Los robots están entre nosotros. Transportan pasajeros por las calles de ciudades como San Francisco, entregan paquetes por aire y se desplazan por granjas, fábricas, minas y sitios industriales. Esta superposición entre inteligencia artificial y mundo tangible, a la que a menudo se refieren como “Inteligencia Física”, describe máquinas capaces de percibir su entorno, tomar decisiones y actuar en la realidad. Pero cada nueva máquina que entra en operación tiene un segundo objetivo que a veces pasa desapercibido: genera datos en abundancia.

En Estados Unidos, la Administración Federal de Aviación anticipa que la flota comercial de drones crecerá de aproximadamente 966,000 aeronaves a finales de 2024 a alrededor de 1.18 millones para 2029. Y en fábricas de todo el mundo, se estimó que había 4.66 millones de robots industriales trabajando en 2024, con medio millón más instalados durante ese año, más del doble que una década atrás.

Las máquinas autónomas actuales son mucho más capaces, pero transferir toda esa experiencia acumulada puede seguir siendo sorprendentemente manual. En 2026, la forma más rápida de mover grandes volúmenes de datos desde una máquina sigue siendo una persona cargando un disco duro. A medida que las máquinas autónomas se expanden en nuestras ciudades e industrias, mantener ese flujo de información en movimiento podría convertirse en uno de los retos de infraestructura que definan la era de la robótica.

Los datos viajan en ambos sentidos

Imaginen lo que experimenta un vehículo autónomo. Cámaras monitorizan las vías desde múltiples ángulos, sensores e IA miden y entienden el entorno, mientras que los sistemas a bordo rastrean la posición y el rendimiento del propio vehículo. Las decisiones se toman y se registran en tiempo real mientras los peatones cruzan calles, los semáforos cambian y miles de otros vehículos y tecnologías conectadas intercambian datos a su alrededor.

Los drones de reparto, la maquinaria agrícola, los robots de almacén y el equipo industrial autónomo pueden operar en entornos diferentes, pero la lógica es la misma. Cada viaje o tarea deja una estela digital de lecturas de sensores, vídeos, telemetría, diagnósticos y registros operativos.

Y la información no viaja solo en una dirección. Estas máquinas pueden necesitar mapas nuevos, actualizaciones de software, configuraciones, modelos de IA e instrucciones de la infraestructura computacional que las respalda. Lo que experimentan en el mundo físico fluye hacia los centros de datos, mientras la inteligencia necesaria para su próxima tarea viaja hacia afuera.

Multipliquen ese intercambio en millones de máquinas y emerge una nueva capa de tráfico en internet que apenas empezamos a imaginar.

La dirección de este flujo ya se vislumbró en 2019, cuando un estudio universitario clave sobre 6G identificó que robots móviles, drones y vehículos autónomos impulsarían la demanda de inteligencia inalámbrica ubicua. Su visión para la era 6G incluía redes capaces de soportar un incremento de 10,000 veces en tráfico. La flota comercial de drones en EEUU se acerca a cifras de siete dígitos, mientras que los robots industriales ya superan los millones a nivel mundial.

Quizá lo más notable para observadores casuales es que los vehículos autónomos están volviéndose mucho más predominantes en las calles de nuestras capitales y ciudades. En junio de este año, las máquinas superaron el 57% del tráfico web global, el primer caso en el que los bots superan a los humanos, y utilizan las redes de una manera muy distinta. Cloudflare predice que el tráfico no humano podría superar al humano por un factor de 1,000 dentro de los próximos cinco años.

Y una lección aprendida por una máquina no tiene por qué quedarse en esa máquina. Aquí hay una oportunidad que solo la conectividad puede liberar: Gemini Robotics 1.5 de Google DeepMind mostró transferencias de habilidades “zero-shot” entre robots físicamente diferentes — una tarea enseñada con un robot Franka de dos brazos fue ejecutada por un humanoide, sin haber ningún dato recopilado sobre la máquina objetivo.

Considérenlo: una persona que domina una técnica lleva ese conocimiento en su cabeza, y cuando se retira, gran parte de esa experiencia se va con ella. Una máquina puede potencialmente compartir lo que ha aprendido con todas las otras máquinas de la red, lo que significa que la experiencia deja de ser “local” para convertirse en un activo compartido en toda la red, aumentando la inteligencia de la empresa para su ventaja competitiva.

