Innex Digest Agosto 26
Analisis
El modelo de IA ya no es el producto central
«La pregunta ya no es solo qué modelo de IA es más inteligente. Es quién será capaz de convertirlo en un sistema realmente útil».
El modelo deja de estar solo
La primera etapa de la IA generativa ha estado dominada por los modelos: más capacidad, más contexto y mejores resultados. Pero las señales de este mes muestran un cambio de fase. El modelo sigue siendo importante, pero deja de ser el producto completo.
Los modelos abiertos cambian el equilibrio
Anthropic y OpenAI concentran buena parte de los ingresos de los principales laboratorios. Al mismo tiempo, los modelos con pesos abiertos —muchos desarrollados en China— se pueden descargar, adaptar y ejecutar fuera de la infraestructura del fabricante.
Estos modelos no compensan necesariamente la concentración económica, pero sí ofrecen un contrapeso tecnológico: amplían el acceso y reducen la dependencia de los sistemas cerrados.
La ventaja pasa a la plataforma
Si diferentes empresas pueden acceder a modelos similares, la diferencia ya no consiste únicamente en elegir uno. Consiste en integrarlo en un producto, conectarlo con datos y combinarlo con otros modelos.
Medtronic presenta una plataforma quirúrgica preparada para incorporar diferentes aplicaciones de IA. Figma combina modelos propios y externos según el coste y la complejidad de cada tarea. Otros sistemas ya seleccionan automáticamente qué modelo conviene utilizar en cada petición.
La competencia pasa de tener «la mejor IA» a construir el mejor sistema con las IA disponibles.
Un agente es más que una respuesta
A un agente no le basta con generar una buena respuesta. Para trabajar durante más tiempo y ejecutar tareas necesita memoria, herramientas, permisos, límites y un registro de sus acciones.
Por eso, evaluarlo ya no consiste únicamente en comprobar si llega al resultado correcto. También hay que saber qué ha hecho para llegar hasta él, qué herramientas ha utilizado y qué costes o riesgos ha generado.
En salud, el algoritmo es solo el principio
Un estudio con 32 modelos de IA en hematología muestra que pueden tener conocimientos médicos y, al mismo tiempo, no saber qué información deben solicitar antes de diagnosticar. El mejor modelo solo alcanzó un 68 % de precisión global cuando debía buscar activamente los datos que faltaban.
CaRi-Heart muestra la otra parte del recorrido: investigación, marcado CE, evidencia clínica y, años después, autorización de la FDA. En salud, un buen modelo todavía no es una herramienta clínica. También hay que integrarlo en el proceso asistencial y demostrar que puede utilizarse con seguridad.
La computación se convierte en economía
El sistema que rodea a la IA también tiene un coste. Las empresas desarrollan modelos propios para controlar el gasto, las plataformas distribuyen las peticiones entre diferentes proveedores y la capacidad de computación empieza a tratarse como una materia prima.
CME Group y Silicon Data preparan contratos de futuros vinculados al coste de alquilar GPU. La infraestructura de IA ya no es únicamente una cuestión técnica: también es una variable económica y estratégica.
El valor se desplaza
Los modelos seguirán mejorando, pero la ventaja no estará reservada únicamente a los laboratorios que los entrenan. También podrán construirla las organizaciones que conozcan mejor a sus usuarios, integren mejor la tecnología y la conviertan en resultados útiles.
El producto es todo el vehículo
La próxima generación de productos de IA no se diferenciará únicamente por la inteligencia del modelo. Se diferenciará por la capacidad de combinar modelos, datos, herramientas, profesionales y procesos para resolver problemas reales.
El modelo es el motor. La diferencia la marcará quien sea capaz de construir el mejor vehículo.
Salud
Nueve de cada diez profesionales sanitarios encuestados del NHS declaran utilizar la IA en su práctica clínica.
Según una encuesta encargada por Heidi a 1.000 profesionales del NHS, el 90% ya utiliza herramientas de IA en la práctica clínica, principalmente para reducir la carga administrativa, redactar documentación y gestionar el seguimiento de los pacientes. Aunque se trata de una fuente corporativa, el dato sugiere que el debate empieza a desplazarse hacia la necesidad de establecer mecanismos de gobernanza y uso seguro de la IA.
