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

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

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

La IA trabaja sobre los permisos que ya tiene cada abogado

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

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

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

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

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

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

En una conversación centrada en el avance tecnológico y el papel de las políticas públicas, Pichai trazó un paralelo claro entre el estado actual de la física cuántica aplicada y los primeros días del desarrollo de la inteligencia artificial moderna.

1. De miles de millones de años a 5 minutos

El punto de partida del debate fue el hito reciente de Google en el desarrollo de hardware cuántico. Pichai destacó que la compañía logró concretar un cálculo en tan solo cinco minutos, una tarea matemática que a una de las supercomputadoras clásicas más potentes del planeta le habría tomado decenas de miles de millones de años (un período de tiempo mayor a la edad estimada de nuestro universo).

Más allá del titular efectista, el avance real no reside solo en la velocidad, sino en el progreso continuo hacia la corrección de errores (error correction). Este pilar técnico resulta fundamental para construir sistemas cuánticos tolerantes a fallos y verdaderamente escalables a gran escala.

2. El “momento 2010” de la cuántica y la llegada de casos prácticos

Al comparar el ritmo de evolución, Pichai afirmó que la computación cuántica atraviesa hoy un momento similar al que vivió la inteligencia artificial en la década de 2010, cuando proyectos como Google Brain apenas comenzaban a demostrar el potencial real del aprendizaje profundo (deep learning).

Según las proyecciones del ejecutivo:

Horizonte de 5 a 10 años: Veremos computadoras cuánticas verdaderamente útiles y aplicables a problemas prácticos de la industria, la medicina y la ciencia de materiales.

Impacto real: La tecnología pasará de laboratorios de prueba a entornos productivos capaces de resolver problemas complejos que hoy resultan inabordables.

3. ¿Es momento de regular la computación cuántica?

Frente a la inquietud sobre si los gobiernos deben legislar o restringir esta tecnología desde ya, la postura de Pichai fue cauta: es demasiado pronto para regular, pero es vital empezar a prepararse.

Las recomendaciones para los Estados y tomadores de decisión se dividen en dos frentes claros:

Ciberseguridad y encriptación: La principal urgencia radica en migrar hacia estándares de encriptación post-cuántica (Post-Quantum Cryptography), previniendo el riesgo que representarán estos procesadores para los algoritmos de seguridad tradicionales.

Te puede interesar: La computación cuántica, el nuevo motor que impulsa la inteligencia artificial avanzada, ya es una realidad

Infraestructura e investigación (Clusters cuánticos): En un horizonte de 3 a 5 años, los gobiernos deberían planear la creación de clústeres de investigación cuántica para fomentar la innovación pública y privada, en lugar de frenarla con marcos regulatorios prematuros.

La paradoja de la verificación: ¿Cómo saber si el resultado es correcto?

Ante la duda recurrente de cómo los científicos validan un resultado que a una computadora tradicional le tomaría eones verificar, Pichai aclaró que la física y la informática cuántica emplean métodos de triangulación y verificación matemática independiente. La complejidad o el tiempo necesario para calcular una solución es muy distinto al tiempo requerido para verificarla, lo que permite a los investigadores asegurar la validez de los cómputos.

Conclusión
La computación cuántica ya no es una hipótesis de ciencia ficción. Con aplicaciones prácticas en el horizonte de la próxima década, el mensaje clave para la industria de la tecnología y los gobiernos es claro: la regulación cerrada puede esperar, pero la preparación en infraestructura y ciberseguridad debe comenzar hoy.

El acceso se asignará automáticamente cuando el sistema estime que una persona es menor de 18 años. Los usuarios que indiquen tener entre 13 y 17 años también serán dirigidos a esta experiencia, que incorpora configuraciones de seguridad adicionales desde el inicio.

La propuesta busca que los adolescentes utilicen la inteligencia artificial para comprender conceptos, practicar conocimientos y desarrollar habilidades sin depender únicamente de respuestas inmediatas. Para estudiar, por ejemplo, pueden pedir explicaciones, resolver ejercicios o comprobar si entendieron un tema.

Una de las herramientas centrales es el Modo Estudio, que utiliza preguntas orientadoras, explicaciones progresivas y comprobaciones de conocimiento para acompañar al estudiante en la resolución de problemas. A esto se suman cuestionarios y visualizaciones para practicar contenidos y comprender conceptos que pueden resultar difíciles de representar únicamente con texto.

OpenAI también incorporó recordatorios destinados a evitar que la herramienta termine haciendo las tareas por el estudiante. Si ChatGPT detecta que un adolescente intenta obtener directamente una respuesta para completar una actividad escolar, puede redirigirlo hacia un proceso paso a paso.

Los padres podrán establecer horarios y recibir alertas

La experiencia también incorpora controles para las familias. Los padres que tengan vinculada una cuenta de adolescente podrán establecer horarios de silencio y administrar determinadas configuraciones. Además, recibirán notificaciones cuando el sistema detecte situaciones consideradas de alto riesgo.

