Las laboratorios occidentales siguen construyendo los modelos de IA con mayor rendimiento en pruebas de rendimiento, pero las alternativas chinas más fuertes ya quedan a solo unos puntos porcentuales de distancia, y a un coste hasta 100 veces menor, dependiendo del modelo y del escenario de despliegue.

Este cambio redefine la pregunta competitiva. El ganador de la carrera no será necesariamente la empresa con el modelo más inteligente, sino aquel ecosistema que haga que la IA avanzada sea lo suficientemente asequible para desplegarse en todas las áreas. Esa conclusión surge de un análisis de 33 modelos de 15 proveedores, comparando rendimiento en razonamiento, costo y control de despliegue en el mercado actual.

A seis puntos de distancia: la cumbre de la clasificación casi se ha cerrado

En GPQA Diamond, una exigente prueba de razonamiento científico, los modelos líderes siguen siendo estadounidenses, pero los laboratorios chinos ya no están a una escala por detrás en una banda separada. Están dentro de la misma franja competitiva que los líderes. Claude Mythos 5 lidera con 94.4%, seguido por Gemini 3.1 Pro con 94.3% y Claude Fable 5 con 94%. Sin embargo, Qwen 3.7 Max ya alcanza 92.4%, mientras que GLM-5.2 y DeepSeek V4 Pro obtienen 91.2% y 90.1%.

Las puntuaciones del benchmark siguen favoreciendo a Occidente. Lo que ya no hacen es explicar por completo la decisión de negocio.

La cifra que importa más: hasta 100x más barato

Un coste de inferencia inferior no solo ahorra dinero en la misma carga de trabajo: cambia lo que las empresas pueden permitirse construir. Los costes de inferencia más bajos significan más consultas con el mismo presupuesto, IA desplegada en docenas de procesos internos en lugar de un único uso premium, y soporte, análisis y automatización más asequibles. También permiten que modelos avanzados sean accesibles para startups y empresas de tamaño medio que no pueden justificar precios de vanguardia.

Parte de esa brecha de precio refleja un modelo de seguridad diferente. Los sistemas de código abierto chinos suelen venir con salvaguardas predeterminadas más ligeras que los modelos occidentales de frontera, por lo que parte de la responsabilidad de pruebas, prevención de uso indebido y cumplimiento recae en la empresa que los despliega.

Un modelo ligeramente más débil pero diez o cincuenta veces más barato puede ser comercialmente más competitivo que el líder del benchmark, porque la mayoría de las aplicaciones empresariales no necesitan los últimos puntos de razonamiento; necesitan una estructura de costos que escale. Es una elección binaria. El mercado ya se ha dividido en dos capas y cada una sigue su propia lógica.

En la base está la capa de gran volumen: clasificación, soporte, generación de contenidos y tareas rutinarias de negocio. Aquí, “bastante bueno” ya gana, porque los usuarios apenas notan una diferencia de unos pocos puntos de benchmark, mientras que cada CFO nota una diferencia de precio de diez veces o más. Los modelos de código abierto chinos ya están ocupando esta capa. En el último año, la cuota de modelos estadounidenses en el tráfico de OpenRouter cayó de aproximadamente 74% a 20%, mientras que los modelos chinos crecieron hasta casi la mitad. Por volumen de tokens, ya es su mercado.

En la cima está la frontera: tareas complejas de agentes, codificación y todo aquello donde un modelo realiza docenas de pasos sin intervención humana. Aquí, una pequeña diferencia en calidad se acumula con cada paso y, en una secuencia de 50 pasos, un par de puntos porcentuales de tasa de error pueden significar la diferencia entre completar la tarea y fallar. Por eso el dinero se comporta al revés de el tráfico: los presupuestos corporativos se concentran alrededor de unos pocos modelos de punta. Anthropic representa ahora alrededor del 40% del gasto API empresarial, en gran parte por codificación y agentes. Los tokens fluyen hacia modelos baratos, mientras que los dólares van hacia los mejores.

Por ello no habrá un ganador claro-toma-todo como en la búsqueda. Los modelos no generan un efecto de red y cambiar a otro cuesta casi nada; encaminar entre varios ya es una arquitectura de producción estándar. Al final tendremos un oligopolio de unas pocas laboratorios de frontera capturando la mayor parte del valor en la cima, y un océano de modelos de bajo costo y commodity en la base que capturan la mayor parte del volumen. Y esa frontera seguirá moviéndose hacia abajo: lo que hoy es frontera será commodity dentro de un año. Por eso el valor no reside en un modelo específico, sino en la velocidad de iteración y distribución.

