Destacados de IA — el panorama completo — Noticias diarias del 2026-10-22 (jue)

La adquisición de Orchestra Bio por parte de OpenAI, el acuerdo de $400 millones de Astellas con AI Proteins, los despidos de Qualcomm y su giro hacia los centros de datos de IA. Una serie de informes de la última media jornada indican que la IA está decidiendo a dónde se destinan los fondos para investigación, equipamiento y personal. Mientras tanto, en un artículo que enumera los miedos de los estadounidenses, la ansiedad por la IA se situó en el top 10, y la Universidad de Duke avanza hacia la implementación clínica de la IA para la demencia. Esta secuencia no puede explicarse únicamente midiendo lo precisa que se ha vuelto la tecnología. El éxito o el fracaso de la implementación de la IA depende ahora de cómo las organizaciones posicionan la IA y de cómo la percibe la gente. En cada una de las siguientes secciones examinaremos estos cambios basándonos en informes individuales.

El descubrimiento de fármacos ha entrado en la etapa de competir por el liderazgo mediante adquisiciones y alianzas

OpenAI ha adquirido la startup de descubrimiento de fármacos con IA Orchestra Bio. CHOSUNBIZ informó sobre la adquisición como un movimiento para "acelerar el descubrimiento de fármacos impulsado por IA", y otro artículo tenía en el titular la aceleración del desarrollo de nuevos fármacos. Business+IT informa de que la adquisición se produce en un contexto de creciente competencia por parte de Anthropic y Google. Las empresas de IA optaron por adquirir startups en lugar de realizar su propia I+D como vía de entrada al descubrimiento de fármacos. Al evaluar la IA para el descubrimiento de fármacos, ya no basta con comparar simplemente el rendimiento de los modelos. Qué empresas disponen de un equipo y una tecnología de descubrimiento de fármacos sólidos también influirá en la decisión.

Por parte de las empresas farmacéuticas también hay avances en la retención de clientes mediante alianzas. Astellas ha firmado un acuerdo de descubrimiento computacional de fármacos por $400 millones con AI Proteins, según Fierce Biotech. En un anuncio de Business Wire de AI Proteins, las dos empresas firmaron un acuerdo de colaboración en investigación y licencias. El objetivo es la búsqueda y el desarrollo de nuevos fármacos terapéuticos basados en miniproteínas, y se dice que el coste total asciende a más de $400 millones. Mientras que las adquisiciones son principalmente movimientos de empresas de IA para entrar en el descubrimiento de fármacos, este acuerdo es un movimiento de una gran empresa farmacéutica para asociarse con una empresa especializada en IA. Dado que el importe mostrado es el importe total, los lectores necesitan revisar los términos del contrato en el anuncio para determinar la carga y la recompensa reales. Aun así, se puede ver que la financiación se está desplazando de los experimentos individuales hacia colaboraciones a largo plazo con socios que disponen de una infraestructura tecnológica específica.

La forma de los propios contratos también está cambiando. GeneOnline informó que la facturación por horas está llegando a su fin a medida que la IA revoluciona el negocio de backend farmacéutico de 400.000 millones de dólares. Si el sistema de acumular horas de trabajo y facturar se vuelve insostenible, los contratistas tendrán que demostrar su valor a través de los resultados y de los mecanismos que ofrecen. Las partes que encargan los trabajos también elegirán cada vez más a los subcontratistas según cómo incorporen la IA, y no según la cantidad de tiempo que puedan dedicar al trabajo. Los medios de comunicación presentan este cambio como un cambio estructural para toda la industria.

Los tres movimientos - adquisiciones, alianzas y contratos externalizados - muestran que la adopción de la IA no se trata solo de tecnología, sino que se extiende a la asignación de fondos y al diseño de las transacciones. La siguiente pregunta es cómo percibirán y utilizarán el sistema que se ha puesto en marcha las personas que están sobre el terreno.

La inversión de capital y la reasignación de personal cambiarán la forma de la organización

Se informa de que Qualcomm está recortando personal y trasladando el enfoque de su negocio hacia centros de datos de IA, en línea con su orientación a los resultados (news.lavx.hu). A partir de los materiales disponibles aquí, no es posible confirmar la magnitud de los recortes ni los tipos de empleo a los que se dirigen. Lo que es seguro es que la decisión de reducir personal y la decisión de trasladar el enfoque a los equipos de IA se tratan en el mismo artículo. Por la misma época, Jamie Dimon habló sobre la economía, la inflación "pegajosa" y el gasto en IA (WSJ). El hecho de que el gasto en IA se hable junto con la inflación indica que la inversión en IA ya no se limita a las decisiones tecnológicas de empresas individuales, sino que empieza a medirse en términos de costes y perspectivas económicas. Cuando los lectores consideren sus propias inversiones en IA, no solo mirarán los méritos de la tecnología, sino también cómo se verá el nivel de gasto en el entorno externo.

