Observatorio Tecnológico de Hidalgo

Author: admin

IA y computación cuántica redefinirán las industrias: esto dicen Siemens y Accenture

En una conversación futurista, Alejandro Preinfalk, director ejecutivo de Siemens México, y Jorge Castilla, director general de Accenture, exploraron cómo la Inteligencia Artificial (IA) y la computación cuántica están confluyendo para transformar radicalmente las industrias, la medicina y el entorno empresarial global.

Durante el Siemens Media Day en la Ciudad de México, ambos ejecutivos coincidieron en que el punto de inflexión actual en la historia tecnológica está marcado por una capacidad sin precedentes de interacción con las máquinas.

“Antes, había que saber programar para hablar con una computadora. Hoy basta con hablarle”, destacó Castilla. Este cambio representa, en palabras de Preinfalk, una verdadera democratización del acceso a la tecnología.

La IA toma cuerpo: el siguiente nivel

Una de las reflexiones más provocadoras fue planteada por Castilla, al prever una “segunda evolución” de la IA: cuando esta se dote de cuerpo y sensibilidad a través de la robótica y los sensores.

Esta integración ―dijo― en un futuro permitiría que la Inteligencia Artificial no sólo procese datos, sino que experimente el entorno físico, acercándose así a una cognición más humana.

A este escenario se suma la computación cuántica, que promete revolucionar la resolución de problemas complejos, desde exploración espacial hasta nuevos tratamientos médicos.

Según Castilla, “lo que hoy tarda 30 años en procesarse, con quantum computing podría tardar segundos”. Y si se combina con el poder de la IA, las posibilidades en áreas como la biotecnología se disparan.

Uno de los ejemplos más palpables de esta sinergia fue el desarrollo acelerado de vacunas durante la pandemia. Siemens participó activamente, utilizando gemelos digitales para simular combinaciones moleculares, reduciendo años de trabajo a meses. “Cinco años después, aún estaríamos esperando vacunas si no fuera por esta tecnología”, afirmó Preinfalk.

Otra muestra del potencial de la Inteligencia Artificial es el desarrollo de agentes de IA, sistemas que son capaces de realizar tareas de forma autónoma. Estos sistemas van más allá de los asistentes conversacionales.

Castilla detalló que estos agentes no sólo responden preguntas, sino que ejecutan tareas, automatizan procesos y actúan de manera proactiva con base en el objetivo para el que fueron diseñados, convirtiéndose en una extensión del propio trabajo humano.

En el ámbito de la manufactura, Preinfalk subrayó que, gracias a la IA, es posible interactuar directamente con las máquinas para programar producción, ajustar operaciones o realizar mantenimiento predictivo sin necesidad de conocimientos técnicos avanzados.

Alianzas para acelerar la adopción

Ambos ejecutivos subrayaron que el despliegue efectivo de estas tecnologías exige una base de infraestructura digital sólida y una colaboración estrecha.

En ese sentido, destacaron la alianza entre Siemens y Accenture lanzada en abril de este año. Las empresas crearon un grupo de trabajo con más 7,000 ingenieros con experiencia industrial y en transformación digital para acelerar proyectos tecnológicos en sectores clave, incluyendo la manufactura y la energía.

Esta colaboración ya permite implementar soluciones como copilotos industriales: sistemas que traducen instrucciones en lenguaje natural a comandos de producción automatizados, incluso con capacidades predictivas para mantenimiento.

Eficiencia, personalización y sostenibilidad

La automatización, la simulación industrial avanzada y el metaverso industrial abren paso a una nueva era de hiperpersonalización, eficiencia energética y creatividad empresarial.

Castilla lo resume así: “las empresas tendrán más energía, más capital y más tiempo para innovar. La eficiencia se transformará en creatividad”.

Además, señalaron que la convergencia entre TI (Tecnologías de la Información) y OT (Tecnologías Operativas) permitirá simular y optimizar operaciones completas antes de implementarlas, mitigando riesgos y reduciendo tiempos de reacción ante cuellos de botella.

En términos de sostenibilidad, ambos reconocieron el rol central de la tecnología para enfrentar el cambio climático. Desde avances en baterías y paneles solares, hasta la autosuficiencia energética a nivel industrial, el horizonte apunta hacia una electrificación descentralizada que democratice el acceso a la energía y reduzca emisiones.

Otro mensaje contundente fue que la IA no sólo es para grandes corporaciones. “Es el ecualizador más poderoso del mundo”, sostuvo Castilla.

Gracias a estas herramientas, las pequeñas y medianas empresas pueden acceder a capacidades que antes eran exclusivas de gigantes tecnológicos: crear campañas de marketing, automatizar procesos o incluso diseñar productos a medida.

¿Y México?

A pesar del enorme potencial, México aún figura por debajo del puesto 50 en los rankings globales de digitalización, algo que preocupa a ambos directivos. Las causas, coincidieron, van desde rezagos en educación tecnológica hasta un ecosistema de innovación que necesita mayor confianza, infraestructura y financiamiento.

“La buena noticia es que tenemos todo: academia, talento, ingenieros, incluso más que Alemania. Lo que nos falta es perder el miedo”, concluyó Preinfalk.

Fuente.