Esto nos devuelve a la idea original sobre regulación. Si Occidente sobrerregula sus propios modelos, entregará toda la capa inferior a China, porque para la mayoría de tareas empresariales, “bastante bueno” es ya suficiente. No es una hipótesis; ya se ve en los números.

Ese es el verdadero riesgo para las empresas de IA occidentales. El mayor peligro no es que China tome de inmediato la cima del benchmark, sino que el mercado decida que esa cima ya no justifica el premio.

Más allá del precio: las pesos abiertas como segunda ventaja

Varios de los modelos chinos más fuertes, como GLM-5.2, DeepSeek V4 Pro y Qwen3.5 397B, se lanzan con pesos abiertos, lo que significa que las compañías pueden ejecutarlos en su propia infraestructura en lugar de alquilar acceso mediante una API.

Eso ofrece a las empresas mayor control sobre sus datos, menor dependencia de la política de precios o cambios de un solo proveedor y la capacidad de adaptar el comportamiento del modelo a sus necesidades.

Los laboratorios chinos no solo ofrecen versiones más baratas de productos occidentales. Están compitiendo con un modelo de adopción diferente, basado en menor coste, apertura y control, uno que atrae directamente a las empresas que desconfían del encierro con proveedores.

Ese debate ya ha llegado a Washington. En una carta abierta reciente, líderes como Satya Nadella y Jensen Huang defendieron contra restricciones a modelos de IA de código abierto, advirtiendo que limitar su desarrollo podría debilitar la competitividad de Estados Unidos.

Cuando los jefes de las empresas más valiosas del mundo defienden algo al mismo tiempo, la primera pregunta siempre es sobre el dinero. Los modelos abiertos benefician a Nvidia porque vende el hardware a todos los que los ejecutan. Es revelador que OpenAI y Anthropic, cuyos negocios dependen de modelos cerrados, no firmaron la carta al principio, y OpenAI se unió solo después de que la ausencia se convirtió en la historia principal. Todos aquí defienden su propio modelo de negocio, y eso es normal. No debería confundirse con una preocupación por la humanidad.

Pero en sustancia, los signatarios tienen razón. Es la misma historia que el código abierto. Dar software gratis alguna vez pareció irracional y luego Linux se convirtió en la base de toda la Internet. Los modelos cerrados y abiertos coexisten, cada uno en su propio segmento. Cuantos más modelos abiertos haya, más competencia habrá, más barata será la tecnología y más rápido se moverá toda la industria.

El contexto real de esta carta no es filosofía, sino el intento de Washington de restringir modelos chinos abiertos que se han acercado a la frontera.

Qué presiona a los laboratorios occidentales

Ninguna de estas tendencias implica que OpenAI, Anthropic o Google estén perdiendo la carrera de IA. Sus modelos siguen liderando en capacidad bruta.

Pero esa ventaja está volviéndose más difícil de monetizar en cada carga de trabajo. A medida que surgen alternativas más baratas que se acercan lo suficiente para uso empresarial rutinario, los laboratorios occidentales enfrentarán más presión para defender precios premium tarea por tarea en lugar de depender solo del liderazgo en benchmarks.

Six temas que los modelos chinos no tocarán de la misma forma

Pero los mismos modelos que ofrecen mayor libertad económica y técnica traen una restricción diferente. La apertura técnica no implica neutralidad política.

Los modelos chinos pueden ofrecer más control de la infraestructura, pero siguen estando más restringidos políticamente en temas relacionados con China: Tiananmen y 1989, el estatus de Taiwán, Xinjiang y el trato a los uigures, las protestas de Hong Kong, críticas a Xi Jinping y referencias políticamente sensibles como Winnie the Pooh.

Las respuestas pueden ser rechazadas, redirigidas o enmarcadas de acuerdo con la posición oficial china. Esto opera en dos niveles: un filtro en vivo en la API alojada y una alineación más profunda integrada en el modelo mismo, que sobrevive incluso cuando una empresa ejecuta el modelo en sus propios servidores.