La IA médica también debe aprender a preguntar antes de decidir
Un estudio con 32 modelos de IA en hematología oncológica muestra que un buen conocimiento médico no garantiza un buen proceso diagnóstico cuando falta información. Los modelos debían decidir qué datos clínicos solicitar durante tres rondas antes de formular diagnóstico y tratamiento, y el mejor solo alcanzó un 68% de precisión global. La implicación es importante para la IA clínica: no basta con que el modelo interprete correctamente los datos disponibles; también debe saber detectar qué falta y cuándo todavía no es prudente decidir.
Sacar un sobresaliente en el examen de medicina no garantiza dar buenos consejos a los pacientes
Un ensayo aleatorizado con 1.298 participantes muestra que las personas que utilizan grandes modelos de lenguaje para interpretar síntomas no toman mejores decisiones que las que consultan fuentes convencionales. Los autores concluyen que existe una diferencia importante entre el rendimiento de los modelos en benchmarks médicos y su comportamiento cuando interactúan con personas reales.
La próxima generación de robots quirúrgicos competirá por su plataforma de IA, no solo por el robot
Medtronic ha presentado Touch Surgery™ Aide, una plataforma computacional integrada con el robot Hugo que permite ejecutar múltiples aplicaciones de inteligencia artificial en tiempo real durante la cirugía. La primera, ya autorizada por la FDA, alerta cuando un instrumento sale del campo visual, pero la plataforma está diseñada para incorporar nuevos algoritmos de asistencia, apuntando a una nueva etapa en la que el valor de los sistemas robóticos dependerá tanto del software como del hardware.
La FDA somete Galleri a una revisión externa antes de decidir sobre el primer análisis de sangre multicáncer
La FDA ha convocado un comité asesor independiente para revisar la solicitud de autorización PMA de Galleri, el análisis de sangre de Grail para detectar múltiples tipos de cáncer. La revisión llega después de que un gran estudio en el NHS no alcanzara su objetivo principal, y pone el foco en una cuestión clave para los nuevos diagnósticos: no solo cuántos tumores detectan, sino si su uso aporta un beneficio clínico suficiente para compensar sus riesgos.
Los sensores de glucosa evolucionan: de medir datos a ofrecer orientación personalizada con IA.
Abbott y Google han anunciado una colaboración para integrar los datos del sensor Lingo con Google Health y desarrollar una orientación de salud más personalizada y proactiva. La iniciativa refleja una tendencia creciente en salud digital: los dispositivos dejan de limitarse a registrar datos y empiezan a interpretarlos para ayudar a las personas a comprender mejor sus hábitos y tomar decisiones más informadas.
Sociedad
Los mejores tutores de IA podrían ser los que no responden inmediatamente
La investigación sobre práctica de recuperación (retrieval practice) muestra que intentar recuperar activamente conocimiento de la memoria produce más aprendizaje que limitarse a volver a estudiar el material. Aplicado a los tutores de IA, esto sugiere que dar inmediatamente la respuesta no siempre será la mejor estrategia: un buen tutor también deberá saber cuándo preguntar, dar pistas y hacer que el estudiante intente recuperar el conocimiento antes de explicar.
Un estudio masivo de ChatGPT Enterprise muestra cómo las empresas todavía están aprendiendo a integrar la IA en el trabajo
Un estudio basado en más de 17 millones de conversaciones de ChatGPT Enterprise en más de 1.500 organizaciones muestra que el uso de la IA sigue creciendo dentro de las empresas que ya la han adoptado. Las tareas más habituales son la redacción de documentación, la comunicación y el desarrollo técnico, y los profesionales júnior utilizan la IA mucho más intensamente que los directivos. Los autores concluyen que la implantación de la IA es un proceso progresivo de aprendizaje organizativo, más que una automatización inmediata.
Anthropic incorpora marcas invisibles para identificar texto generado por Claude.
La entrada en vigor de las obligaciones de transparencia del AI Act europeo está impulsando mecanismos para que el contenido generado por IA sea detectable. Anthropic ha anunciado la incorporación de una marca invisible en el texto de Claude y metadatos de procedencia en otros contenidos, mientras cerca de 190 organizaciones se han adherido al Código de Buenas Prácticas europeo. El cambio apunta a una nueva capa de infraestructura para acreditar el origen del contenido digital, más que a una herramienta definitiva contra la desinformación.
Costes, valor de negocio y gobernanza amenazan más del 40% de los proyectos de agentes de IA
Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelarán antes de finales de 2027 debido a costes crecientes, un valor de negocio insuficientemente demostrado o controles de riesgo inadecuados. El dato desplaza el foco desde la capacidad técnica hacia demostrar retorno, gobernar los riesgos e integrar los agentes dentro de los procesos de la organización.