La huella física de los robots se expande hacia afuera, pero el tráfico de datos que generan permanece concentrado en centros centrales. La IA puede ir en sentido de ruedas, alas y brazos, pero su inteligencia e interactividad con el mundo siguen dependiendo de su relación con el nodo de datos más cercano, y ese es un problema que debemos resolver.

¿Qué frena?

Cuando una máquina llega al depósito y “corta turno” por un momento, se presenta una oportunidad ideal para recargar, inspeccionar, ejecutar autodiagnóstico, descargar actualizaciones y obtener los datos que necesita para su próxima tarea. Aquí es cuando pueden acumularse volúmenes potencialmente enormes de datos, dependiendo del tamaño de la flota, que deben moverse hacia y desde el dispositivo.

Los sitios que alojan, cargan o dan servicio a maquinaria pueden convertirse en microcentros de datos, manejando ráfagas de tráfico a medida que las máquinas llegan y se van. Y a medida que las flotillas crecen, también lo hace la presión sobre la red que conecta todos estos hubs. Cuando subir y bajar datos toma más tiempo que la carga o el mantenimiento, la red se convierte en el cuello de botella operativo para escalar.

Una nueva capa de conectividad

Una red cableada no puede evolucionar al mismo ritmo que la economía móvil. Un operador de flota podría necesitar abrir un nuevo depósito en otra ciudad, colocar nidos de drones más cerca de los clientes o conectar equipos autónomos en sitios industriales temporales. Extender fibra a cada ubicación implicaría obras de zanjeo y permisos, procesos que suelen ser costosos y lentos.

La conectividad inalámbrica ofrece una solución más rápida y flexible. Se pueden instalar enlaces sin perforar o esperar permisos, permitiendo a los operadores conectar nuevos sitios con rapidez. Los enlaces también pueden redeployarse o ampliarse a medida que las flotas crecen y su huella física se expande dinámicamente.

La comunicación óptica inalámbrica (WOC) podría proporcionar ese puente de alta capacidad. Empleando haces estrechos de luz, transporta capacidad similar a la de la fibra por el aire entre dos puntos con línea de vista clara, hasta 20 Gbps a distancias de hasta 20 kilómetros. Puede instalarse en torres de radio existentes o en edificios en cuestión de horas.

Para flotas autónomas, esto crea una vía para descargar rápidamente telemetría y datos operativos, cargar nuevos mapas y modelos y devolver activos de alto valor a la tarea en lugar de dejarlos esperando en el depósito. Pero WOC no es magia. Los enlaces ópticos aún requieren línea de vista, y la niebla densa y la lluvia pueden degradar su conectividad. Por ello, implementaciones serias las combinan con un camino RF y las diseñan para disponibilidad, no para supuesta fiabilidad. No reemplazará la fibra, pero extenderá el alcance de la fibra hacia lugares donde la fibra no llega, y está volviéndose más pequeño, más rápido y más asequible a medida que la tecnología pasa de una orientación mecánica a una de telemando de haz con fotónica de silicio. La luz es la respuesta.

La llegada de los vehículos eléctricos nos enseñó a mirar más allá de la máquina y a considerar la infraestructura que la respalda. Las máquinas autónomas requerirán que hagamos lo mismo de nuevo, pero esta vez lo que debe reponerse no es solo la batería de la máquina, sino la experiencia de la máquina y, a partir de ella, la inteligencia compartida de toda la flota.

Los robots se están volviendo extraordinariamente buenos navegando por el mundo físico. No deberíamos dejar para el último kilómetro de su aprendizaje a alguien que lleva un disco duro en el estacionamiento.

Este artículo forma parte de TechRadar Pro Perspectives, nuestra vía para presentar a las mentes más brillantes de la industria tecnológica actual.

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

La inteligencia artificial (IA) figura entre los tres factores más significativos para aumentar la productividad, según una reciente lectura del entorno empresarial en el Reino Unido. Más de la mitad de los CEOs (50%) citan a la IA como uno de los tres mayores impulsores de mejoras en productividad durante el último año, colocándola por delante de iniciativas tradicionales como rediseñar y simplificar procesos (40%) y optimizar la asignación de recursos humanos (38%). Este reconocimiento, sin embargo, va acompañado de una paradoja: los líderes no siempre comprenden con precisión cómo la IA está generando ese rendimiento, y solo el 14% de los CEOs británicos reportan tener una visibilidad total en tiempo real de los costes asociados a la IA. Un nuevo informe de EY subraya este hallazgo y señala que un 32% admite no poder evaluar adecuadamente el ROI de la IA, lo que dificulta medir si sus impactos se traducen en valor financiero concreto.