Enkrypt AI descubrió que aproximadamente el 91% de las respuestas de DeepSeek R1 sobre controversias relacionadas con China seguían inclinadas a favor de Beijing tras intentos de jailbreak estándar. La autoservicio puede proporcionar soberanía de datos, pero no garantiza automáticamente neutralidad política.

Qué decide la próxima fase

Occidente sigue liderando en capacidad máxima. La próxima fase de la carrera no se decidirá por unos pocos puntos de benchmark, sino por qué ecosistema puede convertir la inteligencia avanzada en infraestructura asequible y escalable para el mercado más amplio.

China ha construido una ventaja seria en coste y control, pero las compañías que adopten esa infraestructura también deberán tener en cuenta sus restricciones políticas.

from Latest from TechRadar https://ift.tt/PWx2Zrc
via IFTTT IA

Microsoft ha informado sobre una estimación de llegada de una computadora cuántica comercialmente viable, situándola en 2029 como fecha probable. Para las empresas, eso significa estar a tan solo diez reuniones de junta trimestrales de distancia.

Cada nueva predicción reaviva el debate sobre cuándo llegará realmente el Q-Day, pero lo más apremiante es el periodo de preparación que esto ofrece a las organizaciones. La preparación cuántica no es algo que se pueda lograr de la noche a la mañana. Para cuando llegue una computadora cuántica cryptográficamente relevante, las empresas ya deberán haber identificado sistemas vulnerables, mapeado datos críticos y comenzado su migración. El Q-day no marca el inicio de la preparación, sino el momento en que dicha preparación será evaluada.

Tratar la cuántica como un problema de mañana corre el riesgo de repetir un error similar al ocurrido con Y2K. Los consejos de administración deben reconocerlo como un riesgo empresarial crítico. El debate sobre cronogramas es una distracción que no podemos permitirnos, especialmente cuando podría existir adversarios recopilando datos para descifrarlos en una fecha futura.

Cómo podría desaparecer la confianza en los datos empresariales de la noche a la mañana

Para datos de larga vida —como registros financieros, propiedad intelectual o datos de identidad— el riesgo no comienza solo cuando una computadora cuántica rompe la criptografía de hoy. El riesgo ya existe a través de ataques de recolección ahora y decrujado después, donde atacantes recogen datos cifrados hoy con la intención de descifrarlos cuando las computadoras cuánticas sean suficientemente potentes y viables.

Muchas empresas minimizan este riesgo por dos motivos: creen que, incluso si se recolectan datos cifrados, el gran volumen limita la amenaza. Pero quizá no han considerado el poder de la IA y la cuántica trabajando juntas. La IA ha permitido revisar terabytes de datos casi al instante, identificando información de alto valor a gran escala. Y eso es exactamente lo que harán los actores malintencionados una vez que la cuántica pueda romper la cryptografía.

Otros asumen que no están en riesgo porque disponen de poco datos de larga vida para robar. Sin embargo, el impacto de una violación va más allá de la información expuesta: una vez que la integridad de los datos se pone en duda, la confianza en los sistemas, contratos, transacciones e incluso en la propiedad intelectual basada en esos datos se erosiona rápidamente. En ese punto, el problema se convierte en una pérdida de confianza.

Por qué el riesgo no recae sólo en el CISO

Para muchos consejos, la seguridad cuántica suena como un desafío tecnológico especializado. En realidad es un desafío de liderazgo que afecta gobernanza, resiliencia, cumplimiento y responsabilidad corporativa.

Las consecuencias van desde la exposición regulatoria y el riesgo de proveedores hasta la confianza de clientes, la resiliencia operativa y, en última instancia, la confianza en los datos que sustentan decisiones estratégicas y modelos de IA sobre los que se estructura gran parte de la actividad empresarial. Si la información sensible ya no puede ser confiable, tampoco pueden confiarse las decisiones, transacciones o servicios que se construyen sobre ella. Con la adopción de herramientas de IA y automatización, la confianza en los datos se ha convertido en un activo de negocio por derecho propio.

Por eso la preparación cuántica no puede quedar solo en manos del CISO. Los equipos de seguridad juegan un papel crítico en identificar la exposición y planificar la migración, pero la responsabilidad final de la resiliencia a largo plazo recae en el liderazgo.

Una buena gobernanza implica adelantarse a los riesgos materiales antes de que se vuelvan urgentes. Retrasar la migración a criptografía postcuántica (PQC) es uno de los riesgos tecnológicos más significativos de la década, y las juntas que actúen ahora podrán demostrar exactamente cuán importante es para la seguridad futura de una empresa.