La distribución en el lado humano también está cambiando. isolved coloca a los agentes de IA junto a los recursos humanos en el organigrama para promover la gestión del capital humano (Yahoo Finance). Esto significa que el trabajo que realiza la IA se gestiona en el mismo organigrama que el trabajo de las personas, por lo que la unidad de introducción cambia de las herramientas a los roles dentro de la organización. También se están produciendo cambios en el proceso de reclutamiento. El Grupo CMIC, cercano a la industria farmacéutica, ha eliminado la Entry Sheet (ES) en la contratación de recién graduados y ha introducido el diálogo con IA. Se pide a los estudiantes que hablen ``con sus propias palabras'' (Nikkan Yakugyo). A partir de la información disponible no se puede discernir si el objetivo es reducir la carga de leer los documentos o si se busca cambiar el medio para evaluar la personalidad de los postulantes. Sin embargo, se mantiene el punto de que la introducción de la IA está cambiando el propio proceso de selección.

Los cuatro movimientos vistos hasta ahora difieren en escala y en industria. Aun así, coinciden en que la financiación de los equipos y la asignación de personal y funciones se están reorganizando al mismo tiempo. Quienes evalúan la introducción de la IA pasarán por alto el movimiento general si tratan como cuestiones separadas el monto de la inversión de capital, el aumento o la disminución del personal, la posición en el organigrama y la forma de usarla en la contratación. Hacia dónde van los fondos y dónde se coloca a las personas deben verse como las dos caras de una misma moneda. En ese caso, el éxito o el fracaso de la implementación dependerá de cómo perciban la IA las personas dentro de la organización. Lo que veremos a continuación es una escena en la que la IA está penetrando en nuestra forma de trabajar e incluso en el ámbito de nuestras mentes.

Las imágenes y los modelos analíticos echan raíces en el campo del diagnóstico y la predicción

La IA que utiliza imágenes como entrada se está expandiendo de su uso como apoyo al diagnóstico hacia su uso en la estimación de riesgos antes de la cirugía. Las noticias médicas matutinas de Medical Economics informaron que la IA ha mejorado la precisión del diagnóstico ecocardiográfico. La misma edición también recogió la condena de un ejecutivo farmacéutico por vender medicamentos contra el VIH en el mercado negro. International urology and nephrology ha publicado un estudio en el que se desarrolló y verificó externamente un modelo multicéntrico para identificar riñones no funcionantes mediante radiómica de TC simple. La investigación de Breast cancer research: BCR utiliza un modelo de conjunto basado en DCE-MRI para predecir de forma preoperatoria márgenes quirúrgicos positivos en la cirugía conservadora de mama. Se trata de una combinación de estudios multicéntricos retrospectivos y prospectivos.

Ejemplos de predicción preoperatoria también se pueden encontrar en otros órganos. Frontiers in Artificial Intelligence informó de un modelo de aprendizaje automático que extrae e integra características de heterogeneidad intratumoral bidimensionales y tridimensionales a partir de resonancia magnética multisecuencia para predecir la invasión perineural en el cáncer ductal pancreático con alta precisión. The Asian Journal of Andrology publicó un estudio que utiliza radiómica de resonancia magnética ponderada en T2 para predecir el riesgo preoperatorio del margen apical en el cáncer de próstata. El objetivo se reduce a los casos en los que el tumor se visualiza en la parte superior. Abdominal Radiology tiene un modelo que utiliza aprendizaje automático y radiómica de tomografía computarizada para identificar las varices esofágicas, que presentan un alto riesgo de sangrado en pacientes con carcinoma hepatocelular.

Al ponerlos en fila, hay tres cosas en común. La entrada es una imagen tomada durante el tratamiento médico diario. Los objetivos a predecir son eventos relacionados con la selección de métodos quirúrgicos y estrategias de tratamiento, como los márgenes, la infiltración y las varices. Las evaluaciones no se limitan a la verificación interna en un solo centro, sino que también incluyen el desarrollo multicéntrico, la verificación externa y estudios prospectivos. También hay diseños que primero determinan las condiciones bajo las cuales se puede usar la tecnología, como la investigación de próstata centrada en los casos en que el tumor es visible en la parte superior. Los lectores deberían mirar más allá de las cifras de precisión del modelo. Es necesario confirmar en qué centros, bajo qué condiciones de imagen y a qué grupos de pacientes puede aplicarse.

