Lo más destacado de la IA — el panorama completo — 2026-10-16 (vie) Edición de la tarde

Cuando los anuncios de recortes y la inquietud del mercado coinciden en los titulares del mismo día, parece que la IA está reduciendo el empleo y la economía. Por ejemplo, CWT Italy ha recortado 190 puestos de trabajo, y CNBC informa de que las preocupaciones por la IA han resurgido en Wall Street. Mientras tanto, JPMorgan estima que las acciones de Alphabet tienen un potencial de subida del 24%. Los titulares por sí solos no determinan los motivos de cada recorte ni la dirección de las opiniones del mercado. Lo que quiero averiguar en esta media jornada es si lo que influye en la adopción de la tecnología es el entusiasmo de los titulares o la infraestructura subyacente, como los sistemas de reciclaje profesional, los sistemas de evaluación y regulación, y la forma de usarla de manera fiable en el terreno. A continuación, veremos el avance real de estas tres áreas con los materiales de cada sección.

Diferencia entre los recortes de los titulares y el panorama real de la economía

Se informó que CWT Italy ha decidido recortar 190 puestos de trabajo y el debate sobre la IA se está intensificando (Business Travel News Europe). La empresa de distribución de video Netflix también anunció despidos, y el informe «5 Things to Watch in the Morning» de CNBC señala que las preocupaciones sobre la IA vuelven a avivarse en Wall Street (CNBC). Cuando los anuncios de recortes y la ansiedad del mercado coinciden en los titulares del mismo día, parece que la IA está reduciendo directamente el empleo y la economía. Sin embargo, lo que podemos confirmar a partir de los materiales es que los debates sobre la reducción y la IA se están tratando al mismo tiempo. A partir de los titulares no está claro si cada reducción se debe a la IA o a otras circunstancias.

Por otro lado, la visión del mercado no es unidireccional. JPMorgan estima que las acciones de Alphabet tienen un potencial de subida del 24% (Barron's). Al mismo tiempo que se habla de las preocupaciones sobre la IA, se hacen estimaciones alcistas para los precios de las acciones de las principales empresas relacionadas con la IA. En cuanto a las finanzas estatales, el director de presupuesto del estado de Nueva York advierte de que las medidas federales y la desaceleración de la IA perjudicarán las finanzas estatales (POLITICO Pro). Esto significa que, al mismo tiempo, algunas voces dicen que la IA es motivo de preocupación, otras la ven como una prueba de que hay margen de crecimiento y otras la ven como una presión a la baja sobre las finanzas públicas.

En estas circunstancias, el presidente del Banco de la Reserva Federal de Chicago declaró: «Incluso sin la IA, la economía no está en recesión» (Yahoo Finance). Esta declaración muestra que debemos observar el estado de la economía en sí misma, independientemente de la presencia o ausencia de la IA. Juzgar la economía únicamente por el número de despidos o por los movimientos de las cotizaciones bursátiles puede sobreestimar o subestimar el impacto de la IA. Las declaraciones del gobernador son solo una forma de ver la economía y no anulan los informes de recortes ni las preocupaciones. Sin embargo, pueden servir como referencia para separar las impresiones de los titulares del estado real de la economía.

En cuanto a la influencia en las decisiones de inversión, se informa que la mejora de la maquinaria agrícola con IA de CNH también podría tener un impacto en las decisiones (Yahoo Finance). Aquí la IA aparece no como motivo de despidos, sino como la sustancia del producto. Mientras los titulares se centran en los recortes y los precios de las acciones, aquello en lo que las empresas realmente invierten se encuentra en otra parte. En un momento en que la percepción de la IA está dividida, lo que los lectores quieren saber no es cuánto revuelo se arma al respecto, sino qué forma está tomando su implementación en el terreno. En la siguiente sección, veremos la infraestructura que respalda su adopción.

Preparación para quienes crían personas

A pesar de los titulares sobre despidos, las empresas y las organizaciones del sector se preparan para capacitar a las personas antes de la implementación. TechBullion informa que Mohammed Shahin defiende la recualificación y las estrategias de recursos humanos como medio para desarrollar el capital humano de cara a la introducción de la IA. La premisa es que, antes de introducir la IA, recursos humanos debe diseñar cómo la usarán los empleados actuales y en qué tareas. Un movimiento similar se está dando en el ámbito de los cuidados de enfermería. AHCA/NCAL anunció un seminario web sobre el tema de la IA y los recursos humanos. La fecha del evento se anunciará más adelante, y lo único que podemos confirmar por ahora es que las organizaciones del sector de los cuidados de enfermería han empezado a tratar la IA como una cuestión de recursos humanos.