Entre las áreas que cuentan con protecciones reforzadas aparecen la autolesión, la violencia, los trastornos alimentarios, las actividades peligrosas y el contenido sexual o gráfico explícito. También habrá advertencias cuando un adolescente intente subir imágenes sensibles, con el objetivo de evitar que comparta fotografías privadas o delicadas.

Otra medida busca limitar una relación de dependencia entre el usuario y la IA. ChatGPT para adolescentes no debe utilizar lenguaje romántico, fomentar dependencia emocional ni insinuar que tiene sentimientos o conciencia. La experiencia también incluye recordatorios para tomar descansos y señales que identifican al sistema como una inteligencia artificial.

Los adolescentes podrán personalizar algunos elementos, como colores de la interfaz y variaciones de voz, pero las funciones están planteadas para mantener la distinción entre una herramienta tecnológica y una relación humana.

El lanzamiento llega acompañado de una alianza entre OpenAI y CodeAI para ofrecer a estudiantes y educadores herramientas destinadas a comprender cómo funciona la inteligencia artificial, cuestionar sus resultados y aprender a utilizarla de manera responsable.

La compañía también presentó ejemplos de adolescentes que utilizan IA para desarrollar proyectos. Entre ellos figura WiFind, un sistema creado por estudiantes de Virginia que emplea señales Wi-Fi para ayudar a localizar posibles sobrevivientes bajo escombros, y Audemy, una plataforma educativa basada en audio desarrollada con ayuda de ChatGPT para estudiantes ciegos.

OpenAI indicó que continuará evaluando el comportamiento de sus modelos frente a situaciones de riesgo específicas para menores y publicará parte de esos resultados. ChatGPT para adolescentes representa el siguiente paso de la compañía en su estrategia para permitir que los jóvenes aprendan y creen con inteligencia artificial bajo protecciones adaptadas a su edad.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

De la teoría de grupos a la criptografía poscuántica

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

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

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

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

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

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

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

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

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

El rezago y la oportunidad del mantenimiento en la era digital

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

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

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

IA, el nuevo motor del mantenimiento inteligente

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

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

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

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

Imagen: Ruliff Andrean / Unsplash

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

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

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

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

El problema estaba dentro del proceso de negociación

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

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

Cada propuesta debía revisarse manualmente.

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

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

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

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

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

La decisión final continúa siendo humana.

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

AWS acompañó el desarrollo del proyecto

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

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

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

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

Los resultados comenzaron a verse desde las primeras pruebas

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

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

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

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

El objetivo no es reemplazar personas

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

¿Cómo aplicar a los cursos gratuitos?

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

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

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

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

 

Ver esta publicación en Instagram

 

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

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

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

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

Archivos, aplicaciones y control del usuario

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

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

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

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

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

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

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

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

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

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

Del chat a un flujo de trabajo que continúa

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Imagen: Unsplash / Getty Images

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

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

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

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

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

Más que saber usar IA, entender cómo funciona

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

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

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

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

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

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

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

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

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

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

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

El aprendizaje gana espacio entre las búsquedas

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

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

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

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

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

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

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

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

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

Un ecosistema fragmentado

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

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

¿Cómo funcionará?

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

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

Apoyo de la industria

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

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

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

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

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

Imagen: Foto de Conny Schneider en Unsplash

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

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

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

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

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

Más funciones para empresas, desarrolladores y usuarios de ChatGPT

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

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

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

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

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

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

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

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

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

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

Conversaciones más fluidas y nuevas funciones

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

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

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

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

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

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

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

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

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

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

Del boceto al video en una misma plataforma

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

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

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

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

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

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

De imágenes satelitales a un mapa de daños en pocas horas

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

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

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

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

Una herramienta que ayuda a decidir dónde actuar primero

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

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

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

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

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

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

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

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

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

El verdadero reto está en los datos

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

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

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

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

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

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

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

La próxima revolución no será un modelo

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

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

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

Imagen: Foto de Stephen Andrews en Unsplash

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

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

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

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

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

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

¿Por qué importa si usas la IA para informarte?

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

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

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

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

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

La compañía explicó que esta familia inaugura un nuevo sistema de nombres. El número 5.6 identifica la generación del modelo, mientras que Sol, Terra y Luna representan diferentes capacidades. Así, cada usuario o empresa puede elegir la opción que mejor se ajuste a sus necesidades sin depender únicamente de una versión única.

En la práctica, GPT-5.6 Sol está pensado para afrontar procesos que requieren planificación. En lugar de generar una respuesta inmediata, analiza el problema durante más tiempo antes de ofrecer un resultado. Además, puede repartir una tarea entre distintos subagentes para resolver varias partes en paralelo y después integrar toda la información.

Te puede interesar: Así funciona Jalapeño, el chip con el que OpenAI quiere reducir costos de IA y desafiar a NVIDIA

Ese cambio se refleja especialmente en programación, investigación científica y ciberseguridad. Según las pruebas publicadas por OpenAI, el modelo obtuvo mejores resultados en flujos de trabajo de programación mediante terminal, análisis biológico y evaluación de vulnerabilidades, utilizando incluso menos tokens que GPT-5.5 en algunas tareas.

