Consultoría Tecnológica en Madrid

Internet financial platform Circle Internet Group has received approval from the Office of the Comptroller of the Currency (OCC) to establish a national trust bank, the company said in a Friday (July 10) press release. The bank, First National Digital Currency Bank, N.A., will operate under the name Circle National Trust and will offer fiduciary The post Circle Secures National Trust Charter to Capture Digital Asset Custody Market appeared first on PYMNTS.com.

This is today’s edition of The Download, our weekday newsletter that provides a daily dose of what’s going on in the world of technology. Anthropic found a hidden space where Claude puzzles over concepts The AI firm Anthropic has got the clearest glimpse yet at what’s really going on inside large language models as they…

España ocupa la tercera posición mundial en detección de ciberamenazas, solo por detrás de Japón y Polonia L'articolo España, entre los tres países con más ciberamenazas detectadas del mundo proviene da Computing.

La soberanía no depende solo de la ubicación de los datos; sin control sobre el acceso, existe residencia de datos, pero no una soberanía plena capaz de proteger eficazmente a la organización L'articolo Por qué la soberanía digital se está volviendo esencial en un mundo frágil proviene da Computing.

Meta ha presentado Muse Spark 1.1, un modelo de IA de vanguardia que compite con los principales grandes modelos de lenguaje (LLM) en pruebas de programación, uso de ordenadores e IA agentiva, pero, según subrayan desde la compañía, se comercializa a precios de API más bajos que OpenAI y Anthropic, lo que podría reducir el coste de implementar agentes de IA en las empresas. El último modelo, del que se adelantaron detalles hace unos días, ha igualado o incluso superado a modelos líderes, como Claude Opus 4.8, Gemini 3.1 Pro y GPT 5.5, en varias pruebas de rendimiento de IA agentiva, programación y uso de ordenadores, entre las que se incluyen SWE-bench Verified, Terminal-bench, BrowseComp, SpreadsheetBench y OSWorld, según escribe el equipo de Meta en una entrada de blog. Muse Spark 1.1, que actualmente se encuentra en fase de vista previa pública y está disponible a través de la API de Meta Model, costará 1,25 dólares por cada millón de tokens de entrada y 4,25 dólares por cada millón de tokens de salida, indican desde la empresa. A modo de comparación, OpenAI cobra 5 dólares por cada millón de tokens de entrada y 30 dólares por cada millón de tokens de salida por GPT-5.5, mientras que Anthropic cobra 5 y 25 dólares, respectivamente, por Claude Opus 4.8. Por su parte, Gemini 3.1 Pro de Google tiene un precio de 2 dólares por cada millón de tokens de entrada y 12 dólares por cada millón de tokens de salida. Los precios más bajos pueden abrir puertas, no cerrar acuerdos Esa enorme diferencia en los precios de las API, según Pareekh Jain, analista principal de Pareekh Consulting, es suficiente para atraer la atención de los directores de sistemas de información (CIO), al menos para proyectos piloto, en un momento en el que las empresas están tratando de ampliar las implementaciones de agentes: “El precio importa porque los costes de inferencia aumentan rápidamente cuando miles de agentes están trabajando de forma continua”. “Los tokens de salida suelen ser el mayor gasto de los modelos en los agentes de programación, atención al cliente y automatización de procesos. El precio de salida de Muse Spark es aproximadamente un 86% inferior al de GPT-5.5 y más de un 90% inferior al de Claude Opus 4.8″, afirma el experto. Sin embargo, Muskan Bandta, especialista en la nube de la empresa de servicios FinOps ZopDev, señala que el precio no es garantía de adopción, a pesar de que es probable que la mayoría de las empresas implementen Muse Spark 1.1 en nuevos proyectos. “El coste solo se convierte en el principal factor