Organizaciones
El éxito de la IA está llevando a las empresas de software a desarrollar modelos propios
Figma está incrementando la inversión en modelos propios y combinándolos con modelos más avanzados de terceros para ajustar coste y capacidad a diferentes tareas. El movimiento ilustra una tendencia emergente: las empresas de software empiezan a reservar los modelos más potentes para las tareas que realmente los necesitan y a especializar modelos propios para controlar la economía de la IA.
OpenAI sitúa el control humano como un principio central del desarrollo de la IA
OpenAI ha publicado el documento How we think about safety and alignment, donde afirma que los sistemas de IA deben estar diseñados para que las personas puedan expresar su intención, supervisar su comportamiento y mantener el control. El documento refleja un desplazamiento del discurso público: las capacidades de los modelos siguen siendo importantes, pero la gobernanza, la supervisión humana y el alineamiento con los valores sociales ocupan un lugar central en el marco de seguridad y alineamiento que presenta la compañía.
La IA transforma el papel de los responsables de producto: coordinar pesa menos que entender al cliente
Empresas como Midjourney, Laurel y Mutiny explican que la IA está eliminando buena parte de las tareas de coordinación entre equipos. Cuando cualquier profesional puede construir, probar o corregir funcionalidades con ayuda de la IA, el valor del responsable de producto se desplaza hacia comprender a los usuarios, distribuir este conocimiento por toda la organización y asegurar que todos disponen del criterio necesario para tomar buenas decisiones de producto. Se perfila así un modelo en el que el conocimiento del cliente deja de concentrarse en un único equipo y pasa a ser una capacidad compartida.
La guerra por el talento en IA llega a los tribunales: ¿dónde acaba la experiencia de un ingeniero y dónde empieza un secreto industrial?
OpenAI ha pedido al tribunal que desestime la demanda de Apple por apropiación de secretos comerciales, argumentando que la empresa no identifica con suficiente precisión qué información confidencial habría sido utilizada. El caso pone sobre la mesa una tensión creciente entre movilidad del talento y protección del conocimiento propietario en una industria donde los expertos más especializados circulan entre competidores.
Cuando cada parte incorpora IA, el proceso puede convertirse en una carrera de automatización
La IA ya no solo acelera el trabajo de los profesionales sanitarios: también se utiliza para automatizar revisiones, autorizaciones previas y decisiones de cobertura por parte de las aseguradoras. Organizaciones como la American Medical Association alertan de que estos sistemas deben estar sometidos a supervisión clínica y transparencia, mientras trabajos recientes describen el riesgo de una «carrera armamentística» administrativa en la que cada actor despliega más IA para responder a la IA del otro.
Al SEO le aparece un nuevo frente: ser visible en Google no garantiza serlo en las respuestas de la IA
Un estudio con 11.500 consultas muestra que Google Search, AI Overviews y Gemini recuperan fuentes sustancialmente diferentes para responder a las mismas preguntas, con un solapamiento medio inferior a 0,2 entre los resultados. Esto indica que la visibilidad tradicional en los buscadores y la presencia dentro de las respuestas generadas por IA empiezan a funcionar con dinámicas diferentes. Para las organizaciones, ya no bastará con pensar en posicionamiento web: también habrá que entender cuándo y por qué los sistemas de IA seleccionan una fuente.
Mercado
Anthropic y OpenAI concentran cerca del 90% de los ingresos de los principales laboratorios de IA
En una muestra de 34 de las principales empresas de IA, Anthropic y OpenAI generan el 89% de los ingresos anualizados, mientras que el conjunto supera los 80.000 millones de dólares. El dato muestra hasta qué punto los ingresos de este grupo están concentrados en los dos principales laboratorios.
Las grandes tecnológicas reclaman que no se restrinjan prematuramente los modelos con pesos abiertos
Microsoft, Meta, NVIDIA, Hugging Face y centenares de empresas y organizaciones han suscrito una carta que reclama preservar la posibilidad de publicar modelos con pesos abiertos, que se pueden descargar, adaptar y ejecutar fuera de la infraestructura del fabricante. Los firmantes defienden que esta apertura favorece la innovación, la competencia y la soberanía tecnológica, mientras sigue abierto el debate sobre los riesgos de publicar modelos cada vez más potentes.