Terra se presenta como una alternativa para el trabajo diario, con un rendimiento similar al de GPT-5.5 pero a menor costo. Luna, por su parte, prioriza la velocidad y un precio más bajo para aplicaciones donde la rapidez resulta más importante que la máxima capacidad de razonamiento.

Más inteligencia con nuevas capas de seguridad

El aumento de capacidades también viene acompañado de controles adicionales. OpenAI desarrolló GPT-5.6 Sol con varias capas de seguridad destinadas a detectar solicitudes relacionadas con actividades cibernéticas prohibidas y bloquearlas antes de entregar una respuesta.

El sistema combina protecciones integradas en el propio modelo con clasificadores que analizan el contenido mientras se genera. Si identifican una posible infracción, la respuesta puede detenerse temporalmente para realizar una revisión adicional. La compañía también utiliza señales asociadas a la cuenta y procesos continuos de supervisión para identificar intentos repetidos de uso indebido.

Como parte del desarrollo, OpenAI aseguró que invirtió más de 700.000 horas equivalentes de procesamiento en pruebas automatizadas para encontrar vulnerabilidades y reforzar el modelo antes de su lanzamiento. Además, continúa realizando evaluaciones con expertos externos durante el periodo de vista previa.

Por ahora, GPT-5.6 Sol, Terra y Luna estarán disponibles para un grupo reducido de socios a través de la API y Codex. La empresa prevé ampliar el acceso durante las próximas semanas hasta llegar a ChatGPT y al resto de usuarios.

Más que una actualización de rendimiento, GPT-5.6 introduce una nueva forma de organizar los modelos de inteligencia artificial. La apuesta pasa por ofrecer diferentes niveles de capacidad para distintos tipos de trabajo, mientras incorpora mecanismos adicionales para que esas funciones avanzadas puedan utilizarse con mayores garantías de seguridad.

El resultado llama la atención porque contrasta con el debate que domina buena parte de la conversación mundial. Mientras en distintos países la automatización suele presentarse como una amenaza para millones de empleos, los participantes del estudio imaginan un futuro donde la tecnología transformará la manera de trabajar, pero difícilmente eliminará el papel de las personas.

La encuesta Voces para un Futuro Digno: Colombia hacia 2046, elaborada por el Social Research Center (SRC), encontró que solo el 21 % de los encuestados ubica a la inteligencia artificial entre los principales riesgos para los próximos años. Muy por encima aparecen la crisis económica y la desigualdad, señaladas por el 65 % de los participantes, seguidas por la crisis climática con el 59 % y los conflictos geopolíticos con el 50 %.

La inteligencia artificial preocupa, pero no domina la conversación

El estudio deja ver que la percepción sobre la IA está cambiando. En lugar de pensar en una sustitución masiva de trabajadores, muchos colombianos creen que esta tecnología asumirá las tareas repetitivas mientras las personas seguirán aportando aquello que las máquinas todavía no pueden replicar con facilidad.

De hecho, el 39,5 % considera que la inteligencia artificial realizará las labores rutinarias hacia 2046. Al mismo tiempo, un 36,8 % imagina ambientes laborales más colaborativos y un 35,8 % cree que el trabajo estará apoyado por herramientas tecnológicas. La lectura que deja el estudio es que el futuro no se percibe como una competencia entre humanos y algoritmos, sino como una relación de apoyo entre ambos.

Te puede interesar: Así funciona Jalapeño, el chip con el que OpenAI quiere reducir costos de IA y desafiar a NVIDIA

Esta percepción también ayuda a explicar por qué la IA no aparece como la principal amenaza. Los encuestados parecen asumir que la tecnología hará parte de la vida cotidiana y que el verdadero desafío será aprender a convivir con ella.

El reto estará en las habilidades humanas

Si las tareas repetitivas terminan en manos de sistemas inteligentes, las capacidades que diferenciarán a los trabajadores serán otras. La creatividad, el pensamiento crítico, la comunicación, la empatía, la adaptación al cambio y el trabajo en equipo aparecen como competencias que seguirán siendo indispensables en los próximos años.

La investigación también recuerda que sus resultados corresponden a una muestra de 299 profesionales de diferentes regiones y sectores del país, por lo que no representa estadísticamente a toda la población colombiana. Su objetivo fue identificar tendencias y conocer cómo distintos perfiles imaginan el país de aquí a 2046.
Más allá de responder si la inteligencia artificial quitará empleos, la encuesta deja otra conclusión. Hoy, los colombianos parecen estar más inquietos por la estabilidad económica, el clima y los conflictos globales que por los algoritmos. La IA sigue generando preguntas, pero ya no ocupa el centro de los miedos sobre el futuro.

