Noticias de IA

Google ha informado a los administradores educativos de que no pueden desactivar las funciones de IA generativa, como las visiones generales de IA (AI Overviews), y al mismo tiempo seguir utilizando la Búsqueda de Google en Google Workspace for Education. La empresa sostiene que la IA y la búsqueda están ahora profundamente integradas, lo que significa que las escuelas no pueden desactivar las funciones de IA sin perder el acceso a las herramientas de búsqueda. Educadores y defensores de la privacidad han expresado su preocupación por esta falta de control, citando el riesgo de que lleguen a los estudiantes respuestas alucinadas y contenidos no verificados. La medida subraya la estrategia más amplia de Google de hacer de la IA generativa un componente inevitable y permanente de su experiencia de búsqueda web principal.

La actualización de la política de la App Store de Apple, que exige una clasificación de edad de más de 18 años, tiene un impacto mínimo en las aplicaciones de citas convencionales, que ya aplican límites de edad para adultos, pero crea importantes obstáculos para las plataformas de compañeros de IA. Anteriormente, muchas aplicaciones de chatbots de IA funcionaban con clasificaciones de edad más bajas a pesar de ofrecer funciones de juego de rol románticas o explícitas. Según las nuevas directrices, los desarrolladores de aplicaciones de compañeros de IA deben adoptar clasificaciones de edad estrictas para adultos o restringir las funciones de conversación para adultos, lo que afecta directamente al crecimiento de sus usuarios, su alcance de audiencia y sus modelos de monetización.

Canva está llevando a cabo una importante reestructuración organizacional que podría afectar a más de 1000 empleados a medida que la plataforma de diseño realinea su plantilla global. Este cambio estratégico tiene como objetivo optimizar las operaciones y reasignar recursos hacia áreas de expansión de alta prioridad, especialmente ofertas empresariales y funciones de inteligencia artificial. Aunque algunos miembros del personal podrían enfrentarse a despidos o transiciones de rol, la empresa indica que la reorganización está destinada a posicionar a sus equipos de producto para un crecimiento escalable a largo plazo.

Un estudio global de Tata Consultancy Services (TCS) revela que el 84% de los líderes empresariales afirman haber obtenido ganancias de productividad gracias a la inteligencia artificial, pero solo el 10% permite que los agentes de IA operen con total autonomía. A pesar del creciente interés en la IA basada en agentes (agentic AI), las organizaciones siguen siendo cautelosas debido a las preocupaciones sobre la seguridad de los datos, la gobernanza y el riesgo operativo. En consecuencia, la mayoría de las empresas mantienen la supervisión humana para los procesos de toma de decisiones críticos y la ejecución de flujos de trabajo. Los hallazgos ilustran que, si bien las empresas reconocen ampliamente los beneficios de eficiencia de la IA, el despliegue de agentes autónomos a escala empresarial sigue siendo limitado hasta que las organizaciones establezcan una mayor confianza operativa y marcos de control sólidos.

Bengaluru lidera la India en talento de ingenieros desplegados en campo (Forward Deployed Engineer - FDE), representando el 34% de la fuerza laboral total de FDE del país. Delhi-NCR le sigue con un 20%, mientras que Hyderabad, Mumbai y Pune representan el 15%, 12% y 10% respectivamente. Impulsada por la rápida adopción empresarial de la inteligencia artificial y las soluciones de software personalizadas, la demanda de FDE —especialistas que conectan la ejecución técnica con los requisitos comerciales del cliente— ha aumentado significativamente. El puesto exige una combinación de experiencia en aprendizaje automático, arquitectura de sistemas, conocimiento del dominio y resolución directa de problemas de los clientes para implementar modelos funcionales de IA en entornos empresariales reales.