Por qué la migración empezará a rendir frutos ya

Una de las razones por las que las organizaciones subestiman el reto es la suposición de que la preparación cuántica solo implica sustituir un algoritmo de cifrado por otro. En realidad, los sistemas criptográficos están altamente interconectados: cambiar un componente suele tener implicaciones en otros lugares.

Antes de que una organización pueda declararse cuánticamente preparada, debe entender y tener visión completa de todo su ecosistema criptográfico. Esto incluye dónde se usa la cifración, cómo interactúan los sistemas y, por tanto, qué activos se verán afectados por el cambio. Sin ese conocimiento, es imposible planificar una estrategia de migración efectiva.

Si bien el camino hacia la preparación cuántica no es breve, el proceso aporta valor inmediato. Mapear las dependencias criptográficas a menudo revela debilidades de seguridad existentes y lagunas de gobernanza que las organizaciones pueden y deben abordar hoy.

Así, en muchos casos, el esfuerzo necesario para prepararse ante amenazas cuánticas también refuerza la resiliencia frente a las amenazas actuales, entregando un retorno de inversión más rápido de lo que muchos esperan.

Qué deberían hacer las juntas ahora

Las juntas no necesitan convertirse en criptógrafos de la noche a la mañana, pero sí deben empezar a hacer mejores preguntas y aceptar que la seguridad cuántica es un tema de presente.

Deberían plantearse las preguntas correctas ante las personas adecuadas. Esto incluye:

• Quién lidera nuestra estrategia de preparación cuántica en el negocio?
• ¿Sabemos identificar dónde estamos más expuestos a lo largo de las cadenas de suministro?
• ¿Qué activos de datos seguirían siendo sensibles si se exponen dentro de diez o veinte años?
• ¿Dónde dependemos de la criptografía en toda la organización?
• ¿Tenemos un plan para identificar y reemplazar sistemas vulnerables y dependencias de proveedores?
• ¿Comprendemos la diferencia en costo, complejidad, posición competitiva y riesgo reputacional entre empezar hoy versus esperar hasta 2029?

Las organizaciones que actúen con rapidez utilizarán este periodo de alerta para entender su exposición y modernizar su criptografía, situándose en una posición que demuestre haber tomado medidas razonables mientras aún había tiempo.

La buena noticia es que empezar la migración a PQC es mucho más sencillo de lo que las juntas pueden creer. El primer paso es mapear el inventario criptográfico de la empresa. Y, más allá de ser una inversión futura, esto ayudará a identificar vulnerabilidades actuales también.

Lo importante es dar el primer paso cuanto antes, ya que es un proceso largo que no sucederá de la noche a la mañana. La pregunta que las juntas deben hacerse ahora es: “si la cuántica llegara mañana, ¿qué expondría sobre su organización?”. Si el liderazgo no puede responder con confianza hoy, todavía hay trabajo por hacer.

Este artículo forma parte de TechRadar Pro Perspectives, nuestro canal para presentar las ideas de las mentes más brillantes de la industria tecnológica actual.

from Latest from TechRadar https://ift.tt/QlYLNHr
via IFTTT IA

La experiencia de ventas B2B ha evolucionado en los últimos años, impulsada por avances de la inteligencia artificial (IA) agentica. Estas plataformas siempre activas identifican señales de venta y actúan en tiempo real, además de automatizar la orquestación y las interacciones transversales entre distintas áreas, reduciendo la latencia.

Los análisis de IA, que combinan pensamiento crítico e aprendizaje automático, están ayudando a los representantes de ventas a capturar información clave del cliente. En este modelo, la IA sustenta una experiencia de ventas B2B hiperes personalizada, eficiente y oportuna, asegurando que cada interacción con el cliente sea comprendida, registrada y actuada.

La proceso de ventas: por qué lo tradicional se siente transaccional

La experiencia de ventas B2B puede parecer anticuada en esta era de ventas al consumidor hiperpersonalizadas. Los representantes siguen registrando información en plataformas de CRM tras cada interacción con el cliente o prospecto, pero este enfoque tradicional limita la profundidad de la información a nombres de clientes, fechas clave, ventas cerradas y otros detalles básicos. Este proceso suele carecer de la profundidad del toque humano y del juicio, lo que resulta en una experiencia transaccional y no siempre exitosa.

