Durante la primera ola de adopción de IA, gran parte de ese costo quedó efectivamente oculto para los clientes. La IA llegó envuelta en precios subsidiados, asignaciones generosas y un enfoque implacable en impulsar el uso. El mensaje fue simple: use más IA.

En algunas organizaciones, el uso se ha convertido en el objetivo. El auge de conceptos como el “tokenmaxxing” llevó esto a un extremo, celebrando el volumen por encima del valor y equiparando incorrectamente outputs con resultados.

Pero aunque tokenmaxxing pueda ser un hábito cuestionable que ha sido ampliamente expuesto, no es el problema más grave al que se enfrenta la IA empresarial.

El problema mayor es el impuesto de tokens oculto que acompaña el uso de capacidades de IA generativa y de IA agentica en las operaciones cotidianas.

El impuesto de tokens está llegando

Las empresas ya están empezando a ver el impacto. Uber, según informes, agotó su presupuesto de IA para 2026 en abril, apenas a cuatro meses de año, tras una adopción rápida de herramientas de IA de codificación en su organización de ingeniería.

Amazon, según se reporta, cerró una tabla de clasificación de uso interno de IA tras preocupaciones de que incentivaba el “tokenmaxxing”, y ejecutivos instaron a los empleados a no usar IA solo para aumentar métricas de uso.

A medida que la IA pasa de la experimentación a la producción, las organizaciones descubren que la economía de escala puede verse muy diferente de la economía de la experimentación.

El tokenmaxxing puede alentar a las organizaciones a consumir más IA, pero el impuesto de tokens es la factura que llega finalmente. Y para muchas empresas, esa factura resulta mucho más alta de lo esperado.

¿Por qué está pasando esto?

A simple vista parece contradictorio. Los precios por token siguen bajando y los proveedores de modelos anuncian tarifas más baratas. Sin embargo, con las facturas de IA empresarial en aumento, la razón radica en cómo funcionan realmente los sistemas agenticos modernos.

La salida visible que recibes es solo una parte de lo que sucede tras bambalinas. Antes de generar una respuesta, un agente de IA puede interpretar la solicitud, decidir qué herramientas usar, recuperar datos, evaluar resultados y repetir, llamando a herramientas varias veces hasta completar la tarea o determinar que está atascado.

Piénsalo como si un agente tuviera un monólogo interior: interpretar la solicitud, planificar, llamar a herramientas, verificar resultados y decidir qué hacer a continuación. Cada paso puede activar llamadas adicionales al modelo y puede transportar más contexto, por lo que la respuesta visible puede representar solo una fracción de los tokens totales consumidos.

Así que, si el costo por token está disminuyendo, la cantidad de tokens necesarios para completar una tarea a menudo está aumentando de forma drástica.

Goldman Sachs Research estima un incremento de 24 veces en el consumo de tokens para 2030, alcanzando alrededor de 120 cuatrillones de tokens por mes a medida que consumidores y empresas adoptan la tecnología agentica.

Con esto, las organizaciones pueden creer que se benefician de precios más bajos mientras sus costos totales siguen aumentando. Y el problema no es solo el costo; también es la predictibilidad y la falta de un vínculo claro entre el uso de tokens y los resultados.

Esto se está convirtiendo en uno de los desafíos económicos más importantes de la IA empresarial, y apenas empieza a discutirse. La economía de la IA agentica hace que sea cada vez más costoso ejecutar agentes a gran escala.

¿Qué es el impuesto de tokens?

Presentamos el impuesto de tokens como el costo oculto que las organizaciones incurren cuando los sistemas de IA consumen repetidamente recursos de ejecución onerosos de agentes para realizar un trabajo que podría haberse diseñado una vez y reutilizado muchas veces.

A diferencia del software empresarial tradicional, donde el costo de ejecución es mayormente fijo, muchos sistemas de IA agentica replantean el mismo proceso cada vez que se ejecutan. Cuanto más complejo sea el flujo de trabajo, mayor será el impuesto. Muchas tareas empresariales repetibles no requieren, o incluso permiten, razonamiento de tiempo de ejecución de código abierto.

Esto genera una desconexión entre la actividad y el valor. Las organizaciones pueden consumir millones de tokens, pero eso no se traduce necesariamente en mejores resultados. En muchos casos, simplemente implica pagar repetidamente por el mismo proceso de planificación agentica.

¿Estamos usando agentes en el lugar correcto?

