Lo más destacado de la IA — panorama completo — 2026-10-15 (jue) Edición de la tarde

HubSpot recortará aproximadamente el 7% de su plantilla como parte de una reorganización, y ministros del Reino Unido han dicho que la rotación de personal involucrará a la IA. Mientras tanto, los laboratorios farmacéuticos y los tractores agrícolas comienzan a incorporar IA en sus contratos y equipos. Los acontecimientos informados en el último medio día indican que la IA ha entrado en la etapa de impulsar realmente la asignación de personal y capital entre industrias y países. Sin embargo, los procedimientos para verificar para qué decisiones puede usarse el resultado y el establecimiento de una entidad responsable de los resultados no han seguido el ritmo de la velocidad de implantación. La controversia en torno a la detección del neumotórax neonatal ha demostrado que una alta precisión no se traduce directamente en relevancia clínica. No basta con enumerar lo que la IA puede hacer; el foco de las lecturas futuras será ver quién confirma qué y cómo.

La reorganización de las organizaciones y la reducción de personal han surgido como el precio de introducir la IA

HubSpot ha recortado cerca del 7 % de su plantilla como parte de una reorganización centrada en la IA (Yahoo Finance). Ministros británicos han dicho que la IA ha estado implicada en la rotación de personal y los recortes de empleo en los últimos meses (London Evening Standard). Según Reuters, los bancos de Wall Street se enfrentan a riesgos crecientes tanto en los préstamos a la IA como en la implantación de IA. Aunque los tres informes abarcan sectores y países distintos, coinciden en que la introducción de la IA cambia realmente la asignación de personal y de fondos. Hemos superado la etapa en la que solo se podía hablar de los efectos de la introducción en términos de "productividad"; ahora es necesario mirar el trabajo de quién y los fondos de quién se usaron para pagarla.

Sin embargo, el movimiento sobre el terreno no va solo en la dirección de la reducción. En el Centro de Operaciones de Seguridad (SOC), la IA se encarga del filtrado inicial, con supervisión humana. Security Boulevard describe un día en la vida de un analista de amenazas en un SOC autónomo, donde una persona examina y toma decisiones a partir de los resultados clasificados por la IA. Los puestos de los analistas no han desaparecido; han pasado de leer ellos mismos montones de alertas a revisar los filtros de la IA y responder a las excepciones. Si el título del puesto sigue siendo el mismo pero el contenido cambia, la magnitud del cambio no puede medirse únicamente por el aumento o la disminución del número de personas.

También se está reconsiderando la forma en que las personas expresan su valor. Forbes JAPAN analizó las capacidades humanas que serán más valiosas en la era de la IA, desde la postura de que deberíamos dejar de llamarlas «habilidades blandas». Además, el Bipartisan Policy Center de Estados Unidos se ha centrado en el impacto de la IA en la fuerza laboral del cuidado asistencial, afirmando que es necesario debatir el impacto de introducir la IA incluso en ocupaciones que tradicionalmente han sido sostenidas por personas. Ambas cuestiones replantean los límites entre las tareas que serán reemplazadas por la IA y las que seguirán del lado humano.

Si observamos los materiales que hemos analizado hasta ahora, podemos ver que las cifras de reducción son el resultado de la reestructuración organizativa en curso, y que la forma en que se reorganizará el contenido de cada categoría de puesto diferirá según el centro de trabajo. Las decisiones de reducir personal o de mantener a las personas y cambiar sus funciones se basan en el supuesto de que el resultado de la IA es correcto. La siguiente pregunta es quién debe verificar el resultado, cómo debe hacerse y quién debe asumir la responsabilidad si se produce un error.

La introducción por industria se encuentra ahora en la etapa de equipamiento y alianzas

En el sector farmacéutico y la agricultura, la IA está pasando de la etapa de propuesta y análisis a incorporarse en contratos, equipos y maquinaria reales. Zealand Pharma ha firmado un acuerdo de investigación y licencia con Generate Biomedicines para desarrollar terapias proteicas diseñadas con IA para enfermedades metabólicas (The Manila Times). La empresa de instrumentación analítica Waters se ha asociado con Anthropic para impulsar flujos de trabajo de laboratorio autónomos basados en IA (BioPharma APAC). En la agricultura, PerPlant se une a Valtra para instalar en fábrica sensores de cultivos con IA en tractores (AgFunderNews). Es un movimiento para que la IA pase a formar parte de la maquinaria que se envía y de los procesos del laboratorio, en lugar de ser un añadido posterior.

La base sigue desarrollándose en cuanto a recursos computacionales, investigación y recursos humanos. China lanzó ocho satélites para cálculos de IA (Global Times). Esto demuestra que la ubicación del cómputo ya no se limita a los centros de datos terrestres. Según la Universidad Carnegie Mellon, tres investigadores de la universidad participarán en la investigación «La IA y la economía» de Google (Carnegie Mellon University). Los marcos para medir el impacto económico de la IA empiezan a surgir fuera del ámbito empresarial. En Japón, el apoyo a la educación en IA de Microsoft Japan está ampliando la «adquisición de habilidades y la reforma educativa», y hay casos en los que se han reducido los costes en decenas de millones de dólares (DX Magazine).