Además, los acuerdos suelen tardar meses en cerrarse y requieren la participación de múltiples decisores y partes interesadas internas. Los representantes deben apoyarse en la memoria y la interpretación de interacciones previas, además de dedicar horas a actualizar a los equipos y coordinar actividades y gestionar actualizaciones vitales. A menudo, elementos de la experiencia del cliente, como retrasos en la entrega o pedidos incompletos, no se comunican de forma fluida a lo largo del proceso.

La IA agentica está cambiando esto. En lugar de depender de información fragmentada y de una coordinación manual, la IA agentica presenta a las empresas un modelo basado en inteligencia que facilita interacciones más rápidas e informadas.

Cómo la IA agentica está activando la participación del cliente

Para triunfar realmente en las ventas B2B, debe existir una colaboración efectiva en toda la organización para permitir un reconocimiento rápido de las señales de compra y respuestas personalizadas y rápidas. La IA agentica está activada, monitorizando constantemente estas señales al rastrear el uso del producto, identificar fricción en la facturación, analizar el sentimiento de los correos y, de manera crítica, priorizar estos eventos y orquestar la respuesta.

Al crear presupuestos, enviar actualizaciones a colegas y generar indicaciones para ayudar a los equipos de ingresos B2B a comprometerse de forma más eficaz, la IA agentica también desempeña un papel crucial en la transformación de la productividad. Al automatizar estas tareas, los representantes pueden centrarse en ofrecer una experiencia del cliente más personalizada, al tiempo que mejoran la puntualidad de la toma de decisiones y la efectividad de la participación y los resultados.

La tecnología también puede iniciar resúmenes rutinarios. Automatizar esto tras cada visita de ventas permite capturar sin problemas matices, juicio humano y señales sutiles de venta, por ejemplo, colegas que pueden influir en la decisión, problemas comerciales del cliente que afectarán el calendario o una disputa de facturación. Toda esta información probablemente habría pasado desapercibida antes.

La IA agentica también impulsa la acción, por ejemplo, activando un prebrief antes de la llamada de renovación y creando una respuesta ya preparada para el cliente y una actualización automática de la previsión de ventas en caso de una disputa de facturación.

Es hora de transformar el desempeño de ventas

Claramente, la IA agentica tiene el potencial de transformar por completo el rendimiento de ventas, capturando y contextualizando cada interacción con el cliente y empoderando a los representantes para ser más productivos y exitosos. Para lograrlo, los datos de toda la empresa deben estar estructurados, enriquecidos y reunidos para que puedan detectar señales, activar las acciones correctas y permitir que la organización tome decisiones más inteligentes y oportunas.

No obstante, la tecnología y los datos por sí solos no garantizan el éxito. De hecho, investigaciones recientes han destacado que los proyectos de IA agentica presentan una alta tasa de fracaso, con más del 40% de probabilidades de ser cancelados para finales de 2027. ¿Pero cuál es la causa de ello?

Para crear una herramienta de IA agentica exitosa, se requieren desarrollos complejos desde cero que demandan mucho tiempo para entregar, desafiando el retorno de la inversión deseado. En su lugar, muchas organizaciones están recurriendo a sistemas preconstruidos por suscripción, los cuales ofrecen implementación rápida y un impacto medible en pocos meses.

A medida que los ciclos de venta se alargan y los comités de compra crecen, la capacidad de identificar señales, coordinar respuestas y mostrar insights en tiempo real se vuelve cada vez más valiosa. Este valor no reemplaza a las personas, sino que elimina la fricción que impide a los representantes vender de forma eficaz.

Al combinar el juicio humano con la detección automatizada de señales, la orquestación y la visión, la IA agentica se convierte en la base de una experiencia de cliente B2B receptiva, personalizada y verdaderamente exitosa.

Hemos listado el mejor software de CRM gratuito.

Este artículo se produce como parte de TechRadar Pro Perspectives, nuestro canal para presentar a las mentes más brillantes de la industria tecnológica hoy.

Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadar Pro o Future plc. Si estás interesado en contribuir, descubre más aquí: https://www.techradar.com/pro/perspectives-how-to-submit

from Latest from TechRadar https://ift.tt/e7JxpTl
via IFTTT IA

from Latest from TechRadar https://ift.tt/iTztCDf
via IFTTT IA

from Latest from TechRadar https://ift.tt/68fNMbR
via IFTTT IA