Observatorio Tecnológico de Hidalgo

Author: admin

  • Los Agentes de Inteligencia Artificial Están transformando a la sociedad

    Los Agentes de Inteligencia Artificial Están transformando a la sociedad

    Ésta era tecnológica está marcada por la velocidad con que se diseñan, crean y articulan aplicaciones, de nuevas herramientas tecnológicas, para intensificar el flujo de información, en toda actividad productiva y social, siendo la Inteligencia Artificial (IA) el centro y la transversalidad, que hace posible la interoperabilidad, tanto en los procesos empresariales, comerciales, como políticos y en sí, en la dinámica social, en ambientes de paz, como de guerras sobre todo genocidas, tanto en los espacios fisicos y virtuales, como de esparcimiento y de conectividad social rutinaria; según Dirk Hoerig, fundador y Director de Innovación Commercetools (Personal de VB, 2025) ahí está presente la IA, impactando el comportamiento humano, en lo económico, lo social, y lo político, creando una cultura que amenaza, con enterrar los valores humanos que hasta hoy nos han unido. 

    El escalamiento tecnológico de última generación, se observa en el tránsito de lo que representó el ChatGPT, a la creación de los Agentes de IA; con los modelos GPT se generaron los asistentes, pero con el Agente de IA denominado Astra, de Google, se inició la fase donde los usuarios interactúan con él, mediante audio, texto y video; por ello las tecnológicas trasnacionales, están inviertiendo en I+D  para crear Agentes de IA.

    Según David Barber, Director del Centro de IA de la University College de Londres, son modelos de algoritmos con capacidad de actuar de forma autónoma, tomando decisiones por sí mismos; Para Jim Fan, investigador senior de Invidia, hay dos categorías de agentes, los Agentes de Software y los Agentes Encarnados; los primeros operan en computadoras fijas y dispositivos móviles, con capacidad de gestionar correos electrónicos y procesos administrativos automatizados. 

    Mientras que los Agentes Encarnados operan en los mundos de 3D, como videojuegos y robótica, para que desarrollen actividades domésticas, como el Agente de IA llamado MineDojo, que opera en el videojuego Minecraf; todos ellos requieren de grandes volúmenes de información, sin ella no podrían funcionar (Heikkila, Melisa, 2024).  

    Para científicos informáticos como Stuart Rusell y Peter Norvig, un Agente (Artificial) es cualquier ente informático capaz de percibir su medio ambiente con la ayuda de sensores y actuar en ese medio, utilizando actuadores (es la reacción de un estímulo realizando una acción por sí mismo (Russell & Norvig, Peter, 2004, págs. 37-38); el ente informático, recibe pulsaciones de información, a través de la red, que no son más que entradas sensoriales, lo que le permite actuar. 

    La ruta de operación de un Agente de IA es: Percepción-Procesamiento- Acción; la percepción es el proceso de recopilacion de información del entorno, vía dispositivos de imagen, voz y texto; durante el Procesamiento el Agente de IA aplica algoritmos, para interpretar la información y decidir que acción tomar; finalmente la Acción es la decisión específica, como leer y dar respuesta de un correo electrónico o mover un brazo robótico etc. 

    Se conocen 5 tipos de Agentes de IA: los Reactivos Simples que se concretan a condición-acción, no tienen memoria y reaccionan a la percepción actual; Reactivos basados en Modelos, tienen una noción de cómo funciona su entorno, lo que les permite manejarlos, como un GPS en un túnel; Agentes Basados en Objetivos, no solo reaccionan al entorno, si no que tienen objetivos definidos ampliando su capacidad de elegir que decisión tomar; Agentes Basados en Utilidad, cuentan con múltiples formas de alcanzar un objetivo, eligiendo la más óptima; Finalmente los Agentes de Aprendizaje, tienen la capacidad de aprender de su propia experiencia y volverse mas expertos, en la medida que se retroalimentan, superando su rendimiento (Google, 2025). 

    Sin lugar a dudas que son herramientas cuyo desarrollo es incipiente, pero registran un escalamiento acelerado, los Agentes de IA son el siguiente paso evolutivo de la IA generativa, expresó Vijoy Pandey, Vicepresidente de OutShift (Personal de VB, 2024) son como empleados que nunca se cansan, están diseñados para realizar tareas específicas y mejorarlas, por que están aprendiendo constantemente. 

    Sin embargo, presentan riesgos, como la falta de ética, pueden propiciar la  violación de la privacidad, registran una falta de comprensión del contexto real, porque no tienen el sentido histórico, además de tener limitaciones en innovación y creatividad, nada es perfecto y la tecnología no tiene honor. 

     

    Los Agentes de Inteligencia Artificial Están transformando a la sociedad

     

    Bibliografía

    Google. (20 de julio de 2025). Agentes de Inteligencia Artificial / Respuesta del Modelo de lenguaje Gemini. (Google, Ed.)

    Heikkila, Melisa. (5 de julio de 2024). Technology Review. Recuperado el julio de 2025, de tecnologyreview.com: https://www.technologyreview.com/2024/07/05/1094711/what-are-ai-agents/

    Personal de VB. (13 de agosto de 2024). VentureBeat. Recuperado el julio de 2025, de venturebeat.com: https://venturebeat.com/ai/beyond-assistants-ai-agents-are-transforming-the-paradigm/

    Personal de VB. (24 de febrero de 2025). Venture Beat. Recuperado el julio de 2025, de venturebeat.com: https://venturebeat.com/ai/ai-agents-are-redefining-digital-commerce-dont-let-your-platform-be-the-bottleneck/?utm_source=VentureBeat&utm_campaign=ebcb0d9f98-VB-3-17&utm_medium=email&utm_term=0_-4e77a05d82-36335086&mc_cid=ebcb0d9f98&mc_eid=4341a15e8c

    Russell, S., & Norvig, Peter. (2004). Inteligencia Artificial: Un enfoque moderno (segunda edición). (P. E. S.A., Ed.) Madrid , Madrid , España: PEARSON Prentice Hall.

     

  • De chatbots a colaboradores: cómo los agentes de IA están transformando el trabajo empresarial

    De chatbots a colaboradores: cómo los agentes de IA están transformando el trabajo empresarial

    Scott White aún se maravilla de la rapidez con la que la inteligencia artificial ha pasado de ser una novedad a un verdadero aliado en el trabajo. Hace poco más de un año, el responsable de producto de Claude AI en Anthropic observó cómo las primeras herramientas de codificación de IA apenas podían completar una sola línea de código. Hoy, él mismo desarrolla funciones de software listas para producción, a pesar de no ser un programador profesional.

    “Ya no considero mi trabajo como escribir un PRD e intentar convencer a alguien de que haga algo”, dijo White durante una charla informal en VB Transform 2025 , la cumbre anual de IA empresarial de VentureBeat en San Francisco. “Lo primero que hago es buscar la manera de crear un prototipo funcional en nuestro servidor de pruebas y luego compartir una demostración de su funcionamiento real”.

    Este cambio representa una transformación más amplia en la adopción de la IA por parte de las empresas, que va más allá de simples chatbots que responden preguntas y se convierte en sofisticados sistemas “agentísticos” capaces de trabajar de forma autónoma. La experiencia de White ofrece una visión de lo que podría depararles el futuro a millones de otros trabajadores del conocimiento.

    De la finalización de código a la programación autónoma: la vertiginosa evolución de la IA

    La evolución ha sido notablemente rápida. Cuando White se unió a Anthropic, el modelo Claude 2 de la compañía podía gestionar la autocompletación de texto básica. El lanzamiento de Claude 3.5 Sonnet permitió la creación de aplicaciones completas, lo que dio lugar a funciones como Artifacts , que permiten a los usuarios generar interfaces personalizadas. Ahora, con Claude 4 alcanzando una puntuación del 72,5 % en la prueba de referencia de codificación SWE-bench , el modelo puede funcionar como lo que White denomina “un ingeniero de software agente completamente remoto”.

