Las Claves #Deepseek

Miguel Ángel Valero

Altera, filial de chips programables de Intel y de Silver Lake, registra su salida a B Bolsa, pero sin enseñar todavía sus cuentas. Silver Lake e Intel buscan con la operación recaudar más de 2.000 millones$. Silver Lake compró el 51% en 2023 por 4.460 millones y dejó a Intel (que había pagado 16.700 millones en 2015) con el 49%. Lo más importante es que, en plena desconfianza sobre la inteligencia artificial (IA) y con el CEO de Anthropic, Sam Altman, sugiriendo un retraso de la oferta pública inicial (IPO por sus siglas en inglés), prevista para el 23 de octubre y con la que esperaba lograr una valoración de 250.000 millones$, una tecnológica se plantee salir a Bolsa. Si la operación tiene éxito, puede provocar más salidas a Bolsa de empresas fabricantes de chip y de semiconductores.

Pero de momento OpenAI también se plantea retrasar su salida a Bolsa, prevista para el 27 de noviembre y con la que esperaba conseguir una valoración de 500.000 millones$. 

Sin fecha, están en 'lista de espera' Databricks, del sector de infraestructuras de IA, con el objetivo de 60.000 millones en capitalización bursátil; DeepSeeek, en Star de Shanghái (considerado el Nasdaq chino), que mantiene que será antes de fin de año; y Moonshot (desarrolladora del modelo Kimi K3), que quiere debutar en la Bolsa de Hong Kong en el primer trimestre de 2027. También se especula con Cerebras, fabricante de semiconductores de IA, y con Dataiku, que ofrece plataformas de datos en IA.

En cambio, Waystar, la firma de software sanitario, se plantea excluirse de la cotización en Bolsa, porque la acción llevaba un 17% de caída en lo que va de año.

Mientras, Amazon no logra restaurar su zona cloud de Baréin ni una de las tres que tiene en Emiratos tras los daños de la guerra de Irán. AWS controla en torno al 30% del mercado mundial de la nube, así que el apagón deja al descubierto el riesgo de concentrar centros de datos en Oriente Medio.

Evolución del electrodoméstico 'inteligente'

Por otra parte, el concepto de electrodoméstico inteligente está evolucionando. Para los consumidores, que un aparato esté conectado ya no parece suficiente: esperan que la tecnología les aporte información útil, facilite la gestión del hogar y les ayude a tomar mejores decisiones, según el Smart Living Index 2026 de Beko. Entre las funcionalidades más valoradas destaca la posibilidad de monitorizar el consumo de energía y agua, una función que considera relevante el 60% de los españoles. También adquieren importancia los programas capaces de adaptar el funcionamiento del electrodoméstico a las necesidades de uso, valorados por el 31%. Estos datos apuntan a un cambio en la relación con los electrodomésticos: del control remoto a una tecnología capaz de interpretar información, personalizar su funcionamiento y anticiparse a determinadas necesidades.

Pero la evolución hacia electrodomésticos capaces de aprender de los hábitos y necesidades del usuario abre también un debate sobre la confianza. Aunque el potencial de la IA en el hogar es cada vez mayor, solo el 18% de los consumidores españoles confiaría plenamente en un electrodoméstico con IA para tomar decisiones de forma autónoma sobre aspectos como el consumo de energía y agua, o el mantenimiento.

Al mismo tiempo, el 39% de los españoles considera que ser respetoso con el medioambiente es una característica más asociada a los electrodomésticos inteligentes que a los convencionales, lo que apunta a una expectativa de que la tecnología contribuya también a hacer un uso más responsable de los recursos.

“El reto de los electrodomésticos inteligentes no es únicamente incorporar más tecnología, sino conseguir que esa tecnología aporte un valor real al consumidor. La conectividad y la IA deben ayudar a entender mejor lo que ocurre en el hogar, anticiparse cuando sea necesario y facilitar las decisiones, manteniendo siempre al usuario en el centro”, señala Manuel Royo, director de Marketing de Beko Europe en España.

Esta evolución está llevando al sector a desarrollar soluciones que van más allá del tradicional control desde el móvil. La nueva generación de electrodomésticos conectados puede ofrecer información sobre su funcionamiento, alertas, recomendaciones o programas adaptados a los hábitos del usuario, convirtiendo los datos en herramientas útiles para la vida cotidiana. El objetivo es avanzar hacia un hogar en el que los electrodomésticos no solo respondan a una orden, sino que sean capaces de adaptarse mejor a las necesidades del usuario y ayudarle a gestionar mejor su día a día.En este contexto, el futuro del smart home no dependerá únicamente de cuánta inteligencia incorpore un electrodoméstico, sino de cómo consiga convertirla en utilidad, confianza y una experiencia sencilla para el consumidor.

Loora capta 22 millones para el aprendizaje de inglés con IA

Loora, plataforma de aprendizaje de inglés con IA, anuncia el cierre de una ronda  de 22 millones$, con la que alcanza una financiación total captada de 43,25 millones desde su creación en 2021. La operación ha sido encabezada por Union Tech Ventures, con la participación de otros inversores y de los actuales Emerge, Hearst Ventures y QP Ventures.