diferenciador una vez que el modelo se considera lo suficientemente bueno. Los desarrolladores no eligen el modelo más barato; eligen el modelo más barato que cumple con sus requisitos de calidad. Por lo tanto, el precio es la razón por la que la gente se interesa, pero la capacidad es la razón por la que se quedan”, dice. Además, es probable que los CIO también hagan más hincapié en la seguridad del modelo, la protección de datos, el tiempo de actividad, los registros de auditoría, la disponibilidad regional, el soporte técnico y el comportamiento predecible, en lugar de limitarse únicamente al precio, según Jain. Esa distinción, añade Bandta, refleja un patrón habitual en la compra de tecnología empresarial: “Es la misma lección que aprendimos con la nube, donde el proveedor más barato sobre el papel rara vez se hacía con la mayor cuota de mercado empresarial. El precio es solo uno de los factores que influyen en el coste total de propiedad —que incluye el riesgo, el control y el coste de cambio—; no es el único factor que determina la decisión”. Aun así, los precios más bajos podrían cambiar el equilibrio de poder en las adquisiciones empresariales, apunta Jain: “Esto podría ayudar a los CIO a negociar mayores descuentos por volumen, acuerdos de uso comprometido y mejores precios con OpenAI, Anthropic y los proveedores de servicios en la nube. También refuerza los argumentos a favor de las adquisiciones multimodelo, en lugar de depender de un único proveedor”. “Las empresas que ni siquiera adopten Muse Spark también pueden utilizar su precio como prueba de que la inferencia de vanguardia se está abaratando”, añade Jain. Los precios de Meta podrían redefinir la competencia entre rivales Los analistas consideran que el nuevo modelo de Meta podría intensificar la competencia en el mercado de los modelos de vanguardia al obligar a los rivales a competir en términos de rentabilidad de la inferencia y tamaños de los modelos. “Es un auténtico aviso, y espero que OpenAI y Anthropic respondan en dos frentes. En parte se tratará de precios, niveles más económicos y mejores tarifas de almacenamiento en caché y por lotes, porque Meta acaba de redefinir lo que el mercado considera que debería costar un token de vanguardia”, indica Bandta. “Pero los operadores tradicionales no ganarán la carrera con ofertas más baratas y modelos de precios más flexibles. Espero que se centren más en aquellos aspectos que el precio no puede comprar —gobernanza, seguridad, fiabilidad y soporte empresarial— para justificar unos precios más elevados”, añadió Bandta, comparando este cambio con las “primeras etapas” de una guerra de precios que el sector vivió con la expansión de la nube. “La guerra de precios en la infraestructura en la nube demostró que, aunque los precios bajaron con el tiempo, los proveedores acabaron diferenciándose a través de las capacidades de sus plataformas, más que solo por el coste”, añade. Por el contrario, Amit Jena, responsable de IA en la consultora de TI Kanerika, afirma que era poco probable que se produjera una guerra de precios al estilo de la infraestructura en la nube: “Los modelos pioneros requieren una gran inversión de capital; los márgenes ya son estrechos. Los proveedores no pueden mantener una revisión agresiva de los precios sin sacrificar la calidad”. Más bien, Jena prevé que Meta suba los precios poco después del lanzamiento: “La historia sugiere lo que ocurrirá a continuación: precios de entrada agresivos, seguidos de un reajuste de precios una vez que la cuota de mercado se consolide. Basta con observar la evolución de los precios de la plataforma publicitaria de Meta y de la nube en todo el sector. Si ese patrón se repite, los precios podrían subir entre un 30% y un 50% en un plazo de 18 a 24 meses”. Por ahora, Meta ofrece a los desarrolladores 20 dólares en créditos de API gratuitos para probar Muse Spark 1.1.