Los agentes de tiempo de ejecución son valiosos para resolver problemas nuevos, únicos e poco especificados, diseñar flujos de trabajo o explorar opciones. Pero usar razonamiento costoso para ejecutar repetidamente el mismo proceso de negocio introduce no solo costo, sino también imprevisibilidad. Si pides a un agente que re-razone la misma pregunta 100 veces, podrías obtener 100 respuestas distintas.

Para hacer una comparación con el mundo real, es como pagar a un chef gourmet de cinco estrellas para inventar una receta cada vez que llega un nuevo pedido. Un enfoque más inteligente es usar la IA agentica una vez para diseñar el flujo de trabajo óptimo y luego usar una IA más ligera para seleccionar el flujo correcto que se ejecuta de forma consistente.

En otras palabras, utiliza la creatividad y el cerebro costoso del chef una vez al año para crear un nuevo menú y recetas. Luego usa chefs más baratos y habilidosos para preparar la comida siguiendo la receta ya diseñada.

Desplazar la IA agentica del tiempo de ejecución al tiempo de diseño

Aquí es donde la distinción entre diseño y ejecución se vuelve crucial. Los agentes de tiempo de ejecución son muy útiles para resolver problemas cuando la creatividad, la exploración y la resolución de problemas generan valor duradero.

La ejecución en tiempo de ejecución es distinta. Aquí, la predictibilidad, la gobernanza y la eficiencia de costos son lo más importante. Los agentes de tiempo de ejecución deben usarse selectivamente, los flujos de trabajo deben ser deterministas, repetibles y gobernados.

Al usar IA agentica para diseñar procesos desde el principio, las organizaciones pueden reducir drásticamente el impuesto de tokens asociado con la ejecución en tiempo de ejecución mientras mejoran la fiabilidad.

La IA sostenible no se trata de eliminar agentes, sino de ser deliberados sobre dónde aportan valor.

La próxima fase de la IA empresarial

Este próximo capítulo se definirá menos por demos impresionantes y más por la disciplina económica. Las organizaciones necesitarán resultados predecibles, costos predecibles y una estrategia para reducir el impuesto de tokens incrustado en los sistemas agenticos. Los ganadores no serán necesariamente las organizaciones que usen más IA, sino las que generen más valor comercial por cada token consumido.

Las compañías que aborden este desafío temprano optimizando el consumo de tokens y diseñando para inteligencia de diseño y eficiencia de tiempo de ejecución no solo ahorrarán dinero, sino que construirán sistemas de IA más fáciles de confiar, más fáciles de gobernar y más fáciles de escalar.

A medida que la IA pasa de la experimentación a la realidad empresarial, las organizaciones que minimicen su impuesto de tokens mientras maximizan los resultados comerciales tendrán una ventaja competitiva significativa.

Hemos presentado el mejor software de automatización de TI.

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

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

from Latest from TechRadar https://ift.tt/HjRMp2f
via IFTTT IA

El debate sobre la inteligencia artificial y las compras se está dando en un lugar equivocado. Todo el mundo quiere saber si los agentes navegarán por nosotros, compararán precios y, en última instancia, comprarán por nosotros sin preguntar. Es una pregunta justa, pero no es la que realmente importa ahora.

Lo más relevante está ocurriendo en un plano mucho menos visible: dentro de las redes de pago, en los protocolos de autorización y en los sistemas que deciden si un software tiene permiso para gastar dinero en nuestro nombre. La capacidad técnica para que un agente de IA complete una compra ha existido durante mucho tiempo. Lo que faltaba era la infraestructura que permita a empresas y consumidores confiar en esas transacciones: confirmar que el agente tenía permiso para actuar, asegurar que se mantuviera dentro de los límites acordados y crear un registro verificable si algo sale mal.

En los últimos meses, esa infraestructura ha empezado a emerger. Los avances más relevantes no provienen de laboratorios de IA que producen asistentes cada vez más llamativos, sino de las compañías que manejan dinero.

En su conferencia anual, por ejemplo, Stripe presentó carteras desde las que los agentes pueden gastar, junto con una alianza que permite a las empresas vender directamente dentro de entornos de búsqueda y chat impulsados por IA. Visa introdujo un protocolo temprano para ayudar a los comercios a distinguir a un agente legítimo de un robot. Mastercard anunció su propio marco para registrar y autenticar agentes antes de que se permita proseguir una transacción. Los agentes ya están presentes en volumen; lo que faltaba era la infraestructura para gestionar qué sucede después.

