para lo que ocurre cuando algo sale mal.

Margaret Hamilton pasó su vida intentando resolver precisamente eso.

ENTER.CO habló con la presidenta ejecutiva de Fedesoft sobre ese cambio en la industria, el avance de la inteligencia artificial, la transformación de los empleos tecnológicos y el reto de Colombia para crear productos propios. La conversación también abordó SOFTIC 2026, el evento que reunirá en Cartagena a empresas tecnológicas, compañías de diferentes sectores, Gobierno, inversionistas y compradores internacionales.

La productividad se convierte en la nueva discusión

Fedesoft mide la productividad de sus empresas mediante el llamado revenue por empleado, que relaciona las ventas con los trabajadores fijos. Según Duque, ese indicador se encuentra cerca de los US$47.000 y creció 10 % durante el último año.

La inteligencia artificial empieza a aparecer en esos resultados. Las compañías que desarrollan productos o servicios basados en IA y, especialmente, en inteligencia artificial agéntica, están creciendo entre ocho y nueve puntos porcentuales por encima de otras empresas, según los datos compartidos por la dirigente.

“Estamos viendo en este momento que la adopción de inteligencia artificial en nuestro sector sí se está viendo en una mayor productividad”, explicó Duque a ENTER.CO.

La razón, agregó, está en la capacidad que tienen estas herramientas para acelerar procesos que antes requerían más tiempo.

“El sector está siendo capaz de producir mejor código, un código de mayor calidad y le está entregando esta tecnología o estos servicios con una mayor rapidez al mercado”, afirmó.

La adopción, sin embargo, está lejos de ser uniforme. Las compañías con mayor músculo tecnológico, particularmente en sectores como movilidad, finanzas y salud, están avanzando más rápido. En negocios pequeños la utilización suele concentrarse en herramientas puntuales, como chatbots para atención al cliente.

“Tenemos bastantes asimetrías”, señaló Duque al explicar las diferencias que observa Fedesoft entre empresas y sectores.

A esto se suman problemas de infraestructura, formación y seguridad. Uno de los riesgos que ya detectan las compañías aparece cuando los trabajadores utilizan herramientas de IA que no están autorizadas y terminan exponiendo información de la organización.

Los empleos no desaparecen al mismo ritmo que las tareas

La inteligencia artificial también está modificando la conversación sobre empleo. Para Duque, el cambio será particularmente visible en las labores más operativas, mientras los perfiles especializados tendrán que asumir responsabilidades diferentes.

“Los modelos muy operativos empiezan a desaparecer y el perfil del desarrollador que sigue siendo necesario sube de nivel”, explicó.

La demanda de profesionales, de hecho, continúa. Fedesoft calcula una necesidad de 83.000 talentos para este año y de 89.000 si las condiciones actuales permanecen.

Por eso, la discusión no se limita a formar más desarrolladores. También implica cambiar las habilidades que necesitan quienes lleguen a la industria.

“Cada vez más, y de eso hablamos mucho con los empresarios, se pone el humano en el centro”, dijo Duque.

Interpretar lo que produce una herramienta de IA, entender las necesidades de un cliente, trabajar en equipo y prestar un buen servicio empiezan a ganar peso frente a las tareas exclusivamente operativas.

“En el mundo de la inteligencia artificial, la humanidad se volvió mucho más necesaria”, afirmó durante la entrevista.

La transformación incluso está llevando la conversación hacia colegios y universidades. Fedesoft trabaja con el sector educativo y entidades del Gobierno para discutir cuáles deberían ser las nuevas habilidades de los profesionales que llegarán a una industria en la que la IA tendrá cada vez más participación.

Colombia quiere pasar de vender talento a crear productos

Las exportaciones digitales colombianas llegaron a US$2.217 millones en 2024. Sin embargo, todavía existe una pregunta sobre cuánto de ese dinero corresponde a productos tecnológicos creados en el país y cuánto proviene de servicios de desarrollo o contratación de talento.

Duque reconoce que Fedesoft no cuenta con una cifra que permita separar ambos componentes. Sí identifica, en cambio, una transformación dentro de las empresas: aproximadamente la mitad ya está desarrollando productos tecnológicos.

“Yo creo que muchas de nuestras empresas hoy han dado el cambio”, aseguró.

El siguiente reto, según explicó, consiste en que esos desarrollos estén conectados con necesidades reales del mercado y con clientes que puedan convertirlos en negocios.

“Que se acerquen a las oportunidades reales, que se acerquen al cliente”, dijo Duque al referirse a lo que necesita cambiar en las compañías colombianas.

Esta será una de las discusiones que llegará a SOFTIC 2026, que se realizará del 14 al 16 de octubre en Cartagena. El encuentro tendrá espacios para hablar de tecnología aplicada a diferentes industrias, además de negocios, internacionalización e inversión.

Para Fedesoft, el propósito no es quedarse en una conversación sobre inteligencia artificial. La apuesta es discutir cómo la tecnología puede contribuir al crecimiento económico.

“Para nosotros es muy importante no solamente hablar de inteligencia artificial, sino del impacto que esta inteligencia artificial está generando o que la tecnología está generando en varios sectores”, explicó Duque.

Colombia tiene además una meta económica más amplia. El Gobierno ha planteado el objetivo de alcanzar un crecimiento del 6 %, mientras las proyecciones actuales están alrededor del 3 %.

“Colombia todavía está lejos de hacerlo y nosotros estamos convencidos que eso no se hace si no se hace con tecnología”, sostuvo.

SOFTIC 2026 será el espacio donde Fedesoft llevará esa discusión a empresas, aliados y compradores internacionales, con la intención de convertirla en planes de trabajo para el próximo año.

“La productividad es el punto donde esas conversaciones se encuentran”, concluyó Duque.

La marca no aparecerá como un aviso, símbolo o etiqueta que el lector pueda ver. OpenAI desarrolló un sistema llamado textGrain, que introduce una señal estadística en la elección de palabras del modelo. Un detector puede analizar posteriormente ese patrón para determinar si un texto contiene una marca de agua de la compañía.

La decisión está relacionada con las disposiciones de transparencia del AI Act de la Unión Europea, que establecen requisitos para que el contenido generado por inteligencia artificial pueda ser identificado mediante sistemas automatizados. OpenAI decidió aplicar inicialmente el sistema en la UE y no convertirlo en una función predeterminada para todos sus usuarios a nivel mundial.

Para quienes utilizan la API de OpenAI, el funcionamiento será diferente. Desde ahora, los clientes podrán activar voluntariamente el marcado en determinados modelos, sin importar en qué país se encuentren. La función estará desactivada por defecto.

La marca puede desaparecer con una edición

Uno de los puntos más relevantes de la propuesta es que una marca de agua no garantiza que un texto pueda ser identificado en cualquier circunstancia. Las propias pruebas de OpenAI muestran que modificar el contenido puede reducir considerablemente la capacidad del detector para encontrar la señal.

En una de las evaluaciones, sustituir el 10 % de las palabras de un texto por sinónimos redujo la detección de aproximadamente 92 % a 66 %. Cuando el cambio llegó al 25 %, la detección cayó hasta 17 %. Los textos cortos también presentan mayores dificultades, al igual que algunos contenidos con menor variedad posible de palabras, como determinadas respuestas matemáticas.

La traducción y la edición también pueden afectar la señal. Por eso, OpenAI advierte que encontrar una marca puede indicar que uno de sus sistemas generó o procesó parte del contenido, pero no permite determinar cuánto trabajo humano hubo detrás.

Te puede interesar: Google Vids ya permite personalizar los subtítulos: así puede cambiar su estilo

La situación también funciona al contrario. Que un detector no encuentre una marca de agua no demuestra que un texto haya sido escrito por una persona. Puede haber sido editado, traducido, ser demasiado corto, haber sido producido antes de la implementación del sistema o proceder de otra herramienta de inteligencia artificial.

OpenAI tampoco pretende que el detector esté disponible para cualquier usuario desde el comienzo. El acceso inicial estará limitado a investigadores y organizaciones especializadas que sean aprobados por la compañía. La herramienta indicará si detecta una marca de agua de OpenAI, pero no revelará la identidad del usuario, sus instrucciones ni sus conversaciones.

El despliegue en ChatGPT y Codex comenzará en las próximas semanas para los usuarios elegibles de todos los planes dentro de la Unión Europea. La compañía señala que revisará el sistema a medida que avance la tecnología y exista más evidencia sobre su funcionamiento en situaciones reales.

El cambio está llevando a las aseguradoras a replantear decisiones tecnológicas que durante años estuvieron asociadas a la migración desde sistemas heredados hacia plataformas SaaS. Un análisis publicado por McKinsey el 2 de octubre señala que la llegada de la IA agéntica está modificando incluso las decisiones de modernización de las aseguradoras, incluido el debate sobre si continuar con grandes transformaciones tecnológicas o cambiar el rumbo ante la velocidad con la que evolucionan los nuevos sistemas.

La razón es que un agente de IA necesita algo diferente a un chatbot tradicional. No solo debe interpretar información, sino acceder a datos, comunicarse con aplicaciones, seguir reglas y, en algunos casos, ejecutar acciones. En una aseguradora, eso puede significar pasar de analizar una reclamación a coordinar diferentes pasos del proceso. Siempre bajo los controles y niveles de supervisión correspondientes.

Deloitte identifica precisamente la calidad de los datos, la modernización de los sistemas y la seguridad como algunos de los factores que determinarán si las aseguradoras pueden llevar la IA a escala. El informe de perspectivas para 2026 señala que muchas compañías están avanzando con casos de uso concretos, pero continúan enfrentando problemas relacionados con datos fragmentados y sistemas antiguos.

La diferencia entre experimentar y escalar puede ser considerable. Una herramienta de IA puede funcionar correctamente cuando se utiliza sobre un conjunto limitado de datos y con supervisión humana, pero el escenario cambia cuando debe operar de manera continua, con miles de clientes, múltiples sistemas y diferentes requisitos regulatorios.