Durante décadas, la promesa del reconocimiento de voz ha sido siempre la misma: permitir a los usuarios trabajar más rápido hablando que escribiendo. Sin embargo, pese a sucesivas oleadas de innovación tecnológica, el teclado ha mantenido su reinado indiscutible en el entorno profesional. La irrupción de los modelos de lenguaje de gran tamaño (LLM) podría estar cambiando esa ecuación. A medida que los trabajadores del conocimiento pasan cada vez más horas interactuando con asistentes de inteligencia artificial, la propia dinámica de escribir instrucciones, preguntas y solicitudes empieza a convertirse en un cuello de botella. Es una realidad que Chris Patalano, CTO de Thumbtack, detectó en su propia organización. Y lo explica así:  “Ya sea para programar, redactar un documento o pensar en estrategia, acabas pasando el día escribiendo y escribiendo”. Con ese problema en mente, Patalano y otros directivos comenzaron el pasado año a experimentar con una nueva generación de herramientas de dictado basadas en IA desarrolladas por compañías como Wispr, Willow Voice, Superwhisper o Monologue. Lo que inicialmente parecía un experimento terminó convirtiéndose en una práctica habitual dentro de la empresa. Tras una prueba piloto, Thumbtack amplió el uso de Wispr Flow a más de 200 profesionales de tecnología e ingeniería, que emplean la herramienta para interactuar con asistentes de IA, redactar mensajes en Slack o desarrollar tareas técnicas. Según Patalano, “se está convirtiendo en la interfaz principal que utilizo para trabajar con herramientas de IA. Es mucho más eficiente que tener que escribirlo todo”. De la transcripción a la creación de contenido El reconocimiento de voz no es una tecnología nueva. Los primeros sistemas experimentales surgieron en los años cincuenta y los primeros productos comerciales llegaron durante las décadas siguientes. Soluciones como Dragon Dictate alcanzaron cierta popularidad durante los noventa, especialmente entre profesionales acostumbrados a trabajar mediante dictado, como médicos o abogados. Sin embargo, aquellas herramientas tenían limitaciones importantes. Los sistemas transcribían literalmente todo lo que escuchaban, incluyendo pausas, repeticiones, dudas o expresiones innecesarias. El resultado era que gran parte del tiempo ahorrado durante el dictado se perdía posteriormente corrigiendo textos. “Se equivocaban constantemente y además escribían absolutamente todo lo que decías, incluso cuando no querías que quedara reflejado”, explica Benjamin Cowan, profesor de la School of Information and Communication Studies del University College Dublin. La gran diferencia de la nueva generación de herramientas reside precisamente en esa capacidad de edición inteligente. En lugar de limitarse a transcribir, utilizan modelos de lenguaje para interpretar la intención del usuario, eliminar muletillas y reformular automáticamente las frases para producir textos limpios y estructurados prácticamente en tiempo real. Según Maria Bell, analista sénior de CCS Insight , “estas soluciones son mucho más contextuales. Entienden lo que intentas decir, ayudan a organizar las ideas y pueden reescribir mientras hablas. Funcionan más como asistentes de escritura que como simples herramientas de dictado”. Impulsadas por la fiebre de la IA La aparición de estas plataformas ha despertado el interés de inversores y grandes empresas tecnológicas. Wispr se ha convertido en uno de los actores más destacados del segmento tras captar decenas de millones de dólares de financiación. Otras compañías emergentes como Willow Voice también han obtenido respaldo financiero para acelerar su crecimiento. Paralelamente, los grandes proveedores tecnológicos están incorporando capacidades similares a sus propios ecosistemas. Apple ha anunciado funciones avanzadas de dictado impulsadas por IA para Siri, mientras que Google trabaja en nuevas capacidades de voz para Android y otras aplicaciones. El movimiento recuerda a lo ocurrido con otras tecnologías de productividad impulsadas por IA: las startups abren el camino, pero los grandes actores del mercado cuentan con la capacidad de integrar estas funciones de manera nativa en sus plataformas. Más velocidad para una plantilla cada vez más saturada El principal argumento comercial de estas herramientas es sencillo: hablar es mucho más rápido que escribir. Mientras que un trabajador de oficina suele teclear entre 40 y 70 palabras por minuto, una conversación normal oscila entre 160 y 180 palabras por minuto. La diferencia resulta especialmente atractiva en un contexto donde la carga comunicativa no deja de crecer. Correos electrónicos, chats corporativos, documentación, reuniones, informes y solicitudes a herramientas de IA forman parte de la rutina diaria de millones de profesionales. “Los empleados