Aspectos destacados de la IA — panorama completo — 2026-10-15 (jue) Noticias de la mañana

Las cifras de financiación y crecimiento de la IA se actualizan de forma significativa cada trimestre. Singapur registró un crecimiento del 5.4% gracias a la demanda de IA, y se firmaron alianzas de descubrimiento de fármacos con IA por un valor de hasta 1.2 mil millones de dólares. Mientras tanto, el empleo sigue siendo incierto después de que Publicis prometiera reducir el trabajo manual en un 25%, y una abuela que demandó por errores de reconocimiento facial reclama 10 millones de dólares. La velocidad a la que se recaudan fondos y la velocidad a la que las personas afectadas conocen la carga no coinciden. A continuación, lea la magnitud de las cifras junto con la presión que ya está ejerciendo sobre el sector, sobre las personas y sobre las medidas de seguridad. El grado en que deben reconocerse los efectos de la adopción no puede determinarse hasta que consideremos quién será responsable de asignar los costos y las responsabilidades.

Un lugar de trabajo que oscila entre reducciones de personal y reciclaje profesional

Publicis se ha fijado el objetivo de reducir el trabajo manual en un 25% mediante la IA, pero según se informa el impacto en el empleo sigue sin estar claro (Storyboard18). Las cifras muestran una reducción de la carga de trabajo, no una reducción de la plantilla. Sin embargo, una vez eliminado un cuarto del trabajo manual, aún no se ha decidido si esas mismas personas dedicarán ese tiempo a hacer otras tareas o si se revisará el número de personas. Si se intenta calcular cuántas personas se reducirán mirando solo el valor objetivo, es fácil equivocarse en el juicio.

Incluso con la misma introducción, las tendencias del sector empiezan a divergir. Se ha informado de que HSBC y Kroger están aumentando el número de despidos debido a la IA, y se está debatiendo la comparación de costes con la recualificación (AICERTs). Mientras que el recorte reduce los costes laborales a corto plazo, la recualificación requiere costes de formación y tiempo. Cuál es más barato depende del alcance del trabajo que se sustituye y de si el personal restante puede asumir las nuevas tareas. Cuando los lectores miren sus empresas y lugares de trabajo, deben fijarse no solo en el volumen de los recortes, sino también en el coste de la recualificación y en quién asumirá la responsabilidad una vez hechos los recortes.

La dirección del cambio es algo distinta en los puestos para recién graduados. The Economic Times informa de que las categorías de empleo para recién graduados están cambiando debido a la tendencia de dar más importancia a las habilidades en IA, y de que el número de nuevas contrataciones en los sectores de TI y BPM de India se está recuperando. Es fácil imaginar que, si el trabajo manual introductorio se transfiere a la IA, los empleos de los nuevos empleados se perderán primero, pero el hecho de que haya casos de recontratación demuestra que algunas empresas están destinando fondos a formar personal capaz de manejar la IA. Aquí, la forma en que se desarrolla la alfabetización en IA es una variable que determina el impacto en el empleo.

El abanico de usuarios también se está ampliando. Se dice que el OpenAI Forum celebró debates sobre el uso de la IA para expertos en sondeos de opinión pública (EdTech Innovation Hub). El hecho de que el debate sobre su utilización se haya extendido a ocupaciones profesionales muestra que la recualificación no es un problema limitado a ocupaciones específicas. Además, la edición de 2026 del AI Implementation Report (Knowledge at Wharton) servirá también como material para comprobar el estado real de la implantación. Los efectos no pueden medirse simplemente por el hecho de que la introducción haya avanzado; los resultados no pueden compararse a menos que también observemos si se usaron para reducción o para formación.

La elección entre recortes y crecimiento no es solo una cuestión de finanzas corporativas, sino también de asignación: quién asumirá primero los costos y las responsabilidades. En la siguiente sección veremos cómo se manifiesta esta distribución en términos de personas y seguridad.

Cadena de financiación y colaboración para el descubrimiento de fármacos

Desde pequeñas colocaciones privadas hasta la contratación pública, la financiación para el descubrimiento de fármacos con IA fluye por distintos canales en cada etapa. Rakovina Therapeutics (TSXV:RKV), de Canadá, ha completado una colocación privada de 1,99 millones de C$ y explica por qué destinará los fondos al descubrimiento de fármacos oncológicos impulsado por IA (kalkine.ca). Aunque la escala es pequeña, es un ejemplo de la primera etapa de captación de fondos para la IA y su asignación a la investigación.