Conclusión provisional: la IA probablemente está elevando la productividad, pero las empresas aún no dominan el mapa de su influencia. Como señala Silvia Rindone, socia gerente de UK&I, las organizaciones requieren evidencia clara de que la inversión genera productividad y valor de negocio medible, lo que implica una mayor visibilidad sobre el gasto en IA y sus impactos.

Pero no es sólo la dificultad para cuantificar el ROI lo que frena la adopción. Problemas heredados de tecnologías legacy (34%) y la complejidad organizacional (29%) siguen siendo barreras importantes, incluso cuatro años después de que la IA generativa despegara en popularidad con la llegada pública de herramientas como ChatGPT. Además, la escasez de habilidades continúa afectando a las empresas: tres de cada cuatro CEOs británicos (74%) anticipan que estas lagunas empeorarán en los próximos tres años, lo que sugiere que la contratación por sí sola no resolverá el reto.

Si bien las organizaciones buscan pruebas sólidas de que sus inversiones en IA generan ROI concreto en términos de productividad y crecimiento de ingresos, el informe de EY recuerda que no se deben ignorar los mismos obstáculos que han reaparecido a lo largo de los años: tecnología heredada y brechas de habilidades. En palabras de Matthew Ringelheim, líder de IA y datos para UK&I, “realizar valor sigue dependiendo de un análisis riguroso, elecciones estratégicas claras y una ejecución disciplinada”.

Este panorama sugiere varias líneas de atención para las empresas que buscan escalar la IA con éxito:
– Implementar mecanismos de trazabilidad de costos y beneficios de IA que operen en tiempo real.
– Integrar soluciones de IA con la infraestructura existente para reducir la fricción de sistemas heredados.
– Desarrollar rutas de talento y programas de capacitación que ataquen directamente las brechas de habilidades.
– Establecer métricas claras de productividad y valor que vayan más allá de los indicadores financieros inmediatos.

La figura que acompaña este análisis muestra la dinámica de visibilidad y coste asociada a la IA en un entorno empresarial en rápida evolución, subrayando la necesidad de un enfoque estratégico y disciplinado para convertir la promesa de la IA en resultados tangibles y sostenibles.

from Latest from TechRadar https://ift.tt/qTYVK0r
via IFTTT IA

En la intersección entre música y experiencia lúdica, Petri Alanko ofrece una visión clara: cada título de Remedy Entertainment alberga un aspecto de maldad absoluta, una presencia que se revela a través de la música y el contexto. Este enfoque no busca imponer una narrativa, sino invitar a los jugadores a pensar, deducir y sentir. En un estudio que evita el didactismo, la banda sonora se convierte en una guía sutil para descifrar lo que ocurre detrás de la superficie de los personajes y los entornos.

Alanko enfatiza que la inteligencia del jugador es fundamental para entender el “aspecto psicológico” de la obra. Este énfasis no es casual: influye directamente en las decisiones instrumentales y en la construcción del paisaje sonoro, incluso en la elección y el tratamiento de la serie armónica, donde la overtones (sobretonos) y otras ilusiones audibles pueden generar una sensación de gravedad y desacomodo. La idea es que algo familiar se perciba ligeramente fuera de lugar, activando el instinto de lucha o huida y preparando el terreno para la acción como un condimento, sin que la música indique explícitamente qué hacer.

La relación entre Remedy y su música se fundamenta en la autonomía del oyente. No hay una entidad que ordene la interpretación; la banda sonora propone pistas, una atmósfera y una emoción básica, dejando que el público complete el significado a partir de pruebas y pistas contextualizadas. Esta filosofía se mantiene a lo largo de toda la obra de Remedy —Control, Alan Wake, Quantum Break— y se busca una coherencia entre entregas, sin perder la novedad de cada IP.

