from Latest from TechRadar https://ift.tt/W7X5ZVu
via IFTTT IA

Con el nuevo Studio Driver de Nvidia en octubre, que optimiza Adobe Premiere Pro y DaVinci Resolve, surge la pregunta: ¿qué portátil de edición de video aprovecha al máximo la aceleración por GPU? En mi revisión, el Gigabyte Gaming A16 Pro escala como una opción destacada para creadores que demandan rendimiento sin sacrificar movilidad.

La GPU Nvidia GeForce RTX 5070 Ti para portátil es el principal atractivo para efectos en tiempo real, y los 32 GB de RAM DDR5 proporcionan un margen amplio para navegar por líneas de tiempo en 4K, gestionar composiciones con múltiples capas y ejecutar varias aplicaciones creativas de forma simultánea.

• Ideal para: editores de video, creadores de contenido, diseñadores gráficos y artistas 3D que buscan un portátil potente sin pagar un precio elevado por una estación de trabajo dedicada.

• La oferta: El portátil Gigabyte A16 Pro de 16 pulgadas está disponible en Walmart por 1.449 USD (antes 2.149,99 USD), con un ahorro de 700,99 USD.

La mejor oferta de hoy para el Gigabyte A16 Pro

Ver Oferta

Por qué lo recomendamos

En la reseña de TechRadar, el experto Lindsay destaca que el A16 Pro ofrece un rendimiento de CPU digno para creadores, además de una gran pantalla de 16 pulgadas con 165 Hz que facilita el trabajo en sesión extendida. Se señala también que, pese a un tope de 115 W en la RTX 5080, la línea 5070 Ti ofrece un rendimiento notable frente a rivales con precios similares.

El equipo maneja edición y multitarea con el procesador Intel Core i7-240H, mientras un SSD PCIe Gen4 NVMe de 1 TB garantiza velocidades de lectura/escritura rápidas. La pantalla IPS de 16 pulgadas ofrece 2560 x 1600, relación de aspecto 16:10, cobertura del 100% de sRGB y brillo de 400 nits.

En términos de conectividad cuenta con HDMI 2.1, USB-C con DisplayPort y Power Delivery, USB-A, Ethernet Gigabit, Wi‑Fi 6E, Bluetooth 5.2, audio Dolby Atmos y conector para auriculares.

Contexto de precio y valor histórico

Walmart ha reducido el Gigabyte Gaming A16 Pro de 2.149,99 USD a 1.449 USD, un ahorro de aproximadamente 33%. Hasta la fecha, no se identificarían precios más bajos para esta configuración exacta, por lo que la oferta resulta atractiva para quienes buscan rendimiento sin sacrificar movilidad.

¿Deberías comprarlo?

✅ Compra el Gigabyte A16 Pro si… trabajas con edición de video, creación de contenido digital o aplicaciones que se benefician de la aceleración por GPU de Nvidia. La RTX 5070 Ti combinada con 32 GB de RAM ofrece capacidad para proyectos exigentes y la pantalla de 1600p brinda espacio de trabajo cómodo para edición y multitarea.

❌ Evita el Gigabyte A16 Pro si… principalmente trabajas con documentos, hojas de cálculo, correo electrónico o aplicaciones web y no necesitas rendimiento gráfico avanzado. En ese caso, una opción más económica podría ser suficiente.

• Explorar todas las ofertas de laptops en Walmart

from Latest from TechRadar https://ift.tt/9PM6cCo
via IFTTT IA

Los consumidores europeos siguen utilizando las instituciones tradicionales para sus operaciones bancarias, pero la experiencia deja mucho que desear. A inicios de este año, un proveedor líder de plataformas de banca digital publicó los resultados de una encuesta realizada a 6,300 usuarios de banca en línea en Europa.

Aun cuando el 82 por ciento de los encuestados utilizaba un banco tradicional como su proveedor principal, el 26 por ciento había cambiado de entidad en el pasado debido a servicios digitales deficientes y no dudarían en hacerlo de nuevo. Además, el 47 por ciento dijo que se sentiría más satisfecho si su banco mejorara la calidad de los servicios digitales. Los clientes destacaron, en particular, las recomendaciones personalizadas en este contexto.