En el ámbito de las alianzas y los contratos, las cifras suben un peldaño. Deep Origin ha anunciado una colaboración de descubrimiento de fármacos con IA para múltiples dianas con BioAge Labs, y afirma haber confirmado un hit validado en la primera diana (Yahoo Finance Singapore). ITOCHU Corporation ha firmado un acuerdo de alianza de capital con MOLCURE Inc. (BioSpectrum Asia) para el descubrimiento de fármacos con IA en Japón. Zealand Pharma y Generate firman un acuerdo de fármacos contra la obesidad con IA de hasta 1.2 billion de dólares (WTVB). La expresión "máximo" debe entenderse como referida a un límite superior que incluye el importe pagadero sujeto a condiciones de rendimiento. Aunque la cifra del contrato en los titulares pueda ser grande, un pago fijo y un importe condicionado futuro son dos cosas distintas.

El flujo de fondos no se limita al sector privado. ThinkTrends ha obtenido un contrato IDIQ de 49 millones de dólares de la Administración de Alimentos y Medicamentos de EE. UU. (FDA) para respaldar la implementación de IA y datos (The Globe and Mail). Los propios reguladores adquirirán infraestructura de IA y datos. Por el lado del mercado, Nuvin Asset Management, que gestiona 2,6 billones de dólares, publicó un comentario de mercado en el que afirma que la IA está remodelando la estructura económica de la industria biofarmacéutica. En cuanto al mercado de TI para ciencias de la vida, un análisis sugiere que IQVIA, Oracle, Accenture, Veeva Systems y SAP apuntan a 82.240 millones de dólares para 2035 (Yahoo Finance UK). Además, se informó de que Nanyang Biologics, una biotecnológica de descubrimiento de fármacos con IA de Singapur valorada en 1.500 millones de dólares, saldrá a cotizar en el Nasdaq (The Business Times).

Si se los observa uno al lado del otro, lo que está por delante son la financiación, la valoración y el valor de los contratos, y lo que puede verse como resultados son solo resultados en etapas tempranas, como el «hit verificado» de Deep Origin. La confirmación de un hit es el comienzo del largo proceso de descubrimiento de fármacos, y el mero anuncio de una cotización en bolsa o de un contrato de gran tamaño no indica la exactitud de los ensayos clínicos o de la aprobación posteriores. Los lectores deberían fijarse en el desglose de la parte firme y la parte contingente del monto del contrato, y en si los fondos están vinculados a resultados verificados. La siguiente sección examina cómo estos movimientos financieros redistribuyen los costos y las responsabilidades en el sector.

Confianza en los modelos predictivos que apoyan el diagnóstico y el tratamiento

Los modelos predictivos que utilizan imágenes y datos multimodales están saliendo de la fase de investigación y acercándose a la vía clínica. Para el cáncer urotelial del tracto superior, se informó de un sistema multimodal de apoyo a la decisión clínica, CLIP-CGPNet, para predecir la recurrencia posoperatoria (Journal of imaging informatics in medicine). Para el cáncer de mama, HCF-Net, que clasifica de forma preoperatoria los subtipos moleculares a partir de resonancia magnética dinámica con contraste, está configurado como una fusión en cascada a lo largo de la vía de tratamiento clínico (misma revista). En el caso del adenocarcinoma mucinoso de pulmón, se han publicado algunas investigaciones para clasificar subtipos y predecir el pronóstico integrando datos multimodales (translational cancer research). Lo que los tres tienen en común es que sitúan el modelo en un punto concreto del proceso de decisión, como si elegir antes o después de la cirugía. Es necesario comprobar no solo las cifras de precisión, sino también en qué situaciones debe sustituir o complementar.

Por otro lado, que los médicos acepten o no las respuestas que ofrece el modelo sigue siendo una cuestión aparte. La explicabilidad y la confianza clínica se abordan de frente en el uso del aprendizaje profundo para predecir la respuesta al tratamiento del glioblastoma (Journal of imaging informatics in medicine). Una investigación para predecir el carcinoma hepatocelular con mutación de P53 mediante radiómica por resonancia magnética no se dirige solo al interior del tumor, sino también a la zona que lo rodea (translational cancer research). Una entrevista con la UMass Chan Medical School sobre la IA en radiología sitúa además la tecnología desde la perspectiva de los médicos que leen las imágenes. No basta con que la predicción sea precisa: una condición previa para el uso práctico es que los médicos puedan comprobar en qué parte de la imagen se basó la predicción.

