En la intersección entre la ciencia planetaria y la oceanografía se abre a diario un nuevo capítulo de descubrimientos. Un equipo internacional de investigadores ha adaptado un algoritmo originalmente diseñado para estudiar cráteres en Marte y ha aplicado su metodología a imágenes submarinas de alta resolución. El resultado es sorprendente: se identificaron 73 posibles calderas submarinas que hasta ahora habían pasado inadvertidas en fondos oceánicos de diversas regiones del mundo. Este hallazgo no solo amplía nuestro inventario de formaciones geológicas submarinas, sino que también ofrece pistas valiosas sobre la dinámica geológica pasada y presente de la Tierra.
La idea central detrás del trabajo es la transferencia de conocimiento entre dominios: un modelo entrenado para reconocer estructuras circulares y anillos de gran escala en el terreno marciano se ajustó para detectar rasgos submarinos complejos, que suelen presentar contornos suaves y variaciones de iluminación causadas por la claridad del agua, la sedimentación y la rugosidad del fondo. A diferencia de las imágenes de superficie en Marte, las imágenes submarinas deben lidiar con iluminación difusa, efectos de reverberación y una mayor diversidad de materiales, lo que obligó a una recalibración cuidadosa de los umbrales de detección y a la incorporación de modelos de profundidad y texturas submarinas.
Entre las 73 candidatas, varias presentan características consistentes con las calderas sedimentarias: perímetros bien definidos, fondos relativamente planos y una marcada ausencia de corrientes que podrían desfigurar la estructura, así como anillos concéntricos que sugieren procesos de subsidencia y colapso progresivo. La confirmación definitiva de estas estructuras requerirá campañas de muestreo y exploración por fuera de la cobertura de imágenes, pero el conjunto de indicadores visuales y geométricos ya ofrece un marco sólido para priorizar futuras investigaciones.
Este progreso subraya dos tendencias clave en la ciencia de datos y la geociencia: la versatilidad de los modelos y la importancia de la validación interdisciplinaria. La adaptabilidad de algoritmos entre contextos tan distintos como la superficie de Marte y el fondo oceánico abre posibilidades para identificar características geológicas ocultas en otros entornos, desde volcanes submarinos hasta estructuras antiguas de criógeno y zonas de hidrotermia. Al mismo tiempo, refuerza la necesidad de una evaluación rigurosa y de etapas de verificación que integren datos geofísicos, geológicos y biológicos para evitar interpretaciones prematuras.
El hallazgo también invita a reconsiderar la historia tectónica y hydrotermal de nuestro planeta. Las calderas submarinas pueden actuar como focos de ambientes únicos, albergar comunidades microbianas extremas y desempeñar roles clave en la circulación de fluidos hidrotermales, procesos que impactan la química oceánica y la geodinámica regional. Incrementar nuestro conocimiento sobre su distribución geográfica y su evolución temporal podría ayudar a afinar modelos de subsidencia, sedimentación y interacción entre corteza oceánica y litosfera.
De cara al futuro, el equipo de investigación propone una combinación de estrategias: ampliar la base de datos de imágenes submarinas con mayor resolución y diversidad geográfica, incorporar sensores de profundidad y composición para enriquecer las señales detectadas por el algoritmo, y planificar misiones de exploración focalizadas que permitan la toma de muestras y la caracterización geofísica de las zonas candidatas. Además, se contempla la creación de una versión del modelo que pueda adaptarse a diferentes resoluciones de imagen, permitiendo que instituciones con recursos variados se sumen a este esfuerzo colaborativo.
En síntesis, la revelación de 73 posibles calderas submarinas mediante un algoritmo adaptado de estudios marcianos representa un paso significativo en la exploración geológica de la Tierra. Es un recordatorio de que las herramientas desarrolladas para entender otros mundos pueden, a la vez, ampliar nuestro conocimiento de lo que yace bajo las aguas que cubren nuestro propio planeta.
from Wired en Español https://ift.tt/Kk5W3gS
via IFTTT IA
En un mundo donde la tecnología redefine constantemente las reglas del juego, dos de los nombres más reconocibles del fútbol profesional han tomado una salida estratégica que va más allá del terreno de juego. Lionel Messi y Cristiano Ronaldo están moviendo sus fichas hacia áreas de alta demanda en innovación: la inteligencia artificial, la tecnología sanitaria y el ecosistema de startups. Este movimiento no solo refleja una diversificación de intereses, sino también una visión de futuro donde el deporte, la ciencia y los negocios convergen para crear impacto sostenible.
La inteligencia artificial (IA) se presenta como uno de los ejes centrales de su apuesta. En el ámbito deportivo, la IA ya está transformando la forma en que se analizan los datos, se optimizan los entrenamientos y se personalizan los planes de rendimiento. Pero la influencia de la IA va mucho más allá del análisis de métricas de juego. En la vida cotidiana y en los negocios, las soluciones basadas en IA permiten automatizar procesos, mejorar la toma de decisiones y acelerar la innovación. Al invertir o colaborar con proyectos centrados en IA, Messi y Ronaldo buscan situarse en la vanguardia de una tecnología que promete redefinir industrias enteras, incluida la salud y el deporte élite.
La tecnología sanitaria es otro pilar estratégico. La salud personalizada, la telemedicina, la monitorización remota y las soluciones de diagnóstico temprano están ganando terreno rápidamente gracias a avances en sensores, datos en tiempo real y aprendizaje automático. El interés de estas figuras globales en este sector refleja no solo un compromiso con la salud y el bienestar, sino también una evidencia de que la inversión en tecnología sanitaria puede generar beneficios sociales significativos y rendimientos sostenibles. A través de asociaciones con startups y fondos especializados, buscan impulsar innovaciones que mejoren la calidad de vida de las personas, desde la prevención de lesiones hasta la gestión de enfermedades crónicas.
Las startups tecnológicas ofrecen un marco dinámico para experimentar, validar ideas y escalar soluciones con impacto real. Ellos entienden que el ecosistema emprendedor aporta agilidad, talento y una mentalidad de crecimiento que se complementa con la experiencia y la visibilidad que poseen como atletas de élite. Las colaboraciones con incubadoras, aceleradoras y firmas de venture capital permiten canalizar conocimiento técnico y capital estratégico hacia proyectos de IA y tecnología sanitaria, creando un puente entre el mundo del deporte y el ecosistema de innovación.
Este enfoque multifacético también envía una señal a la industria: el liderazgo no se limita al rendimiento en campo, sino que se expande hacia la responsabilidad social, la innovación tecnológica y la gestión de marca. Al apoyar iniciativas de IA y salud, Messi y Ronaldo fortalecen su legado como figuras que inspiran a nuevas generaciones a soñar con soluciones tecnológicas que mejoren la vida de las personas, al tiempo que generan valor para accionistas, pacientes y aficionados.