Qué es lo que quieren los clientes

Con la digitalización de la banca, las experiencias de transacción sin fisuras se han convertido en la norma, estandarizadas entre bancos con pocas diferencias visibles. Los canales digitales son eficientes, pero impersonales. Para la mayoría de los clientes, son una vía para realizar tareas rápidas y funcionales, como revisar el saldo, lo que ha creado una distancia emocional entre los usuarios y sus bancos.

Y aquí reside el dilema: las mismas personas que adoptan la banca digital exigen interacciones más personales. Por ejemplo, el 59 por ciento de los consumidores europeos quiere recomendaciones financieras adaptadas a sus necesidades individuales. Los bancos que no ofrecen esto perderán clientes.

La buena noticia es que las tecnologías de inteligencia artificial ahora permiten a las instituciones bancarias cumplir estas expectativas aparentemente irreconciliables. Mientras las tecnologías digitales anteriores permitían una personalización a nivel de segmento, la IA está llevando la hiperpersonalización de las experiencias bancarias digitales en tiempo real y a gran escala.

Personalizar todo, desde recomendaciones de productos hasta comunicaciones de marketing

Modelos analíticos avanzados examinan datos de clientes y transacciones para identificar insights sobre necesidades, preferencias y comportamientos individuales. Con base en ello, los motores de recomendación inteligentes sugieren los productos y servicios más adecuados. Además de adaptar productos utilizando métricas financieras tradicionales, como préstamos e inversiones, la IA puede personalizar la banca según los datos de un individuo y su actividad fuera del banco.

Un ejemplo destacado es el modelo Buy Now Pay Later, donde comercios permiten a los clientes pagar compras en cuotas según su solvencia, evaluada a partir de historiales de transacciones y otras variables.

Las herramientas impulsadas por IA también pueden detectar patrones de flujo de caja o anomalías de gasto para ofrecer orientación proactiva que ayude a cada cliente a gestionar mejor sus finanzas. Los chatbots y cajeros virtuales impulsados por IA pueden asistir a los clientes en cualquier momento, conversando en lenguaje natural como un gestor de relaciones, para responder preguntas e incluso resolver problemas complejos.

Los clientes pueden hacer preguntas específicas sobre sus carteras o metas financieras, y la IA generativa responderá de forma independiente o junto a un asesor humano, con recomendaciones y orientación dirigidas.

La capacidad de la IA generativa para conversar de forma muy personal y similar a la humana está transformando la recuperación de deudas. Aprovechando el procesamiento de lenguaje natural y el aprendizaje automático, los sistemas de IA generan mensajes personalizados que mejoran la participación y el reembolso, al tiempo que minimizan la confrontación al mostrar empatía y proponer soluciones más aceptables para los clientes.

Revolucionando la comunicación

En lo que respecta a la comunicación, bombardear a las personas con mensajes genéricos es ineficiente e ineficaz, y revela una falta de comprensión profunda del cliente. También irrita a los consumidores ya saturados de spam y llamadas no deseadas de diversas empresas. La IA está revolucionando la comunicación al permitir que los bancos elaboren mensajes altamente relevantes que resuenen con los clientes.

En primer lugar, las herramientas predictivas identifican qué clientes es más probable que respondan positivamente a diferentes tipos de mensajes; luego la IA generativa interviene, creando contenido y campañas muy personalizados, en el idioma elegido por el cliente. Otras soluciones de IA identifican el canal, el formato y el momento adecuados para enviar la comunicación, haciendo que los clientes se sientan valorados y realmente comprendidos por su banco.

La industria del gaming también presenta una frontera atractiva para que los bancos conecten con audiencias más jóvenes y nativas digitales, aprovechando experiencias financieras hiperpersonalizadas que se alineen con estilos de vida y personalidades de juego. Por ejemplo, los conocimientos impulsados por IA pueden permitir a los bancos ofrecer productos de microinversión basados en el comportamiento de gasto dentro de los juegos, opciones de crédito dinámicas para compras digitales y planes de ahorro que recompensen la disciplina financiera con incentivos virtuales.