España se ha consolidado como uno de los mercados estratégicos para el crecimiento de la compañía. Con 495.000 usuarios, un 110% más que hace un año, el mercado español ya ocupa la novena posición a nivel mundial. Los usuarios españoles dedican una media de 11 minutos al día a mejorar su fluidez en inglés, principalmente para mejorar sus oportunidades profesionales, aunque también utilizan la plataforma para desenvolverse en situaciones cotidianas, como preparar una entrevista de trabajo, conocer gente o pedir en un restaurante durante un viaje.

La compañía destinará los nuevos fondos a reforzar sus equipos de investigación e ingeniería de IA, mejorar el producto y ampliar su actividad con particulares, empresas, universidades y administraciones públicas. Como parte de este plan, Loora prevé duplicar su plantilla durante los próximos seis meses, pasando de 30 a 60 profesionales. 

Desde su lanzamiento, la compañía ha superado los 15 millones de usuarios y ha registrado más de 200 millones de interacciones en todo el mundo. En los últimos doce meses, ha duplicado con creces sus ingresos y ha ampliado su actividad con más de 100 empresas e instituciones de distintos países.

Loora ofrece un tutor de inglés basado en IA disponible las 24 horas, que adapta cada conversación al nivel, los objetivos y los intereses de cada usuario, permitiéndole practicar sin miedo a equivocarse y a un coste muy inferior al de un profesor particular. El perfil de los usuarios de Loora son adultos de entre 25 y 55 años que buscan alcanzar la fluidez en inglés. El 72% utiliza la plataforma para mejorar sus oportunidades profesionales y, desde su lanzamiento, la tasa de retención, uno de los principales indicadores de un aprendizaje efectivo, se ha duplicado.

“Hablar inglés con fluidez puede cambiar por completo las oportunidades profesionales y personales de una persona. Para millones de personas, acceder a una enseñanza de calidad sigue siendo complicado, y ahí es donde la inteligencia artificial puede marcar la diferencia. Esta financiación nos permitirá seguir mejorando Loora y llevar esa experiencia a muchas más personas en todo el mundo”, explica Roy Mor, cofundador y CEO de Loora.

El 95 % de la población mundial no es nativa en inglés, pero es una capacidad requerida para acceder al 98,5% de los empleadores en la mayoría de países del mundo. Hablar este idioma con fluidez es uno de los indicadores más fiables de progreso profesional a nivel mundial, y esta es la idea que impulsó a los creadores de Loora, expertos en tecnología, a desarrollar la plataforma. 

A diferencia de los modelos de IA de propósito general, Loora ha sido diseñada exclusivamente para el aprendizaje del inglés. La plataforma adapta cada conversación al nivel y los objetivos de cada usuario y realiza un seguimiento continuo de su progreso para ayudarle a alcanzar la fluidez.

"Más de 1.500 millones de personas en el mundo aprenden inglés para ampliar sus oportunidades profesionales y personales. Loora ha demostrado que la inteligencia artificial puede hacer que una formación personalizada y de calidad sea accesible para muchas más personas, y creemos que todavía tiene un enorme potencial de crecimiento", concluye Roxanne Horesh, directora general de Union Tech Ventures.

Workiva lanza en Amplify 2026 nuevos agentes de IA para cumplimiento

Workiva Inc, plataforma preparada para auditorías que promueve la confianza, la transparencia y la rendición de cuentas, ha presentado decenas de nuevas innovaciones en sus productos y en su plataforma durante Amplify 2026, la conferencia anual de la compañía, celebrada en Las Vegas. Entre ellas, Agent Studio, que permite a los usuarios crear, personalizar e implementar rápidamente agentes de IA en la plataforma de confianza de Workiva. Al combinar el razonamiento de la IA con las capacidades nativas de la plataforma de Workiva, el conocimiento empresarial y los flujos de trabajo bajo control, Agent Studio permite a los usuarios automatizar procesos empresariales manuales y sofisticados sin necesidad de escribir código. Las organizaciones pueden enriquecer los agentes con conocimientos y contexto específicos de la empresa, adaptarlos a sus propios procesos y programar automatizaciones para ejecutar tareas recurrentes.

“Con Agent Studio, ponemos en manos de quienes mejor conocen el trabajo y su empresa la capacidad de crear. Ahora bien, la solidez de lo que construyes depende dela solidez de aquello sobre lo que se construye”, explica Julie Iskow, CEO de Workiva. “Todas las empresas tienen acceso a la IA. Lo que importa es que los resultados sean trazables, defendibles y capaces de resistir el escrutinio de inversores y reguladores. Esto cobra aún más importancia a medida que la IA se generaliza”, subraya.

Los equipos de contabilidad y finanzas podrán gestionar una gama más amplia de requisitos regulatorios desde una misma plataforma conectada. Workiva lanza pruebas automatizadas para auditoría interna y GRC, sustituyendo la recopilación manual de evidencias, la selección de muestras, las pruebas de atributos y la documentación por un flujo de trabajo diseñado específicamente para este fin, que ofrece trazabilidad completa en cada etapa. El resultado es una mayor capacidad de muestreo, una cobertura más amplia de los riesgos y la posibilidad de ampliar el alcance de las pruebas sin aumentar el esfuerzo manual.