También hay movimientos en el ámbito educativo. Según Oracle Blogs, Oracle Academy defendió la adopción de planes de estudio de IA en la Conferencia Nacional de Educación de la India. Mientras que la reeducación corporativa se dirige a los empleados actuales, esta es una iniciativa que incorpora contenidos aprendidos desde la etapa del plan de estudios. La otra es la Universidad Politécnica de Valencia (UPV). La universidad ha desarrollado una IA que detecta el sexismo en vídeos de redes sociales. No se trata de formar personas, sino de cómo encontrar sesgos en los contenidos que maneja la IA. Sin embargo, en cuanto a preparar un sistema para confirmar la equidad antes de su implantación, va en la misma dirección que el desarrollo de recursos humanos.

Al leerlos en conjunto, resulta evidente que los debates sobre la reducción, la formación y la corrección del sesgo avanzan en lugares distintos. Mientras que el titular sobre la Reducción se centra en cuántos empleos reemplazará la IA, la Teoría de la Reconversión de Shahin, el seminario web de AHCA/NCAL, el apoyo curricular de Oracle Academy y la IA de detección de UPV abordan qué preparar antes de que se produzca el reemplazo. Lo que el lector quiere ver es si la organización que habla de la introducción también muestra el plan de formación, cómo reasignar los recursos humanos y cómo comprobar el sesgo en los resultados. La presencia o ausencia de estas preparaciones puede tener un impacto mayor en el resultado de la implantación que las cifras de los titulares.

Si bien los preparativos se orientan a las personas y la equidad, también se cuestionan los mecanismos para verificar y regular las respuestas que ofrece la IA. En la siguiente sección, examinaremos el movimiento de verificación y regulación.

Un marco que conecta la seguridad mediante la evaluación y el diálogo

Continúa un movimiento para apoyar la preparación frente a la IA peligrosa mediante evaluación externa y diálogo internacional. El CEO de Nvidia pidió un diálogo entre EE. UU. y China sobre la IA peligrosa (Cheddar). Anthropic ha concedido acceso a nivel de empleado a la agencia de evaluación METR, lo que le permite evaluar modelos de vanguardia (TradingView). Lo primero es un llamamiento a un foro de debate entre naciones, mientras que lo segundo es un cambio operativo que permite a terceros examinar el modelo en condiciones similares a las del interior del desarrollador. Por lo que se ha informado, ninguna de las partes conoce los detalles del acuerdo concreto. Sin embargo, se aprecia que el enfoque en la preparación no se limita a la autoevaluación de cada empresa, sino que se extiende también a evaluaciones externas y al diálogo.

Esta dirección también coincide con los intereses de los investigadores. Los tres preprints destacados en nuestro sitio aún no han sido revisados por pares, y la información primaria se publica en arXiv. El primero es X-Ragent, que se ocupa de los agentes de interpretación de radiografías de tórax. Al interpretar una imagen, no es posible llegar a una conclusión basándose solo en los hallazgos, y hay situaciones en las que se combina evidencia complementaria, como valores medidos. Los autores señalan que son débiles tanto los mecanismos para aprender cuándo se necesita evidencia como los mecanismos para excluir del razonamiento las mediciones irrelevantes. Por ello, entrenamos ambos por separado y usamos una recompensa que otorga una evaluación del proceso únicamente a la trayectoria en la que el diagnóstico es correcto.

El segundo Agent-Reflex se centra en el comportamiento cuando la herramienta responde con una respuesta defectuosa. Los agentes en operación real reciben respuestas erróneas y, por el camino, reciben correcciones de los usuarios. Los autores señalan que los métodos existentes ofrecen pocas señales del profesor que fomenten el aprendizaje de la reflexión y la recuperación ante fallos en tales situaciones. Por ello, en la tercera etapa del aprendizaje, se extraen «habilidades de reflexión» reutilizables a partir de pares de trayectorias exitosas y fallidas. El tercer VRSD aborda el hecho de que, al aprender de un profesor que conoce la respuesta, el modelo llega a hacer afirmaciones sin verificarlas. La autodestilación on-policy proporciona información privilegiada, como respuestas verificadas, solo al profesor. Según los autores, esto sesga a los profesores hacia atajos en el razonamiento con poca verificación o reconsideración, lo que reduce drásticamente la variedad de la salida. VRSD no elimina la información privilegiada, sino que ajusta su uso mediante prompts del sistema.

Lo que tienen en común los tres libros es que no solo verifican la corrección de los resultados, sino que también examinan comportamientos como cuándo buscar evidencias, cómo detenerse cuando la entrada está corrupta y si se hacen afirmaciones sin confirmarlas. Son el mismo tipo de preguntas que los marcos de evaluación externos buscan plantear. Cuando los lectores deciden si adoptar un modelo, conviene fijarse en quién confirmó este comportamiento y en qué condiciones, además de en las cifras de precisión. En la siguiente sección, consideraremos cómo aplicar esta confirmación al uso en el sitio.