En resumen, la trayectoria de Messi y Ronaldo en IA, tecnología sanitaria y startups ilustra una estrategia de diversificación que aprovecha su influencia global para acelerar proyectos con potencial disruptivo. A medida que estas áreas avanzan, sus esfuerzos podrían convertirlos en catalizadores de cambio no solo dentro del deporte, sino también en sectores donde la innovación tecnológica está redefiniendo lo posible.
from Wired en Español https://ift.tt/iDjsaZL
via IFTTT IA
Cuando se trata de cargar sobre la marcha, el Anker Laptop Power Bank es, sin duda, una opción que eleva las expectativas. En el verano, poder trabajar con tu portátil incluso desde la playa suena a ciencia ficción; con este equipo, podría convertirse en realidad para muchos usuarios que exigen potencia y fiabilidad en un único dispositivo.
Este no es un cargador portátil cualquiera. Con una batería de 25,000 mAh y tres puertos USB-C que entregan hasta 100 W cada uno, es capaz de alimentar laptops de mayor tamaño y mantener en funcionamiento varios dispositivos a la vez. En el Reino Unido está actualmente rebajado a £75 (de £90) en Amazon, lo que añade un valor notable frente a sus especificaciones afirmadas.
Nuestra revisión destacó que, si bien no es el más fácil de transportar por su tamaño, la relación entre prestaciones y calidad de construcción lo convierte en una compra muy atractiva para usuarios avanzados que viajan con equipos potentes. Un punto a favor: incluye dos cables retráctiles integrados, lo que elimina la preocupación de llevar cables sueltos.
Hoy, la oferta principal de cargadores portátiles de Anker en la actualidad presenta este modelo con una batería de 25,000 mAh y tres puertos USB-C de 100 W cada uno, permitiendo cargar de forma rápida un MacBook Pro, un ultrabook con Windows o un teléfono de alta gama simultáneamente. La salida total alcanza 165 W cuando todos los puertos están en uso. Los cables USB-C retráctiles integrados evitan la necesidad de llevar cables extra para el uso cotidiano.
En el Reino Unido, el dispositivo se muestra como: now £75 (was £90). La revisión de TechRadar le otorgó una insignia de Recomendado y señaló: “Si eres un usuario intensivo que viaja con dispositivos grandes, probablemente no te decepcionarás con el Anker Laptop Power Bank como compañero.”
El valor de 165 W de potencia total es el aspecto más destacado, y justifica su presencia en la caja. La mayoría de cargadores portátiles orientados a usuarios de laptops alcanzan entre 65 y 87 W en su puerto de mayor salida; esto es suficiente para ultrabooks, pero puede dejar rezagadas laptops más potentes. Con 100 W por puerto, este modelo gestiona desde un MacBook Pro M4 hasta un ThinkPad T16 a velocidad de carga completa, sin el estrangulamiento por compartir puertos que afecta a modelos de menor rango.
Las clavijas retráctiles son la característica que cambia la forma en que se utiliza realmente el producto. Un cable USB-C dedicado ya está conectado y tiene la longitud adecuada; no se pierde ni se enreda en la bolsa. Este detalle, junto con la ausencia de cables extra, representa una mejora de experiencia para viajes largos.
Con 25,000 mAh, la capacidad se traduce en usos prácticos: un MacBook Pro de 15 pulgadas con batería de 70 Wh puede recargarse casi dos veces; un portátil con batería de 50 Wh puede hacerlo aproximadamente dos veces y media. Un teléfono con batería de 4500 mAh puede cargarse unas cuatro veces. En un viaje de negocios de dos días o durante un vuelo transoceánico, la expectativa realista es mantener la laptop y el teléfono cargados sin depender de una toma de corriente a mitad de camino.
La certificación para vuelos es relevante para viajeros frecuentes. Las autoridades de aviación, como la FAA, limitan los power banks a 100 Wh para el equipaje de mano; este modelo se mantiene dentro de ese límite, evitando confiscaciones en seguridad. Anker imprime claramente la información de cumplimiento en la unidad, un detalle práctico cuando se responde a agentes de seguridad a primeras horas de la mañana.
El sistema de monitorización de temperatura ActiveShield 2.0 de Anker es otro elemento a considerar para quien planea mantener el dispositivo enchufado durante la noche o durante un vuelo. El sistema analiza la temperatura interna más de 3 millones de veces al día y ajusta dinámicamente los parámetros de carga para mantener la batería y los dispositivos conectados dentro de límites térmicos seguros. Esto es parte de por qué Anker ha mantenido una reputación de fiabilidad en comparación con competidores de menor coste a lo largo de años de pruebas.
– US: Shop all portable power banks at Amazon
– UK: See all power banks at Amazon.co.uk
En la reseña de TechRadar, se le otorgó una recomendación y se destacó su capacidad para enfrentar cargas pesadas sin comprometer la velocidad de carga. La promesa de salida de 165 W total y la ausencia de degradación por compartir carga entre puertos lo sitúan por encima de muchas alternativas del mercado.
Si buscas una solución que combine rendimiento, practicidad y seguridad para cargar varios dispositivos en movimiento, este power bank de Anker se presenta como una opción sólida para viajeros, profesionales y entusiastas de la tecnología que requieren eficiencia sin compromisos.
En el contexto del lanzamiento del modelo Muse Image de Meta, surge una cuestión relevante para usuarios de Instagram que manejan cuentas públicas: la necesidad de desactivar ciertas funciones para bloquear la generación de contenido mediante IA a partir de sus publicaciones. Este movimiento no solo afecta la manera en que se comparte y se reutiliza el material visual, sino que también plantea preguntas sobre la propiedad intelectual, la privacidad y el control sobre el propio contenido.
Para quien administra una cuenta pública, el principal objetivo es preservar la integridad y el uso autorizado de las imágenes y videos publicados. Al desactivar la función de generación de contenido basada en IA a partir de publicaciones propias, se establece una barrera que impide que algoritmos de IA analicen y utilicen dichas publicaciones como base para crear material derivado sin consentimiento explícito. Este tipo de control puede resultar especialmente relevante para creadores, marcas y figuras públicas que buscan mantener un estándar de uso autorizado y evitar posibles usos no deseados de su contenido.
A continuación, se presentan consideraciones clave para usuarios que evalúan activar esta protección:
– Enfoque proactivo sobre la propiedad del contenido: desactivar la función de IA refuerza la idea de que las publicaciones son recursos de valor con derechos asociados, limitando su explotación automatizada por sistemas externos.
– Privacidad y manejo de datos: al reducir la disponibilidad de datos para procesos de IA, se mitiga el riesgo de extracción masiva de información visual que podría derivar en perfiles o campañas no deseadas.
– Impacto en creadores y colaboraciones: para quienes trabajan con equipos creativos o socios, la desactivación puede requerir acuerdos claros sobre el uso de material en campañas que involucren generación de contenido por IA.