    Claude Code , la herramienta de programación más reciente de la compañía, puede analizar bases de código completas, buscar documentación de API en internet, emitir solicitudes de extracción, responder a comentarios de revisión de código e iterar soluciones, todo ello trabajando de forma asíncrona durante horas. White señaló que el 90 % de Claude Code fue escrito por el sistema de IA.

    “Es como todo un proceso agente en segundo plano que no era posible hace seis meses”, explicó White.

    Los gigantes empresariales reducen el tiempo de trabajo de semanas a minutos con agentes de IA

    Las implicaciones van mucho más allá del desarrollo de software. Novo Nordisk , el gigante farmacéutico danés, ha integrado Claude en flujos de trabajo que antes tardaban 10 semanas en completar informes clínicos, y ahora completan el mismo trabajo en 10 minutos. GitLab utiliza la tecnología para todo, desde propuestas de venta hasta documentación técnica. Intuit implementa Claude para brindar asesoramiento fiscal directamente a los consumidores.

    White distingue entre diferentes niveles de integración de IA: modelos de lenguaje simples que responden preguntas, modelos mejorados con herramientas como la búsqueda web, flujos de trabajo estructurados que incorporan IA en los procesos de negocios y agentes completos que pueden perseguir objetivos de forma autónoma utilizando múltiples herramientas y razonamiento iterativo.

    “Pienso en un agente como algo que tiene un objetivo y que puede hacer muchas cosas para lograrlo”, dijo White. El factor clave ha sido lo que él llama la relación inexorable entre la inteligencia del modelo y las nuevas capacidades del producto.

    La revolución de la infraestructura: creación de redes de colaboradores de IA

    Un desarrollo crucial de infraestructura ha sido el Protocolo de Contexto de Modelo (MCP) de Anthropic , que White describe como “el USB-C de las integraciones”. En lugar de que las empresas creen conexiones separadas para cada fuente de datos o herramienta, MCP proporciona una forma estandarizada para que los sistemas de IA accedan al software empresarial, desde Salesforce hasta los repositorios de conocimiento internos.

    “Realmente está democratizando el acceso a los datos”, dijo White, señalando que las integraciones creadas por una empresa pueden ser compartidas y reutilizadas por otros a través del protocolo de código abierto.

    Para las organizaciones que buscan implementar agentes de IA, White recomienda empezar con poco y construir gradualmente. “No intenten construir un sistema completo de agentes desde cero”, aconsejó. “Construyan el componente, asegúrense de que funcione y luego creen el siguiente”.

    También enfatizó la importancia de los sistemas de evaluación para garantizar que los agentes de IA funcionen según lo previsto. «Las evaluaciones son el nuevo PRD», afirmó White, refiriéndose a los documentos de requisitos del producto, y destacó cómo las empresas deben desarrollar nuevos métodos para evaluar el rendimiento de la IA en tareas comerciales específicas.

    De los asistentes de IA a las organizaciones de IA: la próxima frontera de la fuerza laboral

    De cara al futuro, White prevé que el desarrollo de la IA se vuelva accesible para trabajadores sin conocimientos técnicos, de forma similar a cómo han avanzado las capacidades de programación. Imagina un futuro donde las personas gestionen no solo un agente de IA, sino organizaciones enteras de sistemas de IA especializados.

    “¿Cómo puede cada uno ser su propio mini CPO o CEO?”, preguntó White. “No sé exactamente cómo se ve eso, pero es el tipo de cosa que me despierta y quiero lograr”.

    La transformación que describe White refleja las tendencias más amplias del sector a medida que las empresas se enfrentan a las crecientes capacidades de la IA. Si bien la adopción inicial se centró en casos de uso experimentales, las empresas están integrando cada vez más la IA en sus procesos de negocio principales, transformando fundamentalmente la forma de trabajar.

    A medida que los agentes de IA se vuelven más autónomos y competentes, el desafío pasa de enseñar a las máquinas a realizar tareas a gestionar colaboradores de IA que puedan trabajar de forma independiente durante periodos prolongados. Para White, este futuro ya está llegando, una función de producción a la vez.

     

    Fuente.

    VentureBeat(2025, 30 de junio). De chatbots a colaboradores: cómo los agentes de IA están transformando el trabajo empresarial. Recuperado el 11 de julio de 2025, de: https://venturebeat.com/ai/from-chatbots-to-collaborators-how-ai-agents-are-reshaping-enterprise-work/

  • Petro propone crear un tratado internacional para regular la Inteligencia Artificial

    Petro propone crear un tratado internacional para regular la Inteligencia Artificial

    En el marco de la Cuarta Conferencia sobre Financiación al Desarrollo, de la Organización de Naciones Unidas (ONU) que se lleva a cabo en Sevilla, España, el presidente de Colombia, Gustavo Petro habló sobre dos de los problemas más importantes que enfrenta la sociedad moderna: el cambio climático y la Inteligencia Artificial (IA).

    A través de una metáfora sobre por qué la Nube no debería llamarse nube sino sangre, Petro cuestionó “¿quiénes son los dueños de la información?”, e hizo un llamado para crear un tratado internacional y multilateral para regular el mercado de la Inteligencia Artificial.

    “La IA no es más que el acumulado digitalizado del pensamiento humano en la historia. En vez de decirle nube, deberíamos decirle sangre, porque no está en el cielo, sino que va por debajo de la tierra a través de cañerías, por debajo del mar, en la red mundial de fibra óptica.

    “El problema está en de quién es la sangre, si de 5 megamillonarios que se han apropiado a través de redes de la información, de los bits que hoy constituyen el pensamiento humano colectivo o de la humanidad como un bien común, y que por tanto exige un tratado internacional multilateral para regular el mercado de la Inteligencia Artificial y no permitir que los propietarios de la sangre de la información controlen a la humanidad, sino que la humanidad pueda controlar la Inteligencia Artificial”, aseguró Petro.

    Según el mandatario, en el primer caso (donde 5 megamillonarios controlan la información) puede morir la humanidad, en el segundo (si la humanidad controla la IA) “también puede morir la humanidad porque no logra diferenciar la vida real de la digital y se acaba la esencia humana de nuestra especie”, aseguró Petro citando a Stephen Hawking.

    No es la primera vez que Petro se refiere a la IA como una herramienta con el potencial de destruir la humanidad.

    En septiembre de 2024, durante el Foro del Sector Privado de la Cumbre del Futuro de la ONU, aseguró que “la IA puede confundir a cualquier ser humano, dentro de poco tiempo, entre la realidad y la no realidad.

    Cambio climático

    Respecto al cambio climático como el primer problema que enfrenta la humanidad, el presidente Gustavo Petro se refirió a los encuentros que han realizado en el mundo para avanzar en propuestas y soluciones para mitigar el impacto.

    “Hemos hecho innumerables COP (Conferencias de las Partes). Ya vamos para 30, ojalá sea la definitiva en Brasil. En Cali, Colombia, realizamos la de la biodiversidad número 16. 30 reuniones de jefes de Estado mundiales para tratar de construir, y voy a poner esa palabra subrayada, un plan para mitigar el cambio climático y salvar la vida en el planeta”, enfatizó.

    Sin embargo, aseguró que no se ha hecho seguimiento de esos planes y, por el contrario, algunas entidades que pueden tomar decisiones al respecto no asisten a los encuentros. Se refirió puntualmente a Kristalina Georgieva, gerente del Fondo Monetario Internacional (FMI), y a Estados Unidos.