Preparar los datos empresariales para la inteligencia artificial requiere ir más allá de una limpieza básica para establecer un contexto semántico, una estructura y una gobernanza sólida. Aunque las organizaciones suelen centrarse en acumular grandes cantidades de información, los modelos de IA dependen de metadatos de alta calidad, un linaje de datos claro y una integración continua para generar resultados precisos y confiables, y evitar alucinaciones. Lograr una verdadera preparación para la IA exige prácticas robustas de gestión de datos, que incluyan accesibilidad en tiempo real, estrictos controles de seguridad e interoperabilidad entre departamentos. Al transformar datos brutos fragmentados en activos contextualizados y bien gobernados, las empresas pueden mitigar los riesgos de seguridad, garantizar el cumplimiento y liberar todo el potencial de sus iniciativas de IA.

Un nuevo estudio revela una creciente ansiedad entre los desarrolladores de software junior, quienes temen que la automatización mediante IA pueda perjudicar sus perspectivas profesionales a largo plazo y los puestos de nivel inicial tradicionales. A medida que las herramientas de codificación con IA automatizan tareas rutinarias como la corrección de errores y la generación básica de código, el conjunto de habilidades requeridas para los desarrolladores se está desplazando hacia la arquitectura de alto nivel, el diseño de sistemas y la supervisión de la IA. Mientras que los ingenieros experimentados reportan mejoras en la eficiencia gracias a la integración de la IA, a los trabajadores en el inicio de su carrera les preocupa que la menor demanda de tareas de codificación básicas limite las oportunidades de aprendizaje práctico y los puntos de entrada a la industria, obligando a los desarrolladores a adaptarse rápidamente a roles estratégicos y de supervisión.

A medida que las organizaciones despliegan agentes de IA autónomos para automatizar flujos de trabajo complejos, el volumen masivo de telemetría, registros de ejecución y datos de interacción máquina a máquina que generan está creando desafíos significativos en la gestión de datos. Las plataformas tradicionales de observabilidad y monitoreo de seguridad suelen cobrar según el volumen de ingestión de datos, lo que hace que el monitoreo continuo resulte económicamente prohibitivo para muchas empresas. Esta barrera económica corre el riesgo de crear puntos ciegos operativos y de seguridad críticos a medida que las acciones de los agentes no supervisados escapan al escrutinio. Para abordar esto, los equipos de TI de las empresas deben adoptar estrategias de canalización de datos más inteligentes, como el filtrado inteligente de registros y el procesamiento en el extremo (edge processing), para mantener la supervisión sin incurrir en costos insostenibles.

Un nuevo informe revela que los empleados que utilizan activamente herramientas de inteligencia artificial trabajan hasta 90 minutos adicionales al día, lo que cuestiona la suposición habitual de que la implementación de la IA ahorra tiempo automáticamente. En lugar de reducir las cargas de trabajo, la adopción de la IA suele conllevar un aumento de las expectativas de rendimiento, requiere tiempo adicional para auditar y editar el contenido generado por máquinas y genera costes administrativos adicionales. Los hallazgos enfatizan que las organizaciones deberían priorizar objetivos claros de productividad y la integración del flujo de trabajo en lugar de considerar las tasas de uso de la IA por sí solas como una métrica de éxito, advirtiendo que una adopción sin guía puede provocar el agotamiento de los empleados e ineficiencias ocultas.

Snowflake ha presentado Business Ontology y Cortex AI Gateway, dos nuevas funciones diseñadas para incorporar agentes de IA autónomos a las operaciones empresariales. Business Ontology estandariza los conceptos de datos empresariales, las métricas y las relaciones semánticas, proporcionando a los agentes de IA el contexto empresarial necesario para ejecutar solicitudes complejas con precisión. Por su parte, Cortex AI Gateway funciona como un punto de control centralizado para asegurar, enrutar, supervisar y gobernar el acceso a través de múltiples modelos de lenguaje de gran tamaño y flujos de trabajo de agentes. En conjunto, estas capacidades permiten a las organizaciones construir y desplegar agentes de IA gobernados directamente dentro de su infraestructura de datos existente, manteniendo estrictos controles de seguridad.