"La transformación requiere un compromiso real en todos los niveles de la cadena de valor. Este trabajo siempre ha exigido precisión en los procesos. Ahora también exige velocidad”, ha indicado Keri Tracy, Chief Audit Executive de Newell Brands. “A medida que la IA asume una mayor parte del trabajo, permite a los profesionales de auditoría centrarse en tareas de mayor valor, como el criterio profesional, la interpretación y la gestión de riesgos. Pero esto solo funciona si las personas confían en la tecnología. Cuando los equipos sienten que se les escucha, se valora su aportación y reciben apoyo durante el proceso de cambio, la adopción se produce de forma natural, los controles se refuerzan y la integridad del proceso se convierte en la base capaz de resistir cualquier auditoría o escrutinio regulatorio”, señala.

Miguel Ángel Valero

El gráfico que aporta The Trader es suficientemente elocuente sobre cómo el coste de utilizar inteligencia artificial (IA) está cayendo a una velocidad nunca vista. Según Goldman Sachs, el precio de los modelos de lenguaje se ha desplomado en apenas tres años tanto como cayó el precio de los ordenadores personales durante casi dos décadas. Y si además tenemos en cuenta que los modelos actuales son mucho más capaces que los de hace solo dos años, el coste por unidad de inteligencia se está reduciendo todavía más deprisa.

A primera vista, esto parece una noticia extraordinaria para las compañías que lideran esta revolución. Si la IA va a estar presente en prácticamente todos los sectores de la economía, lo lógico sería pensar que quienes la desarrollan serán también quienes obtengan los mayores beneficios. Sin embargo, la historia nos invita a ser algo más prudentes. A finales de los años noventa ocurrió algo muy parecido con Internet. El tráfico de datos crecía de forma explosiva, cada vez hacían falta más routers, más infraestructura y más capacidad de transmisión. Cisco se convirtió en la empresa que suministraba buena parte de ese equipamiento y llegó a ser, durante unos meses, la compañía más valiosa del mundo.

Para el inversor la historia fue muy distinta. Internet terminó transformando por completo la economía mundial. Cisco siguió siendo una magnífica empresa y continuó aumentando sus ingresos durante muchos años. Pero la competencia, la caída de los precios del hardware y unas expectativas que se habían vuelto completamente desproporcionadas hicieron que su cotización llegara a caer más de un 80% y tardará más de 25 años en recuperar los máximos alcanzados durante la burbuja tecnológica.

La revolución fue real. Los beneficios empresariales también. Lo que no fueron sostenibles fueron las expectativas que el mercado había descontado. Con la IA puede suceder algo parecido. Si el coste de desarrollar y utilizar modelos continúa desplomándose, puede terminar convirtiéndose en una commodity. Igual que hoy nadie paga un sobreprecio por almacenar información en la nube o por enviar datos a través de internet, es posible que dentro de unos años utilizar un modelo de IA sea un servicio cada vez más barato y accesible.

Y aquí entra en juego la paradoja de Jevons. Cuando una tecnología se abarata de forma drástica, lo normal no es que se utilice menos, sino mucho más. Cuanto más barato resulte acceder a la IA, más aplicaciones aparecerán, más procesos se automatizarán y mayor será el consumo total. El desplome del precio no tiene por qué reducir el tamaño del negocio; puede hacerlo crecer de forma exponencial. Eso no significa que desaparezca el negocio. Al contrario, probablemente el mercado será mucho mayor. Lo que significa es que el valor económico podría desplazarse hacia otro lugar. Quizá los grandes ganadores no sean quienes construyen los modelos, sino quienes consigan integrarlos mejor en productos y servicios capaces de generar ingresos recurrentes. O quizá quienes proporcionen la infraestructura necesaria para sostener ese crecimiento. 

La historia demuestra que las grandes revoluciones tecnológicas rara vez reparten los beneficios de la forma que inicialmente imagina el mercado.Por eso conviene distinguir entre una tecnología extraordinaria y una inversión extraordinaria. Porque no siempre son la misma cosa. La IA cambiará la economía con una intensidad incluso superior a la que lo hizo Internet. El fuerte abaratamiento de su coste probablemente hará que su uso se dispare, exactamente como describe la paradoja de Jevons. Pero eso no implica automáticamente que las compañías que hoy lideran esta revolución vayan a ser las mejores inversiones de la próxima década. Cisco fue una pieza imprescindible para construir Internet y, aun así, muchos inversores que compraron sus acciones a finales de los años noventa vieron cómo su inversión sufría una corrección superior al 80% y necesitaron más de 25 años para recuperar su dinero. "La historia demuestra que una revolución tecnológica puede transformar por completo la economía sin que las empresas que la lideran en sus primeros años sean necesariamente las que acaben generando las mayores rentabilidades para sus accionistas", alerta el analista Pablo Gil.