Al integrarse con plataformas de juego y analizar datos de comportamiento en tiempo real, los bancos pueden ofrecer empujones financieros contextuales, como sugerir una herramienta de presupuesto o recompensas vinculadas a criptomonedas por logros en el juego. La integración de juego y finanzas, impulsada por IA generativa, no solo mejora la participación del cliente, sino que posiciona a los bancos como socios de estilo de vida en la economía digital.

Además, los modelos de IA aprenden de los éxitos y fracasos de interacciones pasadas para modificar sus propias acciones, reforzando estrategias y recomendaciones que generaron interés y eliminando aquellas que provocaron desenganche. A medida que la IA continúa aprendiendo y adaptándose, mejora la capacidad de hiperpersonalizar las experiencias del cliente a gran escala.

Mirando hacia el futuro en Europa

En Europa, los proveedores de próxima generación son líderes claros en adopción de IA: Bunq, un neobanco holandés, es el primer banco impulsado por IA de Europa; Finn, su asistente personal de finanzas, ofrece soporte contextual y personalizado a través de conversaciones simples, gestionando hasta el 40 por ciento de las consultas de los clientes de forma independiente.

La IA analiza datos de transacciones para ofrecer recomendaciones personalizadas dentro de la aplicación móvil de Starling Bank, aumentando la participación de la app un 25 por ciento. El banco digital alemán N26 personaliza la experiencia del cliente mediante soporte multilingüe impulsado por IA, IA conversacional y recomendaciones de próxima mejor acción generadas por IA.

Sin embargo, en términos generales, las firmas de servicios financieros europeas aún tienen un largo camino por recorrer. En una encuesta de 2024, aunque el 90 por ciento de los encuestados afirmó haber integrado alguna herramienta de IA, solo el 9 por ciento creía estar adelantado a la curva de adopción. Las inversiones se enfocan en mejoras de back-office, mientras que la adopción de IA en aplicaciones orientadas al cliente muestra rezago.

Los encuestados señalaron la falta de comprensión, experiencia y claridad regulatoria como sus mayores desafíos para integrar la IA generativa. Las empresas pueden abordar estas preocupaciones y acelerar las implementaciones mediante la capacitación y el desarrollo, ampliando los casos de uso de IA y estableciendo mecanismos sólidos de gobernanza y cumplimiento.

Este artículo forma parte de los TechRadar Pro Perspectives, la plataforma para presentar las ideas de las mentes más destacadas de la industria tecnológica hoy en día.

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

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

Android ha introducido un cambio que ya está generando debate: la verificación automática de tu número de teléfono y su vinculación a todas las cuentas de Google con sesión iniciada en el dispositivo. Este giro, que parece haber empezado a implementarse a través de Google Play Services, significa que un mismo número podría quedar asociado no solo a tu cuenta principal, sino también a cuentas secundarias que puedas tener en el teléfono, ya sean de trabajo, personales o temporales.

El motivo suele ser la verificación y la seguridad, pero para usuarios con múltiples cuentas vinculadas y una preocupación marcada por la privacidad, este movimiento se percibe como un desplazamiento indeseado hacia un mayor rastreo y correlación de datos entre servicios. Si bien Google no ha presentado este cambio como opt-in, muchos usuarios esperan que estas funciones sean desactivables por defecto, manteniendo el control sobre qué datos se comparten entre cuentas.

Cómo saber si está activo y cómo desactivarlo
– Pasos para verificar y desactivar: ve a Configuración > Google (o Servicios y preferencias de Google) > Todos los servicios > Verificación de número de teléfono. Si ves un conmutador con la opción “Verificar números de teléfono automáticamente” activada, este podría estar habilitando la vinculación entre tus cuentas. Desactívalo para evitar que se siga aplicando a nuevas vinculaciones.
– Desasociar números ya vinculados: la verificación automática podría haber ya vinculado tu número a cuentas secundarias. Para eliminarlo, accede a tu página de información personal de Google (myaccount.google.com/personal-info), abre Información de contacto (o Información personal) > Teléfono, y elimínalo de las cuentas a las que no quieras que esté asociado.