    Fuente.

    DPL News(2025, 03 de julio). Petro propone crear un tratado internacional para regular la Inteligencia Artificial. Recuperado el 10 de julio de 2025, de: https://dplnews.com/petro-propone-crear-un-tratado-internacional-para-regular-la-inteligencia-artificial/

  • ¿Llegó la competencia para Google y Safari? Perplexity lanza su primer navegador web impulsado por IA

    ¿Llegó la competencia para Google y Safari? Perplexity lanza su primer navegador web impulsado por IA

    El navegador está respaldado por el mismo modelo que impulsa el sistema de preguntas y respuestas de Perplexity, el cual se ha vuelto muy popular debido a que no incorpora publicidad ni sesgos comerciales como otros navegadores.

    Perplexity lanzó oficialmente Comet, su primernavegador web con Inteligencia Artificial (IA) integrada en fase beta. Comet combina las funciones de un navegador tradicional con la experiencia conversacional de un asistente virtual, lo que permite al usuario navegar e investigar en tiempo real a través de una interfaz conversacional asistida por IA.

    La principal diferencia respecto a navegadores tradicionales es que el de Perplexity no sólo permite que el usuario realice una búsqueda de información, sino que también dialogue con la herramienta. Además, está respaldado por el mismo modelo que impulsa el sistema de preguntas y respuestas de Perplexity, el cual se ha vuelto muy popular como alternativa a Google y Safari, debido a que no incorpora publicidad, ni sesgos comerciales.

    La IA de Comet ofrece enlaces o fragmentos de texto (como cualquier otro navegador) y responde directamente a preguntas, proporciona contexto relevante, sugiere nuevas búsquedas e integra información de múltiples fuentes confiables y actualizadas.

    Comet también permite hacer resúmenes automáticos de páginas web, realizar preguntas dentro de cualquier sitio que se visite y ofrece una experiencia centrada en la eficiencia del tiempo y la comprensión profunda de los contenidos.

    Otro aspecto innovador del navegador de Perplexity es su enfoque en la privacidad. Según sus desarrolladores, Comet no rastrea la actividad del usuario con fines publicitarios ni construye perfiles de comportamiento.

    Este navegador se suma a una ola de herramientas impulsadas por IA que buscan transformar el acto de navegar por Internet en una experiencia más inteligente y personalizada.

    Comet está disponible para los suscriptores de Perplexity Max y, de acuerdo con la compañía, el acceso por invitación se irá ampliando gradualmente a su lista de espera durante el verano.

    Los nuevos usuarios también recibirán un número limitado de invitaciones para compartir.

    Fuente.

    DPL News (2025, 9 de julio). ¿Llegó la competencia para Google y Safari? Perplexity lanza su primer navegador web impulsado por IA. Recuperado el 10 de julio de 2025, de: https://dplnews.com/llego-la-competencia-para-google-y-safari-perplexity-lanza-su-primer-navegador-web-impulsado-por-ia/

  • Los ciberataques hospitalarios cuestan 600.000 dólares por hora. Así es como la IA está cambiando las matemáticas.

    Los ciberataques hospitalarios cuestan 600.000 dólares por hora. Así es como la IA está cambiando las matemáticas.

    En años pasados, las instalaciones médicas no eran tan vulnerables como ahora; los piratas informáticos tenían una regla no escrita de no atacar instituciones o servicios donde una interrupción pudiera poner a las personas en peligro físico.

    Pero eso ya no es así: el ransomware como servicio ha proliferado y la información médica robada se ha vuelto altamente monetizable, lo que impulsa a los actores de amenazas a atacar hospitales a niveles sin precedentes. 

    Alberta Health Services (AHS) no tiene intención de quedar vulnerable: el sistema médico está reforzando sus defensas con IA. 

    Al implementar operaciones cibernéticas reforzadas con IA de la plataforma de ciberseguridad Securonix , AHS ha reducido su tiempo promedio de respuesta a incidentes de alta prioridad en más de un 30 %. También ha reducido las alertas de falsos positivos en un 90 % y la carga de trabajo de 2 a 3 horas diarias, lo que se traduce en un ahorro de cientos de miles de dólares. 

    “Muchas redes hospitalarias son blancos fáciles y voraces”, declaró Richard Henderson, director ejecutivo y CISO de AHS, a VentureBeat. “No duermo mucho porque me aterra recibir esa llamada a las 2 de la madrugada diciendo que todo nuestro entorno se ha caído debido al ransomware”.

    Realizar el trabajo de 1.000 (o sustancialmente más) analistas de SOC

    AHS es la segunda red hospitalaria más grande de América del Norte y la instancia individual más grande del mundo de la plataforma de registros médicos electrónicos (EHR) Epic. 

    Henderson explicó que él y su equipo son responsables de la ciberseguridad de 106 hospitales, 800 clínicas, 20.000 médicos y 150.000 empleados que atienden a entre 4,5 y 5 millones de albertanos. Describió a AHS como una “organización local masiva”, con todas las instalaciones conectadas a la misma instalación de Epic. 

    Entonces, señaló Henderson, «si baja, baja para todos. Y no es exagerado decir que, si baja, podría tener un gran impacto en la vida de un paciente». 

    Tampoco es una exageración decir que una interrupción total de Epic, independientemente de si está relacionada con ransomware o no, podría fácilmente costarle a la provincia de Alberta entre 500.000 y 600.000 dólares por hora, dijo. 

    Para evitar estas situaciones, AHS ha implementado la plataforma Securonix en su entorno. Esto incluye las capacidades de detección, investigación y respuesta a amenazas (TDIR) de la empresa de ciberseguridad a través de su plataforma de gestión de información y eventos de seguridad (SIEM) basada en IA. Esto proporciona gestión de registros, análisis de comportamiento y un lago de datos de seguridad en un solo paquete. 

    Henderson explicó que la red médica consume terabytes de datos en su SIEM y se basa en la arquitectura nativa de la nube de Securonix para gestionar la normalización y el enrutamiento de datos. Snowflake impulsa gran parte de ese backend. 

    El análisis de comportamiento es fundamental en la estrategia de detección de AHS. La plataforma de Securonix aprende constantemente qué es lo normal para sus usuarios, endpoints y sistemas, explicó Henderson, lo que ayuda a su equipo a detectar “lo sutil”, como una cuenta de confianza que se comporta “ligeramente fuera de lugar”. 

    “Se trata de buscar patrones y conectar elementos”, dijo Henderson. “Puedes contratar a 1000 analistas de seguridad y aun así no tendrías suficiente personal para analizar toda la telemetría que consumen las empresas digitales modernas”.

    AHS está reduciendo el tiempo de resolución y mejorando los tiempos de respuesta

    Por ejemplo, las herramientas basadas en IA de AHS aprenden cómo es el comportamiento normal de la red en sus hospitales . Cuando ocurre algo inusual, como que un dispositivo se comunique repentinamente con un servidor externo con el que nunca antes había tenido contacto, lo detecta de inmediato. Esto puede llevar a los equipos de seguridad a una herramienta mal configurada que podría haber sido explotada si, de otro modo, hubiera pasado desapercibida. 

    “Esos tipos de configuraciones erróneas han provocado brotes catastróficos de ransomware en otras redes hospitalarias en el pasado”, dijo Henderson. 

    O, por ejemplo, una carga útil podría resultar sospechosa, pero está ofuscada, lo que significa que los humanos deben intentar averiguar exactamente qué es y qué hace, señaló Henderson. Ahora, pueden pedirle a la plataforma que desofusque la carga útil y determine qué intentaba hacer el atacante, y en cuestión de segundos, esta realiza todo el trabajo. 