Lo que cambia para el lector es la unidad de observación. En lugar de fijarse en el rendimiento del modelo o en lo llamativo del anuncio, es mejor mirar específicamente en qué contratos, en qué equipos y en qué procesos se utilizó la IA, y acercarse así al estado real de la implementación. Cuando la IA entra en equipos o procesos, como los sensores instalados de fábrica o los laboratorios autónomos, el resultado fluye directamente a la tarea siguiente. Resultados como los que suponen un ahorro de decenas de millones de dólares no pueden evaluarse hasta que se presentan los supuestos en los que se basan los cálculos.

La historia hasta ahora se ha inclinado hacia el avance de la introducción de la IA. A medida que progresan los equipos y las alianzas, la pregunta de quién comprobará los resultados y en qué etapa se vuelve más concreta y más cercana al terreno.

Dificultad de verificación: precisión, relevancia clínica y estructura del juicio

La controversia sobre la detección mediante IA del neumotórax neonatal (Bioengineer.org) pone de relieve la brecha entre la precisión de la detección y la relevancia clínica. Aunque los hallazgos en las imágenes puedan detectarse con gran precisión, determinar si ello conducirá a decidir la necesidad de tratamiento y al resultado es otra cuestión. Un artículo (AIM Media House) que repasa la industria farmacéutica de los últimos 10 años afirma que «los avances tecnológicos han superado a la adopción». Se señala que primero avanza el rendimiento del modelo, y los pasos para evaluarlo sobre el terreno e incorporarlo al trabajo llegan después. Lo que tienen en común ambas historias es que el hecho de que las cifras sean buenas no significa nada en la práctica. Cuando los lectores miran las cifras de la tabla de rendimiento, la pregunta que deberían hacerse es: «¿Para qué decisiones se pueden usar esas cifras?»

Los estudios que intentan cerrar esta brecha también están disponibles como preprints. Todos se han publicado en arXiv y no han sido revisados por pares. El primero es EviScene, un agente que evalúa la realidad de las imágenes. Aunque podamos saber si una imagen fue creada por IA, no podemos saber si el suceso que muestra realmente ocurrió. A veces la foto real circula como si fuera de otro lugar y otro día. Los autores llamaron a este método "evaluación factual de imágenes" y propusieron un sistema en el que la pregunta se reformula a partir de la imagen sola, sin proporcionar el enunciado del argumento, y se utiliza un sistema para reunir evidencia externa y devolver un juicio y su justificación. El segundo es Jeva, una estructura dedicada que no deja en manos del generador de oraciones la decisión de elegir uno de los candidatos o responder «no aplicable». Los autores sostuvieron que no se podía respetar la estructura de la pregunta de juicio si se pedía responder en forma de oraciones, y presentaron un diseño que cumple cuatro requisitos: la respuesta no cambia aunque se reordenen, y es posible indicar claramente «no aplicable». El tercero es un marco que aprende las creencias e intenciones de la otra parte como expresiones latentes y las utiliza como material para la selección de acciones. Cuando varios agentes colaboran, el objetivo es sustituir por una expresión explícita las partes que se habían suplido mediante ingeniosos diseños de prompts y mecanismos de memoria. Los tres casos pueden leerse como intentos de trasladar el procedimiento de verificación de la salida desde inspecciones añadidas a posteriori al interior del diseño.

Por otro lado, el comportamiento de las personas en el lado de la verificación no es constante. Una investigación (The Conversation) muestra que los consumidores que han experimentado discriminación tienen más probabilidades de elegir las recomendaciones de la IA en lugar del consejo humano. Es una forma en la que la desconfianza hacia los humanos se sustituye por confianza en la IA. En este caso, la confianza puede desplazarse no como resultado de haber verificado lo que produce la IA, sino como resultado de la desconfianza hacia los humanos. La situación en la que se elige una recomendación antes de que la verificación pueda alcanzarla no se aprecia con solo mirar las cifras de precisión.

La discusión hasta aquí ha tratado de cómo comprobar la corrección de cada resultado individual. La siguiente pregunta es quién será responsable de los resultados confirmados y quién asumirá la responsabilidad si se produce un error.

Creación de estándares internacionales y trazado de límites en torno a los corazones y las relaciones

Harris ha pedido estándares internacionales para la IA (KFBK News Radio), ha afirmado que la ventana para la seguridad de la IA se está cerrando y ha pedido cooperación con China (Forbes). El motivo citado para apresurarse a crear estándares es el reconocimiento de que el desarrollo de normas no ha seguido el ritmo de la velocidad a la que avanza la tecnología. Lo importante para los lectores es que lo que se requiere aquí es un acuerdo entre países que vaya más allá de los esfuerzos voluntarios de cada empresa. La cuestión de quién cuenta con el sistema para verificarlo está pasando de las empresas y las regulaciones nacionales a la coordinación entre países competidores.