Qué considerar
– Algunas experiencias señalan que, incluso con estas medidas, ciertos dispositivos o configuraciones pueden mantener el número vinculado a cuentas previamente conectadas. En otros casos, usuarios reportan que el conmutador se reactiva por sí solo, lo que podría indicar un comportamiento persistente o una actualización que reaplica la configuración.
– Este cambio ha generado opiniones negativas entre usuarios: comentarios en foros y redes señalan frustración ante lo que perciben como una práctica que reduce la privacidad y facilita la correlación entre múltiples cuentas.
– Fuentes de texto público señalan además que incluso con enfoques más centrados en la privacidad (por ejemplo, GrapheneOS), la presencia de Google Play Services podría reintroducir este tipo de verificación automática.

Reflexión final
La privacidad frente a la conveniencia continúa siendo un tema central en el ecosistema Android. Mientras algunos usuarios valoran la verificación automática como una capa de seguridad, otros prefieren mantener un control explícito y granular sobre qué datos se comparten entre cuentas. Si la gestión de tu identidad digital es crucial para ti, es recomendable revisar regularmente estas configuraciones y mantenerte informado sobre cualquier cambio en las políticas o en los flujos de verificación de Google.

Notas para el lector: el artículo se basa en reportes de usuarios y notas técnicas sobre la implementación de la verificación de números en Google Play Services. Si notas que la configuración se restaura de forma inesperada, considera comunicarte con el soporte de Google o revisar las actualizaciones de tu teléfono para entender mejor el comportamiento en tu dispositivo.

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

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

La inversión empresarial en inteligencia artificial (IA) ha puesto el foco en la computación: GPUs, rendimiento de los modelos y el coste de la inferencia se han convertido en elementos centrales a medida que las cargas de trabajo de IA pasan de la experimentación a la producción. Sin embargo, a medida que las cargas escalan, una parte cada vez mayor del desafío económico y operativo reside en la capa de almacenamiento dentro de la pila de infraestructura. La IA depende de los datos en todas las fases de su ciclo de vida: los conjuntos de datos deben ser recopilados y preparados, los datos de entrenamiento deben estar disponibles para la computación, se deben retener puntos de control y artefactos del modelo, y puede ser necesario mover información entre proveedores de infraestructura a medida que evolucionan las cargas y las prioridades comerciales. En este contexto, el almacenamiento estratégico se está convirtiendo en un componente clave de la infraestructura de IA con implicaciones significativas para la economía de la IA empresarial.

AI está cambiando el papel del almacenamiento
Tradicionalmente, las estrategias de almacenamiento se han diseñado en torno a la capacidad, la disponibilidad, el rendimiento y la retención. IA introduce una dimensión adicional: la relación entre el almacenamiento y los requisitos cambiantes del entorno de infraestructura. Diferentes etapas de un flujo de IA exigen distintos requisitos de almacenamiento. Los datos que se procesan activamente pueden requerir infraestructura de alto rendimiento, mientras que los conjuntos de datos históricos, los puntos de control y los artefactos del modelo pueden enfatizar la durabilidad, la seguridad, la accesibilidad y el coste. Aplicar el mismo enfoque de almacenamiento a lo largo de todo el ciclo de vida puede generar una utilización ineficiente de la infraestructura. El desafío es especialmente significativo porque los volúmenes de datos de IA pueden ser sustanciales y seguir aumentando a medida que las organizaciones generan más datos de entrenamiento, versiones de modelos y artefactos asociados. El objetivo no debe ser minimizar el gasto en almacenamiento aislado; debe ser garantizar que los datos se mantengan en la infraestructura adecuada para su papel, manteniendo el rendimiento, la seguridad y la accesibilidad requeridos por el negocio. Esta es la base de lo que se puede describir como AI storagemaxxing: la optimización sistemática del almacenamiento a lo largo del ciclo de vida de la IA para alinear la inversión en infraestructura con los requisitos comerciales y de las cargas de trabajo.