El desarrollo fue realizado junto a Broadcom y marca un movimiento poco habitual para una empresa conocida principalmente por sus modelos de inteligencia artificial. Con este anuncio, OpenAI deja de depender exclusivamente de proveedores externos de hardware y empieza a participar directamente en una de las áreas más costosas y estratégicas del sector tecnológico.

La compañía asegura que las primeras pruebas muestran una mejora significativa en eficiencia energética frente a los aceleradores de IA disponibles actualmente. Aunque todavía no ha publicado cifras definitivas de rendimiento, el objetivo es claro: obtener más capacidad de procesamiento consumiendo menos electricidad.

¿Qué es un chip de inferencia y por qué importa?

Cuando haces una pregunta en ChatGPT y recibes una respuesta, ocurre un proceso conocido como inferencia. Es el momento en que un modelo ya entrenado analiza una solicitud y genera una respuesta en tiempo real.

Esa tarea requiere enormes cantidades de recursos computacionales. Actualmente gran parte de ese trabajo se realiza sobre procesadores especializados fabricados por NVIDIA, empresa que domina el mercado mundial de aceleradores para inteligencia artificial.

Te puede interesar: Huawei Cloud MaaS llega a Colombia con DeepSeek y GLM para reducir el costo de la IA

Jalapeño fue diseñado específicamente para esa función. Según OpenAI, su arquitectura reduce movimientos innecesarios de datos dentro del sistema y optimiza el uso de memoria, red y procesamiento para que los modelos funcionen de manera más eficiente.

La compañía explica que el chip fue desarrollado tomando como referencia el comportamiento real de productos como ChatGPT, Codex y su plataforma para desarrolladores. Esto significa que el hardware fue adaptado a las necesidades de los modelos de lenguaje modernos, en lugar de reutilizar diseños creados originalmente para otras cargas de trabajo.

Otro dato llamativo es la velocidad del proyecto. OpenAI afirma que el chip pasó desde el diseño inicial hasta la fabricación en apenas nueve meses, un plazo inusualmente corto para la industria de semiconductores avanzados.

Una competencia que va más allá de los modelos de IA

La presentación de Jalapeño refleja un cambio importante en la carrera tecnológica actual. Durante años, la competencia se centró en desarrollar modelos más potentes. Ahora la batalla también se libra en los centros de datos y en los chips que permiten ejecutarlos.

Google lleva años utilizando sus procesadores TPU para alimentar Gemini. Amazon cuenta con las familias Inferentia y Trainium. Microsoft desarrolla sus propios aceleradores para Azure. Con Jalapeño, OpenAI entra oficialmente en ese grupo.

La apuesta tiene implicaciones económicas importantes. Si la empresa logra reducir el costo de ejecutar modelos de IA, podría ofrecer servicios más baratos, atender a más usuarios simultáneamente y acelerar el desarrollo de nuevas generaciones de inteligencia artificial.

OpenAI afirma que este es apenas el primer integrante de una plataforma de hardware que evolucionará durante varios años y que comenzará a desplegarse a gran escala a partir de 2026.

Más allá de las especificaciones técnicas, el anuncio revela una transformación profunda. OpenAI ya no quiere limitarse a crear modelos de inteligencia artificial. También quiere controlar la infraestructura física que hará posible la próxima generación de servicios basados en IA.

El anuncio llega después de varios meses de pruebas con clientes del programa Frontier. Según Microsoft, más de la mitad de las empresas que hacen parte de la lista Fortune 500 probaron la tecnología antes de su lanzamiento mundial, junto con compañías de sectores como consultoría, seguros, telecomunicaciones y servicios financieros.

La propuesta representa un cambio frente a los asistentes de IA tradicionales. Mientras estos suelen generar respuestas o recomendaciones para que una persona continúe el trabajo, Copilot Cowork puede recibir una tarea completa, ejecutarla y entregar el resultado final sin que el usuario tenga que intervenir en cada paso.

De responder preguntas a ejecutar procesos

Entre los casos de uso presentados por Microsoft aparecen actividades que normalmente requieren varias herramientas y una alta carga operativa.

Por ejemplo, la plataforma puede editar grandes cantidades de hojas de cálculo de forma segura, comparar miles de archivos entre diferentes versiones de un producto, crear diagramas de flujo automáticamente después de cada modificación o analizar procesos comerciales para detectar oportunidades que podrían perderse y sugerir acciones de seguimiento.

Te puede interesar: Huawei Cloud MaaS llega a Colombia con DeepSeek y GLM para reducir el costo de la IA

La compañía explica que el agente trabaja utilizando la información disponible dentro de Microsoft 365 y respeta los permisos que ya existen en cada organización, por lo que únicamente accede a los datos autorizados para cada usuario.

Los administradores también pueden controlar quién utiliza la herramienta, definir límites de consumo, recibir alertas sobre el uso y consultar reportes detallados por usuario, grupo o toda la organización.

Costos por consumo y varios modelos de IA

Copilot Cowork funcionará bajo un esquema de pago por uso denominado Créditos Copilot. El costo de cada tarea dependerá del modelo de inteligencia artificial empleado, la cantidad de información consultada, las herramientas utilizadas y el tiempo que tome completar el proceso.