Estos estudios indican que los diseños de validación están empezando a cuestionar si la IA de imágenes puede usarse en la práctica clínica. Sin embargo, que un modelo que supera la verificación siga usándose en el terreno se determina de forma separada de su precisión. Todo depende de cómo lo perciben los médicos y cirujanos que leen las imágenes y de cómo lo incorporan al flujo de la atención médica.

La IA que se acerca a la vida diaria y a las emociones provoca ansiedad y expectativas al mismo tiempo

En un artículo que enumera los temores de los estadounidenses, la ansiedad por la IA figuró entre los 10 primeros (La Voce di New York). Al mismo tiempo, en el ámbito médico, se informó que la Universidad de Duke estaba promoviendo esfuerzos para impulsar la introducción clínica de la IA para la demencia (News-Medical). Mientras se habla de la IA como algo que debe temerse, también está entrando en el delicado campo de la atención de la demencia. Estas dos cosas están ocurriendo en paralelo en la misma sociedad. Por lo tanto, es difícil juzgar cómo se introducirá la IA con solo mirar el nivel de ansiedad hacia ella. Necesitamos ver si las personas con inquietudes aceptarán la IA en situaciones relacionadas con el cuidado de sí mismas y de sus familias.

Las aplicaciones cercanas a la vida cotidiana no se limitan a los entornos de cuidados. Un anuncio de la Universidad de Córdoba (UCO), en España, analizó por qué la novia de IA gratuita es tan popular, junto con los pensamientos reales de sus usuarios. En Corea del Sur, se informó de que la IA de Siri, de Apple, admitirá el coreano y también hará referencia a los recuerdos de viajes (Chosun Ilbo). La primera posiciona a la IA como una compañera para el intercambio emocional, y la segunda, como un asistente que utiliza registros personales. Cuanto más se usan ambas, más se registran los propios sentimientos y acciones. La entrada gratuita y las referencias a la memoria crean comodidad. Al mismo tiempo, dejan al usuario con preguntas sobre qué se puede recordar y cómo se puede utilizar.

La tecnología para leer las emociones también empieza a incorporarse en los productos. Se ha informado de que la IA de análisis emocional de Emotional Technologies se instalará en Robutler (Dellows News). Si el interlocutor o el asistente puede analizar las emociones del usuario, resulta más fácil adaptar las respuestas a la situación de cada persona. Por otro lado, hay quien puede sentir que le lean las emociones es una carga. Todos los artículos enumerados aquí se limitan a la información contenida en el titular. Los registros de precisión y seguridad no se pueden confirmar en informes individuales. Por lo tanto, en lugar de centrarse en el número de funciones, quienes implementen el sistema deben mostrar primero cuánto quieren informar a los usuarios y cuánto pueden elegir.

Ya sea el cuidado de la demencia, los acompañantes, los asistentes de voz o el análisis emocional, la confianza del usuario es más propensa a verse afectada por la forma en que se maneja y se explica la información que por las cifras de rendimiento. A medida que la tecnología se acerca a la vida cotidiana, el éxito o el fracaso de su introducción depende de cómo la perciben las organizaciones y las personas. Este punto también es común al observar los cambios en los lugares de trabajo y en los estilos de trabajo.

La base de la implementación se extiende a los cultivos, el aprendizaje y la creación

Se informó que se están realizando esfuerzos para utilizar la IA a fin de desarrollar patatas y arroz resistentes al cambio climático. Se trata de BIOCRAFT, financiado por la UE, según informa SeedWorld. El proyecto se centra en dos cultivos alimentarios básicos y está financiado por el marco público de la Unión Europea. Dentro del alcance de la noticia, no es posible confirmar el método de desarrollo ni los resultados numéricos. Aun así, se puede ver que la IA se está introduciendo no solo para resumir materiales y automatizar tareas, sino también para el cultivo de variedades de cultivos, cuyo desarrollo toma mucho tiempo. Lo que los lectores deben observar también cambia. Además del rendimiento del modelo, entre las pistas para la evaluación se incluyen bajo qué condiciones y durante cuánto tiempo se utilizan fondos públicos para el desarrollo de variedades.