La movilidad de datos se está convirtiendo en un requisito de infraestructura
Las organizaciones están adoptando una gama más amplia de proveedores de infraestructura, incluidos hyperscalers, proveedores especializados en GPU y emergentes plataformas en la nube conocidas como neoclouds. La economía y la disponibilidad de estos entornos pueden cambiar rápidamente, creando incentivos para trasladar cargas entre proveedores. La computación puede ser reasignada con relativa facilidad; los datos asociados son considerablemente menos móviles. Los grandes conjuntos de datos de entrenamiento y artefactos del modelo pueden ser caros y complejos de transferir. Cuando se asocian cargos significativos al mover o recuperar datos, las organizaciones pueden verse limitadas por decisiones de infraestructura tomadas en etapas tempranas de su programa de IA, generando una forma de dependencia inadvertida. Por tanto, la capacidad de mover datos debe considerarse al diseñar la infraestructura de IA, en lugar de tratarse como una contingencia para una migración futura. Los estándares abiertos y el almacenamiento interoperable pueden proporcionar un grado importante de separación entre datos y cómputo, permitiendo a las organizaciones adaptar su estrategia de infraestructura a medida que cambian las condiciones del mercado. Para los líderes tecnológicos, esto crea una consideración más amplia que simplemente evaluar el costo del almacenamiento: la pregunta relevante es el coste económico y estratégico total de retener datos en un entorno particular.

La optimización del almacenamiento debe incluir la seguridad
Los conjuntos de datos de entrenamiento, la información propietaria y los artefactos del modelo pueden representar un valor comercial significativo. Al mismo tiempo, el número de aplicaciones y sistemas automatizados que interactúan con los datos de la empresa está en aumento. La resiliencia del almacenamiento debe formar parte de la estrategia de seguridad de la IA. Copias inmutables, controles de acceso adecuados y procesos de recuperación sólidos pueden ayudar a proteger los datos críticos frente a ransomware, borrados accidentales y modificaciones no autorizadas. Estas capacidades son especialmente importantes para conjuntos de datos que serían difíciles o costosos de recrear. Por ello, la seguridad debe considerarse junto con el rendimiento y el coste al determinar dónde residen los datos de IA. Un entorno de almacenamiento que reduzca el gasto pero cree riesgos de recuperación o seguridad inaceptables no representa una optimización efectiva.

La economía predecible será cada vez más importante
Los costos de almacenamiento pueden incluir capacidad, acceso, recuperación y transferencia de datos. Cuando estos costos son difíciles de predecir, pueden complicar la planificación de la infraestructura e influir en las decisiones arquitectónicas. Esto es especialmente problemático cuando las organizaciones necesitan mover grandes conjuntos de datos entre almacenamiento y entornos de cómputo. Una economía de almacenamiento predecible permite a las organizaciones basar las decisiones de infraestructura en los requisitos de la carga de trabajo, en lugar de depender de incertidumbres sobre el coste de acceder o mover sus datos. Esta distinción será cada vez más relevante a medida que las cargas de IA maduren. Durante la fase de experimentación, las decisiones de infraestructura pueden ser temporales; en cambio, las cargas de producción pueden persistir durante años y generar cantidades sustanciales de datos asociados, por lo que la estrategia de almacenamiento debe contemplar todo el ciclo de vida de esos datos, no solo las necesidades de una única carga o despliegue.

El papel estratégico de la capa de datos
La siguiente fase de adopción de IA empresarial requerirá a las organizaciones mirar más allá de la optimización de cómputo. Las GPUs seguirán siendo críticas. La eficiencia de los modelos seguirá siendo importante. Sin embargo, no se puede optimizar eficazmente ninguno de estos aspectos sin considerar los datos de los que depende la carga de IA. AI storagemaxxing ofrece un marco útil para aplicar este principio: el almacenamiento debe tratarse como parte del modelo operativo de IA. Evaluar el almacenamiento según criterios estratégicos como: ¿es adecuado para la carga de trabajo?, ¿proporciona una protección y una recuperación adecuadas?, ¿son predecibles las economías?, ¿se podría mover la data sin fricción a medida que evolucionan los requisitos de la infraestructura?