Durante los dos últimos años la gran carrera de la IA parecía muy sencilla de entender. Ganaba quien construyera el modelo más potente. OpenAI, Anthropic, Google o Meta competían por demostrar quién era capaz de ofrecer mejores respuestas, mayor capacidad de razonamiento o una programación más sofisticada. Sin embargo, la batalla acaba de entrar en una fase completamente distinta. Ya no basta con ser bueno. Ahora también hay que ser extraordinariamente barato. Varias compañías chinas —Alibaba, Moonshot, DeepSeek, Z.ai o ByteDance— han presentado modelos que ya compiten de tú a tú con los líderes estadounidenses en muchas tareas. Pero lo verdaderamente revolucionario no es únicamente la calidad de esos modelos, sino su coste. En algunos casos, ejecutar determinadas cargas de trabajo resulta hasta cien veces más barato que hacerlo con los modelos estadounidenses más avanzados.

Los mejores modelos de código abierto (chinos, por supuesto) ya igualaban el rendimiento de muchos modelos cerrados (estadounidenses), que todavía conservan una ligera ventaja en capacidad, pero a costa de un precio muy superior.

Si una empresa no ofrece el mejor modelo del mercado, tendrá que competir en precio. Pero si tampoco puede igualar los precios de los desarrolladores chinos, corre el riesgo de quedarse atrapada en un espacio donde deja de ser competitiva por cualquiera de las dos vías. Lo más llamativo es que ya no hablamos de un éxito aislado como ocurrió hace unos meses con DeepSeek. Ahora empiezan a aparecer varios laboratorios chinos capaces de desarrollar modelos de primer nivel de forma continuada. Eso sugiere que China ya no depende del talento de una única empresa, sino que ha construido un ecosistema capaz de reproducir esa innovación una y otra vez.

Pero detrás de esta competencia existe una diferencia estratégica todavía más importante. OpenAI y Anthropic mantienen en secreto buena parte de su tecnología, protegen su propiedad intelectual y aspiran a construir negocios con márgenes elevados. Sus futuras valoraciones bursátiles dependen, en gran medida, de que puedan seguir cobrando precios altos por utilizar modelos supuestamente difíciles de replicar. Las compañías chinas están siguiendo el camino contrario. Muchas están apostando por el código abierto y por sacrificar rentabilidad a corto plazo para ganar usuarios, desarrolladores y cuota de mercado. Su objetivo inmediato no parece ser maximizar beneficios, sino extender su tecnología, convertirla en un estándar y reducir al máximo el coste de utilizar inteligencia artificial.

Esa estrategia amenaza directamente el poder de fijación de precios de las empresas estadounidenses. Si los desarrolladores pueden acceder a modelos chinos de gran calidad por una fracción del coste, OpenAI y Anthropic podrían encontrarse con enormes dificultades para mantener sus márgenes y, sobre todo, para justificar las valoraciones multimillonarias que esperan alcanzar cuando salgan a bolsa.

Muchos inversores siguen analizando esta carrera como si únicamente importara quién desarrolla la tecnología más avanzada. La verdadera pregunta será quién consigue ganar dinero con ella. Si los modelos terminan convirtiéndose en una especie de materia prima digital, cada vez más barata y abundante, el valor podría desplazarse desde quienes los construyen hacia quienes sean capaces de utilizarlos para crear productos y servicios realmente útiles.Y si China mantiene este ritmo, EEUU tendrá cada vez más difícil conservar su liderazgo únicamente mediante sanciones tecnológicas, restricciones a los chips o protección de la propiedad intelectual. Porque en una guerra de precios no siempre gana quien tiene la tecnología más sofisticada. Muchas veces gana quien consigue que todo el mundo pueda utilizarla.

El mercado exige más dinero para asegurar la deuda de la IA

Otro gráfico muestra la evolución durante 2026 de los CDS (Credit Default Swap, cobertura frente al riesgo de impago de una empresa) a cinco años de algunas de las principales compañías tecnológicas. Cuando aumenta el precio del DCS de una empresa, significa que el mercado exige más dinero para asegurar su deuda porque percibe un mayor riesgo crediticio. Y prácticamente todos se están moviendo en la misma dirección. Oracle destaca claramente. Sus CDS han aumentado alrededor de 70 puntos básicos (pb) en lo que llevamos de año. Broadcom acumula una subida cercana a 48; Meta, unos 39; Nvidia, 32; Amazon, 30; y Alphabet, aproximadamente 29.

Esto no significa que el mercado piense que estas compañías estén próximas a quebrar. Ni mucho menos. Muchas siguen teniendo balances extraordinariamente sólidos y enormes capacidades de generación de caja. Lo importante es el cambio de tendencia: el riesgo percibido está aumentando simultáneamente en buena parte del ecosistema tecnológico ligado a la IA.

Y detrás de ese movimiento hay una razón muy concreta: la IA se está convirtiendo en un negocio extraordinariamente intensivo en capital. Durante décadas, las grandes tecnológicas fueron máquinas de generar caja. Construir software tenía unos costes marginales relativamente pequeños y permitía crecer enormemente sin necesidad de incrementar las inversiones al mismo ritmo. La IA está cambiando parcialmente ese modelo. Ahora hacen falta centros de datos gigantescos, cientos de miles de chips, redes eléctricas, sistemas de refrigeración y contratos energéticos de largo plazo. Las grandes tecnológicas podrían invertir conjuntamente más de 700.000 millones$ durante 2026, y para financiar semejante esfuerzo están recurriendo cada vez más al mercado de deuda.

