from Latest from TechRadar https://ift.tt/wVf8UAj
via IFTTT IA

Un nuevo informe de Visier revela cuán extendida podría ser la exageración sobre el uso de la IA en la fuerza laboral, y plantea preguntas sobre cuán útil resulta realmente la tecnología para la mayoría de los trabajadores. El panorama es mixto: la mitad de los empleados admite haber exagerado su uso o experiencia en IA ante colegas o supervisores en alguna o casi toda la frecuencia, y casi la mitad se siente presionada a usar IA en el trabajo. Este contexto de cambio significativo —más de la mitad (54%) afirma que la IA ha transformado sustancialmente sus roles en los últimos dos años— subraya la importancia de entender el impacto real y la respuesta organizacional necesaria para canalizar esos cambios de forma productiva.

El informe también destaca que una proporción relevante de empleados percibe una ausencia de dirección clara: uno de cada tres (32%) admite que su empleador no tiene un plan claro, y más de una cuarta parte (27%) ni siquiera está segura de que exista un plan de IA. Además, apenas una tercera parte cree que los líderes comprenden cuánto entrenamiento y apoyo requieren. En este contexto, solo el 21% estaría de acuerdo en que la empresa proporciona una capacitación y un soporte suficientes, mientras que las oportunidades de desarrollo y la mayor transparencia son las demandas más fuertes: 32% buscan oportunidades de upskilling y 31% exige una mayor transparencia.

Entre las preocupaciones de los trabajadores destaca el miedo a perder el empleo, planteado por el 24% como la preocupación más frecuente. Sin embargo, muchos empleados muestran una preferencia clara por estar equipados e informados sobre los cambios impulsados por IA, en lugar de sentirse protegidos o aislados de ellos. Como explica la Dra. Andrea Derler, directora de Investigación y Valor del Cliente, “la gente quiere estar preparada e informada”.

La investigación insta a las empresas a priorizar la formación y la transparencia para ganar la confianza de los trabajadores, ya que estos factores podrían desbloquear los beneficios de productividad que persiguen las organizaciones. La narrativa que surge es clara: los avances en IA deben fundamentarse en planes claros, formación adecuada y una comunicación abierta para transformar la preocupación en rendimiento tangible.

En el marco de estos hallazgos, es posible que el rol del liderazgo sea definir estrategias realistas de adopción de IA, establecer rutas de desarrollo profesional y garantizar una comunicación continua sobre cómo la IA podría afectar a cada rol. La evidencia sugiere que la clave no es evitar la IA, sino abrazarla con una visión educativa y transparente que permita a los trabajadores prosperar ante la evolución tecnológica.

Observación final: el informe subraya que los beneficios deseados —aumento de productividad y capacidades mejoradas— dependen de que las empresas muevan la aguja en dos ejes centrales: formación sólida y transparencia constante. Este enfoque podría convertir la ansiedad inicial en una fuerza impulsora para la innovación organizacional.

from Latest from TechRadar https://ift.tt/X4CYe1N
via IFTTT IA

En un entorno donde las organizaciones compiten por adoptar aplicaciones SaaS y herramientas impulsadas por IA, la integración en la sombra se ha convertido en un punto de entrada más peligroso y a menudo subestimado para las brechas modernas. Cada nueva aplicación introduce identidades, roles y permisos, mientras que cada integración con terceros crea otra vía de confianza hacia los sistemas empresariales.

Es probable que ya existan cientos de agentes dentro de una empresa promedio, y estas implementaciones no muestran señales de desaceleración. Los empleados autorizan rutinariamente aplicaciones OAuth de terceros que obtienen acceso persistente a sistemas críticos de negocio, a menudo con permisos amplios que permanecen mientras ya no sean necesarios. Al mismo tiempo, agentes de IA y flujos de trabajo automatizados están siendo integrados en plataformas SaaS críticas como Salesforce, ServiceNow, Workday y Slack.

Cada conexión adicional amplía la superficie de ataque, sin embargo, pocas organizaciones tienen una comprensión completa de cómo interactúan estas relaciones de confianza, y los ciberdelincuentes lo han notado. De hecho, las brechas SaaS han aumentado en un 300%. Estas identidades suelen operar con privilegios elevados, lo que las convierte en blancos atractivos si se ven comprometidas.

El panorama de amenazas se está expandiendo más rápido de lo que pueden seguir los modelos de seguridad tradicionales. Sin controles simples y confiables que puedan gobernar instantáneamente las aplicaciones SaaS y los agentes IA, las organizaciones quedan con sistemas que pueden acceder a datos sensibles, interactuar con sistemas de negocio y realizar acciones en nombre de los usuarios.

Para mitigar las amenazas, los responsables de seguridad deben poder saber en cualquier momento qué aplicaciones de terceros están conectadas a su entorno, qué pueden alcanzar esas conexiones y si se comportan de manera normal, en lugar de descubrirlo después de un incidente de seguridad.