Para Alanko, la identidad sonora de Remedy se ha construido con el tiempo, incorporando distintos elementos que enriquecen un “Triángulo Bermuda Sonoro” de la firma: orquesta en Alan Wake, una mezcla más industrial y electrónica en Quantum Break y una inclusión de musique concrète en Control. Este desarrollo gradual ha permitido que, a través de variaciones y descubrimientos, exista una línea de fondo reconocible que, sin repetirse, ofrezca familiaridad y exploración sonora simultáneamente. Aunque cada título empuja en direcciones distintas, persiste una esencia que invita a pensar, investigar y sentir el entorno sin explicaciones directas.

En una entrevista, Alanko también llamó la atención sobre el cuidado que las empresas deben tener con la música: apostar por una banda sonora que valore el IP y el juego por encima de atajos tecnológicos como la IA, que podrían desvirtuar la experiencia. Este llamado refleja un compromiso con la calidad y la autenticidad del sonido como parte intrínseca de la experiencia del juego, más que como un complemento decorativo.

En suma, la visión de Alanko para Remedy es la de un estudio que no dicta al jugador, sino que invita a una participación activa: escuchar, inferir y dejarse llevar por una experiencia sonora que funciona como motor emocional e intelectual. Es una invitación a ver la música como una herramienta de descubrimiento, no como una guía explícita, y a entender que el mal latente en cada mundo de Remedy está ahí para ser comprendido, no para ser mostrado de forma directa.

from Latest from TechRadar https://ift.tt/B76V8j3
via IFTTT IA

En los últimos años, gran parte de la conversación sobre la IA se ha centrado en la capacidad. Hemos visto cómo pasa de generar contenido y resumir información a analizar datos, escribir código y realizar tareas cada vez más complejas. Ahora, con el rápido desarrollo de agentes de IA, comenzamos a ceder no solo tareas, sino fragmentos de flujos de trabajo y decisiones.

Este progreso, comprensiblemente, genera preguntas sobre qué ocurre con las personas cuando la IA se vuelve más autónoma. Pero tal vez estemos mirando la cuestión desde el ángulo incorrecto. El cambio más profundo está en lo que necesitamos que las personas hagan. Cuando las herramientas de IA pueden gestionar más ejecución, las personas deben dedicar más tiempo a pensar el sistema que las rodea. Debemos plantearnos preguntas importantes para lograrlo:

• ¿Qué es lo que realmente queremos lograr?
• ¿Qué información necesita la tecnología para tomar una buena decisión?
• ¿Cómo debe moverse el trabajo de un paso a otro?
• ¿Cuándo puede la IA tomar una decisión por sí sola y cuándo es necesaria la intervención humana?

Estas son cuestiones que las empresas ya enfrentan hoy, pero la IA eleva el riesgo porque las decisiones y acciones pueden ocurrir más rápido y a una escala mayor. Tomemos, por ejemplo, una organización de marketing.

Ya estamos en un punto en el que la IA puede analizar una audiencia, desarrollar contenido, adaptar ese contenido para distintos canales, verificarlo frente a requisitos y evaluar resultados. No es difícil imaginar que esas capacidades se conecten de tal forma que una acción dispare la siguiente automáticamente.

La estrategia entra en la coordinación

El reto es que cada parte de ese proceso puede funcionar exactamente como está diseñada y aun así generar un resultado negativo. Un modelo de audiencia podría identificar a las personas más propensas a responder a una oferta, pero dejar fuera a los clientes que la empresa más quiere desarrollar a largo plazo.

Un agente de contenido podría producir algo que genere clics, pero que sea incoherente con la dirección de la marca. Un sistema que evalúa el desempeño podría hacer una recomendación perfectamente razonable basada en la métrica que le dieron, aunque esa métrica no refleje el objetivo comercial más amplio.

Esos no son necesariamente fracasos de la IA. En muchos casos, la tecnología ha hecho exactamente lo que se le pidió. El fallo ocurrió antes, cuando el objetivo, el contexto o las conexiones entre decisiones no estuvieron diseñados con suficiente claridad. Aquí es donde la gente desempeña un papel cada vez más importante.

Alguien debe entender el contexto empresarial más amplio y garantizar que las decisiones individuales que se toman a través de un flujo de trabajo finalmente respalden el mismo objetivo.