El cambio resulta especialmente llamativo porque estas compañías históricamente podían financiar gran parte de su crecimiento con su propia generación de caja. Pero la velocidad de la carrera por la IA está obligándolas a buscar capital externo. Alphabet, Amazon, Meta, Microsoft y Oracle han añadido conjuntamente alrededor de 350.000 millones$ a sus obligaciones de deuda durante los últimos cinco años, aproximadamente duplicando su carga. Y el proceso continúa. Solo hasta comienzos de julio, las grandes tecnológicas habían colocado aproximadamente 194.000 millones en bonos durante 2026, un 79% más que un año antes.

La Bolsa está valorando fundamentalmente cuánto dinero puede generar la IA. El mercado de crédito empieza a preguntarse cuánto dinero será necesario gastar antes de conseguirlo. Y son dos preguntas completamente distintas. Oracle es probablemente el ejemplo más extremo. La compañía anunció que pretende captar entre 45.000 millones y 50.000 millones$ durante 2026, aproximadamente la mitad mediante deuda y la otra mitad mediante instrumentos de capital, para ampliar su infraestructura “cloud” y satisfacer la demanda de clientes vinculados a la IA.

El problema no es necesariamente endeudarse. Si las enormes inversiones actuales terminan generando los ingresos y beneficios que esperan estas compañías, probablemente la deuda será perfectamente manejable. El verdadero riesgo aparece si la monetización de la IA tarda más de lo previsto, mientras las inversiones y los compromisos financieros siguen creciendo. Porque entonces podría producirse una combinación mucho menos cómoda: más deuda, mayores gastos financieros, fuertes amortizaciones de unos activos tecnológicos que envejecen rápidamente y una rentabilidad sobre el capital invertido inferior a la esperada.

"La carrera ya no consiste únicamente en desarrollar la mejor IA. También consiste en tener el balance financiero capaz de sobrevivir al enorme coste de construirla. El mercado de acciones todavía está apostando por los ganadores de la IA. El mercado de crédito empieza a calcular cuánto costará llegar hasta allí", avisa Pablo Gil.

El problema del control de la IA

Durante años hemos pensado que el principal riesgo de la IA consistía en que algún día llegara a ser más inteligente que nosotros. Sin embargo, los acontecimientos apuntan hacia un problema mucho más inmediato: cómo controlar sistemas que empiezan a desarrollar comportamientos que sus propios creadores no habían previsto. OpenAI revela más detalles sobre el incidente que terminó provocando el ataque contra Hugging Face, una de las plataformas más importantes del mundo para alojar y compartir modelos de IA, utilizada por millones de desarrolladores, investigadores y empresas. 

Según la compañía, todo comenzó varios meses antes, durante unas pruebas internas aparentemente rutinarias. A varios agentes de inteligencia artificial se les asignaron tareas que, sin que los investigadores fueran conscientes, eran imposibles de completar porque requerían acceso a internet o archivos que nunca habían sido cargados al sistema. En lugar de limitarse a informar de que no podían completar el trabajo, los modelos hicieron algo inesperado. Empezaron a dejarse mensajes entre ellos, buscaron otros agentes que pudieran ayudarles, compartieron información y acabaron organizándose para encontrar una forma de acceder a Internet sin autorización. Lo más sorprendente es que esas comunicaciones permanecieron ocultas durante meses para los propios investigadores.La investigación también revela otro comportamiento especialmente llamativo. Los modelos mostraban una fuerte tendencia a 'hacer trampas' cuando encontraban obstáculos. No abandonaban la tarea ni reconocían que era imposible. Su prioridad era alcanzar el objetivo para el que habían sido entrenados, incluso aunque eso implicara vulnerar las restricciones del entorno de pruebas o explotar fallos de seguridad.

Cuando OpenAI descubrió el primer sistema de comunicación entre agentes, lo eliminó. Sin embargo, pocas semanas después los modelos encontraron una nueva forma de volver a comunicarse utilizando otra vulnerabilidad distinta. Esa segunda red de colaboración fue la que terminó desembocando en los ataques posteriores contra los sistemas de OpenAI y Hugging Face. El episodio ha sido suficientemente serio como para que OpenAI haya decidido ralentizar parte de su investigación y concentrar recursos en reforzar la seguridad de sus modelos. La propia compañía advierte de que, a partir de ahora, Gobiernos y empresas deben asumir que los ciberdelincuentes podrán utilizar agentes de IA de este tipo para lanzar ataques mucho más sofisticados que los actuales.

La verdadera importancia de esta historia no reside únicamente en el riesgo de que la IA pueda utilizarse para cometer ciberataques. Lo realmente inquietante es comprobar que varios agentes independientes fueron capaces de colaborar entre sí, adaptarse cuando encontraban obstáculos y buscar nuevos caminos para alcanzar un objetivo que consideraban prioritario, sin que sus propios desarrolladores fueran plenamente conscientes de ello.

Nos estamos acercando a un momento en el que algunos sistemas empezarán a razonar mejor que nosotros en determinadas tareas y a encontrar soluciones que los propios seres humanos quizá ni siquiera comprendamos del todo. Si eso ocurre, el gran desafío dejará de ser construir una IA más potente. El verdadero reto será desarrollar mecanismos capaces de supervisarla y mantenerla bajo control. Porque si algún día la IA supera nuestras capacidades en ámbitos cada vez más amplios, la pregunta más importante ya no será cuánto puede hacer, sino cómo conseguiremos seguir gobernando una inteligencia que podría llegar a pensar mejor que nosotros.