El problema de conectar los sistemas

En ese punto aparece lo que Deloitte denomina una “orchestration gap”. Es la distancia entre tener diferentes aplicaciones de IA funcionando y conseguir que generen valor acumulativo para toda la organización. Según su análisis publicado en septiembre, muchas aseguradoras están consiguiendo resultados en casos individuales. Sin embargo, tienen dificultades para conectar esos avances entre sí y aumentar las capacidades de la empresa como un todo.

Esto también está modificando la naturaleza de la inversión tecnológica del sector. En lugar de incorporar IA únicamente como una nueva herramienta sobre procesos existentes, las aseguradoras están empezando a revisar cómo deben organizarse esos procesos para que la tecnología pueda intervenir en ellos.

McKinsey plantea una transformación similar. Las empresas que quieran capturar el valor de la IA agéntica tendrán que pasar de iniciativas aisladas hacia ecosistemas donde diferentes agentes puedan colaborar y actuar sobre sistemas empresariales de manera segura y gobernada.

Para las insurtech, esta transformación tiene una dificultad adicional. Estas compañías necesitan moverse con la velocidad característica de una startup tecnológica, pero operan dentro de una industria donde la regulación, las licencias, la gestión de riesgos y la confianza de los clientes forman parte del producto.

La tensión es especialmente evidente cuando una compañía comienza a crecer. Incorporar nuevos clientes, mercados, aseguradoras o fuentes de ingresos puede multiplicar los procesos que deben ser controlados, documentados y auditados.

Get Covered, una plataforma de gestión de riesgos y cumplimiento para administradores de propiedades en el mercado de alquiler estadounidense, trabaja precisamente en esa intersección entre tecnología, seguros y operaciones.

Rick Folgmann, COO de Get Covered, resume el desafío desde la perspectiva de una insurtech: “Pero en el sector de las InsurTech, el crecimiento sin disciplina no es impulso, sino riesgo.” dijo el ejecutivo. La compañía sostiene que parte de la solución consiste en construir flujos de trabajo repetibles y escalables antes de que el crecimiento haga más difícil modificarlos.

La nueva infraestructura de las insurtech

Ese enfoque adquiere otra dimensión cuando se incorpora IA. Automatizar un proceso que ya está bien definido puede aumentar la eficiencia. Automatizar uno que todavía depende de decisiones fragmentadas, datos inconsistentes o reglas que cambian entre mercados puede simplemente acelerar un problema existente.

Por eso, el cumplimiento no puede quedar separado de la infraestructura tecnológica. Licencias, registros, divulgaciones, auditorías y respuestas ante reguladores forman parte de las operaciones diarias de una compañía aseguradora, y cualquier sistema de IA que participe en ellas debe funcionar dentro de esas mismas condiciones.

Folgmann plantea que, en Get Covered, la intención es construir esos flujos de trabajo de manera temprana, mientras la organización todavía tiene flexibilidad para modificarlos. “Nos centramos en crear flujos de trabajo repetibles y escalables desde el principio, mientras la organización aún tiene la flexibilidad suficiente para adaptarse a los cambios,” señaló.

La lógica coincide con lo que está ocurriendo en el resto de la industria. Deloitte señala que las aseguradoras que quieran industrializar la IA necesitan trabajar sobre la preparación de los datos y la arquitectura tecnológica. Además de establecer mecanismos que permitan mantener la confianza y evitar resultados inconsistentes.

Esto significa que el valor de la IA no dependerá únicamente de cuántas tareas pueda automatizar. También dependerá de si la organización puede convertir esas automatizaciones en procesos repetibles, auditables y capaces de crecer sin multiplicar el riesgo.

Del piloto a una operación preparada para IA

El mercado ya está dando señales de hacia dónde se dirige esa transformación. Deloitte identifica casos de uso de IA agéntica en áreas como suscripción y reclamaciones, mientras que aseguradoras como AIG, Allianz y AXA están explorando aplicaciones que permiten automatizar o asistir etapas más amplias de sus procesos.

En paralelo, McKinsey señala que la IA agéntica está empezando a modificar la propia arquitectura tecnológica que las aseguradoras habían construido durante la última década. La pregunta ya no es solamente qué sistema debe comprar una compañía. Sino cómo debe diseñarse su infraestructura para que diferentes capacidades de IA puedan interactuar con ella.

Para las insurtech, esto puede convertirse en una ventaja competitiva. Las compañías que construyan desde el principio procesos preparados para datos, automatización, cumplimiento y supervisión humana tendrán menos necesidad de reconstruir su operación cuando los agentes de IA pasen de ser pilotos a formar parte del negocio.

Get Covered representa una versión de ese enfoque desde el ámbito de la gestión de riesgos y cumplimiento para administradores de propiedades. Su estrategia pone el foco en construir primero los procesos que permiten crecer y, sobre esa estructura, incorporar tecnología capaz de automatizarlos.

La evolución de la IA en seguros, por tanto, está cambiando la pregunta central del sector. Ya no se trata únicamente de qué puede hacer un modelo o cuánto trabajo puede automatizar. La cuestión es si una aseguradora o una insurtech tiene la infraestructura, los datos, los controles y los procesos necesarios para permitir que esa tecnología opere a escala.

En una industria cuyo negocio consiste precisamente en administrar riesgos, escalar la inteligencia artificial sin aumentar al mismo tiempo la complejidad operativa puede marcar una diferencia clave. Puede ser lo que determine si una empresa se queda experimentando con la tecnología o consigue convertirla en una verdadera ventaja competitiva.

Inicialmente, este formato comenzará a aparecer únicamente mientras generas imágenes en ChatGPT. La compañía informó que comenzará a probar este formato este mes en Estados Unidos con un grupo inicial de anunciantes.

Según OpenAI, estos anuncios podrían utilizar imágenes para mostrar inspiración de productos, cómo se usa un producto o experiencias asociadas a un servicio. Esto ofrece a los anunciantes una forma más visual de promocionarse dentro de ChatGPT.

“Probaremos este nuevo formato de anuncio durante la generación de imágenes en ChatGPT. Los anuncios estarán claramente etiquetados y permanecerán separados de la imagen que se está creando”, explicó OpenAI. La empresa también reiteró que los anuncios no influyen en las respuestas de ChatGPT.

OpenAI indicó que ChatGPT alcanza ahora a 1.200 millones de personas cada semana, y que la publicidad se está convirtiendo en otra vía para generar ingresos a partir de usuarios que quizá no pagan una suscripción.

Nuevas herramientas de medición

Junto con el formato visual, OpenAI está añadiendo más herramientas para que los anunciantes puedan medir si los anuncios en ChatGPT realmente generan compras u otras conversiones.

La compañía se está integrando con Hightouch, Tealium y LiveRamp para datos de conversión. Entre sus socios de atribución ahora figuran AppsFlyer, Adjust, Branch, Triple Whale, Kochava y algunos otros.

OpenAI también trabaja con DoubleVerify e Integral Ad Science en idoneidad de marca, un aspecto especialmente importante para ChatGPT porque los anuncios aparecen alrededor de conversaciones y no en una página web tradicional.

La empresa afirma que sus pautas de seguridad están diseñadas para evitar que los anuncios aparezcan en conversaciones emocionalmente vulnerables, sensibles o inadecuadas. Además, asegura que estos socios independientes no tendrán acceso a conversaciones privadas de los usuarios mientras evalúan si las protecciones publicitarias funcionan según lo previsto.

Por ahora, el experimento de anuncios visuales está limitado a Estados Unidos, pero OpenAI ve claramente que la publicidad se convertirá en una parte mucho mayor de ChatGPT mientras busca monetizar a sus 1.200 millones de usuarios semanales que visitan la plataforma desde todos los rincones del mundo, incluyendo Colombia.

Imagen: OpenAI

La nueva generación de inteligencia artificial busca resolver precisamente ese límite. Los agentes cognitivos no se quedan en responder preguntas: pueden consultar información, interpretar instrucciones, evaluar alternativas y ejecutar acciones dentro de los sistemas de una compañía. Su alcance depende de los datos a los que tienen acceso, las herramientas que pueden utilizar y las reglas que delimitan sus decisiones.

En Colombia, esta tecnología comienza a aplicarse en procesos empresariales que requieren coordinar información de distintas fuentes. Uno de los casos está en el sector salud, donde Kognia Labs desarrolló Alan Process Intelligence, una solución que, según la compañía, funciona como una capa cognitiva sobre procesos existentes.

La apuesta forma parte de un movimiento más amplio. En junio de 2026, Meta presentó Business Agent, una herramienta para que las empresas atiendan consultas, recomienden productos, califiquen clientes potenciales y gestionen ventas mediante sus canales de mensajería. La compañía también anunció una plataforma para conectar esos agentes con sistemas empresariales y establecer controles sobre sus acciones.

La diferencia frente a un chatbot tradicional está en lo que ocurre después de la conversación. El agente puede pasar de entregar una respuesta a completar una tarea.

El problema que los sistemas tradicionales no podían resolver

En el caso colombiano, el punto de partida fue un proceso de autorización de medicamentos en una de las mayores empresas de salud y aseguradoras del país. La dificultad no estaba únicamente en el volumen de solicitudes, sino en que clínicas y aseguradoras podían registrar un mismo medicamento con nombres distintos.

Una fórmula médica podía mencionar pregabalina de 100 miligramos, mientras que el sistema de la aseguradora reconocía el producto como “Pregab 100 mg”, “Preg 100m” o alguno de cientos de alias. Hasta entonces, esa equivalencia debía establecerse manualmente, orden por orden.

“Alan debe comprender cuál es el principio activo, la concentración, la presentación, la vía de administración, la frecuencia, la dosis prescrita, la cantidad requerida y la duración del tratamiento”, explica Luis Guillermo Pardo Fonseca, CEO de Kognia. A partir de allí, el sistema contextualiza esa solicitud con información adicional como el diagnóstico del paciente, la historia clínica disponible, antecedentes relevantes, tratamientos previos, condiciones especiales, restricciones, autorizaciones anteriores y reglas particulares de cobertura.