Quien haya pasado tiempo en una gran empresa habrá visto una versión similar antes. En las dos últimas décadas, las compañías compraron tecnología especializada para casi cada necesidad empresarial: plataformas CRM, sistemas de automatización de marketing, herramientas analíticas, software de gestión de proyectos, plataformas de contenido y numerosas soluciones puntuales. Cada una resolvía un problema real, pero luego tocaba descubrir cómo hacer que todos esos sistemas funcionaran juntos.

Los equipos construían integraciones, movían datos entre plataformas, conciliaban información conflicts y creaban procesos que conectaran lagunas entre sistemas que nunca fueron diseñados para operar como uno solo. En muchas organizaciones, los empleados se convirtieron efectivamente en la capa de integración, llevando contexto de una plataforma o equipo a otro.

A medida que las empresas adoptan IA en todas las funciones, existe una posibilidad real de que volvamos a enfrentar el mismo problema, pero mucho más rápido y con tecnología capaz de tomar decisiones y actuar de forma autónoma.

Es relativamente fácil para un departamento adoptar una herramienta de IA o construir un agente que resuelva un problema concreto. Si eso ocurre en toda la empresa, podrían encontrarse con grandes números de modelos y agentes que actúan sobre datos distintos, siguen instrucciones diferentes y optimizan resultados distintos.

Los componentes individuales pueden ser mucho más inteligentes que los sistemas de software que le antecedieron, pero eso hace que la coordinación sea aún más crucial y aumenta la importancia de contar con una estrategia que vaya más allá de cualquier agente individual o caso de uso.

Encontrar el equilibrio es clave

La estrategia humana se vuelve crítica para diseñar ese sistema mayor, pero ello no debe confundirse con exigir a una persona que apruebe cada resultado de IA. Pedir a alguien que apruebe cada salida eliminaría gran parte del propósito de crear sistemas autónomos en primer lugar.

Las empresas tendrán que determinar dónde están dispuestas a permitir que la IA opere de forma independiente, dónde la supervisión es suficiente y dónde las consecuencias de una decisión justifican la intervención humana directa.

Ese equilibrio probablemente se verá distinto en cada organización e incluso entre flujos de trabajo dentro de la misma empresa. Una decisión rutinaria con reglas claras y consecuencias limitadas puede requerir muy poca intervención, mientras que una decisión que afecte una relación con un cliente, una marca, un gasto significativo o una dirección estratégica merece un nivel de escrutinio diferente.

También habrá situaciones en las que el sistema simplemente necesite reconocer que algo inusual ha ocurrido y volver a involucrar a una persona en el proceso. Determinar esos límites y diseñar el flujo de trabajo a su alrededor puede, en última instancia, importar más que el modelo o agente individual que la empresa elija.

Adaptarse y ajustarse a medida que la tecnología cambia

La tecnología que sustenta todo esto seguirá cambiando rápidamente. Los modelos que hoy parecen significativamente mejores que la competencia pueden ser superados en pocos meses, y capacidades que hoy se sienten diferenciadoras se volverán ampliamente disponibles. Las empresas no pueden asumir que acceder a un modelo particular les otorgará una ventaja duradera, especialmente a medida que la brecha entre tecnologías competidoras se estrecha.

Lo que será mucho más difícil de replicar es el pensamiento que rodea a la tecnología: la comprensión de los clientes y las operaciones de una organización, la forma en que se han diseñado sus flujos de trabajo, el contexto que se brinda a sus sistemas de IA y el juicio aplicado a las decisiones que importan. Esas cosas son específicas del negocio y se vuelven más valiosas a medida que la tecnología subyacente se vuelve más ampliamente accesible.

Por lo tanto, una mayor autonomía de la IA no conduce a un futuro con menos necesidad de inteligencia humana. Crea una mayor necesidad de personas capaces de mirar el sistema completo y entender qué se le está pidiendo a la tecnología que logre, si las piezas están funcionando juntas y si el resultado realmente tiene sentido para el negocio.

Vamos a volvernos muy buenos construyendo IA que pueda hacer cosas en nuestro nombre. El desafío más difícil será asegurarnos de que todas esas cosas sumen para hacer algo valioso.

Hemos destacado el mejor chatbot de IA para negocios.

Este artículo fue producido como parte de TechRadar Pro Perspectives, nuestro canal para presentar las mejores ideas de la industria tecnológica actual.

Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro 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/aA3JI2R
via IFTTT IA