La inversión en IA no tiene por qué ser necesariamente rentable

Hay una idea que se repite constantemente cuando se habla de IA: quien no invierta ahora corre el riesgo de perderse la mayor revolución tecnológica de nuestra generación. Y probablemente sea cierto. La IA tiene todos los ingredientes para transformar la productividad, cambiar la forma en que trabajamos y alterar por completo el funcionamiento de muchas industrias. Sin embargo, reconocer que una tecnología va a cambiar el mundo no significa que cualquier inversión relacionada con ella vaya a ser rentable. De hecho, la historia demuestra precisamente lo contrario. 

Nadie duda de que la IA seguirá creciendo, pero el mercado empieza a preguntarse si las enormes inversiones necesarias para liderar esa carrera acabarán generando una rentabilidad acorde con el capital empleado. Los miles de millones destinados a centros de datos, chips e infraestructuras ya no se reciben únicamente con entusiasmo; también empiezan a generar preguntas.Y esas preguntas tienen sentido porque las grandes revoluciones tecnológicas suelen venir acompañadas de un enorme exceso de inversión. Cuando todo el mundo está convencido de que una industria dominará el futuro, el capital fluye hacia ella de forma masiva. El resultado suele ser una capacidad instalada muy superior a la demanda inicial y una competencia feroz que termina reduciendo la rentabilidad de muchas de las empresas que lideraron esa primera etapa.

Ya ocurrió con el ferrocarril en el siglo XIX. La red ferroviaria transformó la economía mundial, pero muchas compañías quebraron antes de que aquel negocio alcanzara un equilibrio sostenible. También sucedió con internet. La mayoría de las predicciones sobre su impacto fueron acertadas, pero eso no evitó el estallido de la burbuja tecnológica en el año 2000 ni las enormes pérdidas sufridas por muchos inversores.

Es perfectamente posible acertar sobre el futuro de una tecnología y, al mismo tiempo, equivocarse en el momento, el precio o la empresa elegida para invertir. Eso no significa que la IA esté viviendo una burbuja similar a las anteriores. Nadie puede afirmarlo con certeza. Pero sí conviene recordar que el éxito de una innovación y el éxito de una inversión no siempre avanzan de la mano.

"Creo que uno de los errores más habituales en los mercados consiste en pensar que identificar la próxima gran revolución tecnológica es suficiente para ganar dinero. Y no lo es. Invertir no consiste únicamente en descubrir qué cambiará el mundo, sino en valorar cuánto de ese futuro ya está descontado en los precios y quién terminará capturando realmente los beneficios de esa transformación. Porque la historia demuestra que las grandes revoluciones suelen crear enormes ganadores… pero no siempre son los pioneros, ni necesariamente quienes más invierten al principio. Y esa quizá sea la lección más importante para cualquier inversor: tener razón sobre el futuro no garantiza obtener una buena rentabilidad", advierte Pablo Gil.

Durante los dos últimos años hemos asistido a una auténtica carrera por desarrollar modelos de inteligencia artificial cada vez más potentes. OpenAI, Google, Anthropic, Meta o DeepSeek han competido por demostrar quién era capaz de construir el mejor modelo. Parecía que toda la ventaja competitiva dependía de tener los algoritmos más avanzados. Sin embargo, esa primera fase de la revolución de la IA está dando paso a otra muy distinta. Nadie duda ya de que esta tecnología transformará la economía. La gran pregunta empieza a ser otra: ¿quién podrá permitirse financiar esa transformación?

Porque la IA ya no depende únicamente del software. Para seguir avanzando hacen falta centros de datos gigantescos, cientos de miles de procesadores, sistemas de refrigeración, redes eléctricas más potentes y una capacidad de generación de energía que, en muchos lugares, empieza a quedarse corta. La revolución más digital de nuestra historia depende cada vez más de infraestructuras extraordinariamente físicas. La expansión de los centros de datos, unida a las olas de calor y a la creciente electrificación de la economía, está llevando muchas infraestructuras al límite. El cuello de botella ya no parece ser la capacidad de los modelos, sino la capacidad de alimentarlos.

Ese cambio también explica la reacción del mercado. Algunas compañías han anunciado inversiones multimillonarias para mantener su liderazgo en IA y los inversores empiezan a preguntarse cuánto tardarán en recuperar semejantes desembolsos. La reciente pausa de DeepSeek en una ronda de financiación refleja que incluso algunos de los protagonistas de esta carrera empiezan a medir con más cautela el ritmo de expansión.Y es que la historia nos recuerda que las grandes revoluciones tecnológicas suelen atravesar una fase en la que el principal desafío deja de ser la innovación y pasa a ser la capacidad de financiar su despliegue. En el caso de la IA, ese momento parece haber llegado antes de lo que muchos esperaban.