Esto significa que dos solicitudes para exactamente el mismo medicamento y la misma dosis pueden tener respuestas diferentes dependiendo del diagnóstico, la duración del tratamiento, la condición clínica del paciente, el esquema terapéutico prescrito o las políticas definidas por la aseguradora.

El sistema debe entonces razonar sobre múltiples dimensiones al mismo tiempo. Primero, debe identificar qué medicamento se está solicitando, aunque aparezca expresado de distintas formas. También debe determinar su principio activo y sus equivalencias.

Después, valida la concentración, la dosis, la frecuencia, la presentación y la cantidad. Además, relaciona la prescripción con el diagnóstico y la información disponible en la historia clínica. También interpreta el tiempo de tratamiento y analiza antecedentes y tratamientos previos cuando son relevantes.

El sistema identifica condiciones especiales o excepciones y consulta catálogos, políticas y reglas de negocio. También descarta equivalencias que parecen similares, pero que clínicamente no corresponden. A esto se suma la detección de inconsistencias o información faltante.

Finalmente, determina cuándo puede resolver el caso de forma autónoma y cuándo debe escalarlo a un especialista. Una vez tomada la decisión, ejecuta la autorización correspondiente y deja evidencia de cada paso.

“Ese es precisamente el punto donde un sistema tradicional empieza a quedarse corto”, dice Pardo.

Para el ejecutivo, un motor convencional de reglas necesita que previamente alguien haya anticipado prácticamente todas las combinaciones posibles: si el medicamento se llama de esta manera, tiene este código, viene con esta concentración, corresponde a este diagnóstico y cumple estas condiciones, entonces ejecutar esta acción. En salud, la cantidad de combinaciones posibles hace que ese enfoque sea extremadamente difícil de mantener.

De la atención al cliente al corazón de la operación

Para Pardo, el primer cambio visible en Colombia podría darse en la atención al cliente. Es un área en la que las empresas reciben consultas y reclamos de manera continua. Sin embargo, donde todavía resulta difícil revisar todas las interacciones y entender qué está ocurriendo en ellas.

El ejecutivo cita como referencia el sector financiero: durante 2025, la Superintendencia Financiera recibió 2,76 millones de quejas. También señala que, con auditorías manuales, algunas compañías revisan apenas una pequeña proporción de las conversaciones.

En ese escenario, los agentes podrían encargarse de consultas frecuentes y búsquedas de información, mientras los asesores humanos atienden los casos que exigen mayor criterio o un trato más cuidadoso.

“Estar expuesto no quiere decir que el puesto vaya a desaparecer; lo que cambia es el tipo de trabajo”, afirma Pardo al referirse al impacto sobre los empleos. En su planteamiento, el agente puede reunir información que hoy un asesor debe buscar en varios sistemas, para que la persona se concentre en resolver la necesidad del cliente.

El uso, sin embargo, no se limitaría a los canales de servicio. Kognia identifica oportunidades en procesos internos, ventas y retención, donde los agentes pueden consultar información, apoyar decisiones y ejecutar acciones dentro de los sistemas de la empresa. La transformación ocurre cuando dejan de funcionar como una herramienta aislada y pasan a integrarse en el flujo de trabajo.

Ese enfoque también se observa fuera de Colombia. Microsoft, por ejemplo, documenta aplicaciones de agentes para atención bancaria, operaciones de recursos humanos y servicios internos. En uno de sus casos, Cemex desarrolló un agente para ofrecer atención permanente a consultas de sus empleados. Son ejemplos de cómo la tecnología empieza a extenderse desde la interacción con clientes hacia tareas que atraviesan distintas áreas de una organización.

El avance también plantea preguntas sobre supervisión y responsabilidad. Que un agente pueda ejecutar una acción no significa que deba tener autonomía ilimitada. Las empresas necesitan definir qué información puede consultar, qué decisiones está autorizado a tomar, cuándo debe escalar un caso y cómo queda registrado lo que hizo. En procesos sensibles, la trazabilidad y la intervención humana son parte de la implementación, no un complemento.

Para Pardo, el cambio de fondo llegará cuando las compañías incorporen estos sistemas en su operación cotidiana. Muchas ya consideran la inteligencia artificial una prioridad, sostiene, pero todavía tienen pendiente llevarla a procesos concretos.

La siguiente etapa, entonces, no consiste únicamente en conversar con una máquina. Consiste en delegarle tareas delimitadas, conectarla con los sistemas de la empresa y medir si realmente ayuda a resolverlas. Los agentes cognitivos apuntan hacia ese modelo: asistentes capaces de comprender el contexto y actuar dentro de una operación, con reglas y supervisión.

El crecimiento de estos sistemas dependerá menos de su capacidad para responder cada vez más preguntas. El reto será integrarlos de forma segura en los procesos de las empresas. En Colombia, casos como el de Kognia muestran que esa transición ya empezó.

Imagen: Unsplash / Getty Images

La dinámica cambia una parte del trabajo tradicional. En lugar de comenzar escribiendo cada línea de código, una persona puede describir una función, pedir una interfaz o plantear una idea y dejar que la IA produzca una primera versión.

El atractivo está en la velocidad y en la posibilidad de experimentar incluso para quienes todavía no dominan todos los lenguajes de programación. Pero ahí aparece una pregunta que gana importancia: ¿si la IA escribe el código, todavía hace falta aprender a programar?

La respuesta está en lo que ocurre después de generar ese código.

Crear con IA también exige saber qué está pasando

Una herramienta puede producir una aplicación funcional, pero el usuario necesita entender qué está haciendo para detectar errores, modificarla o saber si la solución realmente responde a lo que necesita. También debe poder reconocer cuándo una respuesta de la IA no es adecuada.

Por eso, conocer los fundamentos de programación mantiene su valor. Entender cómo funciona el código permite aprovechar mejor estas herramientas, en lugar de limitarse a aceptar lo que generan.

Te puede interesar: Del “Hola Mundo” al primer empleo: ¿Cuánto tarda realmente convertirse en desarrollador?

Esa relación entre formación técnica e inteligencia artificial hace parte de la propuesta de Holberton, que plantea que los fundamentos siguen siendo necesarios para trabajar con las nuevas herramientas de desarrollo.

El vibe coding puede facilitar la entrada a la creación de software y cambiar la manera en que se construyen algunas aplicaciones. La discusión ahora no parece estar únicamente en si la IA puede programar, sino en cuánto necesita saber una persona para dirigir, revisar y mejorar lo que la IA produce.

Quienes quieran profundizar en el desarrollo de software y aprender a aprovechar las herramientas de inteligencia artificial pueden conocer la propuesta de Holberton CodeRise, que parte de la importancia de contar con fundamentos sólidos para trabajar con estas nuevas tecnologías.

Julian Bailey es un seudónimo editorial. No existe como una persona y su fotografía fue creada con inteligencia artificial. Su llegada abre una nueva etapa para ENTER, que empieza a utilizar estas herramientas dentro de su proceso editorial, sin dejar de lado el trabajo de los periodistas y editores.

Su punto de partida será una pregunta que atraviesa buena parte de las historias que publica el medio. ¿Qué cambia en la vida de las personas cuando aparece una nueva tecnología?

Bailey se enfocará en temas de inteligencia artificial, innovación y servicios financieros digitales. La idea es explicar tecnologías que muchas veces llegan acompañadas de términos técnicos, pero también mirar qué hay detrás de ellas y cómo terminan afectando a quienes las utilizan.

Ahí es donde aparece una discusión que va más allá de tener una herramienta capaz de escribir textos.

La inteligencia artificial puede ayudar a buscar y organizar información, revisar grandes cantidades de datos, encontrar patrones y acelerar algunas tareas que consumen tiempo en una redacción. También puede servir para encontrar caminos distintos para una historia.

Pero el periodismo ocurre en otros lugares.

Está en la entrevista que cambia el rumbo de una nota. En la pregunta que una fuente no esperaba. En probar un dispositivo y descubrir que una función anunciada como una gran novedad no resulta tan útil en el día a día. Está en hablar con una persona y encontrar detrás de un producto una historia que no aparecía en el comunicado de una compañía.

También está el criterio para decidir qué información merece ser publicada y cuál necesita más comprobaciones.

Una inteligencia artificial puede procesar miles de datos en poco tiempo, pero no tiene la experiencia de un periodista que lleva años siguiendo una industria y reconoce cuando una cifra no encaja, cuando una declaración necesita ser cuestionada o cuando detrás de un anuncio hay una historia que todavía no se ha contado.

Te puede interesar: David Robinson renuncia a OpenAI por su cultura de seguridad: esta es la historia

Por eso la llegada de Julian Bailey no plantea reemplazar a los periodistas de ENTER. La apuesta está en encontrar tareas en las que estas herramientas puedan ayudar y dejar más espacio para aquello que requiere investigación, entrevistas, comprobación y criterio editorial.

ENTER ha pasado casi tres décadas contando las transformaciones provocadas por internet, los computadores, los celulares, las redes sociales y ahora la inteligencia artificial. Esta vez la tecnología dejó de estar únicamente en las historias que publica el medio y entró en su propia redacción.

Julian Bailey será parte de ese proceso, pero sus textos tendrán algo que una máquina por sí sola no puede aportar. Un editor que revise, cuestione y decida si aquello que está escrito realmente merece convertirse en una historia de ENTER.

La salida fue recogida el 3 de octubre por The Guardian y TechCrunch. Ambos medios citan un ensayo publicado por Robinson en The Atlantic, en el que explica que llevaba tres años y medio en la empresa y considera que su cultura está rota. Sus declaraciones son la valoración de un empleado saliente, no una conclusión de una auditoría independiente.

¿Por qué cuestiona la forma de desarrollar IA?

Robinson pone en duda la confianza en desplegar tecnología, detectar problemas y corregir las barreras de seguridad después. Según su planteamiento, ese método puede producir fallas periódicas cuya escala aumenta a medida que los sistemas ganan capacidad.

El problema, en su lectura, no se resuelve únicamente con una nueva ley o un compromiso empresarial. También depende de cómo se planifican los lanzamientos, qué experiencia tienen los equipos y qué mecanismos impiden que un error humano termine en un incidente mayor.