están saturados de trabajo relacionado con la comunicación”, señala Bell. Y añade: “Dedican enormes cantidades de tiempo a escribir correos, mensajes y consultas a sistemas de IA generativa. Las herramientas de voz resultan atractivas porque reducen la fricción de todas esas tareas”. El potencial va más allá de la productividad individual. Según Cowan, estas aplicaciones pueden facilitar desde la elaboración de listas de tareas hasta la redacción de documentos complejos o la gestión de comunicaciones internas. Además, representan una mejora significativa en términos de accesibilidad para personas que encuentran dificultades para escribir. Las barreras que todavía frenan la adopción Pese a sus ventajas, la adopción masiva de estas herramientas está lejos de estar garantizada. La principal barrera no es tecnológica, sino cultural. Hablar continuamente con un ordenador en una oficina abierta sigue generando incomodidad para muchos usuarios. “Algunas personas se sienten incómodas o avergonzadas. Les preocupa molestar a sus compañeros o interrumpir el entorno de trabajo”, explica Bell. En opinión de esta analista, la tecnología ya está preparada, pero las normas sociales y la cultura corporativa todavía no han evolucionado al mismo ritmo. Las compañías con modelos de trabajo remoto tienen más facilidad para superar este obstáculo. Aun así, incluso quienes trabajan desde casa necesitan un periodo de adaptación. Patalano reconoce que acostumbrarse a verbalizar instrucciones delante del ordenador no resulta natural al principio, aunque con el tiempo termina integrándose en la rutina diaria. La precisión sigue siendo clave Como ocurre con cualquier tecnología basada en IA, la confianza es esencial para impulsar la adopción. Aunque los proveedores aseguran niveles elevados de precisión, los expertos advierten de que los errores siguen existiendo. En sectores especialmente regulados, como sanidad, servicios financieros o administración pública, cualquier texto generado mediante IA requiere procesos adicionales de revisión y validación. Por eso Cowan advierte de que “todavía pueden interpretar mal lo que se ha dicho”. La realidad es que basta con unos pocos errores para que muchos usuarios abandonen una herramienta. “Hay muchos casos de uso donde aporta valor, pero tienes que confiar en ella”, señala Jon Arnold, analista de J Arnold & Associates, quien apostilla: “Si no genera exactamente lo que esperas, acabarás ajustándola o volverás al teclado”. Privacidad y gobierno de datos: las preguntas que inquietan a los CIO Más allá de la precisión, la privacidad se perfila como otro de los grandes factores que determinarán la adopción empresarial. Algunas soluciones procesan la voz directamente en el dispositivo, mientras que otras envían la información a la nube para su análisis. La diferencia es especialmente relevante para organizaciones sujetas a requisitos estrictos de cumplimiento normativo y protección de datos. “¿Dónde se procesa la información de voz? ¿Dónde se almacena? ¿Quién puede acceder a ella?”, plantea Bell. A su juicio, “las empresas están extremadamente centradas en cuestiones de gobierno, seguridad y privacidad de los datos”. Para los CIO, el auge de estas plataformas añade una nueva variable a las estrategias de gobierno de la IA: la gestión de datos de voz corporativos, un activo que puede contener información sensible, propiedad intelectual o datos personales. ¿El principio del fin del teclado? La gran incógnita es si los profesionales terminarán sustituyendo el teclado por la voz de forma generalizada. Los expertos creen que todavía es pronto para afirmar que se producirá un cambio radical. La familiaridad creciente con asistentes virtuales, altavoces inteligentes y aplicaciones conversacionales favorece una mayor aceptación de las interfaces de voz, pero modificar comportamientos profundamente arraigados nunca resulta sencillo. Para Bell, “hace cinco años la interacción por voz parecía algo de nicho. Hoy ya no tanto. La tecnología mejora muy rápido, pero el verdadero reto será cambiar los hábitos humanos”. Su previsión es que la voz se consolide como una interfaz complementaria, no sustitutiva. Una visión que comparte el propio Patalano. A su juicio, siempre existirán situaciones en las que cada palabra importe y donde la escritura tradicional siga ofreciendo mayor control, tanto en la creación de contenido como en el desarrollo de software. Sin embargo, también cree que la mejora continua de los modelos de IA hará que cada vez más tareas cotidianas migren hacia la interacción por voz. Y ahí es donde muchos CIO empiezan a prestar atención: si la IA generativa está redefiniendo cómo trabajan los profesionales, la próxima batalla podría no estar en el modelo, sino en la interfaz desde la que nos relacionamos con él.