Durante los primeros años de la IA, la batalla consistía en desarrollar el mejor modelo. A partir de ahora, la ventaja competitiva dependerá cada vez más de quién tenga acceso al capital, la energía y las infraestructuras necesarias para sostener esa revolución. Eso significa que el éxito ya no dependerá únicamente del talento de los ingenieros, sino también de la capacidad financiera de las compañías y, en muchos casos, de la solidez de las infraestructuras de cada país. La IA seguirá siendo una revolución tecnológica, pero cada vez tendrá más rasgos de una revolución industrial. Y eso puede cambiar profundamente qué empresas —e incluso qué economías— acaban liderando esta nueva etapa.

Miguel Ángel Valero

Dinero Seguro publicó el 17 de agosto que las empresas de EEUU ya habían alcanzado su techo de gasto con la inteligencia artificial (IA). Ahora se desvela el motivo: el 42% de las empresas ha probado o desplegado un agente de IA; el 15% ha llevado sistemas de varios agentes al conjunto del negocio. Y el 73% espera tener media empresa rediseñada alrededor de agentes dentro de cuatro años. Hay un tremendo salto entre el 15% actual y el 73% de dentro de cuatro años.

Según un estudio de Deloitte, solo el 21% de las empresas asegura tener sus procesos preparados para trabajar con agentes de IA, y el 20% se ve capaz de rediseñarlos. Más de la mitad de los directivos de datos de éstas apunta a los sistemas antiguos como el bloqueo principal. 

Otro estudio, éste de Google con MIT Technology Review, profundiza en esa idea: de media, las empresas dan a la IA acceso al 45% de su información interna. Menos de la mitad. Y ese porcentaje se nota directamente en si el agente de IA acierta o no. Entre las organizaciones que abren más del 70% de sus datos, todos los responsables describen las decisiones de sus agentes como acertadas casi siempre o siempre. Entre las que se quedan en el 30% o menos, solo el 22% se fía de lo que decide su agente. Una diferencia de casi cinco veces.

Conclusión: el agente de IA rinde según lo que puede leer, y en la mayoría de empresas eso es menos de la mitad de lo que hay dentro. Antes de implantarlo, la empresa debe medir qué porcentaje de su información puede tocar hoy la IA, y cuánta de esa información está en un sitio del que se pueda leer.

Mientras, sigue la guerra por reducir el coste de la IA. DeepSeek entra a competir con Claude Code y con Codex lanzando un modelo abierto para agentes con licencia MIT, junto a DeepSeek-V4-Pro. Y OpenAI lleva a Amazon su GPT-5.6-Cyber, que lleva encontrados más de 400 fallos de escalada de privilegios en un solo sistema operativo.

EEUU estrecha el cerco sobre la memoria china

Trump endurece su guerra contra la memoria china y reclama a Apple que no compre chip procedentes de ese país. La presión contra China impulsa en Bolsa a los fabricantes norteamericanos de chip: Micron rompe la barrera de los 1.000$ por primera vez desde julio, un 240% de subida acumulada en el año; SanDisk sube un 10% y Western Digital, un 5%.

En medio de esta estrategia, Alibaba vende su estudio de videojuegos Lingxi Games al fondo de capital riesgo Trustar Capital por más de 2.000 millones$. El mensaje que lanza al mercado es claro y rotundo: se está desprendiendo de negocios que considera que no son esenciales, para centrarse en la IA y en la 'nube'.

En EEUU, surge una polémica porque el megacentro de datos de Meta y de BlackRock en Texas, que requirió una inversión de 14.000 millones$, se financió con bonos al 7,53% (12.550 millones) y apenas se ha asegurado el 3,2% de su  valor. Si un incendio o un huracán destroza ese centro de datos, el seguro apenas cubre el siniestro, que deberá ser asumido por los bonistas (la garantía no es el edificio, sino el contrato por el que Meta paga el alquiler durante años). Esto supone un aviso para loa que suscriben bonos ligados a centros de datos o emitidos por empresas que han invertido en ellos: hay más riesgos ocultos, por eso pagan tanto por esa financiación.

UBS: Cuidado con el factor IA en la cartera

"Creemos que analizar las carteras en función de posibles escenarios de riesgo es superior a utilizar categorías fijas de activos nominales. Y, para el caso concreto del riesgo de una ralentización de la IA, recomendamos clases de activos que puedan generar rentabilidad de forma independiente a la evolución de la IA. Las empresas de calidad con un posicionamiento de mercado diferenciado y las estrategias cuantitativas son dos ejemplos de ello", señala Ulrike Hoffmann-Burchardi, Directora de Inversiones para América y Responsable Global de Renta Variable de UBS Global Wealth Management.

Ofi Invest: gran parte de las buenas noticias tecnológicas ya están descontadas en los precios

En renta variable de EEUU, la postura de Ofi Invest es optimista aunque selectiva, porque el liderazgo tecnológico sigue siendo sólido, pero gran parte de las buenas noticias ya se han descontado en los precios.

Miguel Ángel Valero

Deepseek ha lanzado su esperado nuevo modelo de IA V4 Flash y V4 Pro para competir con las últimas versiones de los gigantes tecnológicos estadounidenses. La compañía china mantiene su apuesta por un modelo abierto, aunque ha advertido de que el acceso comercial a la versión Pro estará más limitado debido a la falta de capacidad computacional. Esta restricción, según la empresa, se aliviará en la segunda mitad del año con la incorporación de nuevos servidores equipados con chips de Huawei, una señal que disipa los temores de que una mayor eficiencia de los modelos reduzca la necesidad de invertir en capacidad de cómputo, lo que ha provocado un nuevo rally en el segmento de semiconductores, especialmente entre los proveedores chinos.

