AI Highlights — el panorama completo — Noticias diarias del 2026-10-27 (mar)

Según se informa, Comcast está trasladando sus servicios de atención en mostrador a agentes de IA y reduciendo su plantilla debido a la caída de las suscripciones de banda ancha. Sin embargo, Apollo señala que la IA no está generando retornos financieros para las empresas estadounidenses. Cuando la decisión de reducir personal se toma antes de confirmar los resultados, el trabajo, el juicio, las palabras y la confianza se desplazan silenciosamente hacia la IA. Los artículos reunidos en este lapso de medio día abarcan situaciones distintas, como revisiones administrativas, policía, elecciones, educación e investigación especializada, pero todos piden a los lectores que juzguen sobre el mismo punto. Antes de decidir si incorporar o no la IA, es importante considerar quién asumirá la carga y la responsabilidad que surjan tras su introducción.

Los recortes se imponen y no se vislumbra un retorno

Según se informa, Comcast está trasladando sus operaciones de atención al cliente a agentes de IA y reduciendo su plantilla ante una caída de 144 000 suscripciones de banda ancha (TechSpot). TechStory también informó de que se espera que la empresa realice recortes de personal a gran escala, citando la reducción de contratos y la expansión de la IA como motivos. Hay dos razones para la reducción: el número de suscriptores ha disminuido y el punto de contacto puede dejarse en manos de la IA. Sin embargo, estos artículos no permiten deducir cómo cambiarán los costos y la atención al cliente tras depender de la IA. Por otro lado, Apollo señala que la IA no está generando rendimientos financieros para las empresas estadounidenses (Business Insider). Esto significa que la decisión de recortar personal puede estar en marcha antes de que se confirmen los resultados.

La reducción no es la única opción. La banca privada de JPMorgan utiliza IA para agilizar el trabajo de los asesores (Bloomberg.com). Este método se emplea para reducir la cantidad de trabajo que se exige a los asesores sin dejar de mantener su papel en el trato con los clientes. En Singapur, NTUC y KPMG han puesto en marcha un programa de transformación de recursos humanos (NTUC UPortal) que vincula la introducción de la IA con la mejora de la calidad del empleo. Lo que abordan estos dos casos no es el número de personas, sino el contenido de sus funciones.

Si comparamos el ejemplo de Comcast con los de JPMorgan, NTUC y KPMG, vemos que, aunque han introducido la misma IA, los supuestos son diferentes. En el primer caso, debido al deterioro del desempeño del negocio por la disminución de contratos, toda la función del mostrador se traspasará a la IA. Las segundas intentan dejar el trabajo en manos de personas y cambiar su calidad. Sin embargo, el artículo sobre JPMorgan solo muestra eficiencia operativa, y a partir de ahí no está clara la magnitud de los resultados. Los programas de NTUC y KPMG también se encuentran en la etapa de anuncio de sus iniciativas.

Cuando los lectores leen artículos sobre la introducción de la IA, quieren ver no solo qué cambiará, sino también qué reducirán primero y qué obtendrán a cambio. Si el argumento de Apollo es correcto, Comcast no es el único ejemplo en el que se hacen recortes sin ver ningún retorno. La pregunta entonces es quién asumirá la carga que quede después de los recortes. En la siguiente sección, examinaremos el proceso por el cual las tareas y las decisiones son cada vez más realizadas por la IA, y a quién se trasladará la carga.

El examen automatizado y el uso por parte de la policía corrigen el sesgo

En relación con la revisión automática de pagos de Medicaid, HomeCare ha citado cinco contramedidas, señalando los riesgos de la revisión basada en IA. Dejar el examen en manos de una máquina podría perjudicar al beneficiario del pago. Esto significa que es necesario preparar medidas de antemano para contrarrestarlo. La BBC informó de que los investigadores han advertido que el uso de IA por parte de la policía podría profundizar la discriminación. En Berlín, la cuestión es si debe utilizarse la psicoterapia basada en IA (The Berliner). Lo que tienen en común los tres casos es que los destinatarios de las decisiones y del apoyo de la IA son quienes reciben prestaciones, quienes están sujetos al control policial y quienes sufren problemas de salud mental.

Lo que influye aquí en el juicio del lector no es tanto si la introducción mejorará la eficiencia, sino quién protestará cuando ocurra un error o un sesgo y quién pagará el coste de corregirlo. HomeCare subraya la necesidad de contramedidas porque, aunque se hable de la automatización de la selección como una eficiencia para quien la implementa, puede acabar siendo una desventaja para las empresas y los usuarios sobre el terreno. Las advertencias de los investigadores que presenta la BBC también indican que el uso de la IA en los departamentos de policía plantea dudas sobre la equidad. La cuestión de si una tecnología puede usarse o no en psicoterapia indica que primero es necesario decidir en qué situaciones puede usarse, más que si puede usarse. Quienes estén considerando la introducción deberían tener en cuenta no solo la eficacia esperada, sino también los mecanismos para recibir y verificar las reclamaciones.