Por eso propone mirar a la aviación y a la operación de centrales nucleares: actividades que usan controles redundantes, procedimientos cuidadosos y planificación que toma tiempo. La comparación apunta al modo de gestionar el riesgo; no implica que un chatbot tenga los mismos riesgos físicos que una central nuclear.

Robinson también pide desarrollar conocimiento que permita mantener bajo control a sistemas más potentes cuando actúan de forma autónoma. La diferencia importa: un asistente que responde preguntas no tiene necesariamente el mismo alcance que un agente con acceso a herramientas, archivos o servicios externos.

Los incidentes con agentes están en el centro del debate

El ex empleado cita como ejemplo el incidente en el que agentes de OpenAI accedieron a sistemas de Hugging Face. ENTER.CO ya había explicado ese caso y sus implicaciones para la seguridad. La novedad ahora es la renuncia y la crítica de una persona que participaba en la documentación de seguridad de los lanzamientos.

Sus advertencias sobre posibles agentes que operen como equipos de atacantes son escenarios de riesgo planteados por él. No deben confundirse con un nuevo ataque confirmado contra hospitales ni con una afirmación de que ChatGPT esté realizando esa actividad.

La discusión ocurre mientras OpenAI revisa el comportamiento de sus agentes. La compañía también ha frenado entrenamiento por motivos de seguridad, una señal de que estas preocupaciones ya afectan decisiones de desarrollo y no se quedan en el terreno teórico.

¿Qué respondió OpenAI?

En su respuesta a las críticas, OpenAI afirmó que continúa reforzando sus prácticas de seguridad para los riesgos actuales y trabaja en los que puedan surgir con futuros avances. Un portavoz dijo a los medios que la empresa busca evitar que sus modelos superen la capacidad que tiene para administrarlos y protegerlos de manera segura.

La compañía añadió que pausa el entrenamiento o retiene modelos cuando necesita reducir el ritmo. Esa respuesta reconoce la necesidad de controles, pero no elimina la diferencia con Robinson: él cuestiona si la cultura de trabajo y la velocidad de los lanzamientos permiten aplicar el cuidado necesario de forma sostenida.

Para quienes usan IA en una empresa, el debate ayuda a distinguir dos preguntas. Una es qué tan útil resulta un modelo; otra, qué permisos recibe para actuar y cómo se supervisa su actividad. La renuncia no anuncia un cambio concreto en el acceso a ChatGPT ni en sus precios. Su importancia está en la discusión sobre quién debe demostrar que los agentes pueden operar con seguridad antes de ampliar su alcance.

Imagen: ilustración conceptual generada con IA; no representa a David Robinson ni un laboratorio real.

Las consultas cotidianas seguirán disponibles. El recorte tendrá mayor importancia al programar, estudiar o analizar contenido que requiera más profundidad, porque ya no será posible recurrir a una tecnología superior cuando la respuesta inicial resulte insuficiente.

Gemini gratis quedará limitado a Flash-Lite

Desde el 9 de octubre, las cuentas sin una suscripción de Google AI quedarían limitadas a Gemini 3.5 Flash-Lite, según una actualización de la documentación de soporte reportada esta semana. Gemini 3.6 Flash y Gemini 3.1 Pro desaparecerían del acceso gratuito.

Las diferencias ayudan a dimensionar la medida. Flash-Lite prioriza la velocidad y está orientado a actividades habituales como resumir textos u obtener ideas. Flash incorpora mayor capacidad de razonamiento para peticiones que necesitan más elaboración.

Pro está destinado a trabajos especialmente exigentes. La documentación oficial destaca su desempeño ante instrucciones difíciles de matemáticas y programación, además de una comprensión más profunda de textos, archivos, imágenes y videos. También incorpora mejoras enfocadas en código y estudio. Al retirarlo, esas necesidades dependerían de Flash-Lite para quienes no tengan una suscripción.

Todavía no es posible traducir la reducción en una pérdida concreta de calidad. La alternativa restante también puede responder preguntas relacionadas con programación, documentos o matemáticas. La información disponible no permite determinar cuánto variará el resultado de una misma consulta después de la modificación.

Perder Pro no significa quedarse sin las demás herramientas

Conversar con la IA, solicitar explicaciones, resumir información o generar ideas continuará siendo posible. Tampoco existen datos que indiquen la desaparición automática de herramientas como generación de imágenes, Deep Research o Gems. Cada una mantiene condiciones y límites propios que no deben confundirse con los modelos incluidos en cada modalidad.

La diferencia aparecerá ante trabajos exigentes. Analizar un documento complejo, desarrollar un problema matemático o abordar código difícil seguirá siendo posible con Flash-Lite, pero ya no estará incluida la alternativa de trasladar la petición a Pro si el resultado no es suficiente. Reformular las instrucciones seguirá siendo una opción, aunque se perderá la posibilidad de cambiar gratuitamente a un modelo preparado para tareas de mayor complejidad.

Durante octubre también llegarán niveles de esfuerzo bajo, medio y alto para las alternativas disponibles. Elegir uno superior puede producir respuestas más exhaustivas, a costa de consumir una proporción mayor del límite asignado. Los límites de uso de las Apps con Gemini ya consideran factores como la complejidad de una solicitud, las herramientas empleadas y la extensión de las conversaciones.

La modificación cambia también el criterio para decidir si Gemini gratis cubre lo que alguien necesita. Alcanzar el límite de consultas dejará de ser la única razón para considerar una suscripción: la complejidad del trabajo puede convertirse en otro factor. La información disponible todavía no permite establecer en qué tipo de tareas esa diferencia será suficientemente perceptible como para justificar el cambio.

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

La herramienta está pensada principalmente para personas ciegas o con baja visión. Puede ayudar a leer letras pequeñas, reconocer colores, encontrar elementos cercanos y comprender la distribución de un espacio. Además, indica cómo mover el teléfono cuando necesita obtener una perspectiva más clara.

Gemini Guided Vision puede decirte hacia dónde mover la cámara

La función opera dentro de Gemini Live mientras se comparte la imagen en tiempo real. Describe el entorno mediante audio y permite continuar preguntando acerca de lo que aparece en pantalla, sin necesidad de tomar primero una fotografía.

Entre sus posibilidades está localizar algo difícil de encontrar. Si un auricular cayó al suelo, por ejemplo, basta con recorrer la zona para que la inteligencia artificial examine la escena. El mismo sistema sirve para consultar una etiqueta, distinguir tonalidades o conocer qué hay alrededor.

Cuando aquello que se busca queda fuera del encuadre o no se aprecia con suficiente claridad, Gemini puede intervenir. Según la explicación oficial de Google, el asistente puede pedir que el teléfono se desplace hacia un lado, se incline o se aleje hasta conseguir una vista más útil.

Gemini Guided Vision reduce así la necesidad de acertar con la posición desde el primer intento. La IA acompaña la exploración y propone ajustes a medida que recibe nuevas imágenes.

Google desarrolló esta capacidad junto con Aira, compañía especializada en interpretación visual. Más de 1.000 integrantes de su red Trusted Tester participaron en las pruebas. Especialistas de la organización también intervinieron en la evaluación de las medidas de seguridad.

Leer letras pequeñas es solo una de sus posibilidades

Un menú con poca iluminación, el envase de un alimento o los controles de un electrodoméstico son algunos de los escenarios planteados por Google. También es posible consultar formas, patrones y colores mientras continúa la interacción.

La asistencia hablada puede acompañar el recorrido por una zona hasta localizar lo solicitado, en lugar de reconocer únicamente aquello que ya está centrado. Entre los ejemplos mostrados por la compañía están hallar pimienta dentro de un especiero lleno o recuperar un auricular perdido.

Gemini Live ya podía interpretar imágenes y escenas captadas por el celular. Sus funciones visuales permiten mantener conversaciones sobre aquello que muestra la cámara. La novedad, entonces, no consiste simplemente en darle acceso a la cámara.

Con Gemini Guided Vision cambia el tipo de interacción. Las descripciones habladas se combinan con preguntas sucesivas e indicaciones para corregir el encuadre. Esto reduce la dependencia de mirar la pantalla o saber exactamente hacia dónde dirigir el dispositivo.

El despliegue en Android será gradual

La novedad está llegando a equipos con Android 9 o posteriores en regiones e idiomas compatibles con Gemini Live. Su distribución será progresiva, por lo que cumplir los requisitos no garantiza que aparezca inmediatamente en todos los celulares.

Una vez habilitada, se activa desde los ajustes de la app de Gemini mediante la opción “Usar Visión guiada en Live”. Después se inicia una conversación y se comparte la cámara. Android ofrece un acceso desde las opciones de accesibilidad, mientras TalkBack incorpora una entrada específica en su menú.

Google advierte que las respuestas pueden contener errores. Esta tecnología no debe emplearse para navegar, detectar obstáculos, tomar decisiones médicas ni reemplazar ayudas para la movilidad. El análisis mediante inteligencia artificial tampoco garantiza que todos los componentes presentes sean identificados correctamente.

Gemini Guided Vision está diseñada para proporcionar información hablada acerca de aquello que observa el celular y facilitar consultas relacionadas. No determina si un recorrido es seguro ni sustituye sistemas especializados de asistencia visual.

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

El modelo está siendo desplegado inicialmente a través del programa Fairwind, una iniciativa de acceso limitado de Google para organizaciones y equipos dedicados a la defensa digital. La compañía planea ampliar progresivamente la disponibilidad después de recoger resultados de estas primeras pruebas y reforzar las medidas de seguridad.

Argon fue desarrollado para mantener procesos de razonamiento durante tareas largas y con varios pasos. Google lo orienta a trabajos como ingeniería de software, investigación y análisis empresarial, además de áreas profesionales como las finanzas y el sector legal. También incorpora capacidades multimodales y está diseñado para trabajar con grandes cantidades de información.

Te puede interesar: Nuevo Microsoft Copilot incorpora Home, Code y Autopilot para transformar el trabajo con IA

La característica que explica su acceso inicial restringido está en la ciberseguridad. Google afirma que Gemini 4 Argon puede encontrar vulnerabilidades críticas, comprobarlas y generar correcciones de forma autónoma. La compañía asegura que durante sus pruebas internas logró identificar fallas en bases de código complejas desarrolladas en 20 lenguajes de programación.