– Consideraciones técnicas: revisar la configuración de la cuenta en la sección de privacidad y seguridad, verificar las opciones relacionadas con IA y contenido generado, y entender qué datos específicos quedan protegidos.
– Libertad de expresión y alcance: algunos usuarios pueden preocuparse por la visibilidad de su contenido si ciertos usos automatizados se restringen; es importante equilibrar la protección de derechos con la fluidez de la exposición pública.
Si decides activar esta protección, te sugerimos seguir estos pasos generales (ten en cuenta que la interfaz puede variar con actualizaciones de la plataforma):
– Accede a la configuración de tu cuenta pública y busca la sección de privacidad o seguridad.
– Localiza la opción relacionada con la generación de contenido por IA a partir de tus publicaciones.
– Desactívala o ajusta las preferencias para restringir el uso automatizado de tu material por sistemas de IA.
– Revisa regularmente las actualizaciones de políticas de Meta y las nuevas herramientas de control de datos que puedan implementarse.
En un entorno digital en rápida evolución, el control sobre cómo se reutiliza el contenido personal es un componente crucial de la gestión de marca y reputación online. Si bien la desactivación de funciones de IA puede requerir un compromiso adicional por parte del usuario, también ofrece una vía clara para definir límites y garantizar que el material que compartes se mantenga dentro de los términos y fines que consideras apropiados.
Como siempre, es recomendable acompañar estas configuraciones con una revisión periódica de tus publicaciones públicas, el reconocimiento de posibles usos no autorizados y, cuando corresponda, la consulta con asesores legales especializados en propiedad intelectual y derechos digitales.
from Wired en Español https://ift.tt/MQUEYqN
via IFTTT IA
En los últimos meses, Sonos ha dejado de centrarse únicamente en corregir fallos técnicos de su aplicación para avanzar hacia una experiencia más fluida y personalizable. Con una navegación nueva y, en paralelo, la introducción de algunas funciones útiles orientadas a la red, la empresa parece abrirse a colaboraciones y mejoras impulsadas por la comunidad. Sin embargo, muchas de estas innovaciones siguen siendo experiencias de acceso limitado, presentadas a través de pruebas con invitación y proyectos en desarrollo.
Ante la espera de características muy solicitadas por los usuarios —como la posibilidad de añadir altavoces de canal frontal para el sonido envolvente— varios integrantes de la comunidad han decidido crear alternativas propias que amplían las capacidades del ecosistema Sonos.
Ya hemos explorado algunas de estas iniciativas en artículos anteriores, y la lista de opciones disponibles continúa creciendo, con proyectos que explotan distintas vías para mejorar la experiencia Sonos sin depender exclusivamente del software oficial.
Más aplicaciones para Sonos de las que puedes agitar una barra de sonido
Una de las propuestas más destacadas es Somos InControl, a menudo descrita por sus creadores como “la aplicación que Sonos debería haber desarrollado”. Este proyecto funciona como un control remoto para dispositivos de cine en casa con ecualización personalizada, perfiles de sonido guardables y funciones de música, incluido el ajuste de altura de sonido para configuraciones envolventes.
Entre sus atractivos se cuenta la posibilidad de añadir altavoces frontales izquierdo y derecho y la capacidad de guardar diferentes configuraciones de EQ para distintos escenarios (por ejemplo, 5.1 frente a Dolby Atmos o para música). Aunque se encuentra en una versión de prueba para iOS a través de TestFlight, su presentación promete ser impactante para usuarios avanzados que buscan personalización profunda.
Otra propuesta notable es Moosic, una aplicación de servidor de música autoalojado que ofrece una alternativa al ajuste de habitación de Trueplay, con la posibilidad de visualizar gráficos de corrección de sala y opciones de personalización para el afinado. Además, permite reconfigurar el sistema Sonos (por ejemplo, pasar de usar Era 300 como altavoces traseros a usarlos como altavoces estéreo para música) manteniendo perfiles de ajuste de sala distintos para cada configuración. Esto llega como una solución atractiva para quienes encuentran limitaciones en Trueplay.
Un debate frecuente entre usuarios es por qué no utilizar TruePlay de forma más flexible. Un creador, AffectionateFox5907, explica que Sonos no ofrece una forma fluida de cambiar entre configuraciones para cine y música. Su aplicación soluciona ese “vacío” al costo de perder Trueplay en ciertos escenarios. En este sentido, la comunidad está dispuesta a sacrificar algunas características oficiales para obtener la versatilidad que requieren sus entornos de escucha.
Entre las desventajas de las herramientas de terceros, destaca que el uso de estas apps para añadir sustituciones de frontales suele deshabilitar Trueplay. Aun así, para usuarios que buscan salirse de las líneas tradicionales de Sonos, estas soluciones representan una clara ganancia.
Otra utilidad atractiva es Kyuu (pronunciado “queue”), un controlador de Sonos para iOS que aprovecha UPnP para gestionar archivos locales, una función que la app oficial de Sonos no siempre cubre. Kyuu opera con un servidor local ligero que maneja el descubrimiento de altavoces mediante SSDP, supervisa el estado de reproducción y envía comandos directamente a los altavoces. La app se comunica con ese servidor a través de la LAN, sin necesidad de cuentas en la nube ni dependencias externas.
En conjunto, estas iniciativas muestran una tendencia clara: los usuarios buscan soluciones que les permitan un mayor control y personalización del ecosistema Sonos, sin depender exclusivamente de las rutas oficiales. Aunque algunas herramientas están en fases de prueba o requieren acceso limitado, su existencia subraya la demanda de una experiencia más abierta y adaptable a realidades de red y preferencia individual.
Para quienes estén interesados en explorar estas alternativas, conviene revisar las fuentes y comunidades relacionadas, entender las implicaciones de cada modificación (como la posible desactivación de Trueplay) y considerar las implicaciones de compatibilidad con el hardware existente. La innovación comunitaria continúa expandiendo las fronteras de lo que es posible dentro de la familia Sonos.
En este momento, una persona podría estar preguntando a ChatGPT por el mejor café cercano. La respuesta llega en cuatro segundos y nombra tres cafeterías. ¿Qué pasa si una de ellas no es la tuya?
Ese es el problema que voy a abordar aquí. Sin recurrir a trucos o a un tablero de $500 al mes que abrirás dos veces. En su lugar, algo que funciona con un sistema que puedes gestionar desde una hoja de cálculo.
He pasado mucho tiempo observando a pequeños negocios manejar la IA para búsqueda como muchos de nosotros manejamos las membresías de gimnasio. Te inscribes en enero, te sientes genial durante una semana, y luego no vuelves a iniciar sesión. Verás, la herramienta nunca fue el problema. El plan sí lo fue.