DPL News (2025, 07 de agosto). IA y computación cuántica redefinirán las industrias: esto dicen Siemens y Accenture. Recuperado el 08 de agosto de 2025, de: https://dplnews.com/ia-computacion-cuantica-redefiniran-industrias-siemens/

8 August, 2025
La Inteligencia Artificial en el Escalamiento Tecnológico de las Telecomunicaciones

El mercado de las telecomunicaciones entró en una nueva dinámica, a partir de la pandemia del 2020, impulsando una amplia transformación tecnológica, lo que ha implicado una necesidad de inversiones, para desarrollar infraestructura de última generación, según la empresa GSMA Intelligence las empresas de los dispositivos móviles destinarán, por lo menos un Billón de dólares para el despliegue de la tecnología 5G, sin considerar la adquisición del espectro. (Telekom, 2019), de esta forma estar en condiciones de atender, la creciente demanda de banda ancha, tanto de redes fijas, como de dispositivos móviles, cuyo dinamismo es exponencial.

El sector de las telecomunicaciones enfrenta desafíos, propiciados por los aranceles, que Trump está usando como arma geopolítica, ya ha afectado a las cadenas de suministro, al incrementarse los costos de componentes como reuters, switches, antenas y las tecnologías para la 5G, los aranceles tienen un efecto de tsunami (Chat, DeepSeek, 2024).

Para la trasmisión de datos a finales del siglo XIX, desde él telégrafo y el teléfono, hasta el Internet por línea telefónica (DSL) (Digital Suscriber Line) se utilizaron los hilos de cobre; fue a mediados del siglo XX cuando se inició el uso de la fibra óptica, que sustituyó las líneas de cobre (Osado, 2025).

El desarrollo de la tecnología de la fibra óptica, fue resultado de investigaciones realizadas por Charles Kao, del Standard Telecommunication Laboratories y Robert Maurer, Donald Keck y Peter Schultz, de la corporación CORNING, logrando la fibra óptica en 1970.

Con la luz la información viaja 65 mil veces más rápido, que en el cobre (CORNING, 1970). El uso de las redes troncales Híbridas HFC (Hibrid-Fiber-coaxial), fueron resultado de la combinación de la fibra óptica con el cable coaxial.

ALOHnet fue la primera red de datos inalámbrica, descubierta en 1968, es un acceso aleatorio para un gran número de transmisores intermitentes (Abramson, 2009); en los 80s aparecen los modems inalámbricos, en los 90s, NCR y AT&T construyeron las bases del Wi-fi, surgiendo su primer estándar IEEE-802.11, también en ésta década aparecen los primeros sistemas de datos móviles GPRS y EDGE; en 2001 el 3G, y en 2010 el 4G para entrar a la carrera del 5G y del 6G.

Partiendo del principio que la luz viaja un 47% más rápido en el aire que en el vidrio de sílice, se reduce drásticamente la latencia, factor crítico para el 5G y el 6G.

Bajo el concepto de cristales fotónicos, de Eli Yablonobich, Philip Russell, de la Universidad de Southampton, diseñó en 1999, la fibra de núcleo hueco (Hollow-core fiber) (RF, BJ,, & JC,, 1999), surgiendo así una de las innovaciones de más alto impacto para las redes de alta velocidad (Gambardella, 2025).

Las aplicaciones de la IA en las telecomunicaciones, ya son parte natural de sus procesos, la diferencia está en las estrategias, de cómo se aplican la gran diversidad de tipos IA en operaciones específicas

Si bien es cierto que la IA no es es una línea, ni de cobre, ni fibra óptica, funciona como una capa, que está por encima de toda la infraestructura de las telecomunicaciones, para hacerla más eficiente, autónoma y segura, con aplicaciones para predecir, analizar y actuar, mejorando el rendimiento, mediante gestión de tráfico, predecir congestiones, mantenimiento predictivo, eficiencia energética, detección de amenazas, respuesta automatizada, planificación y despliegue de redes, optimiza la 5G, y previendo para la 6G redes auto-reparables, así como una comunicación semántica, entre otras que desarrollará (Google, 2025).

Esto es porque la IA se ha transformado en el cerebro, para que la infraestructura de las telecomunicaciones, escale hasta lograr la construcción de un sistema inteligente, cuyas características principales son la predicción y la autonomía, para que la empresa esté en condiciones, de atender la creciente demanda, unas comunicaciones con velocidad y precisión, para el futuro cercano, que exige una conexión eficiente, rápida y eficaz.

En una era tecnológica, la interconectividad es una necesidad fundamental, sin embargo entraña grandes riesgos, nuestras vidas y rutinas han cambiado, a una velocidad que no alcanzamos a dimensionar, el riesgo mayor es la pérdida del sentido humano, al desaparecer los valores fundamentales, sólo la ciberética podrá redimensionar el papel de la especie humana, en el centro del paradigma tecnológico.

La Inteligencia Artificial en el Escalamiento Tecnológico de las Telecomunicaciones _compressed

Bibliografía

Chat, DeepSeek. (2024). Impacto de la Politica de aranceles del Presidente Trump en el sector de telcomunicaciones a nivel global.

Chat, DeepSeek. (2 de agosto de 2024). Impacto de la Politica de Aranceles del Presoidente Trump en el sector de telecommunicaciones a nivel global.