La limitación no es la autonomía, sino la autorización. Investigaciones de Adobe realizadas a principios de este año muestran que el tráfico de IA hacia sitios minoristas de EE. UU. creció un 393% interanual en el primer trimestre, y los visitantes referidos por IA convirtieron un 42% mejor que el tráfico no IA. Un año antes, ese mismo tráfico convertía un 38% peor que los canales estándar. Por eso, el lenguaje de la industria de pagos se ha desplazado hacia autorización, intención y confianza. ¿Cómo distinguir a un agente legítimo de uno malicioso? ¿Cómo confirmar que el consumidor realmente autorizó la compra? ¿Cómo verificar que el agente hizo lo que se le indicó? Estas no son preguntas de IA; son cuestiones de identidad y confianza que, por casualidad, involucran a la IA.

El valor lo define quien establece el límite: registrando al agente, verificando la intención y transmitiendo credenciales solo una vez que la confianza está establecida. Stripe, al emitir credenciales de pago de un solo uso por tarea, resuelve el mismo problema desde un ángulo distinto al no exponer detalles de la tarjeta del cliente al agente. Los protocolos pueden parecer mera infraestructura administrativa, pero, en la práctica, constituyen una arquitectura para el comercio autónomo. Cada vez que un proveedor de pagos decide qué cuenta como agente verificado, qué datos deben pasarse para probar la intención o cómo se resuelven las disputas, está escribiendo reglas que clarifican quién puede participar y en qué términos.

Un consumidor puede sentirse persuadido por un asistente de IA para desear algo, pero si la transacción solo puede ejecutarse a través de una ruta específica, con pasos de verificación concretos, entonces la influencia sobre la decisión de compra y el control de la compra se convierten en dos cosas distintas. La empresa que capture la segunda controla la economía, independientemente de quién haya capturado la primera.

Para los comerciantes, esto plantea un problema operativo concreto. Si una transacción es disputada, ¿puede la empresa demostrar qué se autorizó, por quién y bajo qué restricciones? Estas son las preguntas que Visa, Mastercard y Stripe están tratando de responder; quien responda primero efectivamente escribe el reglamento al que todos los demás se adherirán.

La carrera ya ha empezado. El comercio autónomo es inminente y, en algunas categorías, llegará más rápido que en otras. La reordenación rutinaria y la compra B2B probablemente ocurrirán primero. Otras compras más meditadas y emocionalmente impulsadas tomarán más tiempo; la confianza debe ganarse. Sin embargo, la capacidad de pago es solo una parte.

La capa de comercio subyacente, que abarca datos de producto, precios, inventario y proceso de pago, debe estar estructurada y ser lo suficientemente accesible para que los agentes puedan operarla. Las empresas que no han atendido esa capa descubrirán que la cuestión de los pagos es lo menos problemático.

La infraestructura que están construyendo actualmente los proveedores de pagos no solo procesará transacciones impulsadas por agentes; determinará qué negocios son visibles para los agentes en primer lugar, qué transacciones se confían por defecto y cuáles requieren revisión y fricción. La verdadera batalla no es la autonomía; es quién posee la infraestructura de confianza.

Este artículo se enmarca dentro de TechRadar Pro Perspectives, una iniciativa para destacar las ideas más relevantes del sector tecnológico actual. Las opiniones expresadas son del autor y no necesariamente reflejan a TechRadar Pro o Future plc. Si te interesa contribuir, hay oportunidades para conocer más y participar.

from Latest from TechRadar https://ift.tt/QI8rzpA
via IFTTT IA

En TechRadar evaluamos docenas de gadgets cada mes. Hemos probado una amplia gama: televisores y tabletas, relojes inteligentes y altavoces, centros para el hogar y herramientas de peinado, monitores y ratones, cámaras y máquinas de café. ¿La razón? Saber exactamente qué vale la pena comprar y qué conviene pasar por alto. Nuestro objetivo es poder recomendar el equipo adecuado para la persona adecuada, sin importar su presupuesto.

Cuando analizamos tantos productos, puede resultar desafiante hallar la forma de hacer brillar a los verdaderos referentes. Por ello, cada mes reunimos los dispositivos que más destacan para que puedas explorarlos de un vistazo. Para calificar en el Recap de Reseñas, un producto debe obtener 4.5 o 5 estrellas en nuestras pruebas minuciosas. Este escaparate es solo para lo mejor de lo mejor.