Usos que se extienden a la atención médica, la mente y las relaciones

Según se informa, la Administración de Alimentos y Medicamentos de EE. UU. (FDA) ha aprobado una herramienta de IA que predice la recurrencia del cáncer de mama (ABC News). La aprobación es un ejemplo de resultados de IA que superan una revisión pública como material para decisiones médicas. En el campo de la salud mental, se informó de que mejoró el bienestar social de los usuarios que utilizaron una aplicación con IA (2 Minute Medicine). Una es una predicción similar a un diagnóstico y la otra es un apoyo emocional cotidiano, y sus propósitos son distintos. Sin embargo, tienen algo en común: se están poniendo en práctica en situaciones estrechamente relacionadas con la salud y las emociones de las personas. Al considerar su adopción, los lectores deben leer por separado los informes de que fue eficaz y los procedimientos utilizados para confirmarlo. La aprobación de la FDA es un ejemplo de lo segundo, y el reportaje sobre la aplicación se sitúa en otro nivel.

Sin embargo, cuanto más cercano es el dispositivo a las personas, mayor es el impacto que tendrá en el usuario un uso desajustado. El New York Post informó de que los "AI polys", que usan chatbots de IA en relaciones de tres personas, son cada vez más comunes, y los expertos advierten del riesgo de enfermedad mental. Vietnam.vn cubrió cómo MoMo utiliza la filosofía de Tesla y una regulación favorable para retener a los usuarios. La empatía es el valor de un servicio y, al mismo tiempo, también puede ser un medio para fomentar el uso continuado. Los informes de mayor felicidad coinciden con advertencias sobre la profundización de las relaciones. Por lo tanto, es mejor evitar interpretar un número elevado de usuarios o una alta tasa de continuidad como prueba de que los beneficios para los usuarios son grandes.

También se plantean preguntas desde fuera de la tecnología. The Conversation presentó el debate sobre si algo es un ser vivo o una máquina en la era de la IA desde la perspectiva del agricultor y escritor Berry. Un artículo de opinión en TCNJ Signal News sostiene que el arte generado por IA alejará a los clientes. Esta es la opinión de un medio estudiantil y no una encuesta que muestre cambios reales en las ventas o en el número de visitantes. Sin embargo, parece que la preocupación de que el uso de la IA pueda socavar la confianza de los clientes está llegando a los frentes de producción y atención al cliente.

Las aprobaciones médicas, los informes de eficacia en apoyo emocional, las advertencias sobre relaciones y las preocupaciones sobre las reacciones de los clientes exigen juicios sobre cómo se usa la tecnología, independientemente de su rendimiento. En los ámbitos donde intervienen personas, determinar quién será responsable de qué alcance y dónde tomarán el relevo las personas es más importante que determinar si se puede implantar.

Los titulares sobre recortes de personal y precios de las acciones llaman la atención, pero lo que vemos en ellos es que se habla de recortes y de IA al mismo tiempo. El factor decisivo fue el mantenimiento continuo. En el ámbito de los recursos humanos, hay un movimiento para diseñar la reconversión profesional antes de introducir la IA, y se observa la misma dirección en las organizaciones del sector de cuidados de enfermería y en los planes de estudio educativos. En cuanto a la seguridad, las evaluaciones de organizaciones externas y el diálogo internacional se están ampliando para complementar los autoinformes de cada empresa. En los campos médico y psicológico, hay casos que se confirman mediante procedimientos como la aprobación de la FDA y casos que solo son comunicados por los usuarios, y cuanto más cercano es el uso a las personas, mayor es el impacto de las discrepancias. Al considerar la implementación, el enfoque pasa del impulso de los titulares a los contenidos, como la preparación de las personas, los mecanismos de verificación y la certeza del uso.

P1: Al usar la IA en su trabajo, ¿quién decide cómo usarla, qué pasos seguir y cómo se prepara a los usuarios? P2: ¿La base para afirmar que no hay problemas con los resultados o el uso de la IA se confirma mediante evaluación externa o procedimientos públicos, y no mediante autoinformes? P3: ¿Las decisiones sobre personal e inversiones se basan en si existen mecanismos de reciclaje profesional y verificación, y no en los titulares o en los movimientos de la cotización de las acciones?

Por último, tres preguntas

- Al usar la IA en su trabajo, ¿quién decide cómo usarla, qué pasos seguir y cómo se prepara a los usuarios? P2: ¿La base para afirmar que no hay problemas con los resultados o el uso de la IA se confirma mediante evaluación externa o procedimientos públicos, y no mediante autoinformes? P3: ¿Las decisiones sobre personal e inversiones se basan en si existen mecanismos de recapacitación y verificación, y no en los titulares o en los movimientos de la cotización bursátil? - ¿La base para afirmar que no hay problemas con los resultados o el uso de la IA se confirma mediante evaluación externa o procedimientos públicos, y no mediante autoinformes? P3: ¿Las decisiones sobre personal e inversiones se basan en si existen mecanismos de recapacitación y verificación, y no en los titulares o en los movimientos de la cotización bursátil? - ¿Las decisiones sobre dotación de personal e inversión se basan en si existen mecanismos de reciclaje profesional y verificación, y no en los titulares o en los movimientos de la cotización bursátil?