CORNING. (15 de agosto de 1970). CORNING. Recuperado el agosto de 2025, de corning.com: https://www.corning.com/worldwide/en/markets/Optical-Communications-Market/streamlined-connectivity/timeline-1970.html

Abramson, N. (29 de septiembre de 2009). SCHOLARPEDIA, The peer-reviewed, open access enclycopedia. (U. d. Prof. Francesco Vatalaro, Productor, & doi:10.4249/scholarpedia.7020) Recuperado el julio de 2025, de scholarpedia.org: http://www.scholarpedia.org/article/Aloha_random_access

Gambardella, L. (5 de agosto de 2025). dpl news. Recuperado el agosto de 2025, de dplnews.com: https://dplnews.com/hollow-fiber-la-fibra-que-no-se-ve-pero-puede-cambiarlo-todo/

Google. (2 de agosto de 2025). Reporte sobre la evolución de las telecomuniciones del cobre a la fibra optica y el papel de la IA.

Osado, D. (31 de julio de 2025). Telefonica. Recuperado el julio de 2025, de telefonica.com: https://www.telefonica.com/es/sala-comunicacion/blog/luz-fibra-optica/?utm_campaign=ttlc20250731&utm_medium=email&utm_source=acumbamail

RF, C., B. M., & J. K. (3 de septiembre de 1999). Guía de luz en el aire mediante la banda prohibida fotónica monomodo. Science, 285(5433), 1537-1539.

Telekom. (15 de mayo de 2019). DEUTSCHE TELEKOM –Informe anual 2019. Recuperado el agosto de 2025, de report.telekom.com: https://report.telekom.com/annual-report-2019/management-report/the-economic-environment/telecommunications-market.html

6 August, 2025
El deep learning está pasado de moda

Nadie puede negar que, en la evolución exponencial de la inteligencia artificial, el deep learning ha sido uno de los protagonistas más distinguidos. Este tipo de aprendizaje automático –machine learning–, que imita la forma en que el cerebro humano adquiere ciertos tipos de conocimientos, ha sido el motor detrás de muchos avances significativos en campos que van desde el reconocimiento de voz y de imágenes hasta la mejora de los sistemas de recomendación en plataformas de streaming y comercio electrónico.

Sin embargo, a medida que la tecnología avanza y las necesidades de la sociedad se transforman, surgen voces que proclaman que el deep learning podría estar llegando a sus últimos momentos, en aras de nuevas técnicas más transparentes.

Y es que una de las mayores críticas apunta a su naturaleza inherentemente opaca. Estos modelos, especialmente aquellos con arquitecturas complejas y profusas capas de redes neuronales, son difíciles de interpretar. A medida que un algoritmo de deep learning “aprende” de los datos, realiza ajustes en sus parámetros internos. Entender cómo estas modificaciones afectan a las decisiones finales entraña una dificultad considerable.

Esta “caja negra” en la toma de decisiones se ha convertido en un punto de fricción significativo, especialmente en aplicaciones donde la transparencia y la rendición de cuentas son cuestiones de especial relevancia.

Pongamos como ejemplo un médico o un juez que usan un algoritmo de aprendizaje profundo para complementarse a la hora de abordar el diagnóstico de un paciente o el veredicto de un acusado. En principio, este profesional obtendrá del modelo de IA el resultado, la conclusión, pero no los pasos que ha seguido hasta hacer la consideración final. Por este motivo, es difícil su uso actual en la toma de decisiones complejas.

Razones éticas y legales

La creciente demanda de entender los procesos que hay detrás de la IA está enraizada en un conjunto diverso de preocupaciones, que abarcan desde la ética hasta la legalidad. La implementación de regulaciones como la Ley de la Inteligencia Artificial en la Unión Europea, recientemente aprobada, subraya la importancia de que los sistemas sean transparentes, explicables y justos.

Con ello, no solo busca proteger los derechos de los individuos, sino también fomentar la confianza en las tecnologías de aprendizaje automático, al asegurar que se puedan entender y cuestionar sus decisiones. En este sentido, el deep learning, con su intrincada red de cálculos y su dificultad para la transparencia, choca directamente con estos principios y cada vez se va convirtiendo en un desafío mayor.

Alternativas menos opacas

Así, la necesidad de sistemas más transparentes y explicables está remodelando las prioridades de investigación y desarrollo, con un impulso por buscar alternativas que no sacrifiquen el rendimiento, pero que ofrezcan una mayor claridad en su funcionamiento interno.

Una de estas nuevas vías es la apuesta por técnicas de explicabilidad por diseño, que integran la capacidad de explicación en el corazón mismo de los modelos de IA. Se trata de programas que buscan no solo mejorar la interpretación de los modelos existentes, sino también crear nuevos tipos de algoritmos que sean intrínsecamente más transparentes.

Por otro lado, la comunidad científica está trabajando en otra alternativa viable: modelos híbridos que combinan elementos de aprendizaje profundo con enfoques más tradicionales de la inteligencia artificial, como los sistemas basados en reglas o la lógica simbólica. Esta opción pretende equilibrar la capacidad de generalización y el rendimiento del deep learning con la claridad y la explicabilidad de los métodos más antiguos.