    “Estos últimos dos años, poder hablar con una computadora como si hablaras con una persona ha cambiado radicalmente la percepción de la IA”, dijo. “El procesamiento del lenguaje natural existe desde hace mucho tiempo, pero no a este nivel, y me sigue asombrando su calidad”.

    Como resultado, AWS ha podido reducir considerablemente el tiempo de resolución y mejorar su capacidad de respuesta. Henderson afirmó que el tiempo promedio de respuesta a incidentes de alta prioridad se ha reducido en más de un tercio en comparación con el año pasado. 

    Esto se debe a que la IA está haciendo el trabajo pesado, ayudando a los analistas a comprender qué está sucediendo y qué intenta lograr un atacante, señaló Henderson. En la ciberseguridad moderna, la IA se ha vuelto crucial para la detección de redes, la protección de endpoints, el filtrado de correo electrónico y otras funciones de ciberseguridad. “Mi equipo ahorra horas al día usando herramientas de IA”, afirmó. 

    La plataforma de Securonix también ha ayudado a reducir el ruido: AHS ha visto una caída sustancial en los falsos positivos que llegan a sus analistas junior, lo que “realmente ayuda a concentrarse y evita el agotamiento”, dijo Henderson. 

    Señaló que se debate mucho sobre la posibilidad de que la IA sustituya a los niveles inferiores de las operaciones de seguridad. Pero, desde su perspectiva, «la IA no va a sustituir al personal subalterno. Lo que sí hará es ayudarles a aprender más rápido, a realizar mejor su trabajo y a proteger el entorno empresarial».

    El aumento de los ataques hace que la educación sea crucial

    Dado el gran tamaño de AHS y sus numerosas instalaciones en toda la provincia, el equipo de Henderson necesita rastrear dónde se produce el mayor volumen de incidentes. Esto puede ayudarles a determinar si una región geográfica específica es el objetivo más que otra. 

    Henderson señaló que Calgary y Edmonton son las dos ciudades más grandes de Alberta, por lo que, naturalmente, cabría esperar que sufrieran una carga considerable de ataques. Sin embargo, no siempre es así; los hospitales rurales más pequeños suelen ser el objetivo porque los actores de amenazas asumen que sus defensas son más débiles. 

    La IA le permite a él y a su equipo mantener un registro actualizado de dónde ocurren los incidentes para planificar acciones de apoyo adicionales si es necesario. Henderson dedica mucho tiempo al aspecto humano de la seguridad, comentó, capacitando al personal de enfermería y a los médicos de AHS sobre campañas de ataque anteriores para que sepan qué buscar. 

    “Así que, si vemos un repunte en nuestros hospitales rurales, sin duda crearé una campaña educativa para decir: ‘Están atacando a los hospitales rurales porque creen que son un blanco más fácil. Este es el tipo de cosas que deberían buscar’”, explicó. 

    Fuente.

    VentureBeat (2025, 20 de junio). Los ciberataques hospitalarios cuestan 600.000 dólares por hora. Así es como la IA está cambiando las matemáticas. Recuperado el 09 de julio de 2025, de: https://venturebeat.com/security/hospital-cyber-attacks-cost-600k-hour-heres-how-ai-is-changing-the-math/

  • Tres formas de aprovechar al máximo sus datos: IA escalable, aplicaciones inteligentes y un ecosistema abierto

    Tres formas de aprovechar al máximo sus datos: IA escalable, aplicaciones inteligentes y un ecosistema abierto

    Cualquier experto en tecnología que se precie afirmará que una estrategia de IA exitosa depende de datos fiables. De hecho, una encuesta reciente a líderes tecnológicos reveló que casi el 94 % ahora se centra más en los datos, impulsado por el creciente interés en la IA.

    Si bien esto no debería sorprender, la situación se complica cuando las organizaciones intentan explorar el panorama de proveedores. Con un mercado en constante evolución, es difícil determinar cuál puede aprovechar mejor los datos para la transformación estratégica, incluidas las iniciativas de IA.

    La buena noticia es que existen caminos hacia la modernización de datos que las empresas pueden seguir, independientemente de su etapa. Aquí tienes tres consejos para el éxito.

    1. Agregue valor a sus aplicaciones comerciales más importantes

    Las empresas aún tienen dificultades para unificar datos en sus aplicaciones empresariales, preservando al mismo tiempo el contexto y las relaciones: solo el 34 % de los líderes empresariales declaró tener una alta confianza en sus datos. Sin una base de datos confiable, las iniciativas de análisis e IA suelen estancarse, ya que los equipos dedican más tiempo a integrar y gestionar datos que a aprovecharlos para generar valor empresarial.

    Aquí es donde entra en juego una estructura de datos empresarial. Esta estructura reduce la latencia al proporcionar una capa de datos integrada y semánticamente rica sobre entornos de datos fragmentados. Esta arquitectura simplifica la gestión de datos y facilita el acceso a datos fiables. Al crear una única fuente de información fiable en múltiples fuentes y aplicaciones, las organizaciones pueden configurar con mayor facilidad la gobernanza de datos y el acceso a los datos de autoservicio.

    SAP ofrece esto con su SAP Business Data Cloud, una solución SaaS totalmente administrada que unifica y gobierna los datos de SAP y los datos de terceros.

    SAP Business Data Cloud simplifica los complejos entornos de datos de los clientes gracias a su enfoque de cero copias compartidas, que simplifica la armonización, federación y replicación de datos. Esto permite a las organizaciones dedicar tiempo a proyectos de datos estratégicos y transformadores, como el desarrollo de aplicaciones inteligentes o el suministro de datos de alta calidad para iniciativas de IA.

    Además, SAP Business Data Cloud se integra con SAP Business Suite y la potencia, un conjunto integrado de aplicaciones empresariales, datos e IA. Esto ayuda a los clientes a establecer una base de datos armonizada para conectar la información entre aplicaciones y procesos empresariales e impulsar las iniciativas de IA.

    2. Pasar de aplicaciones transaccionales a aplicaciones inteligentes

    Con una capa de datos armonizada, las empresas pueden empezar a usar o desarrollar sus propias aplicaciones inteligentes. Según Gartner, «si bien las aplicaciones pueden comportarse de forma inteligente, las aplicaciones inteligentes son inteligentes».

    Más allá de los enfoques prescriptivos basados ​​en reglas, las aplicaciones inteligentes son aplicaciones autoadaptables y autoaprendizajes que pueden ingerir y procesar datos de cualquier fuente. Estas aplicaciones democratizan los datos, sacándolos del ámbito de los científicos de datos y brindando acceso a ellos a todos, desde profesionales de recursos humanos hasta directores financieros.

    Pero con tantos proveedores que ofrecen estas aplicaciones, ¿cómo elegir? La inteligencia por sí sola no impulsa los resultados empresariales. Es importante seleccionar una empresa que proporcione estas aplicaciones directamente en el contexto de procesos empresariales clave, como la cadena de suministro o la gestión de compras, para que las personas utilicen esa inteligencia en su trabajo diario.

    El enfoque único de SAP para las aplicaciones inteligentes, que forman parte de su nube de datos empresariales, se basa en más de 50 años de experiencia perfeccionando sus procesos de negocio, aplicaciones e industrias. Las aplicaciones se construyen a partir de productos de datos, información fácilmente asimilable extraída de su amplia gama de soluciones y seleccionada para resolver problemas empresariales específicos. Enriquecidas con tecnologías de IA como el grafo de conocimiento (que identifica las relaciones entre los puntos de datos), las Aplicaciones Inteligentes de SAP están listas para usar con funciones de modelado, generación de informes, predicción y otras.