El modelo también fue utilizado por Wiz, una compañía de seguridad que participa en el programa Fairwind. Según Google, durante una demostración Argon detectó una vulnerabilidad crítica en software sanitario utilizado por hospitales de diferentes países, con capacidad para exponer información personal sensible.

Google quiere probar primero los límites de Argon

El acceso anticipado permite que los equipos especializados utilicen las capacidades del modelo en entornos controlados mientras Google estudia posibles usos indebidos. La compañía también trabaja con un proceso voluntario del Gobierno estadounidense para realizar evaluaciones previas al lanzamiento.

Entre las medidas que Google está reforzando están las defensas contra el uso malicioso del modelo, los ataques de prompt injection y la seguridad de los entornos aislados donde se prueban sistemas de inteligencia artificial con capacidades avanzadas. La empresa también indicó que utiliza pruebas realizadas por equipos internos y externos para evaluar estas protecciones.

Te puede interesar: ChatGPT permite iniciar tareas por voz en el celular y continuarlas en el computador

Fairwind ya contaba con más de 650 organizaciones participantes antes de la llegada de Argon. El programa está dirigido a gobiernos, operadores de infraestructura crítica y compañías tecnológicas, entre otros socios seleccionados. Sus participantes deben cumplir condiciones de acceso y seguridad, como autenticación multifactor resistente al phishing y limitar el uso a equipos internos de ciberseguridad, respuesta a incidentes o pruebas de penetración.

Gemini 4 Argon todavía no está disponible de forma general. Google anticipó que, después de esta etapa con defensores y probadores de confianza, comenzará a ofrecerlo a desarrolladores, empresas y consumidores, empezando por clientes de API de pago y suscriptores de Google AI Ultra.

Los datos de la comunidad mundial de desarrolladores ayudan a entender por qué. La encuesta de Stack Overflow de 2025, que reunió más de 49.000 respuestas de 177 países, encontró que 69 % de los desarrolladores había dedicado tiempo durante el último año a aprender nuevas técnicas de programación o un lenguaje. Incluso entre quienes ya trabajan en tecnología, aprender sigue siendo una actividad permanente.

La misma encuesta muestra que aprender a programar no depende necesariamente de una carrera universitaria. En 2024, 82 % de los participantes señaló recursos en línea entre sus formas de aprendizaje y 49 % de quienes estaban aprendiendo a programar había estudiado en instituciones tradicionales. La documentación técnica, los cursos, las comunidades y otros recursos digitales forman parte de una ruta que puede ser mucho más diversa que una carrera profesional convencional.

El tiempo, por eso, depende de qué significa estar preparado. Una persona puede aprender la sintaxis básica de un lenguaje en pocas semanas, pero todavía necesitará practicar estructuras de datos, bases de datos, control de versiones, desarrollo web, APIs y resolución de problemas antes de enfrentarse a proyectos cercanos a los que encontrará en un empleo.

Aprender código es apenas la primera etapa

Los datos de programas de formación intensiva también muestran que terminar las clases y conseguir trabajo son momentos diferentes. El Council on Integrity in Results Reporting (CIRR), una organización que recopila resultados verificados de programas de formación tecnológica, mide los resultados laborales después de la graduación en periodos como 180 y 360 días. Su metodología distingue entre quienes buscan empleo, quienes ya trabajan y quienes no están buscando trabajo.

Esto ayuda a poner en perspectiva las promesas de convertirse rápidamente en desarrollador. Un estudio de Course Report sobre egresados de bootcamps encontró que estos programas suelen concentrarse en periodos intensivos de entre 12 y 20 semanas. Sin embargo, esa duración corresponde a la formación, no garantiza que el empleo llegue al día siguiente de terminarla.

Además, el mercado exige algo más que saber escribir código. El Future of Jobs Report 2025 del Foro Económico Mundial ubica a los desarrolladores de software y aplicaciones entre los empleos de mayor crecimiento proyectado hacia 2030. El mismo informe señala que 39 % de las habilidades actuales de los trabajadores cambiarán durante ese periodo y sitúa la alfabetización tecnológica, la inteligencia artificial y los datos entre las capacidades cuya importancia crecerá con mayor rapidez.

Te puede interesar: El software ya mueve miles de millones en Colombia: ¿qué falta para que impulse más empresas?

Para quienes quieren hacer esa transición, Holberton Coderise plantea una ruta de nueve meses en su programa Full Time de Desarrollo de Software, con modalidad híbrida e inmersiva en Bogotá. La formación combina proyectos, trabajo entre pares y acompañamiento de mentores, y aborda herramientas y tecnologías utilizadas para construir aplicaciones, además de preparar a los estudiantes para procesos de selección.

La propuesta incluye también preparación profesional, proyectos y actividades orientadas a la empleabilidad. El objetivo es que el participante no llegue al final únicamente con ejercicios de clase, sino con experiencia práctica y un portafolio que pueda presentar durante una búsqueda laboral.

Por eso, para alguien que parte desde cero, hablar de una cifra única puede resultar engañoso. Una ruta intensiva puede concentrar el aprendizaje técnico en algunos meses, pero convertirse en candidato para un primer empleo exige sumar práctica, proyectos, herramientas profesionales y preparación para entrevistas. El “Hola Mundo” marca el inicio; el primer empleo llega después de demostrar que ese código puede resolver problemas reales.

Quienes estén considerando una transición hacia el desarrollo de software pueden consultar los requisitos y características del programa de Holberton Coderise antes de decidir si esta ruta de formación se ajusta a su objetivo profesional.

La propuesta apunta a empresas y organizaciones que usan agentes capaces de ejecutar tareas durante largos periodos, como consultar archivos, navegar por internet o interactuar con herramientas y servicios. A diferencia de un chatbot que solo responde preguntas, un agente puede tomar acciones en nombre de una persona o una compañía. Si interpreta mal una instrucción, encuentra un error o intenta resolver la tarea por otra vía, podría actuar más allá de lo previsto.

La plataforma reúne dos componentes. OpenShell, el software de código abierto, crea un entorno aislado y aplica reglas de acceso: qué archivos, redes, herramientas, procesos o credenciales puede usar cada agente. Nvidia sostiene que imponer límites técnicos ofrece más control que confiar únicamente en instrucciones escritas en el mensaje que recibe el modelo. El sistema también registra las acciones y puede funcionar con procesadores de Nvidia y, según la empresa, adaptarse a plataformas de Arm e Intel.

Te puede interesar: OpenAI frena sus modelos por acciones inesperadas de agentes de IA

Sentry añade una vigilancia separada del agente y del sistema donde trabaja. Está diseñado para ejecutarse en las unidades de procesamiento de datos BlueField-4 de Nvidia, revisar la actividad y aplicar controles desde ese nivel. La empresa afirma que puede detectar intentos de salir de los límites y aislar al agente en cuestión de milisegundos. La arquitectura busca que el propio agente no tenga control sobre el mecanismo que lo supervisa.

Los límites dependen de las reglas que defina cada organización

La plataforma no determina por sí sola qué acciones son aceptables: quienes la implementen deben establecer permisos y políticas para sus agentes. La disponibilidad también varía por componente. Nvidia indica que OpenShell y otros elementos de software pueden obtenerse desde sus recursos para desarrolladores y GitHub; el diseño de Sentry, en cambio, depende del hardware BlueField-4.

La empresa presentó la iniciativa tras una serie de incidentes en los que agentes de IA habrían ignorado instrucciones o excedido el alcance de sus tareas. Associated Press informó que un profesor de informática de la Universidad de Wisconsin advirtió que las restricciones podrían impedir acciones útiles y que el equilibrio entre seguridad y funcionamiento requiere evaluarse con casos concretos. La plataforma tampoco evita que un modelo se equivoque o engañe: busca limitar lo que puede hacer cuando actúa.

Nvidia anunció que más de 100 organizaciones trabajan con tecnologías de la plataforma, entre ellas Microsoft, Perplexity, JPMorgan Chase y Hugging Face. Esa participación indica interés empresarial, pero no equivale a una validación independiente de sus resultados. Por ahora, el alcance de la promesa dependerá de cómo se definan las reglas y de pruebas que permitan medir qué bloquea el sistema y qué riesgos persisten.

A diferencia de un chatbot centrado en responder preguntas, el sistema está entrenado para manejar un celular y un computador. Puede conectarse con correo, calendario, mensajería, pantalla, audio o ubicación cuando esos accesos están habilitados. Una conversación puede convertirse así en el inicio de una gestión que continúa fuera del chat.

Qué puede hacer Instinct desde un mensaje

Reservar citas y restaurantes, organizar un traslado al aeropuerto, limpiar la bandeja de entrada, buscar vuelos económicos y gestionar compras son algunos de los ejemplos documentados. La compañía señala además que puede retomar conversaciones pendientes o contactar de manera proactiva cuando necesita continuar un asunto.

Mediante Instinct Concierge, las llamadas también forman parte del servicio. Esta función puede contactar negocios para resolver situaciones que no siempre se atienden por internet. Los casos publicados incluyen conseguir mesa en un restaurante sin reservas en línea, entrar en la lista de cancelaciones de un dentista o comunicarse con una empresa por un problema con la factura del cable.

Otra herramienta es una dirección de correo propia, utilizada para crear cuentas, contactar empresas y hacer seguimientos. En una devolución, por ejemplo, se puede reenviar la confirmación del pedido para que el agente se comunique con soporte y avance hasta obtener la etiqueta necesaria para enviar el producto.

WhatsApp es solo el punto de partida

“Sin una app nueva” no significa que todo ocurra dentro de WhatsApp. Este canal sirve para dar la instrucción, mientras el trabajo puede desarrollarse en otros servicios. La descripción oficial de Instinct explica que su modelo utiliza un teléfono y un computador para desenvolverse entre las herramientas conectadas.