HubSpot AEO te ofrece visibilidad, seguimiento de la competencia, análisis de citaciones y recomendaciones priorizadas a través de ChatGPT, Perplexity y Gemini, todo en un solo lugar.
Es una de las formas más rápidas de entender dónde aparece tu marca en respuestas generadas por IA y qué hacer al respecto.
AEO significa Answer Engine Optimization (Optimización del Motor de Respuestas). Es la práctica de hacer que tu negocio aparezca cuando las personas hacen preguntas a herramientas de IA como ChatGPT, Claude, Perplexity, Gemini y los Resúmenes de IA de Google.
Antes de que la IA fuera popular, buscabas una consulta en Google y encontrabas múltiples resultados, incluidos anuncios, fragmentos destacados, blogs, etc.
Pero ahora, la mayoría de las personas hacen una pregunta a la IA y obtienen una respuesta instantánea. Tres nombres, tal vez cuatro. Un párrafo corto, y listo.
Si tú y tu negocio estáis en ese grupo, tienes una oportunidad. Si no, no existes.
Y el cambio ya está aquí. Google ahora coloca respuestas generadas por IA por encima de resultados tradicionales. Millones de personas piden recomendaciones a ChatGPT como lo harían con un amigo, y tus clientes están entre ellos.
El error que comete casi todo el mundo
Los dueños de negocios oyen hablar de AEO y preguntan lo mismo:
“¿Qué herramienta de AEO debería comprar?”
Respuesta equivocada. Es como preguntar qué báscula comprar antes de cambiar cualquier cosa en la dieta. La balanza solo dirá las mismas malas noticias con más decimales.
Una herramienta de AEO no te da citación. Muestra dónde eres invisible. Es un diagnóstico; el tratamiento es el trabajo que haces fuera de la herramienta, y la mayor parte de ese trabajo es gratis.
Así que, antes de comprar cualquier cosa, construye el sistema en el que la herramienta debe encajar.
El marco de cuatro capas
(Image credit: Future)
Cualquier negocio pequeño, ya sea una cafetería, un taller mecánico, una lavadora de autos o un producto SaaS, debería pensar en la visibilidad de IA en cuatro capas.
Capa 1: ¿Qué están preguntando realmente las personas?
Comienza con las preguntas que tu público objetivo realmente hace. lo que la gente escribe a las 9 de la noche cuando necesita algo.
Si gestionas una cafetería:
Si gestionas un taller mecánico:
Si gestionas una lavadora de autos:
Si gestionas un producto SaaS:
mejor café cerca de Bleecker Street
mejor mecánico cerca de mí
lavado de espuma cerca de mí
mejor herramienta de facturación para pequeños negocios
cafetería asequible cerca de NYU
reparación de coche fiable en Queens
lavado de coches a domicilio en Nueva York
CRM asequible para freelancers
cafetería para cumpleaños en West Village
reparación de AC de coche cerca
detallado de coches a domicilio
alternativa a hojas de cálculo para gestión de clientes
cafetería apta para trabajar con Wi-Fi en Manhattan
servicio de frenos asequible en Brooklyn
recubrimiento cerámico en Queens
alternativa a hojas para gestión de proyectos
Capa 2: ¿A quién menciona la IA ahora mismo?
Aquí es donde comienza el rastreo, y no necesitas software aún. Abre ChatGPT. Abre Perplexity. Haz tus 20 preguntas. Escribe lo que te devuelve.
Rastrea cinco cosas para cada pregunta:
Pregunta
¿Somos mencionados?
¿Quién es mencionado?
¿Por qué ellos?
¿Qué fuentes se citan?
Mejor café cerca de Bleecker Street
No
Competidor A, B
Más reseñas, más listados
Mapas, plataformas de reseñas, blogs
Café de cumpleaños West Village
No
Competidor C
Fotos de decoración de cumpleaños por todas partes
Instagram, blogs locales
CAFÉ asequible cerca de NYU
Quizá
Tú + otros dos
Precios del menú visibles en línea
Reseñas, páginas del menú
Hazlo semanalmente. Mismas preguntas, mismo día, cada semana. Toma 30 minutos, y te enseñará más sobre tu mercado que cualquier webinar.
(Image credit: Future)
Capa 3: Encontrar la brecha de fuentes
La IA no recomienda negocios de la nada. Busca pruebas. Y la prueba para un negocio local vive en lugares aburridos.
Vive en tu Perfil de Google Business. En tus reseñas, y no solo en el conteo y la puntuación, sino en lo que la gente realmente dice. En tus fotos, tu página de menú o servicio, y los directorios locales que te listan. Vive en artículos y listados que mencionan tu negocio, en tu presencia en redes y en discusiones comunitarias de tu zona.
Google mismo dice que la visibilidad local se reduce a relevancia, distancia y prominencia. Y la prominencia se construye con enlaces, artículos, directorios, conteo de reseñas y puntuaciones. Los sistemas de IA se basan en las mismas señales.
Así que cuando tu competidor es mencionado y tú no, la razón rara vez es misteriosa. Tu información comercial está incompleta o desactualizada en algún lugar. No tienes suficientes reseñas. Tu sitio web no responde preguntas específicas, o tus fotos no muestran la experiencia.
Quizá nadie más en internet está hablando de ti todavía. O estás persiguiendo una consulta demasiado amplia para donde estás ahora.
Capa 4: Convertir el rastreo en acción
Aquí es donde la mayoría de las empresas abandonan. Rastrean menciones de IA, se emocionan por dos días, capturan una imagen, la envían al chat familiar y luego no hacen nada.
Rastrear sin acción es un pasatiempo. Un flujo de AEO bien diseñado termina cada semana con una lista corta de acciones. Cosas como:
“Crear una página de cumpleaños en la web”
“Agregar precios al menú en línea”
“Conseguir 30 reseñas más este mes”
“Listarse en tres directorios locales”
“Invitar a cinco creadores locales de comida a visitar”
“Arreglar el teléfono; aparece diferente en dos plataformas”
Pequeño, aburrido y súper específico. Eso mueve la aguja. Y sí, verifiqué: la aguja existe. Es tu recuento de reseñas.
No persigas la gran consulta primero
Desvío rápido, porque este error les cuesta meses a muchos.
Si gestionas una cafetería en Greenwich Village, no comiences apuntando a “la mejor cafetería de Nueva York”. Esa consulta pertenece a nombres famosos con miles de reseñas y una década de prensa. Perderás esa batalla, y la perderás lentamente.
Apunta a cosas más estrechas:
“mejor cafetería cerca de Bleecker Street”
“cafetería con wifi cerca de NYU”
“cafetería para cumpleaños en West Village”
“cafetería asequible en Greenwich Village”
Las consultas estrechas tienen menos competencia y mayor intención. Quien pregunta “cafetería cerca de Bleecker Street con wifi” está más cerca de cruzar tu puerta que quien pregunta “la mejor cafetería de Nueva York” para un listado que revisan en el metro.