OpenAI está perfeccionando su estrategia de IA para empresas con el lanzamiento de ChatGPT Work, una nueva plataforma autónoma diseñada para automatizar tareas en el lugar de trabajo, junto con el despliegue generalizado de sus modelos GPT-5.6, que, según la empresa, ofrecen un mayor rendimiento con menores costes operativos. Según la empresa, ChatGPT Work puede operar en diversas aplicaciones y archivos, ejecutar tareas de larga duración, coordinar múltiples herramientas y generar documentos empresariales, presentaciones, hojas de cálculo y páginas web, lo que permite a los empleados delegar flujos de trabajo más complejos en lugar de interactuar mediante comandos individuales. Los modelos GPT-5.6, disponibles de forma generalizada semanas después de una fase de prueba limitada —tras las restricciones impuestas por el Gobierno de EE. UU. a su implantación generalizada debido a preocupaciones sobre sus capacidades avanzadas en ciberseguridad y biología—, pueden ofrecer un mayor rendimiento en programación, trabajo de conocimiento empresarial, ciberseguridad e investigación científica, al tiempo que reducen los costes de inferencia y el consumo de tokens, según explican desde OpenAI. Este lanzamiento marca un cambio en la estrategia empresarial de OpenAI. En lugar de hacer hincapié únicamente en el liderazgo en las pruebas de rendimiento, la empresa está promocionando el GPT-5.6 centrándose en el rendimiento por dólar, argumentando que las empresas que implementan la IA a gran escala se preocupan cada vez más por los costes operativos tanto como por la capacidad bruta del modelo. “Hemos entrenado GPT-5.6 para obtener un trabajo más útil de cada token“, declara OpenAI en un comunicado. “El resultado es un mayor rendimiento por dólar: más trabajo satisfactorio por el mismo gasto, o resultados comparables a un coste total menor”. Los modelos ya están disponibles de forma generalizada a través de ChatGPT, Codex y la API de OpenAI. OpenAI ha fijado el precio de Sol en 5 dólares por millón de tokens de entrada y 30 dólares por millón de tokens de salida, mientras que Terra y Luna ofrecen opciones cada vez más económicas para las organizaciones que amplían sus implementaciones de IA, añade el comunicado. La IA empresarial pasa de la experimentación a la rentabilidad ChatGPT Work combina GPT-5.6 con integraciones empresariales y capacidades de agencia que permiten a los usuarios realizar tareas de varios pasos en aplicaciones empresariales conectadas, en lugar de interactuar con la IA a través de indicaciones aisladas. OpenAI ha señalado que la plataforma está diseñada para ayudar a las organizaciones a automatizar el trabajo intelectual, al tiempo que se mantiene un nivel de gobernanza y seguridad de grado empresarial. El lanzamiento se produce en un momento en que las empresas van más allá de la experimentación con la IA y comienzan a implementar modelos en cargas de trabajo de producción, lo que convierte los costes de inferencia en una preocupación creciente para los directores de sistemas de información (CIO). “La ola de la IA ha traído consigo aumentos de productividad, pero el creciente consumo de tokens también ha provocado facturas desorbitadas para las empresas”, afirma Neil Shah, vicepresidente de investigación y socio de Counterpoint Research. “Esto está obligando a las organizaciones a adoptar diferentes modelos para diferentes cargas de trabajo, lo que convierte el rendimiento por dólar en la métrica clave”. Faisal Kawoosa, cofundador y analista jefe de Techarc, agrega que las empresas están evaluando ahora las inversiones en IA de forma más pragmática. “La fase exploratoria de la IA ha terminado. Las organizaciones pueden obtener valor de la IA hoy en día, pero el rendimiento por dólar determinará si pasa a formar parte de las operaciones empresariales cotidianas o si sigue siendo una herramienta puntual”. Modelos por niveles para diferentes cargas de trabajo GPT-5.6 Sol es el modelo insignia de OpenAI para el razonamiento complejo, Terra se dirige a las aplicaciones empresariales convencionales y Luna está diseñado para implementaciones de bajo coste y gran volumen. Según OpenAI, GPT-5.6 Sol obtuvo una puntuación de 53,6 en el ‘Agents’ Last Exam’, un banco de pruebas para flujos de trabajo profesionales de larga duración, superando a los modelos de vanguardia de la competencia y requiriendo unos costes de computación significativamente menores. La empresa también ha presentado dos nuevos modos de razonamiento. El modo ‘max’ asigna recursos de computación adicionales a los problemas complejos, mientras que el modo «ultra» coordina cuatro agentes de IA en paralelo para acelerar los flujos de trabajo exigentes. “El modo ‘Ultra’ va más allá al coordinar cuatro agentes en paralelo de forma predeterminada, sacrificando un mayor uso de tokens a cambio de resultados más sólidos y una obtención más rápida de los resultados en tareas exigentes”, añade el comunicado. Shah señala que la arquitectura refleja cómo las empresas están coordinando cada vez más múltiples modelos de