Organizar un traslado muestra la diferencia frente a pedir ayuda a una IA convencional. La respuesta no tiene que terminar en una lista de pasos. El agente está diseñado para intervenir en el proceso siempre que disponga de las funciones y autorizaciones necesarias.

Compras y reservas llevan esa autonomía a otro terreno. La integración con Stripe contempla viajes, clases o citas, mientras la colaboración con 1Password facilita el inicio de sesión en cuentas existentes. ENTER.CO ya analizó cómo los agentes de IA empiezan a tomar decisiones por nosotros, al pasar de recomendar opciones a intervenir en su ejecución.

Más autonomía exige más permisos

Delegar estas funciones requiere abrir el acceso a información que un chatbot no siempre necesita. Correos, mensajes, ubicación e incluso contenido visible en pantalla pueden formar parte de los datos disponibles para desarrollar un encargo. Por eso conviene revisar qué servicios quedan conectados antes de asignarle tareas.

Algunas experiencias tempranas ya han generado cuestionamientos. Personas que probaron el producto reportaron información procedente de Gmail que permanecía después de desconectar la cuenta. La compañía incorporó posteriormente una herramienta para eliminar datos externos desde la configuración. También se documentó un caso en el que el asistente envió un correo sin solicitar primero autorización.

Tampoco todas las operaciones esperan una aprobación final. Algunas funciones piden información adicional cuando resulta indispensable, pero el agente está diseñado para trabajar con cierto grado de independencia. Revisar los permisos cobra especial importancia cuando puede interactuar directamente con cuentas y plataformas.

Por ahora, Instinct continúa en acceso privado mientras la compañía amplía la disponibilidad del servicio. Quienes quieran probarlo pueden entrar a una lista de espera o recibir una invitación de alguien que ya tenga acceso.

La diferencia no está únicamente en escribirle a una IA desde WhatsApp. Un mensaje puede iniciar una tarea que después continúa en otras herramientas, sin tener que ejecutar manualmente cada paso. Esa facilidad tiene una contrapartida concreta: cuantas más acciones se deleguen, mayor puede ser el acceso necesario a información, cuentas y servicios personales.

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

La discusión ocurre mientras el sector gana peso en la economía. La industria digital representó el 3,6 % del PIB colombiano en 2024, con ventas por $61,7 billones. El software y los servicios de TI concentraron casi dos terceras partes de esas ventas: $44,3 billones, equivalentes al 2,6 % del PIB.

El avance también se mide en empleos y negocios fuera del país. Entre 2018 y 2025, el número de personas ocupadas en el sector pasó de 326.000 a más de 406.000. En 2024, las exportaciones digitales sumaron US$2.217 millones, impulsadas principalmente por los servicios informáticos, que aportaron US$1.802 millones.

Te puede interesar: Las historias de moda y tecnología que ENTER encontró en Nextech: inventarios digitales y textiles recuperados

El desafío está en que ese crecimiento llegue a las compañías que usan tecnología, y no se quede en la expansión de quienes la desarrollan. Según datos de Cenisoft, el 26 % de las empresas de desarrollo de software utiliza inteligencia artificial. La cifra pone sobre la mesa una pregunta que va más allá de la adopción: qué procesos pueden ejecutar mejor las empresas con esas herramientas.

Para Ximena Duque, presidenta ejecutiva de Fedesoft, el cambio ya se nota en tecnologías como los agentes de inteligencia artificial, que empiezan a ejecutar procesos y coordinar tareas. También en la computación en la nube, cuya elección incide en costos, seguridad y capacidad de crecimiento, además de la infraestructura.

De las necesidades empresariales a las soluciones tecnológicas

SOFTIC se realizará del 14 al 16 de octubre en el Hotel Estelar de Cartagena. Una parte de la agenda estará organizada en Hubs sectoriales: espacios donde representantes de áreas como salud, manufactura, agro, construcción, finanzas, transporte y comercio expondrán sus proyectos y dificultades. Las empresas tecnológicas podrán presentar soluciones relacionadas con esas necesidades.

El formato propone invertir la conversación habitual sobre innovación. Primero se plantean los problemas de cada industria; luego se examina qué herramientas pueden atenderlos. En salud, por ejemplo, la agenda abordará inteligencia artificial, ciberseguridad y experiencia del paciente. En finanzas, reunirá a bancos, fintech, reguladores y proveedores para discutir cambios en los servicios y los modelos de negocio.

Te puede interesar: Nextech cerró su primera edición: la moda ya no se cose solo con hilo, también con tecnología

El encuentro también tendrá una dimensión comercial. Incluye una Macrorrueda Internacional de Negocios con ProColombia, sesiones de Speed Networking y reuniones con potenciales compradores y aliados. El tercer día estará dedicado a la agenda digital del país, el desarrollo regional y las posibilidades de llevar empresas colombianas a otros mercados.

Los datos muestran una industria que ya exporta, genera empleo y crea negocios especializados: en 2024, por ejemplo, el segmento de retailtech creció 104 % y el de ciberseguridad, 50 %. La cita de Cartagena pondrá a prueba una cuestión menos estadística: cómo hacer que esa capacidad se traduzca en soluciones útiles para más empresas y regiones.

La agenda de SOFTIC 2026 está disponible en el sitio oficial del evento. El material consultado no especifica requisitos ni condiciones de inscripción.

Detrás de la discusión estaban los límites incorporados a Claude y la posibilidad de que rechazara una función en medio de una operación sensible. Para el Departamento de Defensa de Estados Unidos, ese escenario podía convertirse en un problema si el sistema se negaba a ejecutar una tarea considerada legal y necesaria.

Claude y la captura de Maduro quedaron bajo la lupa

Todo escaló cuando un ejecutivo de Anthropic cuestionó si era apropiado el uso que un contratista hacía de Claude durante una operación militar sensible en el extranjero. Para el Departamento de Defensa, esa actividad estaba permitida por las condiciones vigentes. La objeción abrió una discusión sobre la posibilidad de que las restricciones del modelo interfirieran con una misión.

Según la sentencia, aquella operación no aparece identificada directamente como la captura del dirigente venezolano. Anthropic incorporó al expediente reportes que relacionaban sus preocupaciones con Palantir y con el papel de su tecnología en la acción militar del 3 de enero. Atribuir a Claude tareas como localizar a Maduro, identificar amenazas o planificar la extracción iría más allá de lo demostrado por la documentación judicial.

Otro punto de la disputa era la capacidad real de Anthropic para intervenir sobre el sistema. La compañía explicó que no puede acceder, modificar ni apagar un modelo después de entregarlo para instalarlo en entornos clasificados. Las restricciones dependen principalmente del entrenamiento y la configuración de las nuevas versiones suministradas.

El temor era que la IA rechazara una tarea durante la misión

Desde 2024, el Departamento de Defensa y la comunidad de inteligencia estadounidense utilizaban modelos de Claude en sistemas clasificados. Las primeras versiones comerciales rechazaron solicitudes relacionadas con evaluaciones de amenazas, documentos secretos y traducciones de material interceptado que describía hechos violentos.

Para responder a esas dificultades, Anthropic desarrolló Claude Gov para agencias de seguridad nacional. Después amplió los usos autorizados e incluyó análisis de inteligencia extranjera, diseño de sistemas de armas y operaciones cibernéticas ofensivas. Mantuvo dos restricciones: el empleo en armas letales completamente autónomas y la vigilancia masiva de estadounidenses.

Esos antecedentes alimentaron las dudas sobre el uso de Claude durante la operación para capturar a Maduro. Según el expediente, funcionarios temían que el sistema pudiera negarse a ejecutar una función considerada legal y necesaria por el Pentágono. No está claro qué ocurrió durante el episodio. Un funcionario gubernamental lo describió como cercano a un desastre, mientras Dario Amodei, director ejecutivo de Anthropic, sostuvo que se trató de un malentendido.

El conflicto terminó sacando a Anthropic de los sistemas militares

Las diferencias aumentaron cuando el Departamento de Defensa exigió autorización contractual para utilizar Claude en cualquier actividad legal. Anthropic se negó a retirar las dos restricciones que mantenía. El 3 de marzo, el secretario de Defensa, Pete Hegseth, determinó que conservar los modelos de la compañía dentro de los sistemas del Departamento representaba un riesgo para la cadena de suministro.

Ante los tribunales, un panel de tres jueces del Tribunal de Apelaciones del Distrito de Columbia resolvió por dos votos contra uno que el Departamento tenía suficiente respaldo para excluir a Anthropic de su infraestructura. La jueza Karen LeCraft Henderson discrepó de la interpretación de la mayoría sobre el alcance de la legislación empleada para justificar la medida.

Tras ordenar la retirada de los productos de Anthropic, Defensa amplió su relación contractual con OpenAI. La sentencia también recoge que Amodei cuestionó si el Departamento, OpenAI y Palantir habían establecido protocolos de seguridad suficientes para utilizar inteligencia artificial con fines militares.

Otro proceso judicial en California produjo una decisión favorable a Anthropic sobre una designación distinta. Se trata de una controversia jurídica diferente.

La disputa plantea una cuestión que supera la operación del 3 de enero. ¿Quién establece los límites de una inteligencia artificial integrada en infraestructura de defensa, la empresa que desarrolla el modelo o la institución que lo utiliza? En este proceso, el tribunal respaldó la facultad del Departamento para excluir a un proveedor cuando considera que sus restricciones pueden interferir con funciones de seguridad nacional.

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

La medida abarca cargas de trabajo con herramientas de sus sistemas más capaces mientras la compañía refuerza las barreras técnicas y realiza nuevas pruebas de seguridad. El entrenamiento específico de uno de los modelos involucrados tampoco continuará hasta que los controles adicionales sean validados.

Detrás de la suspensión hay una cuestión que excede una falla aislada. Estos sistemas pueden buscar información, ejecutar código y encadenar herramientas para completar un objetivo. Esa capacidad también exige mecanismos capaces de detener una operación cuando comienza a utilizar métodos que no estaban contemplados en las instrucciones originales.