La misma estructura aparece entre países. Según Al Jazeera, un alto funcionario de las Naciones Unidas ha advertido de que las disparidades en el uso de la IA amenazan con ampliar la desigualdad global. Seeking Alpha informa de que, en la carrera de IA entre EE. UU. y China, cada país se ve obligado a tomar decisiones difíciles entre esferas tecnológicas rivales. Los países con capacidad para aprovechar plenamente la tecnología tienen una opción, pero los países que no tienen capacidad para utilizarla por sí mismos pueden verse limitados en cuanto a las oportunidades de uso o a la hora de determinar a qué esfera tecnológica pertenecen. Una vez más, los beneficios y las cargas de la implementación no se distribuyen necesariamente del mismo lado.

Tanto a nivel individual como nacional, la introducción de la IA puede marcar la diferencia entre quienes pueden asumir la carga y quienes se ven obligados a cargar con ella. En este caso, la pregunta que debe plantearse antes de decidir si se incorpora la IA es quién será responsable de las desventajas que puedan surgir. En la siguiente sección veremos cómo se maneja esta responsabilidad en la práctica.

La verdad y la humanidad vacilan

Dos días antes de las elecciones, el primer ministro Netanyahu publicó una imagen generada por IA que mostraba una explosión nuclear en Tel Aviv, según informó The Jerusalem Post. En la recta final de la votación, determinar si la imagen es auténtica recae en cada destinatario. La situación es la misma en el ámbito educativo. Shinano Mainichi Shimbun Digital informó de que la desinformación aumenta debido a la rápida expansión de la IA y de que las instituciones educativas también tienen dificultades con la verificación de datos. Наша Ніва, bajo el titular «La IA pone en duda al autor de la pintura más cara del mundo», informa de un caso en el que incluso se cuestiona la suposición de la autoría. Lo que tienen en común todos ellos es que verificar las cosas requiere más tiempo y esfuerzo en ámbitos tan distintos como las elecciones, las clases y el arte. Aunque quien implementa la IA pueda reducir el tiempo que lleva crear algo, la carga de verificar la autenticidad sigue recayendo en el destinatario o en la escuela. Al sopesar los pros y los contras de introducirla, también es necesario considerar quién pagará la verificación.

Esta fluctuación se extiende no solo al lado de la información, sino también al lado humano. Mainichi Shimbun informó de que los estilos de habla propios de los bots de IA se están extendiendo entre los humanos. No solo nos preguntamos si las palabras al otro lado de la pantalla son propias de una máquina, sino que la forma en que nosotros mismos hablamos se vuelve cada vez más maquinal. Unisba Media informa de que el profesor Brian Green habló sobre la amenaza de la IA, la conciencia y el fin de la humanidad, y el debate sobre si las máquinas son conscientes ha entrado en el ámbito profesional. En el plano de la vida cotidiana, The Sun informó de que una persona que gastó el dinero de su subsidio en una novia de IA parecida a Kim Kardashian dijo: «Va a tener un bebé». Hay personas que establecen relaciones aunque la otra parte no sea humana. El libro presenta la vida y el pensamiento de Turing, el «padre de la inteligencia artificial», como un genio excéntrico y solitario. La pregunta de si las máquinas pueden pensar ha estado desde hace mucho tiempo inseparable de la vida humana.

Comprobar si algo es real o no, y trazar la línea entre los humanos y la IA, queda ahora en manos del criterio personal de cada individuo y no de las instituciones o las empresas. La cuestión que se abordará en la siguiente sección es hasta qué punto esa carga debería recaer en personas ajenas a las partes involucradas.

La verificación determina los resultados en los campos especializados

En el diagnóstico del cáncer oral, el papel de la IA se está ampliando del diagnóstico por imagen al tratamiento de precisión, informa Bioengineer.org. En la agricultura, la IA y los robots mejorarán la agricultura de precisión y el monitoreo de cultivos, informa Analytics Insight. En el descubrimiento de fármacos, Pathos AI ha obtenido 237 millones de dólares en financiación de Serie E para ampliar su plataforma de descubrimiento de fármacos basada en agentes de IA y avanzar en su cartera oncológica, informa BioSpace. Lo que tienen en común los tres temas es que el objetivo no es reducir el número de personas, sino mejorar la calidad del trabajo en sí: el diagnóstico, el cultivo y la búsqueda de fármacos terapéuticos. Sin embargo, la enorme cantidad de financiación solo indica el nivel de expectativas del mercado, no una prueba de resultados. Lo que se diferencia de la situación vista en las secciones anteriores, donde «primero se producen los recortes y no hay un retorno visible», es que los objetivos para medir los resultados son específicos desde el principio.