En cualquier caso, parece que la tendencia es avanzar hacia técnicas más estructuradas y menos dependientes de datos masivos, como el aprendizaje por refuerzo y el aprendizaje federado.

Estos enfoques ofrecen caminos alternativos para desarrollar sistemas inteligentes que pueden ser más fáciles de auditar y entender.

El machine learning está lejos de ser lineal o predecible y, aunque el deep learning ha dominado el campo durante años, estamos viendo que su posición no está asegurada. Es probable que se diversifiquen los enfoques de esta tecnología, donde la efectividad se mide no solo en términos de precisión o eficiencia, sino también en la capacidad de los modelos para ser comprendidos y cuestionados. Será fundamental para poder cumplir, de manera adecuada y más fácilmente, con las diferentes regulaciones en IA que se están empezando a desarrollar en todo el mundo.

En los próximos años seremos testigos de grandes cambios… esto es solo el principio. Nadie tiene una bola de cristal para garantizar al 100 % hasta dónde llegaremos en la evolución de los sistemas de inteligencia artificial. Trabajemos conjuntamente para intentar conseguir que dicha evolución tenga el impacto más positivo posible tanto a nivel profesional, como en las personas.

Fuente:

The Conversation (2024, 25 de abril). El deep learning está pasado de moda. Recuperado el 04 de agosto de 2024, de: https://theconversation.com/el-deep-learning-esta-pasado-de-moda-227380

4 August, 2025
Semiconductores: el corazón invisible de la tecnología moderna

Los celulares, automóviles, televisores, computadoras y refrigeradores tienen algo en común: dependen del funcionamiento de los semiconductores. Aunque pasan desapercibidos a simple vista, su papel en la tecnología moderna es tan esencial que, sin ellos, “nuestra vida actual sería impensable”, aseguró José Luis Jáuregui, académico de la Maestría en Innovación y Excelencia Operacional de CETYS Universidad.

“Si no existieran los semiconductores, probablemente seguiríamos en la Edad de Piedra”, afirmó. “Nos permiten comunicarnos, transportarnos, entretenernos y acceder a servicios básicos. La tecnología ya no es un lujo: es una necesidad cotidiana”.

Cómo funcionan los semiconductores y por qué son fundamentales

Los semiconductores son materiales que tienen la capacidad de controlar el flujo de energía eléctrica, permitiendo o bloqueando su paso según sea necesario. Esta propiedad los convierte en piezas clave en todos los dispositivos electrónicos, desde un teléfono móvil hasta un equipo de resonancia magnética.

“Son los encargados de regular cuánta energía necesita cada componente. Sin ellos, los dispositivos simplemente no funcionarían o se dañarían”, explicó el docente. Además, se fabrican mayormente con silicio, un elemento abundante en la Tierra, lo que ha facilitado su producción y expansión.

Aplicaciones tecnológicas y crecimiento del sector

Por otra parte, resaltó que los avances en semiconductores han transformado sectores enteros. En el ámbito médico, permiten el funcionamiento de equipos quirúrgicos robotizados; en la industria automotriz, hacen posible la conducción asistida y la seguridad inteligente en vehículos; en la educación y la comunicación, sustentan plataformas de videollamadas y redes digitales.

Además, señaló que el crecimiento del sector de los semiconductores está lejos de detenerse. De acuerdo con la Ley de Moore, cada dos años se duplica la cantidad de transistores (o chips) que pueden integrarse en un circuito. Esto se traduce en dispositivos cada vez más potentes, pequeños y eficientes, por lo que subrayó la importancia de fomentar en la sociedad una mayor conciencia tecnológica.

“No se trata de que todos seamos expertos en física electrónica, pero sí de comprender que esta tecnología es parte de nuestra vida diaria y que conocerla puede abrir muchas puertas. Las universidades, como CETYS, están formando a los líderes que impulsarán este campo en el futuro”, concluyó.

Fuente.

Mexico Industry (2025, 24 de julio). Semiconductores: el corazón invisible de la tecnología moderna. Recuperado el 01 de agosto de 2025, de: https://mexicoindustry.com/noticia/semiconductores-el-corazon-invisible-de-la-tecnologia-moderna

1 August, 2025
Corte láser, soldadura y dobladoras: Grupo HI-TEC muestra el futuro de manufactura avanzada

Con una exhibición de tecnología de punta y soluciones de manufactura inteligentes, Grupo HI-TEC demostró su liderazgo durante su participación en FABTECH México 2025. José Martín Serrato, jefe de Aplicaciones de la empresa, compartió los avances y nuevas propuestas que posicionan a la firma como un aliado estratégico para la industria mexicana.

Entre los equipos presentados, destacó unalínea completa de maquinaria para corte y soldadura láser, dobladoras de lámina y tubo, prensas y desbarbadoras de material. En particular, se introdujo la marca TFON, la cual ahora se suma a la oferta de valor de HI-TEC para robustecer las soluciones en procesos de desbarbado y nivelado.

“Estamos mostrando demostraciones en las que integramos procesos completos: desde el corte láser, pasando por desbarbado, doblado de lámina y soldadura láser. Todo esto en una sola pieza, con el objetivo de mostrar cómo nuestras tecnologías trabajan en conjunto para optimizar la producción”, explicó Serrato.