Posee la calle primero. Luego el vecindario. Después, tal vez, ¡la ciudad!
¿Qué puede hacer una herramienta de AEO por ti?
Bien. Supón que ya has usado el sistema manual durante un par de meses. Tus listados están arreglados, tus reseñas suben, y revisar 20 preguntas a mano cada semana ya cansa. Ahora tiene sentido usar una herramienta.
Aquí están las siete funciones que debería tener una herramienta de AEO para pequeñas empresas. Si una herramienta no cubre la mayoría de estas, guarda tu dinero.
1. Seguimiento de prompts
(Image credit: Future)
Debe rastrear las preguntas que realmente hacen tus clientes. Prompts de comprador real como “¿dónde puedo reparar el AC del coche cerca de mí?”, no prompts de vanidad como “¿mi negocio es el mejor?”. (La respuesta a este último es siempre decepcionante.)
2. Visibilidad de la competencia
Debe mostrar qué competidores aparecen con frecuencia. Si los mismos tres nombres aparecen para cada pregunta, esos tres nombres se convierten en tu tarea. Estudia sus reseñas, sus fotos, sus páginas y sus listados.
3. Seguimiento de citaciones y fuentes
La herramienta debe mostrar de dónde provienen las respuestas de IA. Plataformas de reseñas, directorios, artículos, mapas, perfiles sociales. Luego tu trabajo es simple:
Haz que tu marca aparezca en esas fuentes.
4. Seguimiento de sentimiento
Solo ser mencionado ya no es suficiente. Debes entender cómo se percibe tu marca en línea. Aquí lo que quiero decir:
Una mención buena: “Cafetería asequible cerca de Bleecker Street, conocida por su café, snacks y ambiente casual.”
Una mención débil: “Una cafetería ubicada en Greenwich Village.”
Una mala mención: “Reseñas mixtas sobre servicio y calidad de comida.”
La misma empresa, tres resultados muy diferentes para quien lee. La herramienta debe decirte cuál obtienes.
5. Análisis de brechas
Debe mostrar qué tienen los competidores que tú no tienes. Algo como:
Competidor tiene
Tú tienes
500 reseñas
80 reseñas
Menú indexado en línea
Menú solo en Instagram
Fotos de cumpleaños
Sin fotos de eventos
Menciones en blogs
0 menciones de terceros
Una página para cada servicio
Una página genérica
Esa tabla no es deprimente. Es una lista de tareas disfrazada.
6. Informes semanales que terminen en acciones
Prompts rastreados. Menciones ganadas o perdidas. Competidores que aparecen. Fuentes citadas. Brechas encontradas. Las próximas cinco acciones.
Si el informe no indica qué hacer a continuación, es realmente un salvapantallas con costo de suscripción.
La opción de AEO de bajo costo
Permítanme condensar todo el sistema en un solo lugar. Esto es lo que entregaría a cualquier dueño de negocio mañana mismo.
Elige tus 20 prompts clave: las preguntas que los clientes hacen justo antes de gastar dinero.
Ejecuta semanalmente: ChatGPT, Perplexity, y Resúmenes de IA de Google. Registra quién es mencionado, qué fuentes aparecen, cómo te describen.
Repara primero lo que posees: sitio web, listado comercial, menú, fotos, FAQs, horarios, dirección, teléfono. La guía de Google para aparecer en características de IA es casi demasiado básica: páginas rastreables, contenido importante en forma de texto, datos estructurados que coincidan con lo visible, información comercial actualizada. Básico. Y aun así, la mayoría de los pequeños negocios falla en ello.
Construye validación de terceros: la IA confía en la repetición a través de fuentes independientes. Blogs locales, directorios, plataformas de reseñas, videos de creadores, menciones comunitarias. Para SaaS, eso son páginas de comparación, sitios de reseñas, historias de clientes y directorios de integraciones. Cuantas más fuentes digan lo mismo, más fácil será recomendarte.
Revisa el progreso cada 30 días: ¿Menciones subidas? ¿Descripciones mejoradas? ¿Brechas cerradas? Ajusta y repite.
Compra una herramienta solo cuando el sistema manual te duele: Más sobre eso ahora.
Cuándo comprar una herramienta de AEO
Compra una cuando la hoja de cálculo comience a gruñir. Si rastreas más de 20 o 30 prompts, gestionas múltiples ubicaciones o un equipo necesita informes semanales, el chequeo manual deja de ser económico. Se vuelve lento.
También tiene sentido cuando quieres historial. Tendencias de citaciones a lo largo del tiempo, cambios de sentimiento, menciones ganadas y perdidas mes a mes. Una hoja de cálculo te muestra el día de hoy. Una herramienta te muestra la película.
Y si ya produces contenido y recoges reseñas cada semana, una herramienta ayuda a mantener el ritmo de datos con el trabajo. En esa etapa, no estás comprando insight. Estás comprando velocidad.
Y por el otro lado. No compres una si tu sitio web está incompleto, tu listado comercial está a medio llenar, o tu recuento de reseñas es vergonzoso. Lo mismo si tus fotos parecen tomadas durante un terremoto, o si nadie en Internet está hablando de ti todavía.
Y definitivamente no compres una esperando que “te citarán” por sí sola. No lo hará. Una herramienta apuntada a un negocio sin pruebas producirá un informe hermoso que diga “eres invisible” en catorce formatos de gráfico diferentes. Ya lo sabías. Guarda el dinero, haz el trabajo y luego compra la herramienta para escalarlo.
El juego completo en una sola pregunta
Las pequeñas empresas siguen preguntando “¿qué herramienta de AEO debería comprar?” cuando la pregunta que realmente importa es esta:
¿Cuáles son las 20 preguntas que mis clientes hacen antes de comprar, y demuestra Internet que soy una buena respuesta?
Responde a eso con honestidad y todo lo demás encajará. Los listados, las reseñas, las páginas, las fotos, las menciones. AEO no es un canal de marketing separado. Es una auditoría de visibilidad para la era de IA, y la auditoría solo es útil si actúas sobre ella.
Recuerda a esa persona que pregunta a ChatGPT por el mejor café cerca de Bleecker Street. Es probable que pregunte de nuevo el mes que viene. Y al mes siguiente.
Si tu nombre aparece o no, es una decisión que tomas esta semana. Abre una hoja de cálculo. Escribe tus 20 prompts. Comienza a preguntar.
Preguntas frecuentes
¿Cuánto tiempo tarda en aparecer en las respuestas de IA?
Espera de 60 a 90 días para consultas estrechas y locales, y más tiempo para las competitivas. Las respuestas de IA se apoyan en reseñas, listados y menciones de terceros, y esas señales requieren tiempo para construirse. Los negocios que más rápido obtienen resultados son los que arreglan sus listados y obtienen reseñas cada semana, no los que revisan prompts a diario esperando cambios.