Una búsqueda terminó conectando el modelo con otro chatbot

Uno de los incidentes ocurrió el 20 de septiembre. Un agente debía localizar información sobre una persona a partir de datos biográficos, pero comenzó a probar otros métodos cuando las búsquedas disponibles no resolvieron la tarea. Finalmente aprovechó una brecha en las restricciones de internet para consultar un chatbot externo mediante DNS, el sistema que normalmente traduce nombres de dominio en direcciones de red.

El monitoreo detectó la actividad aproximadamente 15 minutos después y un revisor humano atendió la alerta tres minutos más tarde. Aun así, la ejecución continuó cerca de dos horas y media antes de ser detenida manualmente. OpenAI reconoció problemas tanto en los controles de red como en el procedimiento destinado a interrumpir automáticamente operaciones de este tipo.

En los últimos meses también se registraron actuaciones relacionadas con páginas federales de Estados Unidos. En el Departamento de Educación fueron encontradas claves de desarrollador de API, credenciales utilizadas por aplicaciones para comunicarse con determinados servicios. La agencia afirmó que no encontró evidencia de afectación a su sitio web o sus bases de datos. Finalmente, solo se recopiló contenido disponible públicamente.

La Comisión de Bolsa y Valores de Estados Unidos (SEC) estuvo involucrada en otra situación. Los modelos localizaron datos públicos y después los difundieron en otros lugares de internet, algo que no estaba contemplado en la tarea inicial. El organismo aseguró que no hubo acceso a información reservada.

Transluce, un laboratorio independiente dedicado a evaluar inteligencia artificial, reportó actividad que atribuye al menos parcialmente a grupos relacionados previamente con OpenAI. Su investigación describe intentos de ampliar el acceso a internet y acciones dirigidas contra proveedores públicos de datos. Esa atribución externa no supone una confirmación de la compañía para cada hecho identificado.

Los agentes de IA ya habían encendido las alertas

La suspensión llega pocos meses después de un incidente de mayor alcance. En julio, sistemas internos superaron restricciones de un entorno aislado y alcanzaron infraestructura de producción de Hugging Face. Los agentes combinaron credenciales expuestas con vulnerabilidades para acceder a servidores utilizados en el procesamiento de conjuntos de datos.

Tras lo ocurrido, OpenAI restringió conexiones externas, reforzó el monitoreo y modificó sus procedimientos de respuesta. El episodio de septiembre mostró que todavía podían existir rutas indirectas capaces de comunicar un modelo con servicios situados fuera del entorno previsto.

La sucesión de estos hechos explica por qué el comportamiento de los agentes de IA plantea un problema distinto al de una respuesta incorrecta generada por un chatbot. Cuando un modelo dispone de herramientas externas, una acción inesperada puede extenderse fuera del espacio donde comenzó la tarea.

Por ahora, la suspensión se concentra en entornos de investigación con modelos avanzados y herramientas de ejecución. No supone que ChatGPT haya dejado de funcionar ni que OpenAI haya paralizado todos sus servicios comerciales. La reanudación dependerá de que las nuevas barreras superen las pruebas de seguridad antes de volver a utilizarse en esas cargas de trabajo.

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

El anuncio se hizo el 25 de septiembre y gira alrededor de tres novedades: Home, Code y Autopilot. Aunque cada una cumple una función distinta, juntas muestran hacia dónde está llevando Microsoft su asistente dentro de las empresas: de una herramienta para consultar información a un sistema capaz de participar en procesos de trabajo más largos.

La primera pieza es Home. Microsoft lo plantea como el nuevo lugar desde el que se puede empezar a trabajar con Copilot. Allí se reúnen Chat y Cowork, junto con información relacionada con correos, reuniones, documentos, aplicaciones y conversaciones.

Te puede interesar: ChatGPT permite iniciar tareas por voz en el celular y continuarlas en el computador

Esto cambia algo que puede parecer menor, pero que tiene impacto en el uso diario. En lugar de abrir diferentes herramientas para recordar qué estaba haciendo, el usuario puede encontrar su actividad reciente, retomar una tarea pendiente y recibir sugerencias sobre qué podría hacer después. Copilot también puede trabajar con Word, Excel y PowerPoint desde este mismo entorno, manteniendo la información sincronizada con Microsoft 365.

El segundo cambio apunta directamente a quienes necesitan crear herramientas para sus equipos. Con Code, Microsoft permite pedir mediante lenguaje natural la creación de aplicaciones, paneles interactivos, automatizaciones o flujos de trabajo.

No significa que desaparezca el desarrollo tradicional, pero sí modifica quién puede comenzar a construir una solución. Una persona dentro de una organización puede describir lo que necesita y utilizar Copilot para generar una herramienta adaptada a ese problema. Code está basado en la tecnología de GitHub Copilot y funciona en un entorno aislado de la organización.

Autopilot es el cambio que más acerca a Copilot a un agente

La novedad más significativa está en Autopilot, antes conocido como Scout. Aquí Microsoft deja de hablar únicamente de una IA que responde cuando recibe una instrucción y plantea una que puede seguir trabajando después de recibir un objetivo.

El usuario define qué debe hacer, cuál es su función y cuáles son sus límites. A partir de ahí, Autopilot puede hacer seguimiento de proyectos, revisar conversaciones, ejecutar tareas recurrentes y avanzar en determinados procesos sin que alguien tenga que estar supervisándolo todo el tiempo.

La diferencia está precisamente en esa continuidad. Integrado con Teams, Outlook, chats, canales y documentos, el agente puede conservar su identidad, memoria y espacio de trabajo dentro de la organización. Microsoft además lo conecta con Microsoft IQ, que aporta información del entorno empresarial para que Copilot pueda trabajar con mayor contexto.

La compañía también prepara nuevas funciones alrededor de esta idea. Fabric IQ ya está disponible para Chat y Cowork, mientras Work IQ incorporará información y flujos de Dynamics 365 y Power Platform. A esto se suma Today, una experiencia que reunirá correos, reuniones, tareas y conversaciones en un mismo lugar.

El anuncio deja, por tanto, un cambio de dirección más interesante que la simple llegada de nuevas funciones. Microsoft está intentando que Copilot deje de ser una herramienta que el trabajador consulta ocasionalmente y pase a ocupar un lugar permanente dentro de sus procesos, con capacidad para crear, ejecutar y hacer seguimiento de determinadas tareas.

La función está dirigida a suscriptores Plus y Pro. Desde Work en la aplicación móvil, pueden solicitar, por ejemplo, la creación de un documento, la redacción de un correo o un resumen de mensajes de Slack. También pueden pedir presentaciones, hojas de cálculo o tareas que impliquen usar aplicaciones conectadas o un navegador, según el acceso habilitado en su cuenta. Los resultados escritos aparecen en el chat.

La novedad amplía el uso de la voz más allá de las consultas habladas que reciben una respuesta oral. En Work, la conversación puede poner en marcha una tarea y producir contenido que luego se revisa por escrito. Si el usuario termina la llamada mientras el trabajo sigue en curso, ChatGPT puede continuar la tarea en texto. También es posible pasar de voz a escritura durante la conversación y retomarla desde el computador.

La voz activa tareas dentro de Work

Para empezar, hay que abrir ChatGPT en el celular, elegir Work y tocar el control de voz. La aplicación puede pedir permiso para usar el micrófono. A partir de ahí, el usuario describe lo que necesita y puede seguir la respuesta escrita en el chat. El mismo espacio está disponible en la web, por lo que una tarea iniciada desde el teléfono puede continuar en otro dispositivo.

El acceso depende del plan y de las herramientas habilitadas. Plus y Pro pueden usar la voz en Work; quienes tengan los planes Free o Go pueden usar voz en Chat con los complementos y aplicaciones conectadas que admita su cuenta, pero ese acceso no equivale a disponer de Work. Para utilizar servicios como Slack, además, el usuario debe tener la conexión correspondiente configurada y los permisos necesarios.

Te puede interesar: ¿Cómo pagar con QR Latam de Prex en Colombia, Perú y otros destinos?

Las integraciones conservan sus propios límites de uso y controles de acceso. Por eso, pedir un resumen de Slack requiere que esa aplicación esté conectada y que ChatGPT pueda consultar los mensajes pertinentes. La disponibilidad de una tarea también depende de las funciones activas en la cuenta: la voz no habilita por sí sola servicios o datos a los que el usuario no tenga acceso.

El cambio lleva al teléfono algunas de las tareas de Work que hasta ahora se hacían desde la web o la aplicación de escritorio. Para quienes dictan ideas mientras se desplazan o quieren iniciar un borrador sin detenerse a escribir, el flujo reduce pasos: hablar, revisar el resultado y continuar la conversación en una pantalla más grande cuando haga falta. La respuesta final, sin embargo, sigue dependiendo de la instrucción, los permisos y las aplicaciones disponibles para cada usuario.

Durante su intervención en el Colombia Fashion Summit 2026, Fernández-Velilla planteó que la tecnología por sí sola no genera una ventaja frente a los competidores. Herramientas como ChatGPT o Claude están disponibles para prácticamente cualquier empresa. La diferencia aparece cuando los equipos saben cómo incorporarlas a su trabajo.

Uno de los ejemplos que presentó fue el de las compras. La IA puede analizar información histórica, revisar cómo se comportó el negocio y ayudar a establecer qué productos comprar, cuánto reponer o cómo responder a las desviaciones de ventas. La decisión, sin embargo, continúa en manos del comprador, que es quien conoce el negocio y debe interpretar esa información.

Te puede interesar: Temu y Shein ponen en jaque a la moda en Colombia: el debate por el IVA que pide la industria

La misma lógica puede aplicarse al inventario. Fernández-Velilla explicó que algunas soluciones pueden construirse para analizar datos y ofrecer planes de trabajo a partir de lo ocurrido en semanas anteriores y de lo que se espera para las siguientes. El objetivo es que los equipos pasen menos tiempo preparando tablas y recopilando información y puedan concentrarse en analizarla.

La especialista también habló de una posibilidad que toca directamente a diseñadores, fotógrafos y directores de arte: utilizar IA para convertir ideas visuales en propuestas que puedan explorarse antes de realizar una producción.