    Más importante aún, están integrados en el entorno de aplicaciones de SAP, incluyendo ERP, recursos humanos, compras, cadena de suministro, finanzas y otras soluciones. Un ejemplo es el nuevo paquete People Intelligence, incluido en SAP Business Data Cloud, que conecta y transforma los datos de personal y habilidades de la suite SAP SuccessFactors Human Capital Management en información sobre la fuerza laboral fácilmente accesible y recomendaciones basadas en IA.

    3. No lo hagas solo: un ecosistema abierto es la clave del éxito

    Ningún proveedor puede proporcionar todos los datos y la experiencia de la industria y el negocio. Por eso es importante seleccionar uno con un enfoque de ecosistema abierto.

    Es crucial por varias razones. Primero, para escalar la solución y que esté disponible en múltiples plataformas en la nube. Segundo, para brindar acceso a una amplia variedad de expertos en el sector. Y tercero, para construir un ecosistema de aplicaciones inteligentes enriquecido por líderes del sector especializados en conjuntos de datos específicos, como la evaluación de riesgos.

    Estas tres razones resumen la estrategia de SAP para sus socios. Por ejemplo, SAP anunció recientemente una alianza con Adobe para desarrollar una aplicación inteligente en SAP Business Data Cloud que combina datos de la cadena de suministro, financieros y de la experiencia digital de Adobe para generar información detallada para clientes conjuntos. Además, Moody’s colaborará con SAP para ayudar a clientes y socios a desarrollar aplicaciones inteligentes utilizando los conjuntos de datos de riesgo de Moody’s, integrados con los datos de cuentas por cobrar de SAP, para optimizar el flujo de caja y las predicciones de impago. 

    En el futuro, las organizaciones deberán considerar los datos y la IA como inseparables. El éxito de las iniciativas de IA se basa en datos relevantes y de buena calidad, extraídos de aplicaciones empresariales y otros entornos. Un estudio reciente de GigaOm reveló que las empresas que consideran los datos un activo estratégico experimentan una tasa de adopción de IA un 28 % mayor. Con SAP Business Data Cloud, las organizaciones obtienen la pieza clave que les permite armonizar y optimizar los datos de cualquier fuente, lo que permite proyectos de IA que impulsan los resultados empresariales de forma más eficaz.

    Fuente.

    Venture Beat (2025, 24 de junio). Tres formas de aprovechar al máximo sus datos: IA escalable, aplicaciones inteligentes y un ecosistema abierto. Recuperado el 09 de julio de 2025, de: https://venturebeat.com/ai/3-ways-to-get-the-most-from-your-data-scalable-ai-intelligent-apps-and-an-open-ecosystem/

  • La Importancia de la Web 2ª Parte La Web 3.0 y su Impacto Social

    La Importancia de la Web 2ª Parte La Web 3.0 y su Impacto Social

    La esencia de la web 3.0 es la descentralización, o sea que ya las grandes tecnológicas no sean las que extraigan del internet, toda la información, que la sociedad sube a la red, los grandes volúmenes de información, que cotidianamente generan todos los usuarios, los cuales son sus propietarios, pero los corporativos tecnológicos, se apropian de esa información, que luego procesan y aplican a sus herramientas y modelos tecnológicos, cuyo destino es el mercado, la web2.0 es la infraestructura tecnológica que facilitó, el desarrollo de ese mercado, generando grandes tasas de rentabilidad, a las trasnacionales tecnológicas, origen de su gran poder económico y político.

    Luego entonces ¿Qué es la web 3.0? de hecho es la siguiente generación de internet, a diferencia de la web2.0, es un espacio tecnológico-virtual, “… mecanismo distribuido de diseminación de material y confirmación de contenido, para identificar al propietario de dicha información, ésta no puede alterarse o borrarse” (Yu & Sun, 2023, pág. 7) eliminando a las plataformas centralizadas, por ello integra en su composición: al Blockchain, las Finanzas Descentralizadas (DEFI), los Contratos Inteligentes y los Token No Fungibles (NFT). (bitpanda, 2025)

    Blockchain (IBM, 2025) es una cadena de bloques de un libro mayor, es la expresión tecnológica de un registro contable, compartido e inmutable, para el registro de operaciones y seguimiento de activos, ya sea tangibles e intangibles, en transacciones de mercado; es una tecnología de registro distribuido, descentralizado, que en lugar de estar en una base datos en un servidor propiedad de alguna empresa tecnológica, la información forma parte de una red de computadoras o servidores, que operan sinérgicamente como nodos, para validar y registrar las transacciones entre los usuarios.

    Es descentralizada por que la información no está centralizada, dado que no hay una autoridad central, en virtud de que los participantes tienen una copia del blockchain; Es inmutable porque al registrarse una operación ya no se puede modificar; su seguridad se fundamenta en una criptografía, que solo una criptografía cuántica podría superarla.

    Es una de las tecnologías del futuro, considerando las criptomonedas y las nuevas formas de ciberseguridad (Feign, 2024).

    Las Finanzas descentralizadas (Defiberry, 2025) son productos y servicios financieros de fácil acceso, utilizando Ethereum, sin una autoridad centralizada, son procesos automatizados eficientando tiempos, son el elemento clave de la cripto-economía y del metaverso.

    Con las Finanzas descentralizadas se puede envíar dinero, a cualquier parte del mundo y acceder a monedas estables, tomar fondos con garantía, pero solicitar créditos sin garantía, utilizar Tokens comerciales y generar ahorros en criptomonedas.

    Con los Contratos Inteligentes (Gomez, 2024) nos referimos a la automatización de las relaciones contractuales sin intermediarios, dice Alfonso Gómez de BBVA; son programas informáticos que se ejecutan automáticamente en un blockchain, son codificados, inmutables y sin necesidad de intermediarios, (Smith, 2025). Se caracterizan por ser versátiles, eficientes y confiables.

    En la web3.0 no pueden faltar los Tokens No Fungibles (NFT) (Lizzi, 2022), son elementos digitales únicos y almacenados en un blockchain, certifican propiedad y autenticidad, por lo que que son una unidad de valor, basada en una criptografía, emitida por plataformas como Bitcoin y Ethereum, pero no son criptomonedas, por un lado los Token se construyen en una blockchain ya activa como Ethereum; mientras que una criptomoneda, opera su propia red de Blockchain nativa, las criptomonedas son medio de cambio y unidad de valor; pero los Token representan un activo, utilidad o derecho específico, dentro de un proyecto.

    Los Tokens son tecnología clave para desarrollar y escalar la interoperabilidad en los blockchain, ya que representan bienes intangibles que facilitan la interoperabilidad, lo que hace posible la realización de proyectos, como el metaverso donde los usuarios pueden interactuar y conectarse a diversos espacios virtuales como Otherside, Decentraland y The Sandbox, donde los usuarios pueden crear experiencias digitales y economías abiertas (ob. cit. Lizzi)

    La web3.0 es un ecosistemas de Organizaciones Autónomas Descentralizadas (DAO), que representa un punto de inflexión, para que las grandes tecnológicas, puesto que perderían el control de la información de la sociedad, un nuevo paradigma con un alto impacto social, si disminuye la desigualdad, y el centro sea el ser humano y la sustentabilidad. ¿Será Posible?