Dónde la innovación SaaS crea riesgo de seguridad

A medida que crece la proliferación de SaaS, los equipos de TI lidian con señales fragmentadas entre cientos de aplicaciones, lo que dificulta entender qué está conectado y dónde reside realmente el acceso.

Esta landscape de amenazas se expande rápidamente. Con proyecciones de más de mil millones de agentes en entornos empresariales para 2028, las organizaciones están implementando estas herramientas más rápido de lo que cualquier revisión manual podría acompañar. A medida que los agentes obtienen acceso a sistemas y integraciones de negocio, los enfoques tradicionales para gestionar permisos y accesos ya no son suficientes.

Las plataformas de bajo código y sin código y las plataformas de IA facilitan que cualquiera construya y despliegue agentes autónomos, a menudo sin incorporar seguridad u oversight. Estos agentes pueden heredar acceso real a sistemas y datos de negocio, mientras las organizaciones siguen careciendo de un método consistente para descubrirlos, rastrear sus privilegios y aplicar salvaguardas a lo largo del entorno SaaS.

Incidentes recientes ilustran esta amenaza en evolución. Por ejemplo, Obsidian Security divulgó una vulnerabilidad de ejecución remota de código con un clic en Flowise (CVE-2026-40933), una plataforma de código abierto para construir agentes IA y flujos de trabajo de LLM con más de 52,000 estrellas en GitHub. La investigación mostró que un atacante podría comprometer completamente un servidor persuadiendo a un usuario autorizado para importar un flujo de chat malicioso. El riesgo resulta de una combinación de varios factores: un usuario de confianza que importa un flujo compartido, permisos que permiten configuraciones MCP personalizadas, la capacidad de iniciar procesos externos y el acceso a credenciales conectadas, API, bases de datos y servicios en la nube. Juntas, estas condiciones crean un camino hacia un compromiso total del entorno.

Las soluciones tradicionales no descubren estas integraciones, no pueden evaluar sus permisos y no ofrecen visibilidad sobre la actividad cruzada entre sistemas conectados. Pero así es como los atacantes están escalando privilegios y moviéndose lateralmente.

El papel de la visibilidad en los ecosistemas SaaS

Para mantener la velocidad de la innovación sin sacrificar la seguridad, los equipos de TI requieren visibilidad de usuarios, aplicaciones, concesiones OAuth y permisos para entender el riesgo a medida que cambia, no después de que ocurra una acción. Deben poder responder preguntas como: “¿Quién aún tiene derechos de administrador en múltiples apps?” o “¿Qué cuentas inactivas aún tienen acceso efectivo?”.

Aquí enfoques como los grafos de conocimiento ofrecen una forma diferente de entender el riesgo SaaS. Un grafo de conocimiento conecta entidades como personas, cuentas, tokens y recursos, mostrando cómo se relacionan entre sí y revelando contextos que podrían pasarse por alto.

En lugar de forzar a cada aplicación SaaS a un modelo de permisos estandarizado, captura cómo interactúan de verdad usuarios, roles, permisos e integraciones entre sistemas, permitiendo a los equipos de seguridad entender quién tiene acceso, a qué puede llegar y cómo se concedió ese acceso.

Con esa base, la seguridad se vuelve adaptable en lugar de restrictiva. Integraciones de alto riesgo o inusuales pueden ser marcadas o restringidas automáticamente según factores como comportamiento del agente o patrones de acceso, mientras que la actividad confiable puede avanzar con mínimo fricción. Esto permite a los equipos de TI mantener un control sólido del entorno SaaS sin frenar la actividad legítima de negocio.

Las integraciones OAuth y de API hacen aún más importante esta visibilidad. Pueden acceder a grandes cantidades de datos y conectarse directamente a sistemas críticos, a menudo sin el mismo nivel de supervisión que se aplica a los usuarios humanos. Herramientas tradicionales como SIEM y CASB pueden tener dificultades para capturar este riesgo porque fueron diseñadas principalmente en torno a la actividad humana y a eventos de seguridad.

Pero el riesgo SaaS vive cada vez más en las relaciones entre usuarios, aplicaciones, permisos e integraciones. Una cuenta administrativa inactiva puede parecer inofensiva hasta que se conecte a una integración OAuth con privilegios excesivos o a un flujo de IA que herede permisos innecesarios.

El futuro de la seguridad SaaS no se definirá por acumular más alertas o desplegar más soluciones puntuales. Se definirá por proporcionar evidencias sobre dónde se requieren salvaguardas, quién tiene acceso, a qué pueden llegar, cómo se concedió ese acceso y cómo cambian esas relaciones con el tiempo. En última instancia, los líderes que conviertan esta visibilidad en un control informado estarán mejor posicionados para aprovechar la innovación SaaS y IA para el negocio.

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

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

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