¿AEO es diferente de SEO?
Se superponen, pero no son lo mismo. SEO te posiciona en una lista de enlaces. AEO te nombra dentro de una respuesta. Las bases son compartidas: buenas páginas, información comercial precisa, reseñas sólidas. La diferencia está en la meta final. En SEO, una cuarta posición aún obtiene clics. En una respuesta de IA, no hay cuarta posición.
¿Qué plataforma de IA debería priorizar primero?
Comienza con ChatGPT y los Resúmenes de IA de Google, porque ahí es donde ya están tus clientes. Añade Perplexity a tu rastreo semanal ya que muestra sus fuentes abiertamente, lo que facilita aprender de ella. No necesitas perseguir todas las plataformas. Comparten señales similares, así que arreglar tu prueba una vez mejora tus probabilidades en todas.
¿Puedo pedir a los clientes que mencionen palabras clave en sus reseñas?
No, pedir a las personas que metan frases en reseñas se lee como falso tanto para plataformas como para humanos. Pide reseñas honestas. Si tus configuraciones de cumpleaños son realmente buenas, la gente las mencionará por sí sola. Tu trabajo es hacer que la experiencia valga la pena describir, y luego convertir ese pedido de reseña en un hábito.
La IA mencionó mi negocio, pero la información era incorrecta. ¿Qué hago?
Arregla las fuentes, no la IA. Horarios incorrectos, menú desactualizado, teléfono mal en una respuesta de IA suelen deberse a un listado desactualizado o a un artículo antiguo. Encuentra la fuente citada, corrígela allí y actualiza tu propio sitio y perfil comercial. Las respuestas de IA se actualizan desde la web, así que fuentes limpias significan respuestas limpias.
¿Cuánto debería gastar una pequeña empresa en una herramienta de AEO?
Al inicio, nada. El sistema manual en este artículo cuesta 30 minutos a la semana. Cuando superas esa etapa, las herramientas de nivel básico cuestan aproximadamente lo mismo que un plan de teléfono decente al mes, y eso es suficiente para un negocio de una sola ubicación. Si una página de ventas te cita precios empresariales para rastrear 20 prompts, cierra la pestaña.
Microsoft ha presentado una nueva función de recuperación de Windows 11 que instala una versión completa de Windows directamente desde servidores en la nube, sin necesidad de soportes de instalación tradicionales. Este avance está diseñado para funcionar incluso cuando la PC se ha dañado, proporcionando una instalación completamente limpia.
A diferencia de las herramientas de restablecimiento existentes, que pueden depender de archivos locales de Windows y fallar si estos están dañados o ausentes, Cloud Rebuild ofrece una solución más integral que apunta a superar estas limitaciones, incluso en escenarios en los que el sistema no arranca.
Cloud Rebuild, pensado para operar incluso cuando Windows no arranca, incluye desde la imagen más reciente compatible de Windows hasta controladores específicos del dispositivo, lo que evita a los usuarios la tarea de descargar controladores desde los sitios de los fabricantes. En cuanto a la experiencia de usuario, elimina la necesidad de configurar unidades USB booteables y de gestionar archivos ISO complejos.
La actualización está disponible actualmente como una vista previa para Windows 11 Insider, y Microsoft tiene planes de ampliar su alcance tras las pruebas. En una página de soporte se indica que la iniciación remota desde una solución de gestión de endpoints empresariales, como Microsoft Intune, estará disponible en una próxima versión. Sin embargo, al tratarse de un producto en vista previa, Microsoft advierte que algunas funciones, experiencias de usuario y opciones de línea de comandos pueden cambiar antes de su disponibilidad general.
Aunque los dos sistemas operativos funcionan de forma diferente (Apple controla hardware y software en un ecosistema cerrado con un panorama de controladores distinto), Cloud Rebuild acerca Windows a un modelo de recuperación y una experiencia de usuario similar a las soluciones que macOS ha ofrecido desde Internet Recovery (lanzada en 2011).
Microsoft aún no ha proporcionado una fecha específica para el lanzamiento completo de Cloud Rebuild. Este recurso representa un paso significativo hacia una recuperación de Windows más resiliente y simplificada, particularmente valiosa para usuarios que enfrentan fallas graves del sistema o pérdidas de archivos críticos.
Nota: La implementación y disponibilidad pueden variar según la región y la edición de Windows 11 Insider que se esté evaluando.
La seguridad de la inteligencia artificial se ha convertido en un eje central para comprender cómo las tecnologías emergentes afectan a la sociedad. Detrás de cada protocolo, cada experimento y cada recomendación, hay historias de investigadores que dedican años a entender los límites y las responsabilidades de estos sistemas. Una de esas historias es la de Joshua Achiam, quien dedicó casi nueve años a la investigación en OpenAI, enfocándose en la seguridad, la gobernanza y el comportamiento de los modelos de IA en escenarios complejos.
Durante su tiempo en OpenAI, Achiam participó en una amplia gama de proyectos que buscaban anticipar fallos, mitigar riesgos y diseñar salvaguardas que permitieran a las IA operar de forma más confiable en entornos del mundo real. Su trabajo abarcó desde el desarrollo de métricas para evaluar respuestas de los modelos hasta la conceptualización de marcos de revisión por pares que promovieran una cultura de seguridad integrada en el ciclo de desarrollo. Este enfoque riguroso y multifacético contribuyó a una línea de defensa proactiva, priorizando la resiliencia frente a posibles abusos y a la creación de mecanismos para la rendición de cuentas.
Una de las anécdotas que subraya el perfil profesional de Achiam ocurrió en el contexto de un juicio de alto perfil entre figuras relevantes del ecosistema tecnológico: la disputa entre Elon Musk y Sam Altman. En ese entorno judicial, la participación de un investigador dedicado a la seguridad de la IA aportó una perspectiva centrada en los riesgos y las salvaguardas necesarias para evitar que las tecnologías avanzadas se utilicen de forma peligrosa o indebida. Su intervención, marcadamente técnica y basada en prácticas de seguridad reconocidas, ofreció un contrapunto sobrio a las discusiones que, a menudo, giran en torno a visiones estratégicas, intereses comerciales y consideraciones regulatorias.
La contribución de Achiam, en su óptica profesional, se centró en explicar complejidades técnicas de manera clara para un público diverso, sin perder el rigor metodológico. En el marco del juicio, su intervención ilustró la necesidad de distinguir entre posibilidades técnicas y riesgos realistas, así como la importancia de establecer criterios verificables para evaluar la seguridad y la gobernanza de sistemas de IA cada vez más potentes. Este enfoque ayudó a enfatizar que la seguridad no es un obstáculo para la innovación, sino un componente esencial que facilita un progreso sostenible.