Además, Grupo HI-TEC presentó sus soluciones en automatización, que incluyen adaptaciones robóticas a máquinas de soldadura y dobladoras.

La empresa, orgullosamente mexicana desde 1992, abarca todo tipo de sectores, como el automotriz, la aeronáutica y las maquiladoras. Actualmente, cuenta con presencia estratégica en la República Mexicana y trabaja con marcas reconocidas como HASS, NAKAMURA y CITIZEN. Su propuesta de valor incluye no solo la comercialización de maquinaria, sino también asesoría integral, soporte técnico e ingeniería especializada.

“Nuestra misión es apoyar a nuestros clientes en cada etapa con excelencia en servicio y soluciones personalizadas”, concluyó el jefe de Aplicaciones.

Fuente.

Mexico Industry (2025, 26 de mayo). Corte láser, soldadura y dobladoras: Grupo HI-TEC muestra el futuro de manufactura avanzada. Recuperado el 01 de agosto de 2025, de: https://mexicoindustry.com/noticia/corte-laser-soldadura-y-dobladoras-grupo-hi-tec-muestra-el-futuro-de-manufactura-avanzada

1 August, 2025
De la inspección visual a la IA: así mejora la calidad en el sector automotriz

La inteligencia artificial ya no es una promesa futura para la industria automotriz, sino una herramienta que está redefiniendo procesos fundamentales como la validación de materiales, la inspección de componentes y la garantía de calidad en línea.

Aplicaciones de la inteligencia artificial en calidad automotriz

Durante el panel “Más allá del rumor – Más allá de la moda: ¿Qué significa la IA para la industria automotriz?”, realizado en el marco del GTI Summit, José Luis Tobías, director de quality assurance en KIA, destacó cómo la IA ha permitido acelerar y optimizar procesos tradicionalmente complejos.

“En nuestro laboratorio de materiales, una evaluación con rayos X que antes tomaba hasta tres horas, hoy puede reducirse a minutos gracias al aprendizaje no supervisado aplicado a bases de datos de imágenes buenas y defectuosas”, explicó.

Asimismo, una de las aplicaciones más impactantes es la inspección visual automatizada. Víctor Cuevas, director de digitalización e innovación global en Katcon, compartió que en su planta han desarrollado modelos de visión por computadora capaces de detectar defectos en soldaduras con gran precisión.

“Antes, la variabilidad entre operadores complicaba la inspección; ahora, la IA genera una línea base objetiva que compensa esas diferencias y permite un control más confiable”, aseguró.

Mejora continua y detección de defectos en tiempo real

Por otro lado, la experiencia de Siemens en este ámbito complementa la visión desde el lado del software industrial. Eduardo Shelley, portfolio development executive en Siemens Digital Industries, señaló que la detección de patrones y el reconocimiento óptico están resolviendo problemas críticos en la línea de producción.

“Típicamente, el 60% de las piezas defectuosas no se detectan a tiempo. Con IA podemos reconocer imperfecciones en soldadura o pintura sin esperar a una revisión tardía”, afirmó.

Además de reducir el margen de error, estas tecnologías también permiten establecer un ciclo de mejora continua. Katcon, por ejemplo, utiliza los datos recolectados en producción para retroalimentar a sus equipos de ingeniería, lo que permite que los nuevos diseños consideren defectos históricos y variaciones reales de proceso.

Este enfoque marca una diferencia clave: no se trata solo de automatizar lo que antes hacía una persona, sino de ampliar la capacidad de análisis y predicción con base en millones de datos. “La IA no sustituye la experiencia humana, la potencia”, concluyó Tobías.

Así, la industria automotriz mexicana comienza a dar pasos firmes hacia una manufactura más inteligente, donde la calidad ya no depende del ojo humano, sino de sistemas que aprenden, anticipan y mejoran continuamente.

Fuente.

Mexico Industry (2025, 16 de julio). De la inspección visual a la IA: así mejora la calidad en el sector automotriz. Recuperado el 31 de julio de 2025, de: https://mexicoindustry.com/noticia/de-la-inspeccion-visual-a-la-ia-asi-mejora-la-calidad-en-el-sector-automotriz

31 July, 2025
Así cambiará la industria automotriz con IA y aprendizaje automático

La industria automotriz ya no gira solo en torno a motores, transmisiones y diseño. Hoy, los vehículos deben aprender, decidir y adaptarse. Esa es la razón por la que la inteligencia artificial (IA) y el aprendizaje automático se consolidan como habilidades imprescindibles para el talento que quiera mantenerse vigente hacia 2030.

Durante su intervención en el GTI Summit, Ricardo Swain Oropeza, decano de la Facultad de Ingeniería y Ciencias del Tecnológico de Monterrey, fue directo:

“La IA no va a reemplazar a los ingenieros, pero los ingenieros que no usen IA, sí serán reemplazados”, dijo.

El mensaje es claro: el dominio de la inteligencia artificial no es opcional. Ya no se trata solo de conocer el concepto, sino de saber cómo entrenar modelos, interpretar grandes volúmenes de datos, tomar decisiones en tiempo real y adaptarse al entorno.