Amazon ha reducido el precio del MacBook Air M3 de 13 pulgadas de Apple en 200 dólares antes del Black Friday, dejando la configuración de entrada con 8 GB de RAM y 256 GB de almacenamiento SSD en 899 dólares. El portátil cuenta con el chip M3 de Apple, una pantalla Liquid Retina de 13,6 pulgadas y hasta 18 horas de duración de la batería. También admite las funciones de Apple Intelligence disponibles en macOS Sequoia, ofreciendo herramientas de escritura impulsadas por IA y automatización del sistema. Este descuento supone uno de los precios más bajos hasta la fecha para el portátil ligero de última generación de Apple.

La tecnología de gemelos digitales está rediseñando el diseño y la gestión de los centros de datos al permitir a los operadores crear réplicas virtuales que simulan la dinámica térmica, el flujo de aire y el consumo de energía en tiempo real. Impulsados por el aumento de la computación de alta densidad y las cargas de trabajo de inteligencia artificial, los operadores de centros de datos enfrentan una creciente presión para maximizar la eficiencia energética y cumplir con los objetivos de sostenibilidad. El modelado virtual permite a los ingenieros realizar pruebas de esfuerzo ante cambios de diseño, optimizar las estrategias de refrigeración y predecir fallos en los equipos antes de realizar modificaciones físicas, lo que en última instancia reduce los riesgos de interrupción, disminuye las emisiones de carbono y mejora la resiliencia operativa.

La transición hacia las telecomunicaciones 6G representa un esfuerzo complejo y a largo plazo que requiere resolver la asignación de espectro, asegurar inversiones de capital masivas y aprovechar al máximo el potencial comercial de la 5G. Los operadores de redes móviles están priorizando actualmente el despliegue de 5G-Advanced para generar un retorno de inversión a partir de la infraestructura existente antes de comprometerse con la 6G. Entre los principales obstáculos del sector se encuentran la armonización global del espectro (especialmente en el rango de banda media entre 7 GHz y 15 GHz) y la definición de casos de uso claros para capacidades avanzadas como las redes nativas de IA y la detección integrada. No se espera que las redes comerciales de 6G se lancen hasta alrededor de 2030.

La mini PC GMKtec EVO-X5 Pro ofrece un rendimiento impresionante al ejecutar modelos lingüísticos de gran tamaño (LLM) de forma local, impulsada por el procesador AMD Ryzen AI 9 HX 370 con gráficos integrados Radeon 890M. Aprovechando hasta 64 GB de memoria unificada LPDDR5X de alta velocidad, esta computadora de escritorio compacta puede asignar una cantidad sustancial de RAM como VRAM para ejecutar modelos de IA de manera eficiente sin necesidad de una tarjeta gráfica dedicada. Los resultados de las pruebas demuestran velocidades de inferencia fluidas para modelos de hasta 32 mil millones de parámetros. Combinada con una conectividad versátil que incluye expansión USB4 y OCuLink, el sistema proporciona una estación de trabajo de IA local accesible para desarrolladores y entusiastas de la tecnología.

La empresa de tecnología financiera Revolut redujo significativamente sus gastos de desarrollo de software al eliminar por completo Claude de Anthropic de sus flujos de trabajo de programación en favor de alternativas de IA de menor coste. Inicialmente cautelosa ante los altos gastos operativos de las principales herramientas de IA, la compañía evaluó el rendimiento en relación con el coste y cambió a opciones más económicas, incluidos modelos de código abierto como DeepSeek. Este cambio refleja una tendencia más amplia entre los equipos de ingeniería empresarial que buscan frenar los crecientes gastos en IA sustituyendo los costosos modelos lingüísticos grandes y propietarios por alternativas más baratas, manteniendo al mismo tiempo la productividad de los desarrolladores.