Es la verificación realizada en el ámbito de la investigación la que construye la evidencia de estos resultados. El artículo de Scientific Reports trata sobre cómo suprimir los efectos de lote en la espectroscopia Raman mediante aprendizaje profundo. El contenido aborda de lleno las variaciones debidas a las condiciones y al momento de la medición, como un problema distinto de la precisión del modelo. El International Journal of Oncology Research informa de la clasificación de subtipos de cáncer de mama usando datos de expresión de GEO, junto con la validación externa en una cohorte independiente. El Journal of Radiation Research and Applications trata la predicción de los efectos de la radioterapia en el cáncer gástrico mediante radiómica de TC con contraste, tanto en el desarrollo del modelo como en su validación. El Kashmir Journal of Academic Research and Development incluye un artículo que analiza un marco farmacéutico que apoya el tratamiento del cáncer de pulmón mediante aprendizaje automático, un proyecto de investigación conjunto entre la Facultad de Farmacia de Pakistán y la Universidad Farmacéutica de China. En múltiples instituciones y múltiples tipos de cáncer, existe un procedimiento común de validar los modelos desarrollados con otros datos.

Este contraste muestra lo que el lector debe preguntar al escuchar la presentación de una introducción. La única forma de estimar el potencial de reducción de costos es revisar los registros contables para ver si el ahorro se ha logrado realmente. La IA en campos especializados debe responder primero a preguntas como si puede aplicarse a cohortes independientes, si los resultados se mantendrán aunque cambien las condiciones de medición y si puede incorporarse a los procedimientos in situ. Si el sistema va a utilizarse para decisiones de diagnóstico o tratamiento, el costo de verificar las respuestas debe incluirse en el costo de implementación.

En los ámbitos donde hay responsables de la verificación, habrá más material para juzgar el valor de la IA. Entonces, ¿dónde recae la responsabilidad por los errores en los ámbitos donde los productos se usan sin una persona u organización responsable de verificarlos? La siguiente sección comienza con esta pregunta.

Los ejemplos que se ven en cada sección provienen de distintos sectores y situaciones. Lo que sigue siendo cierto, sin embargo, es que, aunque se hable de eficiencia y de promesas con la introducción de la IA, la carga que queda después se traslada a otra persona. En el caso de los recortes de personal, las decisiones se toman sin confirmar los resultados, y en el caso de los exámenes automatizados y del uso por parte de la policía, quienes están en desventaja asumen los costos de las objeciones y las correcciones. La verificación de la autenticidad queda en manos del receptor y de la escuela. Lo que diferenció los resultados por área de especialización fue si el objetivo era concreto y si se había verificado. Por lo tanto, los factores que determinan si se introduce o no la IA no son solo el rendimiento de la IA ni las expectativas del mercado. Cuando se produce un error o un sesgo, es importante decidir de antemano quién lo comprobará, quién responderá a las objeciones y quién asumirá los costos.

P1: Cuando se descubre un error o sesgo en un trabajo que utiliza IA, ¿quién tiene la responsabilidad de comprobarlo y corregirlo? P2: ¿Se determinan por escrito, antes de la implementación, los canales para impugnar las decisiones de la IA y quién asumirá los costes de las correcciones? P3: ¿Ha tomado la decisión de cambiar el personal o las atribuciones antes de confirmar los resultados de la implementación?

Por último, tres preguntas

- Cuando se descubre un error o un sesgo en un trabajo que utiliza IA, ¿quién debería encargarse de comprobarlo y corregirlo? P2: ¿Se determinan por escrito, antes de la implementación, los canales para apelar los juicios de la IA y quién asumirá los costes de las correcciones? P3: ¿Ha tomado la decisión de cambiar el personal o la autoridad antes de confirmar los resultados de la implementación? - ¿Se establecen por escrito, antes de la implementación, los canales para apelar las decisiones de la IA y quién asumirá los costes de la corrección? P3: ¿Ha tomado la decisión de cambiar el personal o la autoridad antes de confirmar los resultados de la implementación? - ¿Se toman decisiones para trasladar personal o autoridad antes de confirmar los resultados de la implementación?