Para mantener las cosas simples, hemos limitado el alcance exclusivamente a productos físicos. Aunque también evaluamos numerosos juegos y abundante software, esas reseñas no se incluyen aquí. Esto es exclusivamente gadgets y artilugios.

Desplázate hacia abajo para explorar nuestros productos favoritos de cada mes.

from Latest from TechRadar https://ift.tt/W2oAivU
via IFTTT IA

La recientemente anunciada inversión de 2 mil millones de libras en cuántica por parte del Reino Unido señala algo más significativo que la carrera de investigación que he seguido con paciencia durante años. La cuántica está siendo tratada cada vez más como una parte clave del futuro de la infraestructura nacional.

Aunque el tamaño de la inversión es importante, la señal más clara de ese cambio es la estructura que la acompaña. A través de la iniciativa recientemente anunciada “ProQure: Scaling UK Quantum Computing” (Escalamiento de la Computación Cuántica en el Reino Unido), el país se convierte en el primero en comprometerse con un programa de adquisición avanzado para computadoras cuánticas a gran escala para la década de 2030.

Eso importa porque los gobiernos no producen tecnologías a gran escala a menos que crean que esas tecnologías son importantes estratégicamente para la capacidad operativa, la resiliencia económica y la competitividad a largo plazo. En muchos sentidos, esto marca la transición de la computación cuántica desde la etapa de investigación hacia la etapa de infraestructura.

Por qué la adquisición importa más que los totales de financiamiento

¿Por qué importa más un programa de adquisición que la cifra de financiamiento anunciada? La relevancia va más allá del monto público invertido. La adquisición crea confianza en el mercado. Ayuda a establecer rutas de despliegue, apoyar cadenas de suministro, atraer capital privado y dar a las tecnologías emergentes un camino desde la experimentación en laboratorio hasta su uso práctico. En mercados de tecnología de punta, el desafío suele consistir en construir el ecosistema necesario para escalar y operativizarla.

El desafío se está volviendo cada vez más importante a medida que madura el mercado de cuántica. Un informe reciente de QuEra sobre la Preparedness cuántica (Quantum Readiness) encontró que las organizaciones son mucho más disciplinadas en su enfoque de la inversión cuántica. Aunque el 44% de los encuestados aún espera que sus presupuestos cuánticos aumenten en 2026, casi la mitad espera que el gasto se mantenga estable, señalando un cambio de expansión impulsado por la prueba hacia la toma de decisiones basada en resultados.

Adoptantes más avanzados de tecnología cuántica están motivados cada vez más por lo que la industria denomina la “pared clásica”. Este es el punto en el que enfoques de computación convencionales luchan por resolver problemas computacionales cada vez más complejos. Ese giro desde la experimentación especulativa hacia la inversión impulsada por problemas es una señal importante de madurez del mercado.

La soberanía redefine el mercado cuántico

El cambiante panorama de inversiones también ayuda a explicar por qué la adquisición y la estrategia nacional están ganando más protagonismo.

Uno de los hallazgos más llamativos de nuestra investigación fue que el 62% de las organizaciones ahora incorpora la soberanía en sus decisiones de adquisición, mientras que solo el 5% afirma que la soberanía no es una consideración en absoluto.

Sin embargo, el modelo de abastecimiento altamente globalizado que caracterizó los primeros años de la industria cede paso a uno más estratégicamente regionalizado, moldeado por preocupaciones sobre resiliencia, cadenas de suministro, control de infraestructura y acceso a largo plazo a capacidades computacionales avanzadas. Esto hace que la estrategia del Reino Unido sea particularmente oportuna.

El énfasis del gobierno en la capacidad soberana, el desarrollo del ecosistema doméstico y la inversión en infraestructura a largo plazo refleja cambios más amplios que ya están en marcha en el mercado.

La computación cuántica deja de verse solo como una oportunidad comercial para convertirse en una capacidad nacional estratégica junto a la IA, los semiconductores y la infraestructura de comunicaciones avanzadas.

Escalar la cuántica requiere mucho más que hardware

Escalar la computación cuántica requiere mucho más que construir procesadores. Es necesario un esfuerzo coordinado de inversión en software, redes, manufactura, talento, infraestructura e integración con sistemas clásicos.