IA. “GPT-5.6 ofrece a los arquitectos empresariales la flexibilidad de dirigir las cargas de trabajo de Luna a Sol en función de si requieren automatización, lógica o razonamiento complejo”, dice. Kawoosa añade que este enfoque por niveles se ajusta a la forma en que se ha consumido tradicionalmente el software empresarial. “Ofrece a las empresas de distintos tamaños la flexibilidad necesaria para optimizar el consumo de tecnología en función de sus necesidades”. Mejoras en programación, productividad y seguridad Según OpenAI, GPT-5.6 Sol alcanzó una puntuación de 80 en el Índice de Agentes de Codificación de Análisis Artificial (AACA), además de consumir menos de la mitad de los tokens de salida que los modelos de la competencia. También informa sobre otros resultados relevantes en Terminal-Bench 2.1 y DeepSWE, pruebas de rendimiento que miden tareas de ingeniería de software del mundo real. La empresa señala que los modelos también mejoran la productividad empresarial gracias a unas capacidades de generación de documentos más sólidas y a las integraciones con Microsoft 365, Google Drive, Slack y Notion. En materia de ciberseguridad, GPT-5.6 Sol obtuvo una puntuación del 73,5% en ExploitBench, frente al 47,9% de GPT-5.5, y casi duplicó el rendimiento de su predecesor en ExploitGym. “GPT-5.6 da soporte a importantes tareas defensivas, como la revisión segura de código, la aplicación de parches, el modelado de amenazas y el trabajo en equipo azul”, indican desde la compañía. La seguridad sigue siendo una prioridad para las empresas GPT-5.6 incorpora las “medidas de seguridad más sólidas hasta la fecha” de la compañía, dicen desde OpenAI, combinando protecciones a nivel de modelo con supervisión en tiempo real y exhaustivas pruebas de seguridad, incluidas aproximadamente 700.000 horas de GPU dedicadas a evaluaciones automatizadas de ‘team red’. Shah señala que las medidas de protección por capas y la supervisión podrían convertirse en un importante factor diferenciador para las implementaciones empresariales. Kawoosa, sin embargo, cree que los CIO seguirán exigiendo una mayor transparencia antes de confiar plenamente en los sistemas de IA de vanguardia. “La competencia entre los proveedores de modelos de lenguaje a gran escala (LLM) continuará y los proveedores se someterán constantemente a pruebas y se pondrán a prueba mutuamente sus medidas de seguridad”, indica.

La Comisión Europea ha presentado un Plan de Acción para abordar los riesgos y aprovechar las oportunidades que ofrecen los modelos avanzados de inteligencia artificial (IA) en el ámbito de la ciberseguridad. La iniciativa reunirá a los Estados miembros, la industria y las organizaciones de la UE con el objetivo de reforzar la protección del entorno digital frente a las nuevas vulnerabilidades asociadas a la IA avanzada. La presentación del plan se produce en un contexto en el que modelos avanzados como Mythos han despertado el interés de gobiernos y grandes organizaciones por su capacidad para detectar vulnerabilidades en sistemas e infraestructuras. Aunque estas herramientas ofrecen un importante potencial para reforzar la defensa frente a ciberataques, también generan preocupación por el posible uso malicioso de dichas capacidades por parte de actores maliciosos. Con el objetivo de aprovechar estas capacidades, la Comisión Europea ha impulsado un Plan de Acción que contempla la creación de una plataforma segura para probar aplicaciones de inteligencia artificial en el ámbito de la ciberseguridad. La iniciativa contará con la participación de los Estados miembros, la industria y las organizaciones europeas. El plan, que contará con la colaboración de la Agencia de la Unión Europea para la Ciberseguridad (ENISA), permitirá a organizaciones europeas, tanto públicas como privadas, acceder a modelos avanzados de IA. Además, promoverá el uso de entornos simulados para proporcionar conocimientos técnicos sobre el uso seguro de estas tecnologías a operadores de sectores críticos como el financiero, el energético, el sanitario, el transporte y la administración pública. En palabras de Henna Virkkunen, vicepresidenta ejecutiva para la Soberanía Tecnológica, la Seguridad y la Democracia, “la IA está transformando el significado de la ciberseguridad y debemos mantener el ritmo”. Asimismo, ha defendido la necesidad de “aprovechar y centrar los recursos, las redes y el marco jurídico existentes para fortalecer la ciberseguridad que protege nuestro panorama digital”. Además, la Comisión Europea pondrá en marcha una capacidad europea para la evaluación de modelos avanzados de IA con aplicaciones en ciberseguridad, cuya entrada en funcionamiento está prevista para 2027. Esta iniciativa contribuirá a reforzar la evaluación independiente de las capacidades y los riesgos de la IA a escala global. Asimismo, la Comisión Europea impulsará una convocatoria destinada a reunir a empresas, investigadores y organizaciones para desarrollar nuevas capacidades y soluciones de inteligencia artificial orientadas a reforzar la ciberseguridad europea.