Microsoft afirma que este sistema permitirá a las organizaciones monitorear el consumo y ajustar el gasto de acuerdo con sus necesidades.

Otra de las novedades es que Copilot Cowork incorpora una arquitectura multimodelo. En esta primera versión utiliza modelos de Anthropic, entre ellos Opus 4.8 y Sonnet 4.6. Los clientes del programa Frontier también pueden acceder a GPT 5.5 y, próximamente, Microsoft incorporará Cowork 1, un modelo propio optimizado para tareas empresariales de uso cotidiano.

Con este lanzamiento, Microsoft amplía el papel de la inteligencia artificial dentro de Microsoft 365. La apuesta ya no está centrada únicamente en ayudar a redactar documentos, resumir reuniones o responder consultas, sino en permitir que las empresas deleguen procesos completos a agentes de IA manteniendo los controles de seguridad, acceso y administración que ya utilizan en sus entornos de trabajo.

La propuesta está dirigida a empresas que quieren incorporar inteligencia artificial en procesos como atención al cliente, automatización de tareas, análisis documental o desarrollo de aplicaciones, pero que encuentran una barrera en el costo que representa poner en marcha este tipo de proyectos.

Durante la presentación, Mark Chen, CEO de Huawei Cloud para América Latina, explicó que el objetivo es permitir que las compañías utilicen modelos avanzados de IA sin preocuparse por administrar la infraestructura tecnológica que normalmente requieren.

“MaaS está diseñado para hacer que la inteligencia artificial avanzada sea más accesible para las empresas”, señaló el directivo.

Huawei apuesta por su infraestructura para marcar la diferencia

Aunque la plataforma integra modelos como DeepSeek V3.2 y GLM-5.1, Huawei sostiene que su principal fortaleza está detrás de ellos. La empresa asegura que opera una infraestructura propia que abarca desde los centros de datos hasta la plataforma desde la que se consumen los modelos de inteligencia artificial.

Según la compañía, esa integración permite que las empresas mantengan sus datos dentro del ecosistema de Huawei durante el procesamiento y evita depender de diferentes proveedores para ejecutar una misma aplicación.

Otro de los aspectos que Huawei destacó fue la ubicación de buena parte de su infraestructura de cómputo en China. La empresa explicó que el país dispone de una matriz energética diversificada, un factor que considera importante debido a la alta demanda de energía que requiere la inteligencia artificial generativa.

Te puede interesar: Microsoft quiere que los agentes de IA trabajen por ti ¿Cómo?

Huawei también aseguró que la diferencia horaria entre China y Colombia representa una ventaja para distribuir las cargas de procesamiento. Mientras las empresas latinoamericanas incrementan el uso de la plataforma durante el día, parte de los centros de datos en Asia ya terminaron sus horas de mayor actividad.

De acuerdo con la compañía, ese comportamiento permite utilizar capacidad de cómputo que se encuentra disponible, mantener una mayor continuidad del servicio y reducir el riesgo de congestión cuando aumenta la demanda en esta región. Huawei afirma que este modelo también ayuda a ofrecer tarifas más competitivas al aprovechar recursos que, de otra manera, permanecerían sin utilizar.

Modelos actualizados y pago solo por lo que se utiliza

La plataforma funciona mediante un esquema de pago por tokens. En la práctica, esto significa que las empresas no necesitan adquirir infraestructura propia antes de desarrollar un proyecto basado en inteligencia artificial, sino que pagan únicamente por la capacidad de procesamiento que consumen.

Huawei explicó que MaaS reúne distintos modelos de IA dentro de una misma plataforma y que incorpora nuevas versiones tan pronto son publicadas por sus desarrolladores. Esto permite cambiar de modelo sin modificar la arquitectura de las aplicaciones y evita depender de una única tecnología.

Te puede interesar: Claude Opus 4.8 llega con mayor control, menos errores y respuestas más confiables

Durante el lanzamiento, la compañía también presentó comparaciones de costos entre GLM-5.1 y otros modelos comerciales como GPT-5.4 y Claude Opus 4.6. Según Huawei, su propuesta ofrece un menor costo por millón de tokens y resultados competitivos en pruebas de programación y desarrollo de software. Estas cifras corresponden a datos presentados por la empresa durante el evento.

Con esta apuesta, Huawei busca trasladar la conversación sobre inteligencia artificial a un aspecto que suele pasar desapercibido: la infraestructura. Para la compañía, el éxito de la IA empresarial dependerá no solo de la capacidad de los modelos, sino también de factores como el costo de ejecutarlos, la disponibilidad de los centros de datos y la facilidad para integrarlos en las operaciones diarias de las empresas.

Durante años, buscar dentro de Facebook significó navegar entre publicaciones, páginas y grupos. Ahora la experiencia será distinta. Cuando una persona consulte un tema, la plataforma podrá generar respuestas utilizando la inteligencia artificial de Meta y tomando como referencia lo que otros usuarios han compartido públicamente en espacios como grupos, comentarios y reels.