Conclusiones y visión para el futuro
La historia de la IA empresarial no se escribe solo en GPUs y en algoritmos; se escribe en la forma en que gestionamos los datos que alimentan a esos sistemas. La optimización del almacenamiento a lo largo del ciclo de vida de IA no es un lujo, es una necesidad operativa que puede determinar la viabilidad y el coste total de la adopción de IA en una organización. Al diseñar infraestructuras de IA, las empresas deben priorizar: compatibilidad de datos y cómputo, seguridad y recuperación, economía predecible y movilidad de datos entre proveedores. En conjunto, estas prácticas permiten una ejecución más ágil, menos dependencia de proveedores y un mayor control sobre el costo total de propiedad de las soluciones de IA. Esta perspectiva integral sobre el almacenamiento es clave para sostener el crecimiento de la IA empresarial en un entorno tecnológico en constante cambio.

from Latest from TechRadar https://ift.tt/PHsXYL9
via IFTTT IA

La investigación más reciente de OpenAI revela hasta qué punto el uso de IA agentiva está ganando terreno entre las pymes europeas, con las IA agentes representando ahora más de la mitad (55%) de las tokens de salida entre clientes empresariales en la UE, frente al manejo de IA generativa más básico que comprende el 45% restante.

En su informe, la compañía sostiene que las empresas europeas se encuentran en medio de una transición relevante: pasar de usar IA para responder preguntas a lograr que la IA complete tareas. Este cambio coincide con el lanzamiento de ChatGPT Work, una herramienta agentiva integrada en la propia superapp de la compañía.

IA agentiva vs IA generativa

Es clave señalar que las métricas se basan en tokens de salida, no en la proporción de empresas que utilizan IA. En otras palabras, el informe no afirma que más empresas utilicen IA agentiva, sino que quienes ya la emplean producen más output que quienes no la adoptan.

Aunque la media europea es del 55%, existen diferencias notables: Eslovenia (22%), Austria (26%) y Portugal (29%) quedan por debajo, mientras Lituania (85%), Chipre (81%) y Hungría (79%) se sitúan por delante.

El informe también muestra que el tiempo de las pymes para brillar ha llegado: mientras grandes corporaciones ya invierten fuertemente en IA, la disponibilidad de IA agentiva a través de la “superapp” provocó un incremento de uso entre las pymes europeas en más de 8 veces en menos de medio año, con el mayor impulso alrededor del momento en que ChatGPT Work salió a la luz.

Estos hallazgos implican que las empresas más pequeñas están experimentando con capacidades tecnológicas que antes parecían reservadas a grandes actores.

“Europa entra en una nueva era de IA, con herramientas que pueden ejecutar tareas para las personas”, escribió la directora financiera de OpenAI, Sarah Friar.

Crecimiento lento en Europa comparado con otras regiones

A pesar del crecimiento sólido en adopción, Europa aún se queda corta, según OpenAI. Los países de la UE representan alrededor del 10% de las llamadas empresas fronterizas —aquellas en el top diez por tokens de salida de IA por usuario activo.

Esto sitúa a la UE por detrás de EMEA (11%), APAC (13%) y Norteamérica (65%). El crecimiento también varía por región, con unas empresas fronterizas no pertenecientes a la UE registrando un crecimiento de 12.9x entre mayo y septiembre frente a 6.1x para las firmas de la UE.

OpenAI no parece excesivamente preocupado por estos resultados; más bien los ve como una oportunidad para el negocio dentro de Europa. Para quienes sienten que podrían obtener más de la IA, la compañía busca animar a las organizaciones a ir más allá de la experimentación y las pruebas.

Entre las prioridades destacadas en su blog se encuentran mejorar la accesibilidad, la asequibilidad y las habilidades de la fuerza laboral. “Dar a las personas las herramientas, habilidades y confianza para usar la IA de forma adecuada ayudará a construir negocios más fuertes y economías en crecimiento, con beneficios que se sentirán en toda Europa”, añadió Friar.

Este contexto subraya una realidad clave para las pymes: la IA ya no es un lujo experimental, sino una palanca de productividad y competitividad. Sin embargo, para que este cambio sea sostenible, es necesario trabajar con políticas y medidas que reduzcan las barreras de entrada y aceleren la formación de capacidades técnicas en la fuerza laboral europea.

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