Más allá del episodio judicial, la trayectoria de Achiam en OpenAI dejó lecciones duraderas para la comunidad tecnológica. Entre ellas destacan la relevancia de estructurar marcos de evaluación de riesgo que trasciendan escenarios aislados, la necesidad de incorporar diversas disciplinas —desde la estadística y la teoría de la decisión hasta la ética y las ciencias de la computación— y la importancia de comunicar hallazgos técnicos de forma accesible para influir en políticas, prácticas de desarrollo y normas de la industria.
En la actualidad, la memoria de estos años de investigación sigue orientando a equipos que buscan asegurar que las herramientas de IA modernas sean confiables, transparentes y sujetas a mecanismos de supervisión adecuados. La historia de Achiam sirve como recordatorio de que la seguridad de la IA no es un capítulo aislado, sino un hilo conductor que unifica investigación, desarrollo y responsabilidad pública en un marco de innovación responsable.
from Wired en Español https://ift.tt/Q5wsqYN
via IFTTT IA
Mucho se discute sobre la IA con capacidad de actúar por nosotros en el comercio, partiendo de una premisa central: que los consumidores terminarán delegando las decisiones de compra por completo a los sistemas de IA.
La visión es clara: un consumidor le indica a un asistente de IA que necesita un abrigo de invierno, unas vacaciones familiares o un portátil de repuesto, y el agente se encarga de todo: desde la selección de productos hasta el pago y el cumplimiento. En este escenario, las interfaces de comercio tradicionales pasan a segundo plano, los marketplaces reducen su influencia y los consumidores ceden progresivamente la toma de decisiones a software que actúa en su nombre.
Subyacente a esta visión hay una asunción de ‘rendición cognitiva’: la idea de que los consumidores serán cada vez más propensos a diferir el juicio a los sistemas de IA en lugar de evaluar opciones por sí mismos.
Si los sistemas de IA pueden identificar de forma fiable los mejores productos, precios y servicios, la argumentación sugiere que los consumidores podrían perder poco valor al hacer su propia investigación o comparación.
La realidad que se observa hasta ahora es más compleja.
Los consumidores adoptan con rapidez la experiencia de compra asistida por IA. Las herramientas generativas ya influyen en cómo las personas descubren productos, comparan opciones y navegan en un entorno de compras digital cada vez más denso.
Pero la adopción no equivale necesariamente a ceder el control. Las señales conductuales tempranas sugieren que, si bien los consumidores utilizan la IA para reducir fricción en el descubrimiento, siguen siendo reacios a externalizar la confianza.
Esa distinción importa porque puede definir, en última instancia, cómo se desarrolla el comercio impulsado por IA.
La IA acelera la comparación, no sustituye el juicio
Investigaciones internacionales recientes con más de 4,000 compradores en Reino Unido, Estados Unidos, Francia y Alemania muestran que los consumidores que utilizan herramientas de compra con IA siguen apoyándose en indicadores tradicionales de confianza antes de realizar una compra.
El precio continúa siendo el factor dominante al evaluar recomendaciones generadas por IA, pero la familiaridad con la marca, las opiniones de clientes y la reputación del marketplace siguen influyendo de forma significativa en la decisión final de compra.
En la práctica, los consumidores parecen usar la IA como una capa de “curaduría acelerada” en lugar de un sustituto del juicio de compra.
Esto es importante porque muchas narrativas iniciales sobre el comercio impulsado por IA sugerían que la IA debilitaría fundamentalmente las estructuras existentes de comercio electrónico. Se esperaba que los agentes autónomos evitaran cada vez más las vitrinas digitales tradicionales, redujeran la importancia de los marketplaces y hicieran menos relevante la lealtad del consumidor.
Hasta ahora, lo contrario podría estar sucediendo.
La IA cambia, sin duda, dónde comienza el descubrimiento de productos. Cada vez más, los consumidores pueden iniciar su viaje de compra a través de interfaces conversacionales en lugar de motores de búsqueda o páginas de inicio de marketplaces. Pero una vez que se muestran los productos, los mecanismos familiares de confianza siguen moldeando el comportamiento. Los consumidores continúan validar las recomendaciones a través de opiniones, vendedores reconocidos, programas de fidelidad y plataformas establecidas antes de comprometerse con la compra.
La investigación respalda este patrón: el 89% de los consumidores afirma que reconocer la marca del vendedor sigue siendo importante al actuar sobre una recomendación de IA, mientras que el 92% dice que las opiniones de clientes influyen en su decisión final. Además, el 68% afirma que solo consideraría comprar a un vendedor no familiar después de revisar opiniones y calificaciones.
Esto crea una visión más evolutiva del comercio con IA de lo que muchos esperaban.
Por qué los marketplaces podrían volverse más importantes, no menos
En lugar de desintermediar a los marketplaces, la IA podría, de hecho, reforzarlos. Los grandes ecosistemas de comercio electrónico ya poseen muchas de las características que los compradores asistidos por IA valoran: infraestructura de reseñas amplia, capacidades sólidas de cumplimiento, protecciones para vendedores y entornos de pago confiables.
Si los consumidores siguen buscando seguridad antes de completar compras, esas fortalezas siguen siendo relevantes.
La comparación con tecnologías anteriores de comercio es ilustrativa. En el comercio social, por ejemplo, se ha convertido en un canal clave de descubrimiento durante la última década, con consumidores que encuentran productos a través de creadores, influencers y feeds algorítmicos. Sin embargo, en la mayoría de los casos, la plataforma social no es el comerciante registrado. La transacción, el cumplimiento, los pagos y el soporte postventa siguen a cargo de minoristas, marketplaces y sus proveedores de pago. El descubrimiento ha cambiado, pero la infraestructura comercial subyacente se mantiene.
La confianza aún cierra la venta
Aunque el comercio electrónico ha madurado, la confianza permanece como uno de los determinantes más fuertes de la conversión. Los consumidores buscan evidencia social, marcas reconocibles y precios transparentes antes de comprar en línea, especialmente en categorías de alto valor o poco conocidas.
La IA no parece eliminar esos instintos. Más bien, podría amplificarlos al aumentar la velocidad y la escala de la exposición de productos de entidades como marketplaces, que ofrecen gran variedad y una columna vertebral logística confiable.
Si las herramientas de IA exponen un rango más amplio de vendedores de lo que los consumidores normalmente encontrarían, las señales de confianza se vuelven aún más importantes como mecanismos de filtrado.
Esto tiene implicaciones significativas para los comerciantes. En un entorno mediado por IA, la visibilidad depende cada vez más de datos estructurados de productos, información de inventario precisa y precios competitivos. Los sistemas de IA solo pueden recomendar productos que pueden interpretar correctamente. Comerciantes con catálogos inconsistentes, metadatos débiles o estrategias de precios fragmentadas corren el riesgo de volverse menos visibles en las recomendaciones generadas por IA.