Ties van der Meer doesn’t know how many siblings he has. The 47-year-old was conceived at a private fertility clinic in the Netherlands using sperm provided by an anonymous donor. After the Netherlands banned anonymous donation in 2004, the doctor who ran the clinic destroyed records that might have identified those donors, he says. He…

Accenture ha confirmado de manera oficial que ha sufrido un ciberataque, si bien ha minimizado la gravedad de la situación. Fuentes de Accenture España han confirmado a COMPUTERWORLD que “se ha tratado de un incidente aislado y se subsanó su causa a tiempo. No ha habido impacto en las operaciones ni en la prestación de servicios de Accenture”.  Según ha podido conocer COMPUTERWORLD, un hacker que se hace llamar 888 logró hacerse con más de 35 gigabytes de datos, entre ellos código fuente, claves de cifrado y archivos de configuración. El hacker en cuestión ha puesto ahora los archivos robados a la venta en la parte oscura de la web, informa Bleeping Computer.

VASS acompaña la transformación digital inteligente del sector público desde la estrategia hasta la operación L'articolo Administración Pública: hacia la transformación digital inteligente proviene da Computing.

Si una mira 2026 desde la empresa, la conversación dominante sigue siendo táctica. La inmensa mayoría de compañías no está en la carrera por desarrollar la frontera del modelo. Están en una fase más pragmática, en entender en qué procesos la IA aporta eficiencia, qué costes reduce, qué decisiones mejora y dónde deja de ser una prueba llamativa para convertirse en una capacidad operativa. Pero si levantamos la vista, descubrimos que los gigantes tecnológicos ya no están compitiendo solo por vender mejores asistentes. Están compitiendo por construir la base material de una Inteligencia Artificial General (AGI). La IA generativa produce contenido. La agentiva ejecuta tareas con herramientas y cierto grado de autonomía. La IA general promete resolver problemas de nivel humano a través de dominios distintos, transferir conocimiento, navegar interfaces, sostener razonamiento durante horas o días y, llegado el caso, operar sobre sistemas físicos. Algunos la asocian con capacidades comparables o superiores a las de un Nobel en múltiples disciplinas. Y, aun así, la realidad de 2026 sigue siendo irregular. Varios informes recientes describen una jagged frontier. El mejor modelo puede rozar medallas de oro en matemáticas y, aun así, fallar en tareas que para una persona son triviales, como interpretar un reloj analógico. La realidad es que a día de hoy estamos cerca de sistemas muy poderosos, pero no tanto de una inteligencia con la amplitud, la continuidad y la capacidad de transferencia que exigiría una AGI. Es, en cualquier caso, un paso previo. Por eso, para quienes quieran entenderlo bien, es necesario atravesar la niebla del marketing y fijarnos más en los síntomas de madurez. Sam Altman, CEO de OpenAI, habla de “huge amounts of AI infrastructure”, de abaratar drásticamente el coste del cómputo y de distribuir una IA avanzada de forma amplia y estable, en otras palabras, de inteligencia como capacidad industrial. Ahí se percibe el cambio de fase. La AGI no llegará repentinamente, lo hará como el resultado de muchas capas que empiezan a encajar a la vez: modelos más capaces, cómputo más barato, centros de datos preparados para cargas extremas, sistemas de control más sofisticados y una ambición que ya se mide en gigavatios tanto como en parámetros, con todo lo que eso implica en términos de sostenibilidad. OpenAI sostiene que el cómputo es el insumo crítico de la IA avanzada y que ya ha superado en 2026 su hito inicial de 10 GW de infraestructura de IA para 2029. Sundar Pichai, CEO de Google, defiende un enfoque de pila completa, desde silicio personalizado hasta productos para miles de millones de usuarios. Y el CEO de Microsoft, Satya Nadella, por su parte, ha movido el relato desde el modelo al ecosistema: Compute fabric, contexto, runtime, seguridad. Anthropic merece una atención especial porque está verbalizando lo que otros insinúan. El CEO de la firma, Dario Amodei, pone una ventana concreta entre finales