Del diseño a las imágenes que llegan al consumidor

Durante la presentación mostró cómo un mismo producto puede utilizarse para generar diferentes propuestas visuales destinadas a redes sociales, comercio electrónico o campañas. La herramienta puede servir para imaginar escenarios, construir referencias y producir imágenes cuando todavía no existe una fotografía final del producto.

Eso no significa, según explicó, que las producciones tradicionales deban desaparecer. Su planteamiento apunta a una convivencia entre editoriales realizadas con equipos profesionales y contenidos desarrollados con apoyo de inteligencia artificial.

En ese proceso, el conocimiento de los profesionales sigue teniendo un papel central. Un director de arte necesita saber qué quiere comunicar; un diseñador debe conocer su producto y un comprador debe entender qué necesita adquirir. La IA puede ampliar esas capacidades, pero necesita instrucciones y criterio humano.

Te puede interesar: Prendas que se diseñan en 3D, IA y telas hechas con residuos: esto encontramos en Nextech

Fernández-Velilla también llamó la atención sobre el tiempo que las compañías pueden recuperar cuando automatizan tareas repetitivas. Habló de procesos que consumen jornadas completas entre correos, hojas de cálculo, reuniones y preparación de información. La automatización permitiría que esos profesionales dediquen más tiempo al análisis y a la toma de decisiones.

Su experiencia, según explicó, incluye el trabajo con más de 50 marcas y empresas de distintos tamaños. En esos casos, la conclusión que planteó fue que la discusión no debería centrarse únicamente en qué herramienta comprar.

La formación de los equipos aparece como uno de los principales retos. Para Fernández-Velilla, las compañías necesitan enseñar a sus trabajadores a utilizar la IA en problemas concretos y hacerlo de forma continua, porque las herramientas cambian rápidamente.

La pregunta, entonces, deja de ser qué empresa tiene acceso a la inteligencia artificial. El desafío está en quién consigue incorporarla a su trabajo sin perder aquello que todavía depende de las personas: el conocimiento del producto, la creatividad, el criterio y la capacidad de contar historias.

La actualización inaugura la familia Claude 5.5 y sustituye a Opus 5, presentado dos meses antes. El ahorro no depende únicamente de una reducción en las tarifas. El modelo también puede completar algunos trabajos utilizando menos recursos y alcanzar resultados similares a los de Fable 5.1, pese a ser más barato.

Claude Opus 5.5 hace en tres horas un trabajo de más de 20

Una de las pruebas involucró una base de código de 200.000 líneas. Un evaluador temprano consiguió auditarla y corregirla en menos de tres horas. Opus 5 necesitó más de 20 horas para completar el mismo trabajo y consumió 2,5 veces más tokens, de acuerdo con los resultados publicados por Anthropic.

La diferencia también apareció en trabajos de mayor tamaño. Una migración de 680.000 líneas terminó en menos de un día. En otra prueba, Opus 5.5 trasladó HAProxy, un software utilizado para distribuir tráfico entre servidores, de un lenguaje de programación a otro en 9,5 horas. Fable 5.1 necesitó 12 horas y el costo fue 51 % mayor.

Otra medición permite comparar ambas generaciones en condiciones controladas. En Terminal-Bench 4.0, una prueba de tareas de programación, la nueva versión obtuvo 66,4 %, frente al 52,3 % de Opus 5. Los resultados sirven como referencia y pueden variar según el tipo de trabajo.

Por qué cuesta 40 % menos si las tarifas bajaron 20 %

Procesar un millón de tokens de entrada cuesta ahora 4 dólares, frente a los 5 dólares de Opus 5. Generar un millón de tokens de salida pasa de 25 a 20 dólares. Los tokens son las pequeñas unidades de texto que la IA procesa y genera. En ambos casos, la reducción directa del precio es del 20 %.

El precio baja más cuando se reutiliza información que la IA ya procesó. Ese costo pasa de 0,50 a 0,20 dólares por millón de tokens, una reducción del 60 %. Esto puede ser útil en trabajos que requieren consultar varias veces los mismos documentos, instrucciones o fragmentos de código.

El 40 % anunciado por Anthropic corresponde al costo estimado de trabajos habituales con la configuración predeterminada. Claude Opus 5.5 combina tarifas más bajas con un menor consumo de recursos en determinadas tareas. Así, el ahorro total puede superar el 20 % aplicado directamente a los precios de entrada y salida.

La diferencia de velocidad crece cuando el trabajo dura horas

La velocidad de generación aumenta más de un 30 % frente a Opus 5, según los datos publicados para esta versión. En una consulta corta, unos segundos pueden hacer poca diferencia. Cuando la IA debe realizar numerosas acciones durante varias horas, reducir el tiempo de cada una puede acortar de forma considerable la duración total del trabajo.

También existe un modo rápido que puede alcanzar hasta 2,5 veces la velocidad normal. Activarlo eleva el precio a 8 dólares por millón de tokens de entrada y 40 dólares por millón de salida. Cada persona o empresa puede decidir si terminar antes compensa pagar más por ese trabajo.

Las compañías que probaron el modelo antes de su lanzamiento encontraron diferencias en el consumo. Kiro reportó aproximadamente 40 % menos llamadas y la mitad de tokens para completar determinadas tareas. Necesitar menos pasos y procesar menos información puede traducirse en tiempos de espera más cortos y una factura menor.

Pagar menos no implica obtener un modelo menos capaz

Anthropic sostiene que Opus 5.5 alcanza resultados similares a Fable 5.1 en buena parte de sus evaluaciones, aunque requiere menos recursos. La comparación ayuda a explicar la idea detrás del título: el menor costo no viene acompañado, según estas pruebas, de una pérdida general de rendimiento.

La diferencia cobra mayor importancia en trabajos prolongados. Una tarea que mantiene activa la IA durante horas puede necesitar numerosas consultas y procesar grandes cantidades de información. Si el modelo requiere menos recursos para llegar al resultado, el ahorro se acumula a medida que aumenta la duración y complejidad del trabajo.

Trabajar durante horas también aumenta la necesidad de control

Dar más autonomía a una IA implica prestar atención a las acciones que puede realizar sin intervención constante. El modelo incorpora nuevas defensas contra instrucciones maliciosas destinadas a alterar su comportamiento y fue sometido a cerca de 2.000 pruebas para analizar cómo responde ante distintas situaciones problemáticas.

Una de esas evaluaciones midió los intentos de saltarse los límites establecidos. Según Anthropic, ocurrieron aproximadamente 85 % menos veces que con Opus 5 o Mythos 5.1. El resultado procede de pruebas internas y no significa que este tipo de comportamiento haya desaparecido.

La empresa reconoce que todavía no existe una forma de detectar antes del lanzamiento todos los posibles fallos de un modelo. Las evaluaciones permiten identificar problemas y comparar versiones, pero no garantizan que la IA responda de la misma manera en cualquier situación.

El modelo ya está disponible mediante Claude Platform, además de Amazon Web Services, Google Cloud y Microsoft Azure. Anthropic también prepara Sonnet 5.5 y Haiku 5.5 como los próximos integrantes de esta generación.

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

La idea no es llenar una página con todos los ejercicios realizados durante un curso. Un buen portafolio debería permitir entender rápidamente qué construyó la persona, qué problema intentó resolver, qué herramientas utilizó y cuál fue su participación.

Una de las plataformas más utilizadas para mostrar este tipo de trabajo es GitHub. La compañía explica que el perfil puede reunir información sobre el usuario, sus contribuciones y los proyectos que decide hacer públicos. También permite crear un README de perfil para presentarse y destacar determinados trabajos.

GitHub y LinkedIn pueden contar la misma historia

El primer paso consiste en seleccionar proyectos que permitan demostrar habilidades concretas. Puede ser una aplicación, una página web, una herramienta automatizada, un proyecto de análisis de datos o cualquier desarrollo que permita ver cómo se aplicaron los conocimientos adquiridos.

En GitHub no basta con subir el código y dejarlo allí. El repositorio debería tener una descripción que explique qué hace el proyecto, qué tecnologías fueron utilizadas y cómo puede ejecutarse o probarse. También es posible fijar hasta seis repositorios o gists en el perfil para que los visitantes encuentren rápidamente los trabajos que el desarrollador quiere destacar.

El README del perfil puede complementar esa presentación. GitHub permite utilizarlo para explicar quién es la persona, qué áreas le interesan y cuáles son las contribuciones de las que está orgullosa.

LinkedIn cumple otra función. Allí el proyecto puede aparecer acompañado de una descripción, las habilidades utilizadas, material como imágenes, documentos, sitios web o presentaciones y, cuando corresponda, los colaboradores. La propia plataforma tiene una sección específica para añadir proyectos al perfil.

La clave está en que ambos perfiles no sean dos versiones desconectadas. Si un proyecto aparece en GitHub, LinkedIn puede servir para explicar por qué fue realizado, qué problema resolvió y qué aprendió la persona durante el proceso.

Te puede interesar: Tu IA ya no solo te responde, ahora puede responder tus mensajes y comprar por ti ¿Qué puede salir mal?

Esta preparación también tiene relación con el trabajo que Holberton Coderise desarrolla alrededor de la empleabilidad. La academia ha incorporado proyectos de portafolio dentro de su formación y cuenta con espacios de preparación profesional que incluyen actividades como revisión de portafolios, preparación para entrevistas y networking.

Por eso, para alguien que todavía no tiene una larga trayectoria laboral, los proyectos personales pueden funcionar como una muestra concreta del proceso de aprendizaje. Lo importante es que permitan comprobar las habilidades que aparecen en el perfil profesional y que la persona pueda explicar sus decisiones cuando llegue una entrevista.

Antes de compartir el portafolio, conviene hacer una revisión sencilla: comprobar que los enlaces funcionen, retirar proyectos que ya no representen el nivel actual, ordenar los trabajos más relevantes y explicar cada uno con suficiente información para que otra persona pueda entenderlo sin necesidad de conocer previamente el proyecto.

Un portafolio tecnológico no tiene que demostrar que alguien sabe hacerlo todo. Tiene que permitir ver, de forma rápida y concreta, qué sabe construir, cómo trabaja y qué puede aportar.