La decisión del Reino Unido de apoyar no solo la informática, sino también la detección, la conexión de redes, los laboratorios de software, la infraestructura y los programas de habilidades, refleja una comprensión de que el liderazgo cuántico estará determinado por la profundidad del ecosistema tanto como por los avances científicos.

El desafío de talento ilustra esto con claridad. Nuestro informe identificó la escasez de profesionales especializados como una de las barreras más significativas para la adopción, especialmente en áreas técnicas como la corrección de errores cuánticos.

Desarrollar sistemas cuánticos escalables exige experiencia que sigue siendo globalmente escasa, lo que hace que las inversiones a largo plazo en educación, instituciones de investigación y colaboración entre la industria sean esenciales.

La oportunidad de liderazgo del Reino Unido

El Reino Unido entra en esta siguiente fase desde una posición de fortaleza genuina. En la última década, el National Quantum Technologies Programme ha ayudado a establecer uno de los ecosistemas cuánticos más avanzados del mundo, apoyando centros de investigación, startups, infraestructura nacional y asociaciones industriales.

La presencia de QuEra en Harwell refleja la profundidad de la experiencia científica y la capacidad de colaboración que ya existe en el panorama cuántico del Reino Unido. Este impulso aprovecha esa base para acelerar la capacidad del país para convertir la promesa cuántica en oportunidad económica. QuEra es una de varias empresas que están construyendo computadoras cuánticas de próxima generación en Harwell, aprovechando el talento y la base de investigación de clase mundial del país.

El siguiente desafío es traducir el liderazgo científico en despliegue escalable.

Del liderazgo científico a la escala comercial

Aunque la computación cuántica sigue siendo una industria técnicamente exigente y en gran medida precomercial, la dirección se está aclarando. Para ser claros, en la mayoría de las industrias las computadoras cuánticas aún no pueden ofrecer una ventaja comercial general por sí solas; ese caso aún se está demostrando sector por sector.

Pero la compra y la infraestructura que se están construyendo ahora son lo que permitirá que esa ventaja llegue más rápido cuando ocurra. Gobiernos, empresas e inversores se enfocan cada vez menos en promesas teóricas y más en capacidad de despliegue, capacidad operativa y valor estratégico a largo plazo.

El liderazgo sector público seguirá desempeñando un papel esencial en ese proceso. Nuestra investigación encontró que la financiación gubernamental sigue siendo el principal impulsor de la inversión cuántica a nivel global, citada por el 28% de los encuestados como el catalizador principal de aumentos presupuestarios. Al mismo tiempo, se espera que las entidades gubernamentales y de defensa lideren los esfuerzos de comercialización a corto plazo, lo que subraya el papel central de la inversión pública en escalar la industria.

Los países que lideren la próxima fase de la computación cuántica probablemente serán aquellos que logren combinar excelencia en investigación con adquisición, infraestructura, desarrollo de talento, coordinación industrial y escala comercial.

Para las empresas y otros gobiernos que observan desde la banda, la lección práctica es sencilla. Construir pipelines de adquisición, formación de talento y programas de prueba de concepto, incluso a pequeña escala, es lo que prepara a una organización para escalar una vez que los sistemas cuánticos superen la pared clásica en un dominio dado. Aquellos que participen temprano estarán mejor posicionados que los que esperen una certeza que quizá no llegue en un plazo conveniente.

El anuncio más reciente del Reino Unido sugiere que entiende esa distinción y que, al final, puede importar más que los 2 mil millones de libras en el titular.

Probamos, revisamos y clasificamos las mejores computadoras para negocios.

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

Las opiniones expresadas aquí pertenecen al autor y no necesariamente a TechRadarPro o Future plc. Si está interesado en contribuir, descubra más aquí: https://www.techradar.com/pro/perspectives-how-to-submit

from Latest from TechRadar https://ift.tt/oGvhlm4
via IFTTT IA

from Latest from TechRadar https://ift.tt/4ihtejg
via IFTTT IA

from Latest from TechRadar https://ift.tt/IR8uGYl
via IFTTT IA

La seguridad es un objetivo móvil, y la inteligencia artificial la ha hecho moverse con mayor rapidez de lo que muchas organizaciones pueden gestionar. Los equipos de SOC enfrentan un desafío enorme ante un flujo casi constante de anuncios de nuevos modelos o proveedores, lo que expande la superficie de ataque. Aunque los equipos de seguridad trabajan para revisar y aprobar la mayor cantidad posible de herramientas, el volumen sigue siendo abrumador. Hoy, apenas el 22% de los trabajadores dependen exclusivamente de las herramientas de IA proporcionadas por su empleador, mientras que más de un tercio (35%) de los miembros de la Generación Z afirman preferir aplicaciones de IA personales frente a las aprobadas por la empresa. Por cada herramienta sancionada, gran parte de la fuerza laboral opera (de forma silenciosa) fuera de su control. Si casi el 80% de los empleados utiliza herramientas de IA no autorizadas, no es una anomalía sino la norma. Shadow AI es una realidad en las organizaciones, pero la magnitud del desafío es subestimada por quienes deben gestionarlo.