de 2026 e inicios de 2027 para esos “sistemas muy poderosos”. Y Mythos, como prueba temprana, explica por qué ese horizonte no puede leerse como el de un chatbot más brillante. Mythos no fue un producto abierto al público, sino una señal de aviso. Anthropic lo desplegó dentro de Project Glasswing, un entorno restringido que pasó de un grupo inicial de socios a unas 150 organizaciones en más de 15 países. Allí, el modelo habría contribuido a detectar más de 10.000 vulnerabilidades de gravedad alta o crítica. Pero lo relevante no es solo la cifra, sino lo que ocurrió después: cuando el Gobierno de Estados Unidos interpretó que estas capacidades podían convertirse en un riesgo de seguridad nacional, Anthropic acabó cerrando el acceso tanto a Mythos como a Fable 5, la versión más acotada que había lanzado como respuesta. Fable 5 ha vuelto a estar disponible de forma general, mientras que Mythos 5 permanece restringido a organizaciones seleccionadas. La historia de ambos anticipa la tensión que marcará la próxima fase de la IA: cuanto más útil sea un modelo para defender sistemas críticos, más útil puede ser también para atacarlos. La geopolítica también se ha vuelto más nítida. Estados Unidos conserva ventajas durísimas. El AI Index de Standford cifra en 5.427 sus data centers, más de diez veces el siguiente país, y en 285.900 millones de dólares su inversión privada en IA durante 2025. Pero China ya no juega a distancia. Stanford constata que la brecha de rendimiento entre modelos estadounidenses y chinos prácticamente se ha cerrado, con solo un 2,7% de diferencia en marzo de 2026. La World Intellectual Property Organization (WIPO) sitúa a China cerca del 70% de las familias de patentes globales en IA generativa entre 2014 y 2023. Y, en robótica industrial, China concentró el 54% de las instalaciones mundiales en 2024. Europa está reaccionando con fábricas de IA, gigafactorías de más de 100.000 procesadores y un calendario regulatorio ya operativo con el AI Act. Aun así, la producción real de modelos de frontera sigue concentrada en Estados Unidos y China. El otro gran límite es la electricidad. La International Energy Agency (IEA) proyecta que el consumo eléctrico de los data centers pasará de unos 415 TWh en 2024 a cerca de 945 TWh en 2030, con Estados Unidos y China concentrando casi el 80% del crecimiento. Aproximadamente la mitad de ese aumento podría cubrirse con renovables, pero la otra mitad seguirá dependiendo de una mezcla en la que pesan el gas y otras fuentes capaces de sostener demanda continua. En este sentido, la vuelta de la nuclear es real como apuesta industrial. De hecho, el Departamento de Energía de EE. UU. ha puesto en marcha en 2026 sus primeras pruebas de microrreactores. Lo más interesante de 2026 es que la carrera empieza a parecerse menos a una sucesión de demos y más a la construcción de capacidades transferibles. La frontera se sitúa en sistemas que razonan durante más tiempo, operan en entornos sensibles, escalan a millones de usuarios, consumen cantidades inéditas de energía, descubren fallos críticos y obligan a pensar en soberanía industrial. 2026 no será recordado como el año de la AGI. Puede ser, más bien, el año en que dejó de ser una palabra futurista y empezó a convertirse en una cuestión de Estado, de red eléctrica y de seguridad nacional. La autora de este artículo es Fabiola Pérez Ramos, cofundadora de MIOTI Tech & Business School y CEO de este instituto de formación desde febrero de 2022, puesto que ocupó también entre febrero de 2020 y abril de 2021. Además, ha sido fundadora de varias ‘startups’ tecnológicas y tiene más de 20 años de experiencia en desarrollo de software y aplicación de nuevas tecnologías para mejorar los procesos en grandes empresas y en la creación de negocios en diferentes partes del mundo, así como en la remodelación de divisiones globales, diseño y dirección de organizaciones de ventas y creación de asociaciones estratégicas. Es ingeniera de Telecomunicaciones y científica de datos por la Universidad de las Palmas de Gran Canaria, cuenta con MBA por ESIC y es licenciada en Dirección de Empresas de Servicios por la Universidad de Harvard.