    La Importancia de la Web 2ª Parte La Web 3.0 y su Impacto Social_compressed

    Bibliografía

    Lizzi, I. (26 de agosto de 2022). Aprender. Recuperado el julio de 2025, de opensea.io: https://opensea.io/learn/nft/what-are-nfts

    bitpanda. (28 de junio de 2025). B bitpanda. Recuperado el julio de 2025, de bitpanda.com: https://www.bitpanda.com/academy/es/lecciones/que-es-la-web3/

    Defiberry, D. (10 de marzo de 2025). Ethereum. Recuperado el julio de 2025, de ethereum.org: https://ethereum.org/en/defi/

    Feign, A. (9 de abril de 2024). Coindesk. Recuperado el julio de 2025, de coindesk.com: https://www.coindesk.com/learn/what-is-blockchain-technology

    Gomez, A. (29 de agosto de 2024). BBVA. Recuperado el julio de 2025, de bbva.com: https://www.bbva.com/es/innovacion/smart-contracts-contratos-basados-blockchain/

    IBM. (15 de junio de 2025). IBM. Recuperado el julio de 2025, de ibm.com: https://www.ibm.com/mx-es/topics/blockchain

    Smith, C. (3 de marzo de 2025). Ethereum. Recuperado el julio de 2025, de ethereum.org: https://ethereum.org/en/smart-contracts/

    Yu, J., & Sun, C. (2023). Metaverso, cómo la web3.0 impulsa un nuevo mundo digital. Ciudad de México, México : LID, Editorial Mexicana en acuerdo con CITIC Press Corporation.

  • Incorporar GenAI a la base de datos cambia todo en el desarrollo de aplicaciones

    Incorporar GenAI a la base de datos cambia todo en el desarrollo de aplicaciones

    Las bases de datos documentales han sido durante mucho tiempo la columna vertebral de las aplicaciones críticas; ahora, están entrando en una nueva era de inteligencia y capacidad. Al integrar la IA generativa directamente en la capa de datos, el impacto no es solo una actualización técnica, sino un cambio estratégico y transformador para una entrega más rápida, operaciones más eficientes y un escalamiento más inteligente.

    “Cuando se puede integrar todo el peso de un gran modelo de lenguaje en la base de datos, se pueden lograr muchísimas cosas realmente asombrosas”, afirma Oren Eini, director ejecutivo y fundador de RavenDB. “Es un replanteamiento del lugar que ocupa la IA en el conjunto de software empresarial. Con la IA integrada en el motor de datos, organizaciones de todos los tamaños pueden crear fácilmente aplicaciones inteligentes. Democratizar la capacidad de aplicar la IA en todos los aspectos del sistema resultará en un cambio radical en nuestra forma de pensar sobre el desarrollo de software”.

    Convertir consultas en acciones inteligentes

    Antes, era necesario ser experto en etiquetado de datos, dedicar mucho tiempo y esfuerzo a catalogar correctamente todos los datos, crear un sistema de búsqueda completo, etc. Con la IA a nivel de datos, se puede usar ese modelo para realizar gran parte del trabajo y, además, aplicar la búsqueda vectorial.

    La IA generativa permite a los usuarios generar, enriquecer, clasificar y automatizar contenido y decisiones directamente en la base de datos mediante grandes modelos de lenguaje. Además, las capacidades de IA, presentes en la ubicación real de los datos, permiten una ejecución segura, eficiente y en tiempo real, ya sea clasificando documentos, resumiendo las interacciones de los clientes o automatizando flujos de trabajo. Permite a los equipos crear funciones directamente a partir de los datos que ya gestionan, sin necesidad de un equipo de IA dedicado.

    “Eso te da una gran potencia, que antes solo tenían disponible las empresas más grandes”, dice Eini. “Puedes tener un sistema de altísima calidad, comparable al que pueden ejecutar Google o Microsoft, pero con una fracción de su presupuesto y un proceso de implementación rápido. Con los datos existentes, puedes pasar de cero a tener un sistema inteligente de primera calidad en cuestión de días”.

    Este tipo de integración es fundamental para organizaciones que no cuentan con grandes equipos de IA ni una infraestructura MLOps dedicada. Para muchos propósitos, añadir capacidades de IA generativa (GenAI) directamente a un motor de base de datos central supone un gran avance respecto a los envoltorios de servicios o las pilas de nube propietarias, lo que reduce significativamente la complejidad.

    Es un enfoque sencillo, afirma Eini, señalando cómo RavenDB permite a los clientes integrar la IA en sus productos. Este enfoque permite a los usuarios optimizar sus datos, gracias a la compatibilidad integrada con resúmenes, clasificación y etiquetado. Los usuarios de RavenDB pueden incluso crear flujos de trabajo que enriquecen el conjunto de datos directamente desde la base de datos y utilizar los datos para generar documentos e información adicionales, superando la recuperación pasiva de datos y utilizando los datos como catalizador de la innovación.

    La diferencia de RavenDB

    “En esencia, nuestro objetivo es mercantilizar el uso de los LLM en sus sistemas, haciéndolo fácil, predecible, sostenible y asequible”, afirma Eini. “La mayoría de las demás integraciones de IA en otros sistemas simplemente permiten realizar llamadas remotas al modelo, lo cual es útil si se desea introducir datos directamente en el modelo desde la base de datos y luego devolver la respuesta al usuario. El problema con ese flujo de trabajo es que no permite aprovechar al máximo el resultado de la acción del modelo ni personalizar y optimizar el comportamiento de los LLM”, señala.

    “Por otro lado”, explica, “el enfoque de RavenDB es crear un pipeline dedicado, donde los desarrolladores pueden simplemente ingresar un mensaje que le indica al modelo qué debe hacerse, el modelo procesa la solicitud junto con los datos en la base de datos y aplica los resultados a la base de datos de forma continua”.

    RavenDB invocará el modelo para aplicar la lógica del usuario a cualquier dato nuevo a medida que se agregue, lo que significa que ya no hay que esperar mucho tiempo para obtener resultados. Inyectar “inteligencia” a la base de datos también impide utilizar el modelo si no es necesario. RavenDB puede detectar si esos datos específicos son pertinentes para la tarea definida del modelo y omitir la invocación del modelo si no lo son (eliminando así llamadas innecesarias al modelo y los costos asociados).

    La nueva función de RavenDB permite usar de forma segura cualquier LLM directamente en la base de datos, ya sea una oferta comercial —como Open AI, Mystral o Grok— o un modelo de código abierto. Los clientes también pueden incorporar modelos especializados, como LLM médicos, o aquellos optimizados para sus necesidades específicas. El enfoque de “gobernanza por defecto” que RavenDB utiliza en sus productos limita las capacidades del modelo, impidiéndole realizar cambios no autorizados en la base de datos o acceder a los sistemas internos. Esto agiliza el desarrollo de aplicaciones y lo hace más seguro, brindando mayor tranquilidad a los equipos de riesgo.

    En lugar de necesitar canales de datos complejos o API específicas de proveedores y grandes cantidades de conocimientos de ingeniería y ciencia de datos en la búsqueda de pasar del prototipo a la producción, los equipos de toda la organización ahora pueden ejecutar tareas GenAI directamente dentro de la base de datos, reduciendo significativamente la brecha entre el experimento y el resultado final.

    “Los desarrolladores ahora tienen control total sobre todo lo que más les preocupa, como el costo, el rendimiento y el cumplimiento normativo”, afirma Eini. “Desde nuestra perspectiva, la clave es que, al facilitarles el uso de la IA en sus sistemas, les permitimos aplicar modelos sofisticados en todas partes. La idea es que, en lugar de pasar meses en procesos de integración, ahora son tan sencillos como ejecutar una consulta. El resultado final es una tecnología que permite pasar de la idea a la implementación más rápido que nunca y prácticamente sin interrupciones”.

    Fuente.