La propuesta apunta a ofrecer algo diferente a los buscadores tradicionales. En lugar de mostrar únicamente enlaces para que el usuario investigue por su cuenta, la IA sintetiza experiencias, opiniones y recomendaciones que ya existen dentro del ecosistema de Facebook.

¿Qué cambia con el Modo IA de Facebook?

La principal novedad es que Facebook incorpora una nueva experiencia de búsqueda impulsada por Meta AI. El sistema analiza contenido público disponible en la plataforma para construir respuestas más cercanas a las experiencias reales de las personas.

Por ejemplo, si alguien busca recomendaciones de viaje, consejos para comprar un producto o experiencias sobre un servicio, la IA podrá reunir información compartida por otros usuarios y presentarla de forma resumida.

La estrategia refleja una tendencia que ya se observa en varias compañías tecnológicas: transformar los motores de búsqueda en asistentes capaces de interpretar preguntas complejas y generar respuestas conversacionales.

Meta también señala que esta función se integra directamente en las experiencias cotidianas de Facebook, lo que significa que los usuarios podrán acceder a ella mientras navegan por el feed o exploran contenido dentro de la aplicación.

La inteligencia artificial también llega a las fotos y videos

La segunda gran novedad está relacionada con la creación de contenido.

Facebook amplía las herramientas creativas impulsadas por IA para facilitar la edición de imágenes y videos sin necesidad de conocimientos avanzados. Entre las nuevas opciones aparecen plantillas automáticas para crear collages y efectos de transición que convierten fotografías almacenadas en la galería del teléfono en montajes listos para compartir.

La idea es aprovechar imágenes que normalmente quedan olvidadas entre cientos de archivos.

Te puede  interesar: Corte Constitucional ordena a Meta cambiar reglas de Instagram tras caso de Esperanza Gómez

Además, llegan nuevos ajustes visuales que permiten modificar elementos como ropa, peinados o accesorios mediante inteligencia artificial. Los aficionados al deporte también podrán añadir virtualmente camisetas de sus equipos favoritos en fotografías de perfil o historias.

Estas herramientas se encuentran integradas dentro de las opciones de edición de Facebook y buscan simplificar procesos que antes requerían aplicaciones externas o edición manual.

El nuevo desafío de Meta: convertir Facebook en un asistente personal

Más allá de las funciones específicas, el lanzamiento muestra una dirección clara para el futuro de la plataforma.

Facebook ya no quiere ser únicamente un lugar para compartir publicaciones. La red social busca convertirse en un espacio donde los usuarios puedan resolver dudas, descubrir información y producir contenido con ayuda de la inteligencia artificial.

La diferencia frente a otros asistentes es que gran parte del conocimiento utilizado proviene de la actividad de la propia comunidad. Eso podría generar respuestas más cercanas a experiencias reales, aunque también abre preguntas sobre cómo se selecciona y prioriza la información dentro de la plataforma.

Por ahora, Meta apuesta a que la combinación entre inteligencia artificial y contenido generado por usuarios haga más sencilla la experiencia diaria dentro de Facebook. La verdadera prueba llegará cuando millones de personas empiecen a utilizar estas herramientas y determinen si realmente ofrecen mejores respuestas que una búsqueda tradicional en internet.

Al final, la carrera por la IA ya no se libra únicamente entre modelos y algoritmos. También se juega en quién logra convertir las conversaciones de las personas en experiencias digitales más útiles y relevantes.

Más allá de nuevos modelos o infraestructura, el mensaje central fue otro: la próxima competencia tecnológica ya no será quién tiene acceso a la inteligencia artificial, sino quién logra convertirla en trabajadores digitales útiles para su organización.

Durante el evento, la compañía presentó nuevas plataformas, modelos y herramientas enfocadas en crear sistemas autónomos que entiendan el contexto empresarial y ejecuten tareas sin depender constantemente de instrucciones humanas.

La nueva apuesta: agentes que entienden cómo trabajas

Uno de los anuncios más llamativos fue Scout, un agente personal diseñado para entornos laborales. Según Microsoft, este sistema puede analizar cómo trabaja una persona dentro de herramientas como Teams u Outlook para preparar reuniones, resolver conflictos de agenda o asumir actividades repetitivas.

La propuesta gira alrededor de una nueva capa llamada Work IQ, que conecta correos electrónicos, documentos, reuniones, archivos corporativos y otras fuentes internas para entregar contexto a los agentes.

La compañía también presentó Web IQ, una tecnología que permite a estos sistemas consultar información web en tiempo real, y Foundry IQ, que combina datos internos y externos para enriquecer las respuestas.

La idea detrás de estas herramientas es sencilla: que los agentes no solo respondan preguntas, sino que comprendan cómo funciona una empresa y actúen dentro de ella.