El mismo concepto existe fuera de la medicina. Se informa que los productores utilizan drones equipados con IA no solo para patrullar los cultivos, sino también para una gama más amplia de usos (Growing Produce). Aunque las observaciones de campo se vuelvan más precisas, corresponde al productor decidir cómo usar esa información para tomar decisiones sobre las operaciones y los insumos. Ya se trate de diagnóstico o de agricultura, el valor de una instalación depende menos de las cifras de rendimiento y más de cómo el campo gestiona sus resultados y de quién asume el control cuando algo sale mal. Esto está directamente conectado con la siguiente pregunta, que consiste en examinar los efectos de la tecnología, incluida la asignación de costos y responsabilidades.

Petición de trazar la línea para proteger a las personas y a los niños

La identificación errónea por reconocimiento facial ya ha llegado a los tribunales. Una abuela que fue identificada por error como autora de un robo en un banco mediante reconocimiento facial con IA ha presentado una demanda en la que reclama 10 millones de dólares de indemnización, informa ABC News. Esto significa que la decisión de vincular a una persona con el culpable comenzó con los resultados de coincidencia de la máquina. En el ámbito de la salud mental, Corea del Sur anunció directrices de seguridad para la IA de salud mental (Healthcare IT News). Es un ejemplo de un gobierno que documenta hasta qué punto se puede confiar en la IA antes de que su uso se generalice. Ya se trate de reconocimiento facial o de apoyo en la consejería, los errores afectan a las personas que reciben los resultados, no a quienes eligen el sistema. Quienes consideran su introducción deben comprobar no solo las cifras de precisión, sino también quién puede corregir los errores y quién asumirá la responsabilidad cuando ocurran.

En el tipo de IA que crea relaciones, el objeto de atracción está más cerca del interior del usuario. La Universidad de Córdoba (UCO) afirma que su aplicación de novia con IA tiene ajustes de personalidad y funciones de privacidad. Si bien el sistema que permite a los usuarios elegir su personalidad se adapta a las preferencias del usuario, también plantea la cuestión de cómo tratar los registros de conversaciones íntimas. En cuanto a los niños, un experto escribió en Florida Politics argumentando que Florida no debería confiar los niños a los chatbots. Esta contribución representa la opinión de un experto individual y no implica que las regulaciones hayan sido finalizadas. Sin embargo, tener funciones de privacidad y poder interactuar con menores son dos cuestiones diferentes. Los padres, las escuelas y los proveedores deben decidir el alcance de uso para cada grupo de edad, al margen de la presencia o ausencia de funciones.

Las técnicas de lectura de emociones y sesgos también pueden usarse para apoyar tales juicios. Según Bioengineer.org, las optimizaciones inspiradas en el comportamiento de los lobos han mejorado el rendimiento del reconocimiento de emociones en el habla entre distintos idiomas. Si las emociones pueden tratarse en diferentes idiomas, se ampliarán las situaciones en las que puede utilizarse. Sin embargo, quienes implementan el sistema deben verificar que no identifique erróneamente a personas con idiomas o estilos de habla específicos. Penn Today informa sobre los esfuerzos por utilizar la IA para detectar el sesgo mediático y usarlo como base para las decisiones de votantes y lectores. A menos que nos aseguremos de que los criterios empleados para juzgar el sesgo no estén sesgados, esta herramienta podría no ayudar a los lectores a decidir, sino obligarlos a ver las cosas de cierta manera. Tanto en el reconocimiento de emociones como en la detección de sesgos, la cuestión es si usarlos tras revelar la base del juicio y la tendencia a los errores, en lugar de confiar en los resultados tal cual.

Lo que hemos visto hasta ahora es que, en situaciones en las que el daño ocurre primero a las personas, es necesario decidir antes quién investigará y quién asumirá la responsabilidad. A continuación, examinamos cómo se distribuyen esos costes y responsabilidades entre las empresas y la sociedad.

Eje temporal del crecimiento, la política y las medidas de seguridad

Singapur registró un crecimiento del 5.4% impulsado por la demanda de IA, con la política monetaria sin cambios (Bloomberg.com). Aunque las cifras son sólidas, solo muestran que los vientos de cola de la demanda aparecieron primero en las estadísticas. Más o menos al mismo tiempo, un grupo de financiación de IA habría apoyado con $3 million la candidatura de Scott Wiener al Congreso (Mission Local). A través de la financiación, se reduce la distancia entre quienes reciben los frutos del crecimiento y quienes deciden las reglas. Mientras tanto, Harris advirtió de que queda poco tiempo para las medidas de seguridad de la IA e instó a la cooperación entre Estados Unidos y China (Reuters). Las tasas de crecimiento se actualizan trimestralmente y las elecciones siguen su calendario, pero nadie ha fijado un plazo para las medidas de seguridad. El punto de partida de esta sección es el punto en el que tres ejes temporales distintos avanzan en paralelo.