    Venture Beat (2025, 8 de julio). Incorporar GenAI a la base de datos cambia todo en el desarrollo de aplicaciones. Recuperado el 09 de julio de 2025, de: https://venturebeat.com/data-infrastructure/bringing-genai-into-the-database-changes-everything-about-app-development/

  • Investigadores chinos presentan MemOS, el primer ‘sistema operativo de memoria’ que proporciona a la IA una memoria similar a la humana

    Investigadores chinos presentan MemOS, el primer ‘sistema operativo de memoria’ que proporciona a la IA una memoria similar a la humana

    Un equipo de investigadores de instituciones líderes, entre ellas la Universidad Jiao Tong de Shanghai y la Universidad de Zhejiang, ha desarrollado lo que denominan el primer «sistema operativo de memoria» para inteligencia artificial, abordando una limitación fundamental que ha impedido que los sistemas de IA logren una memoria y un aprendizaje persistentes similares a los humanos.

    El sistema, llamado MemOS , trata la memoria como un recurso computacional central que puede programarse, compartirse y evolucionar con el tiempo, de forma similar a cómo los sistemas operativos tradicionales gestionan los recursos de CPU y almacenamiento. La investigación, publicada el 4 de julio en arXiv , demuestra mejoras significativas de rendimiento con respecto a los enfoques existentes, incluyendo un aumento del 159 % en las tareas de razonamiento temporal en comparación con los sistemas de memoria de OpenAI.

    “Los modelos de lenguaje grande (LLM) se han convertido en una infraestructura esencial para la inteligencia artificial general (AGI), pero su falta de sistemas de gestión de memoria bien definidos obstaculiza el desarrollo del razonamiento de contexto largo, la personalización continua y la consistencia del conocimiento”, escriben los investigadores en su artículo .

    Los sistemas de IA tienen dificultades con la memoria persistente en las conversaciones

    Los sistemas de IA actuales se enfrentan a lo que los investigadores denominan el problema del ” silo de memoria “: una limitación arquitectónica fundamental que les impide mantener relaciones coherentes y duraderas con los usuarios. Cada conversación o sesión comienza prácticamente desde cero, y los modelos no pueden retener preferencias, conocimiento acumulado ni patrones de comportamiento en las interacciones. Esto genera una experiencia de usuario frustrante, ya que un asistente de IA podría olvidar las restricciones dietéticas del usuario mencionadas en una conversación al preguntarle sobre recomendaciones de restaurantes en la siguiente.

    Si bien algunas soluciones, como la Generación Aumentada por Recuperación (RAG), intentan abordar este problema incorporando información externa durante las conversaciones, los investigadores argumentan que estas siguen siendo soluciones alternativas sin estado y sin control del ciclo de vida. El problema va más allá de la simple recuperación de información: se trata de crear sistemas que realmente puedan aprender y evolucionar a partir de la experiencia, de forma similar a la memoria humana.

    “Los modelos existentes se basan principalmente en parámetros estáticos y estados contextuales de corta duración, lo que limita su capacidad para rastrear las preferencias del usuario o actualizar la información durante periodos prolongados”, explica el equipo. Esta limitación se hace especialmente evidente en entornos empresariales, donde se espera que los sistemas de IA mantengan el contexto en flujos de trabajo complejos y de múltiples etapas que pueden durar días o semanas.

    El nuevo sistema ofrece mejoras espectaculares en las tareas de razonamiento de IA

    MemOS introduce un enfoque fundamentalmente diferente mediante lo que los investigadores denominan ” MemCubes “: unidades de memoria estandarizadas que pueden encapsular diferentes tipos de información y ser compuestas, migradas y evolucionadas con el tiempo. Estas abarcan desde conocimiento explícito basado en texto hasta adaptaciones a nivel de parámetros y estados de activación dentro del modelo, creando un marco unificado para la gestión de la memoria que antes no existía.

    En las pruebas realizadas con el benchmark LOCOMO , que evalúa tareas de razonamiento con uso intensivo de memoria, MemOS superó consistentemente los parámetros de referencia establecidos en todas las categorías. El sistema logró una mejora general del 38,98 % en comparación con la implementación de memoria de OpenAI, con mejoras especialmente significativas en escenarios de razonamiento complejos que requieren conectar información en múltiples turnos de conversación.

    Según la investigación, MemOS (MemOS-0630) se mantiene en el primer puesto en todas las categorías, superando a sistemas de referencia robustos como mem0, LangMem, Zep y OpenAI-Memory, con márgenes especialmente amplios en entornos complejos como el multisalto y el razonamiento temporal. El sistema también ofreció mejoras sustanciales en la eficiencia, con una reducción de hasta el 94 % en la latencia del tiempo hasta el primer token en ciertas configuraciones gracias a su innovador mecanismo de inyección de memoria caché KV.

    Estas mejoras de rendimiento sugieren que el cuello de botella de la memoria ha sido una limitación más significativa de lo que se creía. Al considerar la memoria como un recurso computacional de primera clase, MemOS parece liberar capacidades de razonamiento que antes estaban limitadas por limitaciones arquitectónicas.

    La tecnología podría transformar la forma en que las empresas implementan la inteligencia artificial

    Las implicaciones para la implementación de IA empresarial podrían ser transformadoras, especialmente a medida que las empresas dependen cada vez más de los sistemas de IA para mantener relaciones complejas y continuas con clientes y empleados. MemOS permite lo que los investigadores describen como « migración de memoria multiplataforma », lo que permite que las memorias de IA sean portátiles entre diferentes plataformas y dispositivos, eliminando así lo que denominan « islas de memoria » que actualmente retienen el contexto del usuario en aplicaciones específicas.

    Considere la frustración actual que experimentan muchos usuarios cuando la información explorada en una plataforma de IA no se puede transferir a otra. Un equipo de marketing podría desarrollar perfiles de clientes detallados mediante conversaciones con ChatGPT, solo para empezar de cero al cambiar a otra herramienta de IA para la planificación de campañas. MemOS aborda esto creando un formato de memoria estandarizado que puede transferirse entre sistemas.

    La investigación también describe el potencial de los módulos de memoria de pago , donde los expertos en la materia podrían agrupar sus conocimientos en unidades de memoria adquiribles. Los investigadores visualizan escenarios en los que un estudiante de medicina en prácticas clínicas podría querer estudiar el manejo de una enfermedad autoinmune poco común. Un médico experimentado podría encapsular heurísticas diagnósticas, rutas de interrogatorio y patrones de casos típicos en una memoria estructurada que otros sistemas de IA podrían instalar y utilizar.

    Este modelo de mercado podría transformar radicalmente la forma en que se distribuye y monetiza el conocimiento especializado en los sistemas de IA, creando nuevas oportunidades económicas para los expertos y democratizando el acceso a conocimiento especializado de alta calidad. Para las empresas, esto podría significar la rápida implementación de sistemas de IA con amplia experiencia en áreas específicas, sin los costos ni los plazos tradicionales asociados con la capacitación personalizada.

    El diseño de tres capas refleja los sistemas operativos informáticos tradicionales

    La arquitectura técnica de MemOS refleja décadas de aprendizaje en el diseño de sistemas operativos tradicionales, adaptada a los desafíos únicos de la gestión de memoria de IA. El sistema emplea una arquitectura de tres capas: una capa de interfaz para las llamadas a la API, una capa de operación para la programación de la memoria y la gestión del ciclo de vida, y una capa de infraestructura para el almacenamiento y la gobernanza.

    El componente MemScheduler del sistema gestiona dinámicamente diferentes tipos de memoria, desde estados de activación temporales hasta modificaciones permanentes de parámetros, seleccionando estrategias óptimas de almacenamiento y recuperación según los patrones de uso y los requisitos de las tareas. Esto representa una diferencia significativa con respecto a los enfoques actuales, que suelen tratar la memoria como completamente estática (integrada en los parámetros del modelo) o completamente efímera (limitada al contexto de la conversación).