Esto responde a uno de los mayores problemas actuales de la IA empresarial: muchos sistemas generan respuestas útiles, pero no conocen los procesos, reglas o información interna de las organizaciones.

De asistentes virtuales a trabajadores digitales

Microsoft también mostró que esta apuesta va mucho más allá del software conversacional.

La empresa presentó nuevos modelos propios, incluyendo MAI-Thinking-1, orientado a razonamiento y programación, además de herramientas para imágenes, voz y transcripción en múltiples idiomas.

Para desarrolladores, Build 2026 estuvo cargado de novedades: nuevas capacidades en Windows para ejecutar agentes localmente, entornos aislados para tareas automatizadas y herramientas para desplegar sistemas autónomos desde el computador hasta la nube.

Todo esto apunta hacia un mismo objetivo: que los agentes puedan operar con mayor autonomía, pero manteniendo controles de seguridad, permisos y supervisión empresarial.

El cambio podría alterar la forma en que se realizan tareas administrativas, desarrollo de software, análisis de información e investigación científica.

Microsoft incluso mostró cómo esta tecnología ya se está utilizando en investigación industrial, descubrimiento de medicamentos y desarrollo científico.

La carrera por la inteligencia artificial empezó con chatbots capaces de responder preguntas. Ahora, Microsoft apuesta a que el siguiente salto será crear sistemas que trabajen junto a las personas —o, en algunos casos, en lugar de ellas— dentro de las herramientas que ya usan todos los días.

En aquel momento, él y su socio identificaron algo que parecía simple, pues las empresas necesitaban entender la tecnología antes de adoptarla. Comenzaron enseñando marketing digital y analítica. Once años después, la conversación con sus clientes gira alrededor de una pregunta mucho más compleja, ¿qué ocurre cuando la inteligencia artificial entra a trabajar junto a las personas?

Hoy Aristizábal es cofundador y CEO de Geekboss, una consultora enfocada en transformación digital e inteligencia artificial. En conversación con ENTER.CO explicó cómo pasó de capacitar equipos en herramientas digitales a acompañar compañías que intentan reorganizarse alrededor de una tecnología que ya está modificando cargos, procesos y habilidades laborales.

La discusión sobre inteligencia artificial suele reducirse a una pregunta: ¿las máquinas reemplazarán a las personas? Para Aristizábal, esa conversación está dejando por fuera algo más importante: la relación entre tecnología y talento humano.

Te puede interesar: Comprar IA no garantiza resultados: estos son los errores que están cometiendo las empresas

“La tecnología tiene mucho poder, pero la magia todavía la estamos haciendo los seres humanos”, afirmó.

Su planteamiento parte de una idea sencilla, la inteligencia artificial puede acelerar procesos, analizar grandes cantidades de información y producir contenido, pero sigue necesitando personas capaces de interpretar contextos, entender emociones y tomar decisiones.

Ese cambio ya se siente en múltiples profesiones; hoy un comunicador puede producir piezas gráficas, un periodista puede apoyarse en herramientas para resumir entrevistas y una persona sin conocimientos técnicos puede construir parte de una página web utilizando asistentes inteligentes. Más que reemplazar funciones completas, la tecnología está expandiendo capacidades.

Del trabajo operativo al pensamiento estratégico

Durante años, las empresas usaron automatización para resolver tareas repetitivas. Programar procesos, organizar archivos, construir reportes o mover información eran parte de ese proceso. Con la llegada de la inteligencia artificial generativa, las posibilidades crecieron.

Ahora las compañías utilizan sistemas capaces de redactar documentos, generar campañas, resumir reuniones, procesar datos y proponer soluciones. Eso también cambia la manera como las organizaciones empiezan a medir el valor del trabajo humano.

“Nos van a pagar por pensar estratégicamente, por pensar creativamente y no por sentarnos a hacer cosas de cero”, aseguró Aristizábal durante la conversación.

Ese cambio ya impacta áreas como marketing, publicidad, comunicación y creación de contenido. Geekboss participó recientemente en la transformación de una agencia de publicidad colombiana que decidió revisar cada proceso para identificar qué actividades debían seguir haciendo las personas y cuáles podían apoyarse en inteligencia artificial.

Te puede interesar: Empresas colombianas aceleran automatización financiera ante incertidumbre electoral

La meta no era reducir equipos. La apuesta consistía en reorganizar funciones y liberar tiempo para actividades de mayor valor. Según explica Aristizábal, el resultado fue un aumento importante en productividad sin necesidad de despidos.

Eso también modifica cuáles habilidades empiezan a ganar relevancia. Para el CEO de Geekboss, competencias como pensamiento crítico, creatividad, empatía, liderazgo y comunicación tendrán cada vez más peso en un mercado donde las tareas operativas pueden automatizarse con mayor facilidad.

Incluso considera que colegios y universidades deberían dedicar más tiempo a enseñar capacidades humanas y pensamiento crítico. Saber preguntar, interpretar información y evaluar respuestas se está convirtiendo en una habilidad laboral tan importante como manejar herramientas digitales.