Encajar el problema dentro de una visión de control excesivo tiende a empeorarlo: bloquear herramientas no evita que el empleado las use, solo desplaza el riesgo fuera de la vista. Si la herramienta elegida se bloquea en el portátil del empleado, podrá acceder a ella desde su teléfono o usar una dirección de correo personal. Esto ocurre con muchas herramientas de TI, pero es especialmente cierto con la IA, ya que las personas pueden volverse muy apegadas a ciertas personalidades de chatbot. Como resultado, el uso de IA se mueve más profundamente a las sombras, dejando cero visibilidad o registro para que los equipos de seguridad detecten posibles filtraciones de datos u otros riesgos.

Esta es la trampa central de la mayoría de las estrategias de shadow AI: cuanto más intenta una organización eliminar el problema, menos puede verlo. Y cuanto menos puede verlo, más peligroso se vuelve el problema. Una gobernanza que parece impecable en papel puede no coincidir con lo que realmente sucede en el negocio.

Las consecuencias no son abstractas. Cuando la información confidencial fluye hacia plataformas de terceros no gestionadas, el costo de una brecha de datos puede aumentar hasta 670,000 dólares, y la mayoría de los responsables no tiene idea de haber creado un riesgo.

Política no equivale a ejecución

La velocidad de desarrollo de la IA es la razón de estos problemas. ChatGPT tiene apenas cinco años y la diferencia de rendimiento en ese tiempo es enorme. Una de las consecuencias es que la formación sobre seguridad y buenas prácticas en IA ha quedado inadecuada. La idea inicial era no sobrecargar a los empleados con demasiada información, manteniendo las guías simples y centradas en uno o dos herramientas aprobadas, con ejemplos de escenarios de baja complejidad y adopción temprana para facilitar el cumplimiento. En tecnología normal, sería una estrategia sensata; sin embargo, el nivel de adopción de IA impulsada por los usuarios ha superado con creces las expectativas. Shadow AI es generalizado y la seguridad no puede seguir aplicando reglas que no funcionan a la práctica.

Para gobernar el comportamiento de los empleados, es necesario entenderlo y poder analizarlo. En IA, eso significa obtener visibilidad de qué herramientas y modelos utilizan, cómo y dónde realmente aportan valor.

Un enfoque basado en la experiencia

Este cambio exige visibilidad de cómo se usa la IA en toda la fuerza laboral. Un enfoque DEX (Digital Employee Experience) ofrece precisamente eso: detectar automáticamente tanto IA aprobada como shadow AI mediante patrones de tráfico y actividad en los endpoints, sin depender de que los empleados informen.

Los datos de uso y experiencia se presentan en una vista única, segmentada por equipos y flujos de trabajo, para que los líderes identifiquen dónde las personas buscan soluciones fuera de las reglas y actúen en consecuencia.

A partir de ahí, la respuesta deja de ser una prohibición contundente y se vuelve mucho más útil. La orientación in-app puede dirigir a los empleados hacia herramientas sancionadas en el flujo de trabajo, reforzando el comportamiento correcto sin afectar la productividad que persiguen.

Las políticas pueden basarse en el uso real en lugar de conjeturas. Y dado que el 96% de los líderes ya reconoce que el soporte de adopción digital es crítico para la preparación de IA, esa misma visibilidad muestra exactamente dónde deben enfocarse las formaciones para cerrar brechas en lugar de simplemente marcar un cheque.

Es hora de gestionar Shadow AI

Shadow AI no va a desaparecer, y fingir lo contrario es una de las mayores debilidades organizativas. Las empresas que lo gestionen bien serán aquellas que dejen de intentar prohibirlo y comiencen a prestar atención a su presencia real. El resto solo espera que su política se cumpla, sin una forma real de saberlo.