La lealtad y los pagos siguen en juego
Una de las preguntas más pasadas por alto sobre el comercio impulsado por IA es cómo funcionarán los programas de lealtad dentro de los recorridos de compra asistidos por IA.
Los consumidores han construido relationships con minoristas, aerolíneas, proveedores de pago y marketplaces a lo largo de años mediante puntos, recompensas y ecosistemas de membresía. Si los agentes de IA operan fuera de esas estructuras, aparece fricción. La investigación sugiere que estas relaciones siguen siendo muy relevantes.
En el Reino Unido, el 36% de los consumidores afirma que serían menos propensos a seguir usando herramientas de compra con IA si eso implicara perder acceso a puntos y recompensas, lo que indica que los ecosistemas de lealtad existentes siguen siendo parte importante de la decisión de compra.
La probabilidad es que los sistemas de lealtad deban volverse más interoperables con las experiencias de comercio asistido por IA, en lugar de desaparecer por completo. Los consumidores pueden aceptar recomendaciones de IA, pero muchos esperarán que las recompensas, protecciones y beneficios de cuenta permanezcan integrados en el proceso.
Lo mismo aplica a los pagos. A medida que el comercio impulsado por IA se desarrolle, es poco probable que los consumidores abandonen las expectativas sobre seguridad de pago, protección contra fraude y transparencia de las transacciones solo porque cambie la interfaz de compra.
De hecho, la investigación encontró que el 55% de los consumidores espera aumentar su uso de marketplaces minoristas a medida que la adopción de IA crece, lo que sugiere que las plataformas establecidas siguen jugando un papel importante al proporcionar la infraestructura de cumplimiento, pago y confianza operativa que sustenta el comercio en línea. La confianza en el proceso de pago mismo seguirá siendo fundamental para la adopción.
El futuro del comercio con IA podría ser más colaborativo que autónomo
Este patrón más amplio apunta hacia un futuro en el que la IA cambia la mecánica de comprar sin necesariamente cambiar la psicología subyacente de la compra. Los consumidores están contentos de delegar tareas repetitivas. Se sienten cómodos automatizando la comparación, el descubrimiento y la investigación. Pero las decisiones de compra siguen cargadas de consideraciones emocionales, financieras y reputacionales que muchos parece que no están dispuestos a entregar por completo a sistemas autónomos.
Esa dinámica podría evolucionar con el tiempo, especialmente a medida que los consumidores más jóvenes se familiaricen con la toma de decisiones mediada por IA. La confianza en los sistemas de IA casi con certeza aumentará a medida que la tecnología mejore y se integre más en la vida diaria. Pero los cambios conductuales en el comercio suelen ocurrir de forma más gradual que la capacidad tecnológica por sí sola.
Es importante destacar que esto no disminuye la magnitud del cambio que la IA puede traer al comercio electrónico.
El comercio impulsado por IA sigue teniendo el potencial de transformar la publicidad digital, el descubrimiento de productos, la competencia en marketplaces, la infraestructura de pagos y la visibilidad de los comerciantes. Puede ser necesario reconstruir categorías enteras de optimización de comercio en torno a cómo los agentes de IA interpretan y priorizan los productos.
Pero la idea de que la IA simplemente reemplazará la confianza parece cada vez más simplista.
Al menos por ahora, los consumidores no parecen desear sistemas de compra autónomos que tomen decisiones completamente por ellos. Quieren sistemas que les ayuden a tomar decisiones de forma más eficiente, manteniendo la capacidad de verificar, comparar y validar.
Esa distinción podría resultar crítica para entender hacia dónde avanza realmente el comercio impulsado por IA.
Este artículo se publicó como parte de TechRadar Pro Perspectives, nuestra ventana para mostrar a las mentes más brillantes de la industria tecnológica hoy. Las opiniones aquí expresadas son del autor y no necesariamente las de TechRadar Pro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
El paisaje actual de la inteligencia artificial en las organizaciones está marcado tanto por un ritmo acelerado de implementación como por complicaciones de seguridad que requieren una respuesta estructurada. Un análisis reciente de DigiCert revela que el 78% de las empresas ha experimentado incidentes de seguridad relacionados con la IA o ha identificado vulnerabilidades asociadas, a pesar de las inversiones continuas y la creciente adopción de herramientas de IA. Este dato subraya una realidad clave: la IA debe tratarse como un sistema de negocio, no como una novedad experimental, integrando la seguridad en toda la estrategia operativa desde el principio.
A pesar de este entorno de incertidumbre en seguridad, la adopción avanza: el 75% de las compañías encuestadas desplegó cuatro o más herramientas de IA en los últimos seis meses, y el 35% implementó más de 10 sistemas en ese mismo periodo. Estas cifras evidencian una consolidación de herramientas y un aumento en la complejidad tecnológica, lo que a su vez eleva la necesidad de gobernanza y control.
El informe destaca también una brecha significativa entre la discusión y la acción. Por un lado, el 90% de las organizaciones discute la gobernanza de IA a nivel ejecutivo o de junta; por otro, solo el 50% ha implementado presupuestos de seguridad dedicados a IA y programas formales de gobernanza de IA. Esta desconexión entre planificación y ejecución es una señal clara de dónde deben dirigirse los esfuerzos en los próximos meses.
Otra lectura relevante es la madurez de la trazabilidad. Después de años de proyectos piloto, dos tercios (64%) ya han comenzado a registrar inventarios de IA, lo que indica que las empresas están empezando a mapear qué IA existe en su ecosistema. Sin embargo, casi la mitad carece de visibilidad centralizada de los sistemas de IA y solo el 53% puede rastrear totalmente las salidas de IA hasta los modelos y datos fuente subyacentes. Este nivel de trazabilidad es crucial para la rendición de cuentas y la confianza.
Como afirma Brian Trzupek, vicepresidente senior, la pregunta ya no es si las organizaciones deben adoptar IA, sino si pueden explicar, gobernar y confiar en la IA que ya han desplegado. En este sentido, la explicabilidad de IA se mantiene relativamente estable, pero varía por región y sector. Sectores como ciencia y tecnología, banca, telecomunicaciones y retail muestran mayores incidencias y vulnerabilidades, lo que sugiere que ciertos entornos requieren enfoques de seguridad más rigurosos y prácticas más estrictas de control.
Mirando hacia el futuro, las empresas están probando dar a los agentes de IA identidades propias, equiparándolos a trabajadores humanos para mejorar la visibilidad de las acciones autónomas. Este paso, junto con políticas más estrictas y una gobernanza más rigurosa para limitar el uso de herramientas no aprobadas, podría ayudar a mitigar problemas de seguridad a medida que la adopción madura. En definitiva, el éxito sostenible dependerá de una construcción proactiva de estructuras de gobernanza, presupuestos destinados a seguridad y una trazabilidad completa que permita explicar, auditar y confiar en las decisiones impulsadas por IA.
Pacosite's Blog 