Los errores que están cometiendo las empresas con la inteligencia artificial

La rapidez con la que las organizaciones están adoptando inteligencia artificial también está generando errores frecuentes.

El primero ocurre cuando las empresas compran tecnología antes de entender qué problema intentan resolver. Muchas implementan plataformas o agentes virtuales porque sienten presión por innovar, pero después descubren que no saben dónde utilizarlos realmente.

Otro error frecuente aparece en servicio al cliente. Aunque muchas compañías intentan automatizar la atención, los usuarios siguen buscando interacción humana cuando enfrentan problemas complejos.

Después de participar en múltiples implementaciones de chatbots, Aristizábal identificó algo repetitivo: una de las palabras que más escriben las personas es “asesor”.

Te puede interesar: “La IA por sí sola no funciona”: AMD habla sobre el reto de las empresas en Colombia

“La mayoría de las veces las personas quieren sentirse escuchadas primero y después resolver el problema”, explicó.

También advierte sobre otro fenómeno: la obsesión por producir contenido masivamente. La inteligencia artificial facilita crear publicaciones, correos, imágenes y textos en minutos, pero esa facilidad está llenando internet de información repetitiva y mensajes similares.

Para Aristizábal, las marcas que se diferenciarán no serán necesariamente las que produzcan más contenido, sino las que logren conectar mejor con las personas.

La conversación también alcanza temas como polarización y desinformación. Herramientas de escucha digital permiten analizar conversaciones, identificar tendencias y detectar comportamientos sospechosos en redes sociales. Sin embargo, insiste en que ninguna tecnología reemplaza el criterio humano.

Por eso, mientras las máquinas aprenden a escribir, analizar datos y automatizar tareas, las empresas empiezan a descubrir algo inesperado: aquello que sigue siendo difícil de automatizar —la empatía, la creatividad y la capacidad de comprender a otras personas— podría convertirse precisamente en lo más valioso.

Esta desconexión queda en evidencia en el reciente estudio de IA de Slalom de 2026. Los datos revelan que el 75% de los directores de marketing priorizan el contenido generativo; y las experiencias personalizadas, pero apenas un 40% está actualizando sus métricas y procesos para reflejar verdaderamente estos resultados. La ambición por escalar choca con la falta de sistemas para medir si esa actividad aporta valor real al negocio.

Hoy en día, las plataformas de marketing no solo automatizan tareas, sino que crean tareas que antes se realizaban con mucho tiempo de anticipación. Por ejemplo, son capaces de reasignar presupuestos, generan contenido y lanzan campañas sin supervisión humana.

Sin embargo, cuando la medición está fragmentada, los sistemas suelen priorizar los números de alcance sobre la calidad del contenido. Esto puede convertir la personalización en una experiencia repetitiva y agotadora para el usuario final. Por ello, los expertos sostienen que el verdadero valor de la tecnología no está en interactuar constantemente, sino en saber cuándo hacerlo

Una estrategia verdaderamente inteligente no bombardea a un usuario inmediatamente después de ver un producto, sino que pausa y espera el momento más oportuno para enviar un único mensaje relevante. María Camila Quiñones, Delivery Director de Slalom, explica que dominar estas herramientas es un camino casi obligatorio: “Ya no es opcional, ya no es algo de quiero aprender de esto o no, ya no es algo que sea exclusivo de unos u otros roles dentro de la organización”.

Si las marcas no establecen límites a la sobrecarga digital, los consumidores terminarán haciéndolo. La inteligencia artificial ya comienza a convertirse en un intermediario del consumo. Herramientas y agentes personales filtran cada vez más mensajes comerciales antes de que estos lleguen a los usuarios.

Los riesgos del exceso de inteligencia artificial en marketing

Según Quiñones, el verdadero reto es saber navegar este trayecto corporativo. Las empresas deben evolucionar desde el uso de la IA como una herramienta básica de productividad hacia la exploración de nuevos usos, hasta el punto en el que “con la inteligencia artificial puedes llegar a hacer una disrupción de la industria”. En un entorno sobresaturado, alcanzar esa madurez exige que el juicio humano establezca límites claros sobre cuándo interactuar y cuándo no.

Durante esta nueva era, la ventaja competitiva no dependerá de quién implemente tecnología primero. Dependerá de quién combine la inteligencia artificial con criterio humano. Los expertos coinciden en que el reto no es comunicar más, sino saber cuándo hacerlo. Colombia, las empresas ya aceleran la adopción de estas herramientas en sectores como el marketing.

Finalmente, el futuro de la estrategia exigirá ganarse el acceso a los consumidores, algo que solo se logra con equipos altamente preparados. La clave está en “ser parte de ese ecosistema en el que tenemos la generación de talento interno, pero también trabajamos con los partners”. Al integrar estos recursos con redes de miles de consultores especializados en datos, las empresas podrán formar a su talento para que la tecnología vuelva a ser humana, ética e intencional.

Imagen: Brian J. Tromp / Unsplash