El artículo recuerda que hemos destacado el mejor software de protección de endpoints. Esta pieza se produce como parte de TechRadar Pro Perspectives, nuestra vía para presentar ideas de las mentes más brillantes de la industria tecnológica. Las opiniones expresadas son propias del autor y no necesariamente reflejan a TechRadar Pro o Future plc. Si estás interesado en contribuir, puedes obtener más información aquí: https://ift.tt/sSmV4GI

from Latest from TechRadar https://ift.tt/2F4zHas
via IFTTT IA

En un mercado de VPN cada vez más competitivo, Norton VPN está marcando el paso con un conjunto de actualizaciones que combinan seguridad de vanguardia, rendimiento móvil mejorado y una expansión de su presencia global. La última entrega de su hoja de ruta para 2026 redefine qué esperar de una protección en línea confiable y fácil de usar.

El rasgo destacado de este lanzamiento es la introducción del cifrado post-cuántico. Norton ha actualizado su protocolo propietario Mimic para que, por defecto, utilice el algoritmo de cifrado ML-KEM-1024 en todas las plataformas. Además, la protección post-cuántica se extiende al popular protocolo WireGuard en escritorio y móvil, asegurando que el tráfico del usuario permanezca protegido ante las amenazas tecnológicas del mañana. Estas mejoras llegan en un momento en que los ciberdelincuentes contemplan ataques de “capturar ahora, descifrar luego”.

Junto con el cifrado avanzado, Norton ha reforzado sus SDKs móviles y ha ampliado su red de servidores en Asia y África. En conjunto, estas mejoras buscan que los usuarios puedan conectarse de forma rápida y segura, sin importar dónde se encuentren.

Según Himmat Bains, Product Lead de Norton VPN, el cifrado post-cuántico es crucial para proteger los datos ante amenazas futuras. Las conexiones móviles más rápidas y fiables significan que la protección VPN está allí exactamente cuando se necesita. Y la expansión a 12 nuevos países permite que más personas se conecten sin depender de soluciones o ubicaciones específicas.

“Diferentes problemas, la misma respuesta: queremos que esta sea la VPN en la que puedas confiar y olvidar”, afirmó Bains.

Impulso al rendimiento móvil

Más allá de la seguridad, Norton ha reformulado por completo sus SDKs para iOS y Android, reconstruyendo desde cero la arquitectura subyacente de sus aplicaciones móviles. El resultado es notable: según las notas de la versión, la nueva arquitectura móvil reduce los tiempos de conexión en más de un 50% y los errores de conexión en más del 60%. Para usuarios que cambian entre Wi-Fi doméstico, hotspots públicos y redes móviles, esto se traduce en una experiencia de protección más fluida y casi instantánea.

Además, esta nueva base permitirá a Norton desplegar correcciones y nuevas funciones con mayor rapidez. La renovación ya ha dado frutos inmediatos, incluyendo un widget móvil reconstruido que soluciona problemas de usabilidad reportados por los usuarios.

Una red más amplia y un 2026 movido

En paralelo a las mejoras de las apps, Norton está aumentando su infraestructura física. Se han añadido 12 países a la red, con un enfoque en regiones desatendidas de Asia y África. Esto eleva el alcance total a 102 países y más de 140 ubicaciones globales, siguiendo el impulso de actualizaciones anteriores a lo largo de este año.

Este anuncio cierra un inicio de año particularmente activo para el equipo de Norton VPN. En marzo, la VPN lanzó la aplicación nativa para Amazon Fire TV y, en abril, presentó la primera VPN con IA para agentes. En junio, se añadió Split Tunneling en Mac, consolidando la paridad con Android y Windows. Además, WireGuard ya está disponible en Mac, iOS y tvOS, con una nueva función Pause VPN en iOS para cerrar la brecha de funcionalidad de la plataforma. Norton también desplegó servidores de 25 Gbps en ciudades concurridas y añadió Rotación Manual de IP.

“Nuestro objetivo es simple: ofrecer una VPN para las masas”, afirmó Bains a TechRadar, subrayando que estas actualizaciones no se trataban de ampliar la lista de características, sino de cerrar las brechas reales que los clientes sienten.

De cara al futuro, Norton’s segunda mitad de 2026 promete aún más: auditorías de terceros por tercer año consecutivo y actualizaciones significativas en streaming y rendimiento, según lo indicado por la dirección. Este enfoque sugiere una visión de producto centrada en la seguridad aplicada, la usabilidad y la escalabilidad global.

from Latest from TechRadar https://ift.tt/r0tgYSb
via IFTTT IA

He mantenido mi cuenta premium de Spotify lo suficiente como para ver varios aumento de precios desde mi plan original y estable.