Tecnologías que transforman el vehículo inteligente

Los sistemas actuales —asistencia al conductor, mantenimiento predictivo, navegación autónoma, personalización del usuario— ya dependen de algoritmos de IA. Y su implementación exige que el talento tenga habilidades para trabajar con flujos de datos, sensores y herramientas de entrenamiento de modelos.

Swain explicó que estas competencias no solo están en los laboratorios del futuro. Ya se aplican en campus universitarios y empresas que desarrollan vehículos capaces de identificar obstáculos, trazar rutas, optimizar recursos o adaptarse a condiciones inesperadas, usando inteligencia artificial directamente desde el vehículo, sin necesidad de conexión a la nube.

Una de las habilidades clave es desarrollar sistemas que puedan operar “on the edge”, es decir, procesar datos de forma local, sin depender de servidores externos. Esto requiere comprender cómo funciona el hardware, pero también cómo adaptar modelos entrenados para que sean eficientes y rápidos en condiciones reales.

“El que no entienda lo que le está pidiendo a una IA, tampoco entenderá los resultados. Y eso es peligroso cuando hablamos de vehículos que transportan personas o mercancías”, advirtió.

La IA impulsa nuevas competencias en el talento automotriz

Con el auge de plataformas como ChatGPT, Copilot o asistentes predictivos, muchos jóvenes creen que la IA hará el trabajo por ellos. Pero la realidad es que la ventaja competitiva está en saber integrarla estratégicamente, no solo usarla superficialmente.

De cara al 2030, los ingenieros e ingenieras capaces de diseñar vehículos que piensen, se anticipen y tomen decisiones seguras y eficientes serán quienes definan el rumbo de la industria automotriz.

Fuente:

Mexico Industry(2025, 29 de julio). Así cambiará la industria automotriz con IA y aprendizaje automático. Recuperado el 31 de julio de 2025, de: https://mexicoindustry.com/noticia/asi-cambiara-la-industria-automotriz-con-ia-y-aprendizaje-automatico

31 July, 2025
La Aplicación de la Inteligencia Artificial En la producción de medicamentos

El éxito de los medicamentos está en la superación de la enfermedad en los pacientes; por lo que la generación de medicamentos exige un proceso de investigación, tanto en la producción de fármacos como en la herbolaria.

En la generación de medicamentos, los costos y la complejidad son crecientes, lo que hace imprescindible diseñar nuevas estrategias y aplicar nuevas tecnologías, siendo la Inteligencia Artificial (IA) la preponderante, sobre todo en materia de I+D, que siempre requiere largos periodos de tiempo, en promedio entre 10 y 13 años, incluso más, para realizar el proceso que incluye: descubrimiento de la entidad molecular, fase preclínica, ensayos clínicos, revisión, producción y farmacovigilancia, esta última fase es continua (Farma, Industria, 2025).

La IA genómica está impactando en los ensayos clínicos, en la monitorización, las alertas, los modelos de riesgo y la optimización en el uso de recursos; se estima que la IA genómica podría generar más de 50 mmdd en valor anual, en las fases fundamentales de la cadena de valor (Lewis & Rascke, Ralf, et alt, 2025).

Las aplicaciones de modelos como BioGPT y Med-PaLM analizan datos de microscopía, patología y modelos químicos, orientados a la predicción de proteínas (Shah & Bleys, Joachim; et alt, 2024).

Las enfermedades, en el tránsito histórico de la humanidad, algunas desaparecen, pero surgen nuevas más complejas, requiriéndose de nuevos fármacos, para lo cual la IA, en convergencia con la inteligencia humana, se logra la Inteligencia Aumentada, como modelo de asociación, para llegar al paradigma del aprendizaje trascendente, que va del diseño de fármacos, asistido por computadora, a uno asistido por la inteligencia aumentada, llegando a un diseño de fármacos asistido por el humano (Saldivar-Gonzalez & Medina, Franco, Jose L, 2023).

La IA facilita el mapeo de las estructuras de las proteínas, identificando sus puntos críticos para diseñar las moléculas, llamadas aglutinantes, creando nuevas generaciones de fármacos proteicos, destinados a tratar el dolor, el cáncer y enfermedades cerebrales (Xuelai, 2025).

Las aplicaciones de la IA en la industria de biofármacos, se centra en enfermedades que afectan a poblaciones de altos ingresos, dejando de lado las enfermedades crónicas, de pacientes con menor poder adquisitivo, ésta industria dominada por trasnacionales, se rige por el mercado y la alta rentabilidad, desincronizándose de las poblaciones de países con menor desarrollo (Ahlawat, Graves, & Hou, Tina, et alt, 2022).

Para las poblaciones con menores recursos está la herbolaria, donde también la IA ha empezado a impactar, captando e integrando los grandes volúmenes de información, desarrollando aplicaciones, para los procesos de formulación de remedios complejos, incluso personalizando tratamientos específicos.

Dado que la esencia de la IA es la información, sus aplicaciones se orientan a: identificación y clasificación de plantas medicinales a través de imágenes, contribuyendo al estudio y conservación de la biodiversidad, también se aplica en el análisis fitoquímico y en actividades terapéuticas; captando la información necesaria, la cual analiza para predecir efectos terapéuticos (Google, 2025).