    “El enfoque se desplaza de la cantidad de conocimiento que el modelo aprende una vez a su capacidad para transformar la experiencia en memoria estructurada y recuperarla y reconstruirla repetidamente”, señalan los investigadores, describiendo su visión de lo que denominan paradigmas de “ entrenamiento de memoria ”. Esta filosofía arquitectónica sugiere un replanteamiento fundamental del diseño de los sistemas de IA, alejándose del paradigma actual de preentrenamiento masivo hacia un aprendizaje más dinámico, basado en la experiencia.

    Los paralelismos con el desarrollo de sistemas operativos son sorprendentes. Así como las primeras computadoras requerían que los programadores gestionaran manualmente la asignación de memoria, los sistemas de IA actuales exigen que los desarrolladores organicen cuidadosamente el flujo de información entre los diferentes componentes. MemOS simplifica esta complejidad, lo que podría permitir una nueva generación de aplicaciones de IA que pueden desarrollarse sobre una sofisticada gestión de memoria sin necesidad de conocimientos técnicos profundos.

    Los investigadores publican el código como código abierto para acelerar la adopción

    El equipo ha lanzado MemOS como un proyecto de código abierto, con el código completo disponible en GitHub y compatibilidad con las principales plataformas de IA, como HuggingFace, OpenAI y Ollama. Esta estrategia de código abierto parece diseñada para acelerar la adopción y fomentar el desarrollo comunitario, en lugar de adoptar un enfoque propietario que podría limitar su implementación generalizada.

    “Esperamos que MemOS ayude a que los sistemas de IA avancen, pasando de generadores estáticos a agentes basados ​​en memoria en constante evolución”, comentó Zhiyu Li, líder del proyecto, en el repositorio de GitHub. El sistema actualmente es compatible con plataformas Linux, y está previsto que sea compatible con Windows y macOS, lo que sugiere que el equipo prioriza la adopción por parte de empresas y desarrolladores sobre la accesibilidad inmediata para el consumidor.

    La estrategia de lanzamiento de código abierto refleja una tendencia más amplia en la investigación de IA, donde las mejoras fundamentales de la infraestructura se comparten abiertamente para beneficiar a todo el ecosistema. Este enfoque ha acelerado históricamente la innovación en áreas como los marcos de aprendizaje profundo y podría tener efectos similares para la gestión de memoria en sistemas de IA.

    Los gigantes tecnológicos compiten por resolver las limitaciones de memoria de la IA

    La investigación llega en un momento en que las principales empresas de IA se enfrentan a las limitaciones de los enfoques actuales de memoria, lo que pone de relieve la importancia fundamental que este desafío ha adquirido para la industria. OpenAI introdujo recientemente funciones de memoria para ChatGPT , mientras que Anthropic , Google y otros proveedores han experimentado con diversas formas de contexto persistente. Sin embargo, estas implementaciones han tenido, por lo general, un alcance limitado y, a menudo, carecen del enfoque sistemático que ofrece MemOS .

    El momento de esta investigación sugiere que la gestión de la memoria se ha convertido en un campo de batalla competitivo crucial en el desarrollo de la IA. Las empresas que puedan resolver eficazmente el problema de la memoria podrían obtener ventajas significativas en la retención y satisfacción de los usuarios, ya que sus sistemas de IA podrán construir relaciones más profundas y útiles con el tiempo.

    Los analistas de la industria llevan tiempo prediciendo que el próximo gran avance en IA no provendría necesariamente de modelos más grandes ni de más datos de entrenamiento, sino de innovaciones arquitectónicas que imiten mejor las capacidades cognitivas humanas. La gestión de memoria representa precisamente este tipo de avance fundamental, que podría abrir camino a nuevas aplicaciones y casos de uso inviables con los sistemas actuales sin estado.

    Este desarrollo forma parte de un cambio más amplio en la investigación de IA hacia sistemas con mayor capacidad de estado y persistentes que puedan acumular y desarrollar conocimiento con el tiempo, capacidades consideradas esenciales para la inteligencia artificial general. Para los líderes de tecnología empresarial que evalúan implementaciones de IA, MemOS podría representar un avance significativo en la creación de sistemas de IA que mantengan el contexto y mejoren con el tiempo, en lugar de tratar cada interacción de forma aislada.

    El equipo de investigación indica que planea explorar el intercambio de memoria entre modelos, los bloques de memoria autoevolutivos y el desarrollo de un ecosistema más amplio de “mercado de memoria” en trabajos futuros. Pero quizás el impacto más significativo de MemOS no sea su implementación técnica específica, sino la prueba de que tratar la memoria como un recurso computacional de primera clase puede generar mejoras significativas en las capacidades de IA. En una industria que se ha centrado principalmente en escalar el tamaño de los modelos y los datos de entrenamiento, MemOS sugiere que el próximo avance podría provenir de una mejor arquitectura, en lugar de computadoras más grandes.

    Fuente.

    VentureBeat (2025, 08 de julio).

    Investigadores chinos presentan MemOS, el primer ‘sistema operativo de memoria’ que proporciona a la IA una memoria similar a la humana. Recuperado el 09 de julio de 2025, de: https://venturebeat.com/ai/chinese-researchers-unveil-memos-the-first-memory-operating-system-that-gives-ai-human-like-recall/

  • Autorregulación y normas globales, claves para aprovechar la IA

    Autorregulación y normas globales, claves para aprovechar la IA

    Las empresas mexicanas han comenzado a optar por una autorregulación y por dar seguimiento a normas internacionales para integrar la IA a su cotidianidad.

    El mayor reto para las organizaciones con el aprovechamiento de la inteligencia artificial (IA) está en su capacidad para adoptar un modelo ético, transparente y estratégico que potencie su actividad, contrario a la creencia de que los criterios técnicos son el obstáculo.

    “El problema no es la IA en sí, sino el uso que le damos (…) La inteligencia artificial no reemplazará a las personas, serán las personas que sepan usar esa tecnología quienes desplacen a aquellas no lo hagan”, refirió Francisco Carlos, director general de Generat IA.

    El experto relata así que las empresas mexicanas han comenzado a optar por una autorregulación y por dar seguimiento a normas internacionales para integrar la IA a su cotidianidad.

    Ya desde diciembre del 2023, se publicó la norma internacional ISO/IEC 42001, más enfocada al establecimiento de reglas sobre gobernanza, gestión de riesgos y uso ético de la IA.

    El estándar se presentó como una guía para empresas que comienzan a implementar tecnología de inteligencia artificial o que buscan reforzar sus políticas internas.

    Aunque el debate regulatorio en México sigue abierto, algunas organizaciones han optado mejor por autorregularse.

    “No se puede esperar a que llegue la legislación. La autorregulación es una necesidad estratégica”, dijo Francisco Carlos.

    Uno de los principales riesgos de la IA son los sesgos automatizados que pueden afectar decisiones sensibles. Por ello, la capacitación continua y especializada del talento humano se vuelve necesaria.

    La adopción responsable de IA implica beneficios en atención, evaluación de riesgos y eficiencia operativa para todas las entidades. Según PwC, las empresas que incorporan IA con criterios éticos consiguen ventaja en reputación y productividad.

    “No se trata de subirnos a la moda. Se trata de construir cimientos sólidos con esta tecnología. La IA es como un río: no se detiene, pero sí podemos dirigir su cauce (…) Las empresas pueden apoyarse en organismos expertos, creadores de normas como BSI que ayudan a las organizaciones a establecer o utilizar sistemas de IA de forma responsable, optimizando los beneficios y cumpliendo con los requisitos reglamentarios”, dijo.

    Fuente.

    El Economista(2025, 09 de julio). Autorregulación y normas globales, claves para aprovechar la IA. Recuperado el 09 de julio de 2025, de: https://www.eleconomista.com.mx/tecnologia/autorregulacion-normas-globales-claves-aprovechar-ia-20250709-767387.html