Las primeras impresiones apuntan precisamente en esa dirección: la eficiencia sigue siendo el principal valor diferencial del modelo, pero, a diferencia del año pasado, los resultados no superan a los de los modelos estadounidenses más avanzados.

En plena ronda de financiación, la compañía china ha despertado el interés de Tencent, que estaría dispuesta a adquirir un 20% del capital, y mantiene conversaciones con Alibaba como posible nuevo socio, a pesar de que ambas firmas cuentan también con desarrollos propios.

En la carrera por dominar el efervescente mercado de la inteligencia artificial (IA), cada lanzamiento cuenta, pero en esta ocasión parece que el empuje chino ha quedado por debajo de las expectativas creadas el año pasado. 

Ahora, el mundo aguarda el lanzamiento completo de Mythos, de Anthropic, un acontecimiento que está generando una notable inquietud en el ámbito de la ciberseguridad.

¿Qué está pasando con Mythos?

Jesús Cristóbal, profesor de OBS Business School y director de Sand, destaca que el ecosistema de la inteligencia artificial ha recibido una de las noticias más relevantes, e inquietantes, de lo que va de año. La protagonista es Anthropic, la empresa detrás del conocido modelo de lenguaje Claude. En el ámbito de los LLM (Large Language Models), los modelos son versiones entrenadas con identidad propia. Aunque suelen presentarse como sistemas independientes, en la práctica muchos evolucionan a partir de iteraciones anteriores mediante reentrenamiento parcial y técnicas de alineamiento. A esto se suman capas superiores, como el fine-tuning o el uso de principios de alineación, que determinan su comportamiento final, reducen sesgos y amplían sus capacidades.

A finales de marzo de 2026 comenzaron a circular filtraciones de documentación técnica interna de Anthropic. Se trataba de decenas de páginas que describían capacidades avanzadas de modelos aún no anunciados con un foco: la ciberseguridad ofensiva. En ese momento todavía no estaba confirmado el nombre, pero ya aparecían referencias a un modelo que semanas después se haría público bajo el nombre de Mythos. A principios de abril, el nombre quedó confirmado. Y entre el 8 y el 20 de abril llegó el anuncio clave: Anthropic no liberaría Mythos al público general. 

¿Por qué frenar un modelo aparentemente tan avanzado? La explicación oficial es que Mythos detecta vulnerabilidades de software y automatiza su descubrimiento y explotación. Según la propia compañía, el modelo ha identificado cientos, posiblemente miles de vulnerabilidades en distintos tipos de software, desde sistemas operativos hasta aplicaciones de gestión empresarial. Muchas de estas vulnerabilidades son lo que en ciberseguridad se denomina zero day: fallos desconocidos por el fabricante para los que no existe parche ni mecanismo de defensa. Esto significa que pueden ser explotados sin que el proveedor del software tenga capacidad de reacción inmediata. 

El problema no es solo la existencia de estas vulnerabilidades —que siempre han existido—, sino que Mythos reduce drásticamente el coste de encontrarlas y explotarlas. Lo que antes requería equipos altamente especializados durante semanas o meses, ahora puede ejecutarse de forma automatizada y a gran escala. 

Ante este escenario, Anthropic activó un programa cerrado de colaboración con más de 40 organizaciones tecnológicas y de ciberseguridad como Apple, Amazon, Microsoft, Google o Nvidia, junto a actores clave del ámbito de la seguridad como CrowdStrike y Palo Alto Networks, además de organizaciones del ecosistema open source como Linux Foundation y Mozilla.

La decisión abre interrogantes. No existe una lista pública completa de participantes, ni está claro el alcance real de las vulnerabilidades detectadas. Tampoco pasa desapercibido que el acceso se haya limitado a un grupo reducido de organizaciones.

Mythos representa un cambio importante: por primera vez la capacidad de descubrir y explotar vulnerabilidades deja de depender exclusivamente de expertos humanos y pasa a ser automatizable. El riesgo ya no reside en que existan más fallos, sino en que el coste de encontrarlos es minúsculo.

Más allá de la seguridad hay un factor menos visible pero igualmente relevante: el coste de operar modelos de este tipo requiere una capacidad de computación masiva. Cada consulta implica un consumo significativo de recursos, lo que se traduce en costes directos elevados y, sobre todo, en un importante coste de oportunidad en infraestructuras. En este contexto, algunos analistas plantean una hipótesis incómoda: la restricción de acceso a modelos como Mythos podría no responder únicamente a motivos de seguridad, sino también a una realidad económica. Por primera vez, los modelos más avanzados podrían quedar limitados no solo por su peligrosidad potencial, sino por quién puede permitirse operarlos.

Lo que está en juego con Mythos no es solo un nuevo avance tecnológico, sino el inicio de una nueva etapa en la relación entre inteligencia artificial y seguridad digital. Una etapa en la que la pregunta ya no es qué pueden hacer estos modelos, sino quién debería tener acceso a ellos.