La ola de adopción también ha llegado al aprendizaje individual. Mashable destacó un conjunto de cursos de $35 que te ayudará a perfeccionar tus habilidades de IA e incluso a monetizarlas. La escala de un proyecto de investigación financiado por la UE y la de un curso de $35 son completamente diferentes. El hecho de que estos artículos se agrupen en el mismo grupo muestra que el uso de la IA se está expandiendo simultáneamente desde la inversión organizativa hasta el aprendizaje individual. Lo que los lectores quieren ver aquí no es el bajo precio. Lo importante es que la monetización está incluida en el propósito del curso. Saber usar IA ya se menciona como parte de las habilidades laborales de una persona, y se vincula directamente con su capacidad de generar ingresos. Tanto quienes toman el curso como quienes los contratan necesitan separar el contenido de las habilidades de los resultados del trabajo real.

También hay movimientos en el ámbito cultural. Según AzerNews, el Museo Nacional de Arte ha participado en un diálogo internacional sobre la IA y la cultura. Un museo es una institución que recopila, conserva y expone obras de arte. Que esto ocurra en un foro de diálogo que trasciende las fronteras nacionales probablemente se debe a que la IA se considera un asunto del que los líderes culturales deben hablar con sus propias palabras, y no un asunto limitado al sector técnico. Por los informes solo conocemos el hecho de la participación, y no es posible confirmar si se ha anunciado algún acuerdo o política concreta. A medida que más instituciones se sienten a la mesa del diálogo, el tratamiento de la IA en la creación y la exposición será cuestionado no solo desde una perspectiva tecnológica, sino también desde una perspectiva cultural.

Los tres ejemplos, cultivos, cursos y museos, son diferentes en cuanto al campo y la escala. Sin embargo, el hilo conductor es que las decisiones sobre si incorporar la IA ahora dependen no solo del rendimiento de la tecnología, sino también de quién la financia, quién la aprende y quién la acepta. A medida que se expande el alcance de la implementación, los factores que determinan el éxito o el fracaso pasan de la tecnología a las personas y las organizaciones.

Aunque los casos tratados en cada sección pertenecen a áreas diferentes, todos apuntan en la misma dirección. Las adquisiciones y las alianzas estaban determinando la posición de la IA en el descubrimiento de fármacos, así como la inversión y la reasignación en cuanto a equipos y personal. Para el análisis de imágenes, la verificación externa en múltiples centros fue la clave de la evaluación, y para los cultivos, el aprendizaje y la creación, las fuentes y las formas de financiación se usaron como pistas para la evaluación. En las áreas cercanas a la vida diaria y a las emociones, la ansiedad y las expectativas se hablaban en paralelo dentro de la misma sociedad. En todos los casos, la precisión del modelo es un requisito previo, no un factor decisivo. El éxito o el fracaso de la implementación dependerá de quién aporte los fondos, quién asuma la responsabilidad y cómo lo perciban los usuarios. La evaluación de la IA está desplazando el enfoque de medir el rendimiento de la tecnología a medir cómo la perciben las organizaciones y las personas.

P1: Al incorporar la IA en su trabajo, además de las cifras de precisión, ¿en qué momento y de qué forma comprueba si sus colegas y usuarios la aceptarán? P2: Como responsable del uso de la IA, ¿ha decidido antes de la introducción quién comprobará el alcance y hasta qué punto, y quién explicará cuando surja un problema? P3: Al decidir si invertir en IA o asignar personal, ¿qué criterios utiliza para tener en cuenta el entorno externo y cómo lo perciben los usuarios, además del rendimiento de la tecnología?

Por último, tres preguntas

- Cuando incorporas la IA a tu trabajo, más allá de las cifras de precisión, ¿cómo y cuándo sabes si tus colegas y usuarios la aceptarán? Q2: Como responsable del uso de la IA, ¿has decidido antes de su introducción quién verificará el alcance y hasta qué punto, y quién dará explicaciones cuando surja un problema? Q3: Al decidir si invertir en IA o asignar personal, ¿qué criterios utilizas para tener en cuenta el entorno externo y cómo lo perciben los usuarios, además del rendimiento de la tecnología? - Como responsable del uso de la IA, ¿has decidido antes de la implementación quién verificará el alcance y hasta qué punto, y quién dará explicaciones cuando surja un problema? Q3: Al decidir si invertir en IA o asignar personal, ¿qué criterios utilizas para tener en cuenta el entorno externo y cómo lo perciben los usuarios, además del rendimiento de la tecnología? - Al decidir si invertir en IA o asignar personal, ¿qué criterios utilizas para tener en cuenta el entorno externo y cómo lo perciben los usuarios, además del rendimiento de la tecnología?