Las aplicaciones de IA empiezan a elegir dinámicamente qué modelo utilizar para cada tarea
EY describe sistemas de gobernanza que controlan el consumo, el encaminamiento entre modelos (routing) y el comportamiento de los agentes para equilibrar coste, rendimiento y riesgo. La tendencia apunta a una arquitectura en la que las aplicaciones dejan de depender de un único modelo y seleccionan servicios diferentes según la complejidad de cada petición.
La IA choca con un nuevo límite: electricidad, agua y territorio
La expansión de los grandes centros de datos para IA está empezando a encontrar resistencia institucional en Estados Unidos. Nueva York ha impuesto la primera moratoria estatal de Estados Unidos sobre nuevos centros de datos hiperescalables mientras evalúa su impacto sobre la red eléctrica, el agua, el territorio y los costes energéticos. La disponibilidad de chips deja de ser el único factor crítico: el acceso a energía, infraestructuras y aceptación social se consolida como un nuevo condicionante para el despliegue de la IA.
La orquestación de los modelos de IA se convierte en un negocio multimillonario
El interés de Stripe por adquirir OpenRouter por cerca de 10.000 millones de dólares apunta a un cambio de valor dentro del ecosistema de la IA: ya no compiten solo los modelos, sino también las plataformas que deciden qué modelo utilizar en cada petición según el coste, el rendimiento o la latencia. Estas capas de orquestación permiten combinar centenares de modelos bajo una única interfaz y se están convirtiendo en una infraestructura estratégica para reducir costes, evitar dependencias de un único proveedor y facilitar el despliegue de agentes de IA.
Regulación
La FDA refuerza el papel de los datos del mundo real en la evaluación de los dispositivos médicos
La FDA ha actualizado su marco sobre evidencia del mundo real y amplía el papel que estos datos pueden tener en las decisiones regulatorias sobre dispositivos médicos. Esto implica que, además de los ensayos clínicos, los datos generados durante la práctica asistencial —registros, historias clínicas electrónicas o dispositivos conectados— pueden tener un papel creciente en la demostración de la seguridad y el rendimiento de las nuevas tecnologías sanitarias.
De la investigación a la FDA: CaRi-Heart muestra que llevar una IA clínica al mercado puede ser un proyecto de décadas
La FDA ha autorizado CaRi-Heart, una herramienta de IA que estima el riesgo cardiovascular a partir de angiografías coronarias. Más allá de la autorización, el proyecto ilustra el recorrido habitual de una IA clínica: la investigación empezó en Oxford y la spin-off Caristo se creó en 2018, el sistema obtuvo el marcado CE en 2021 y ha seguido acumulando evidencia clínica en grandes cohortes antes de obtener la autorización De Novo de la FDA en julio de 2026. En salud, el valor de la IA no depende solo del algoritmo, sino de los años de validación científica, clínica y regulatoria necesarios para convertirlo en una herramienta asistencial.
Los reguladores consolidan una vía para que los dispositivos médicos con IA puedan evolucionar después de ser autorizados
El IMDRF ha publicado los principios internacionales de los Predetermined Change Control Plans (PCCP), que permiten definir de antemano qué cambios se prevé introducir en un dispositivo, cómo se evaluarán y qué límites deberán respetar. El cambio regulatorio es importante para la IA médica: el dispositivo deja de tratarse exclusivamente como un producto estático y pasa a poder incorporar evoluciones previamente definidas y controladas.
La Coalition for Health AI crea un grupo de trabajo sobre ciberseguridad para la IA sanitaria
La Coalition for Health AI (CHAI) ha constituido un nuevo grupo de trabajo dedicado a la ciberseguridad, con el objetivo de desarrollar guías y recursos para ayudar a las organizaciones sanitarias a gestionar los riesgos asociados a los sistemas de IA más avanzados.
La criptografía poscuántica obliga a repensar cómo se protegen las comunicaciones digitales
Las organizaciones no solo deberán adoptar los nuevos algoritmos poscuánticos, sino identificar dónde siguen utilizando criptografía vulnerable y planificar su sustitución. NIST prevé retirar progresivamente de sus estándares los algoritmos vulnerables a la computación cuántica hasta 2035, con una transición anterior para los sistemas de mayor riesgo.
Tecnología
Evaluar un agente de IA ya no consiste solo en comprobar si acierta la respuesta, sino también cómo llega a ella.