Esta diferencia de tiempo también se refleja en el calendario sobre el terreno. Los operadores de residencias de ancianos Cascadia, CarDon y FellowshipLIFE hablaron de su hoja de ruta para el uso de la IA (Skilled Nursing News). La actitud de avanzar con la implantación por etapas muestra que el sistema opera en una escala temporal operativa independiente de la velocidad del crecimiento o de las elecciones. En el ámbito creativo, Air celebró un evento en una azotea con el artista Joe Bloom para hablar sobre la IA y la creatividad (Ad Age). Los horarios de trabajo en el cuidado de personas mayores y las oportunidades de diálogo en la escritura creativa intentan organizar la forma de percibir las cosas en cada campo.

Ahora, cambiemos el lugar de la pregunta. El robot con IA que aparece en "Vision Quest" de Marvel plantea la cuestión de si las máquinas pueden pensar por sí mismas (Moneycontrol.com). Aunque se trata de una historia de ficción, se superpone con la cuestión de trazar la línea entre lo que debe dejarse en manos de las máquinas y lo que debe encargarse a los humanos cuando los lectores deciden introducirla. Las cifras de crecimiento y los montos de financiación política no nos trazan esa línea.

Volviendo al juicio del lector, lo que deberíamos mirar no es el tamaño de las cifras, sino a qué velocidad se mueve el objeto y qué carga se aplicará primero. Si las advertencias de Harris son correctas, el período de gracia podría ser más corto que el calendario sobre el terreno. Sin embargo, la duración de la moratoria no está escrita en piedra y permanece dentro del rango que él describió como advertencia. Que el debate alcance o no el ritmo acabará volviendo a la cuestión de la asignación: quién asumirá los costes y las responsabilidades.

Los casos tratados en cada sección comparten una misma estructura. La tasa de crecimiento, el monto de financiación y la escala de la alianza se fijarán como cifras en el momento del anuncio. En cambio, el manejo del personal, las decisiones sustituidas por modelos predictivos, las correcciones y responsabilidades cuando ocurren errores y los plazos de las medidas de seguridad se determinan después de la implementación. La carga aparece primero en este último lado, y son los responsables del terreno y las personas a quienes se dirigen los resultados quienes la reciben. Por lo tanto, la eficacia de la introducción no puede juzgarse con cifras aisladas como el monto de reducción, la precisión y la tasa de crecimiento. Solo confirmando quién pagará, quién puede corregir los errores y quién asumirá la responsabilidad será posible determinar si la misma implementación será un beneficio o un perjuicio para nosotros. El tamaño de las cifras sigue siendo el punto de partida, y el foco del juicio está en la asignación.

P1: ¿Quién en su lugar de trabajo decide a qué tareas se destinan el tiempo y el esfuerzo que libera la IA? P2: Cuando la IA produce resultados incorrectos, ¿existen procedimientos para detectarlos y corregirlos y se establece por escrito quién es responsable? P3: ¿Las cifras que miden la eficacia de la implantación incluyen el costo de la reconversión profesional, el costo de gestionar los errores y la carga para las personas afectadas?

Por último, tres preguntas

- ¿Quién en su lugar de trabajo decide a qué tareas se asigna el tiempo y el esfuerzo liberados por la IA? Q2: Cuando la IA produce resultados incorrectos, ¿existen procedimientos para detectarlos y corregirlos, y quién es el responsable por escrito? Q3: ¿Las cifras que miden la eficacia de la introducción incluyen el costo de la recapacitación, el costo de gestionar los errores y la carga para las personas afectadas? - Cuando la IA produce resultados incorrectos, ¿existen procedimientos para detectarlos y corregirlos, y quién es el responsable por escrito? Q3: ¿Las cifras que miden la eficacia de la introducción incluyen el costo de la recapacitación, el costo de gestionar los errores y la carga para las personas afectadas? - ¿Las cifras que miden la eficacia de la implementación incluyen el costo de la recapacitación, el costo de gestionar los errores y la carga para las personas afectadas?