A lo largo de esos años, la plataforma de streaming ha definido cómo y qué escucho, mayormente para bien, aunque en algunos aspectos para mal; quizá es mi etapa vital, pero no siento la música como solía hacerlo.

Así que cuando recientemente redescubrí mi iPod nano en un cajón durante una limpieza, fue el empujón que necesitaba este melómano cansado de la música.

El modelo en cuestión era el iPod nano (2006) en negro, y no podía recordar cuándo lo había usado por última vez.

Desprendí mi antiguo reproductor portátil de su estuche blando deshilachado y me quedé contemplando ese fragmento de nostalgia, pasando los dedos por su carcasa de aluminio y su rueda.

Simplemente tuve que saber qué música había añadido con tanto esmero a los 8GB de memoria flash, hará cuánto tiempo.

Tras una búsqueda persistente, encontré el cable de carga 30 pines a USB que necesitaba y, tras un momento, mi nano volvió a la vida…

La cápsula del tiempo que necesitaba

2015. Ese fue el último periodo en el que mi iPod nano albergó música y playlists. ¿Había pasado ya más de una década desde la última vez que pude usar un reproductor portátil y pasé a Spotify como mi único centro de música?

Mis álbumes, y más específicamente mis playlists, abarcaban 2011 a 2015, siendo la mayoría anteriores a 2013 —el año en que nació mi primer hijo. Antes (sin hijos), me movía en tres géneros: electrónica, alternativa y gospel cristiano.

Con el pulgar recorrí la rueda para desplazarte por las listas, ordenadas en Playlists, Artistas, Álbumes, Canciones, Géneros, Compositores y la opción Buscar.

Dios, había olvidado esa sensación táctil de la rueda de clic y la simplicidad sin distracciones de la interfaz. Y con mis auriculares con cable sin complicaciones Bluetooth, comencé a explorar este pequeño cápsula del tiempo sonoro.

La transmisión en Spotify ha convertido la música en comida rápida. El iPod nano era como una comida sentada.

¿Sabías que TechRadar ahora tiene membresía?

Conviértete en TechRadar Insider simplemente haciendo clic en ‘Join Now’ en la parte superior de la página. ¿tienes una pregunta? envía un correo a membership@techradar.com

Reader, solía curar minuciosamente listas finales de mis canciones favoritas cada año, y 2012 fue tan prolífico que también la dividí en dos partes. ¡Tres, listas de reproducción anuales de alternativa y electrónica! Incluso preparé mi propia lista de Desert Island Discs (fea 2013) repleta de mis faves atemporales, que abarcaban desde el himno Amazing Grace cantado por Aretha Franklin hasta clásicos de dance como Rez de Underworld y mi primer baile de boda, Your Love Gets Sweeter de Finley Quaye.

Seleccioné mi playlist de 2012, que abría con This Year de The Mountain Goats, una narración desafiante de la resistencia en tiempos difíciles y un simple estribillo que resonaba: “I’m gonna make it through this year, if it kills me”.

Con los ojos cerrados, ya empezaba a emocionarme.

Aquellas eran noches de fiestas en casa, tertulias en el pub y esas conversaciones que decían: “Oye, ¿has oído esto?”. Canciones recomendadas por amigos. Canciones compartidas por amigos.

Me acomodé en esa playlist, giré la rueda para subir el volumen hasta niveles probablemente peligrosos para mis oídos, sin avisos en la pantalla ni micromanagement de la experiencia.

Un recordatorio oportuno para simplificar

Sumergirme en ese viejo iPod nano me recordó por qué amo la música. Me transportó a aquellos momentos en que escuchar un álbum podía ser la única actividad de esa pausa.

Hoy, la música es mucho más probable que acompañe a múltiples actividades que tengo en curso, interrumpida por notificaciones y aplicaciones sociales en mi teléfono.

Para mí, la transmisión de Spotify había convertido la música en comida rápida. El iPod Nano era como una comida sentada.

Y aunque la batería de mi Nano está prácticamente muerta —necesita energía constante para funcionar— me ha llamado de vuelta a disfrutar la música de una forma más profunda. Esa comida rápida se había secado, y yo empezaba a saborear de nuevo los sabores más intensos.

https://kwizly.com/embed/ey45BX.js

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