La documentación técnica de LangSmith y AWS defiende que los agentes de IA también deben evaluarse por el proceso que siguen: qué herramientas utilizan, qué decisiones toman y qué coste, tiempo o riesgos acumulan durante la ejecución. Este cambio refleja una nueva etapa en la ingeniería de agentes, donde la calidad de la trayectoria de ejecución se vuelve tan importante como el resultado final.
Metis explora una memoria nativa para los modelos de IA, sin depender de un sistema externo de recuperación.
Un nuevo trabajo de investigación presenta Metis, un modelo experimental que incorpora mecanismos para recordar, actualizar y olvidar información dentro del propio modelo, sin recurrir a sistemas externos de recuperación como el RAG. Aunque todavía es una propuesta de investigación, apunta a un posible cambio de arquitectura: la memoria podría convertirse en una capacidad nativa de los modelos, simplificando el desarrollo de futuros asistentes personales y profesionales.
Los asistentes de IA dejan de esperar preguntas y empiezan a vigilar cambios por iniciativa propia
OpenAI ha ampliado las tareas programadas de ChatGPT para que no solo ejecuten acciones puntuales o recurrentes, sino que también comprueben periódicamente si hay cambios y avisen únicamente cuando detecten una actualización relevante. Este modelo transforma los asistentes en sistemas de vigilancia continua capaces de seguir normativas, literatura científica, competidores o incidencias sin intervención constante del usuario. Para las organizaciones, el valor de la IA empieza a desplazarse de responder consultas a mantener una vigilancia periódica del entorno.
Los agentes de IA entran en una nueva etapa: gestionar el contexto será tan importante como el modelo
Los agentes de larga duración ya no dependen solo de la capacidad del modelo, sino de cómo administran la información acumulada durante la ejecución. Anthropic describe mecanismos de compactación del contexto y memoria entre sesiones para decidir qué conservar, resumir o recuperar cuando una tarea supera la ventana de contexto. Para las organizaciones, esto desplaza parte del foco desde la elección del modelo hacia el diseño de la arquitectura de los agentes.
Frontera
Un modelo de solo 150 millones de parámetros sugiere que el futuro de la IA también pasa por arquitecturas más eficientes
Pathway ha presentado BDH-CQ, un modelo que logra un rendimiento competitivo en una prueba de razonamiento abstracto con un 29,5% pass@2 en ARC-AGI-1 y un coste computado de 0,0007 dólares por tarea; según Pathway, unas once veces inferior al modelo concreto utilizado como comparación. En lugar de generar largas cadenas de pensamiento en texto, el sistema razona internamente en un espacio latente y solo produce la respuesta final. Aunque el resultado se limita a este benchmark, refuerza la idea de que los avances en IA pueden venir tanto de nuevas arquitecturas como del aumento del tamaño de los modelos.
La capacidad de computación para IA empieza a cotizar como una materia prima.
CME Group y Silicon Data preparan contratos de futuros vinculados al coste de alquilar GPU para entrenar y ejecutar sistemas de IA, pendientes de revisión regulatoria. Empresas e inversores podrán cubrirse ante las variaciones del precio de la computación, de forma similar a lo que ya se hace con otras materias primas.
Las IA explican demasiado y simplifican las historias: la narrativa ya permite detectarlas con un 93,2 % de macro-F1.
Un estudio con más de 61.000 relatos concluye que las historias generadas por IA se diferencian no solo por el estilo, sino también por la manera en que construyen la narrativa: tienden a crear tramas más lineales, ordenadas y explicativas, mientras que los autores humanos incorporan más ambigüedad moral, saltos temporales y diversidad narrativa. Utilizando únicamente estas características narrativas, el sistema alcanza un 93,2 % de macro-F1 distinguiendo textos humanos y generados por IA.
La IA acelera los prototipos, pero desplaza el valor hacia la validación y el criterio de los equipos.
Un estudio cualitativo con 22 profesionales de producto muestra que el vibe coding permite generar prototipos mucho más rápidamente y reduce las barreras para participar en el desarrollo. Al mismo tiempo, los equipos identifican nuevos retos relacionados con la fiabilidad del código, la integración, la supervisión humana y el riesgo de dependencia excesiva de la IA. Más que eliminar el trabajo de los equipos, la IA desplaza su papel hacia definir mejor la intención, validar los resultados y tomar decisiones de diseño.
Comentarios