No menos importante son las aplicaciones de la IA en el desarrollo de nuevas formulaciones herbales, ya que tiene capacidad de analizar miles de combinaciones de plantas, para identificar las sinergias de más impacto valorando los efectos secundarios.

El campo de aplicaciones de la IA en la herbolaria, si bien es incipiente, tiene un gran potencial, dado que a través de la IA generativa, puede diseñar e identificar nuevas moléculas y compuestos bioactivos con potencial terapéutico.

Los fármacos y la herbolaria, son dos vertientes que pueden converger y dar mayor y mejor respuesta a las enfermedades, que se han padecido, se padecen y las nuevas que ya se están generando, como resultado de los cambios climáticos que están propiciando mutaciones, en nuestras capacidades de adaptación.

El problema que persiste, como una pandemia, es la voracidad de las grandes trasnacionales que se rigen por el criterio del mercado de alta rentabilidad, contrario a la búsqueda de soluciones con sentido social, la salud no debe ser comprada, es un derecho de vida y de sobrevivencia de la especie humana, encarecer los medicamentos mas allá de lo justo, debería ser un delito tan grave como el genocidio impune, obra de la dupla Trump-Netanyahu, que padecen los palestinos.

Bibliografía

Lewis, J., & Rascke, Ralf, et alt. (13 de febrero de 2025). McKinsey/ Ciencias de la Vida. Recuperado el julio de 2025, de McKinsey & Company: https://www.mckinsey.com/industries/life-sciences/our-insights/faster-smarter-trials-modernizing-biopharmas-r-and-d-it-applications?stcr=999E979B5DB0451CA3

Ahlawat, H., Graves, G., & Hou, Tina, et alt. (27 de octubre de 2022). McKinsey, Ciencias de la vida. Recuperado el julio de 2025, de mckinsey.com: https://www.mckinsey.com/industries/life-sciences/our-insights/the-helix-report-is-biopharma-wired-for-future-success#/

Farma, Industria. (7 de junio de 2025). farma industria. Recuperado el julio de 2025, de farmaindustria.es: https://www.farmaindustria.es/web/reportaje/cuanto-tiempo-se-tarda-y-por-que-en-desarrollar-un-medicamento/

Google. (25 de julio de 2025). Respuesta de IA, sobre la aplicación de la IA en la medicina herbolaria.

Saldivar-Gonzalez, F. I., & Medina, Franco, Jose L. (abril-junio de 2023). Inteligencia Artificial en el diseño de fármacos: hacia la Inteligencia Aumentada. Educación Química(34), 17-25.

Shah, B., & Bleys, Joachim; et alt. (9 de enero de 2024). McKinsey & Company. Recuperado el julio de 2025, de mckinsey.com: https://www.mckinsey.com/industries/life-sciences/our-insights/generative-ai-in-the-pharmaceutical-industry-moving-from-hype-to-reality#/

Xuelai, F. S. (21 de julio de 2025). Singularityhub. Recuperado el julio de 2025, de singularityhub.com: https://singularityhub.com/2025/07/21/ai-designed-drugs-can-now-target-previously-undruggable-proteins-in-cancer-and-alzheimers/?utm_campaign=SU%20Hub%20Daily%20Newsletter&utm_medium=email&_hsenc=p2ANqtz-_CZEm9C0VScql5aghFqTrbiTwbVo-e0JixC5NdBQnnDp6hBs4H9

30 July, 2025
Agentes autónomos: el futuro del trabajo colaborativo ya está aquí, según NTT Data

NTT Data presentó sus desarrollos más avanzados en IA: agentes sintéticos y robótica, mostrando cómo estas tecnologías están redefiniendo la forma en que trabajamos, nos comunicamos y coexistimos con las máquinas.

La Inteligencia Artificial (IA) ya no es simplemente una herramienta para automatizar tareas o responder preguntas. Para NTT Data, los agentes inteligentes con mayor autonomía están marcando el inicio de una nueva era en el trabajo colaborativo.

En su conferencia The Future Uncovered, la compañía japonesa destacó que la IA ya no se trata sólo de interacciones texto a texto o asistentes virtuales limitados: ahora se desarrollan entidades capaces de razonar, coordinarse, ejecutar tareas complejas y aprender de su entorno.

Como ejemplo, uno de los desarrollos más llamativos de NTT Data es Rita, una agente de Inteligencia Artificial que puede conversar de forma natural en varios idiomas, observar su entorno, imaginar escenarios, generar imágenes y responder en tiempo real.

Su capacidad para interrumpir y ser interrumpida, al igual que un humano en una conversación, es un ejemplo del alto nivel de sofisticación alcanzado, afirmó Xavier Colomer, jefe de Inteligencia Artificial DTI en NTT Data.

Pero el gran salto conceptual presentado por la compañía fue el de los agentes colaborativos. Estas IAs trabajan en conjunto como un equipo humano distribuido: un agente puede encargarse de la ortografía, otro de la estructura narrativa y otro de la coherencia temática, todos dirigidos por un “agente manager” que coordina el flujo de trabajo.

Ya no se trata de un solo modelo haciendo todo, sino de varios agentes especializados que cooperan para alcanzar un objetivo común, explicó Víctor Leon Marambio, jefe de Innovación Tecnológica Digital y director de Tecnología de la empresa.