Sin embargo, al determinar los estándares es necesario considerar cómo debe posicionarse al sujeto. El "padrino" de la IA señala que la IA es "alienígena" (PC Gamer). Aunque son creadas por humanos, se las ve como seres que no pueden entenderse del mismo modo que los humanos. En respuesta, Musk dijo: "No hieran los sentimientos de la IA" (Cybernews). Está en posición de preocuparse por el bienestar del modelo. Los estándares requeridos serán distintos según se vea a la IA como una herramienta, un tipo diferente de inteligencia o un objeto de consideración. Junto con los llamamientos a establecer estándares con urgencia, el hecho de que el propio estatus no se haya determinado indica la dificultad de lograr un acuerdo internacional.

Las fluctuaciones en el posicionamiento se vuelven más concretas en situaciones cercanas al corazón y a las relaciones de las personas. La Universidad de Córdoba (UCO) analiza si una aplicación de novia con IA puede hacer que te enamores, y el vínculo emocional que los usuarios tienen con la IA es objeto de investigación. En cuanto a la salud mental, los expertos advierten de que, aunque la IA puede ayudar, no puede reemplazar a profesionales cualificados (Medical Xpress). Un psiquiatra también ha abordado la cuestión de si debe usarse la IA para consultas de salud mental y ha explicado cómo tomar esa decisión (Newswise). Un nuevo informe se pregunta si la IA puede hacer que los museos de arte sean más «humanos» y pone en cuestión el propio sentido del arte (The Conversation).

Lo que tienen en común las tres situaciones es la necesidad de trazar una línea entre la IA que apoya a las personas y la que sustituye funciones que tradicionalmente desempeñaban los humanos. Si eres usuario, esto te ayudará a discernir qué es lo que una aplicación o un servicio de consulta pretende asumir. Quienes implementan el sistema deben decidir de antemano el alcance de las funciones que requieren cualificaciones y responsabilidades que pueden confiarse a las máquinas. Tanto los estándares internacionales como los límites personales conducen a la misma pregunta: ¿quién es responsable del resultado?

Las historias de cada sección se conectan en un punto: primero va la introducción y después llega el mecanismo de confirmación. Las reestructuraciones y los despidos han dejado claro el trabajo de quién y el dinero de quién se moverá con la introducción de la IA. En la industria farmacéutica y en la agricultura, la IA se está incorporando a contratos y equipos, dejando atrás la etapa de propuesta y pasando a formar parte del proceso en el terreno. Los debates sobre la verificación han confirmado que existe una brecha entre la precisión numérica y el significado en el terreno. Las declaraciones que piden estándares internacionales y los desacuerdos sobre cómo debe posicionarse la IA indican que la entidad responsable de comprobar ya no se limita a las empresas. Cuantos más números indiquen un aumento del rendimiento, más importante será aclarar quién comprueba esos números, para qué decisiones y quién asume la responsabilidad si se produce un error, lo cual determinará el valor de introducirla.

P1: ¿Puede la persona responsable explicar con sus propias palabras para qué decisiones in situ se utilizarán los resultados de la IA implantada, y quién revisará los resultados y cuándo? P2: ¿Cómo se define la brecha entre las cifras de rendimiento y su significado en el terreno como estándares de supervisión y calidad, y se documenta dónde recae la responsabilidad cuando ocurren errores? P3: En cuanto a la asignación de personal y fondos para la implantación de la IA, ¿se muestran los efectos y los costos en el mismo lugar, y se evalúa la inversión en un sistema de verificación junto con el costo de implantación?

Por último, tres preguntas

- ¿Puede la persona responsable explicar con sus propias palabras para qué decisiones in situ se usarán los resultados de la IA introducida, y quién verificará los resultados y cuándo? P2: ¿Cómo se define la brecha entre las cifras de rendimiento y su significado en el terreno como estándares de supervisión y calidad, y se documenta dónde recae la responsabilidad cuando ocurren errores? P3: En cuanto a la asignación de personal y fondos para la introducción de la IA, ¿se muestran los efectos y los costos en el mismo lugar, y se evalúa la inversión en un sistema de verificación junto con el costo de introducción? - ¿Cómo se define la brecha entre las cifras de rendimiento y su significado en el terreno como estándares de supervisión y calidad, y se documenta dónde recae la responsabilidad cuando ocurren errores? P3: En cuanto a la asignación de personal y fondos para la introducción de la IA, ¿se muestran los efectos y los costos en el mismo lugar, y se evalúa la inversión en un sistema de verificación junto con el costo de introducción? - En cuanto a la asignación de personal y fondos para la introducción de la IA, ¿se muestran los efectos y los costos en el mismo lugar, y se considera la inversión en un sistema para confirmarlo junto con el costo de introducción?