Personas sintéticas: networking automatizado

Durante el Mobile World Congress 2025, NTT Data desplegó Synthetic Affairs, una plataforma donde los visitantes podían crear un clon digital basado en su perfil profesional.

Estos “humanos sintéticos” realizaron networking de forma autónoma, visitaron stands, conversaron con otros avatares y generaron más de 20 mil interacciones útiles. Al final del día, los usuarios reales recibían una lista personalizada de contactos y leads que probablemente no habrían conseguido por cuenta propia.

Los ejecutivos resaltaron que esta dinámica también puede aplicarse a eventos, marketing, testing de campañas o incluso selección de personal, lo cual refleja una transformación profunda del rol humano: ya no es únicamente quien opera las herramientas, sino quien la dota de propósito y supervisión.

De la pantalla al mundo físico

Otro punto destacado de la conferencia fue la presentación de Pixel, un robot cuadrúpedo con IA integrada ―parecido en forma a un perro― capaz de mapear entornos tridimensionales, evitar obstáculos, manipular objetos y funcionar incluso sin conexión a la Nube.

Diseñado para tareas en entornos de riesgo como minas o zonas de desastre, este desarrollo demuestra cómo la Inteligencia Artificial también está extendiendo las capacidades físicas, no sólo las cognitivas.

Según NTT Data, en el horizonte los humanoides también cobrarán protagonismo, al estar adaptados a moverse en entornos construidos para humanos —con puertas, manivelas o escaleras—, lo que amplía su aplicabilidad en sectores como la industria, la salud o la logística.

Nuevos dilemas, nuevas habilidades

Si bien las oportunidades que abren estas tecnologías son inmensas, NTT Data subrayó los retos que implican: ética, veracidad de la información, seguridad y sostenibilidad.

La posibilidad de crear clones digitales, la mayor autonomía de los agentes y la generación de contenidos hiperrealistas hacen urgente establecer límites éticos, salvaguardas técnicas y formación masiva para prevenir riesgos o usos inadecuados.

“La IA no tiene conciencia, pero sí genera resultados en función del contexto y los datos que le damos. Si los insumos tienen mala intención, las respuestas también lo tendrán”, advirtió Xavier Colomer.La clave, de acuerdo con los especialistas, está en combinar la autonomía de las máquinas con la supervisión y el juicio humano, bajo el principio del “humano aumentado”.

Fuente:

DPL News (2025, 24 de julio). Agentes autónomos: el futuro del trabajo colaborativo ya está aquí, según NTT Data. Recuperado el 30 de julio de 2025, de: https://dplnews.com/agentes-autonomos-el-futuro-del-trabajo-colaborativo-ya-esta-aqui-segun-ntt-data/

30 July, 2025
Humanos superaron la puntuación de oro de la IA en el principal concurso de matemáticas

Los organizadores del concurso advirtieron que no pudieron verificar cuánta potencia informática habían utilizado los modelos de IA.

Los humanos vencieron a los modelos de Inteligencia artificial creados por Google y OpenAI en una importante competencia internacional de matemáticas, a pesar de que los programas alcanzaron puntajes de nivel oro por primera vez.

Ninguno de los modelos obtuvo la máxima puntuación, en cambio, cinco jóvenes lograron puntuaciones perfectas en la Olimpiada Internacional de Matemáticas (OMI), una prestigiosa competición anual en la que los participantes deben tener menos de 20 años.

Los organizadores del concurso advirtieron que no pudieron verificar cuánta potencia informática habían utilizado los modelos de IA o si hubo participación humana.

Google dijo el lunes que una versión avanzada de su chatbot Gemini había resuelto cinco de los seis problemas matemáticos planteados en la OMI, celebrada este mes en Queensland, Australia.

“Podemos confirmar que Google DeepMind alcanzó la tan deseada meta, obtuvo un puntaje de 35 sobre 42 puntos, un marcador de medalla de oro”, dijo el gigante tecnológico estadounidense citando al presidente de la OMI, Gregor Dolinar.

“Sus soluciones fueron sorprendentes en muchos aspectos. Los evaluadores de IMO las encontraron claras, precisas y la mayoría fáciles de seguir”.

Alrededor del 10% de los concursantes humanos ganaron medallas de oro y cinco recibieron puntuaciones perfectas de 42 puntos.

OpenIA, el fabricante estadounidense de ChatGPT, dijo que su modelo de razonamiento experimental también obtuvo un nivel de oro, con 35 puntos en la prueba.

“Evaluamos nuestros modelos con los problemas de la OMI de 2025, bajo las mismas reglas que los concursantes humanos”, dijo en las redes sociales el investigador de OpenIA Alexander Wei.

“Para cada problema, tres ex medallistas de la OMI calificaron de forma independiente las respuestas que presentaron los modelos”, agregó Wei.

Fuente.

El Economista (2025, 26 de julio). Humanos superaron la puntuación de oro de la IA en el principal concurso de matemáticas. Recuperado el 29 de julio de 2025, de: https://www.eleconomista.com.mx/tecnologia/humanos-superaron-puntuacion-oro-ia-principal-concurso-matematicas-20250726-769528.html

29 July, 2025