De la piloto a la producción: estableciendo una capa de conocimiento para escalar AI en marketing



La adopción de la inteligencia artificial ha avanzado a un ritmo acelerado. Informes recientes señalan que una gran mayoría de organizaciones ya utiliza herramientas de IA en al menos una función del negocio, pero muy pocas han logrado escalar su uso a toda la organización y una fracción está aún en fases piloto. En el área de marketing, esa brecha se acentúa cuando un piloto de IA se enfrenta a la complejidad de un stack de datos existente. Un piloto puede demostrar la capacidad de un modelo cuando se le asigna una tarea definida y datos cuidadosamente seleccionados; trasladar esa capacidad a un entorno empresarial vivo, sin embargo, suele ser mucho más desafiante.

La raíz del problema a menudo no reside en el modelo en sí, sino en la forma en que se gestionan los datos de marketing. Los datos están dispersos entre plataformas, almacenes y sistemas internos, con estructuras y definiciones distintas que dificultan que la IA entienda qué significan realmente los números. Esto facilita que la salida de un modelo parezca creíble incluso cuando se basa en supuestos incorrectos.

Una solución clave es una capa de conocimiento que conecte las bases de datos con el razonamiento de la IA. Esta capa define conceptos canónicos, mapea definiciones entre plataformas y captura las reglas de negocio que deben aplicarse antes de considerar fiable un análisis. Al estar integrada sobre los almacenes de datos existentes, permite evitar inversiones costosas en sustitución de infraestructura.

La claridad de un punto de partida definido es crucial: en lugar de seguir la primera versión que el modelo encuentre de una métrica, la IA debe operar con una comprensión gobernada de lo que ese concepto significa en la organización y cómo interpretarlo correctamente.

Sin embargo, las definiciones estáticas no son suficientes. El rendimiento de marketing cambia con el negocio, por lo que la IA también necesita acceso al contexto que rodea una investigación. Una campaña puede mostrar un descenso en el rendimiento debido a un cambio presupuestario reciente, o a una promoción nueva o a una prueba de mercado en curso. Sin esa información contextual, la IA puede identificar un cambio con precisión, pero concluir de forma errónea la causa.

Esta distinción se refleja mejor al separar el conocimiento de marketing persistente del contexto que se resuelve para cada investigación. En este punto, la colaboración entre equipos de marketing y de datos es esencial: los primeros entienden los objetivos y cómo interpretar el rendimiento, mientras que los segundos conocen los sistemas y controles de gestión de datos. Juntas, estas perspectivas crean una base más útil para la IA: las definiciones pueden acordarse antes de integrarlas en flujos de trabajo automatizados, y los requisitos de gobernanza pueden seguir siendo parte del proceso analítico en lugar de añadirse después de generar un resultado.

La adopción de IA en producción exige confianza, no otro piloto. El siguiente salto requiere convertir estas bases en operación. La investigación de McKinsey indica que la mayoría de las organizaciones aún se sitúan entre la experimentación y la primera escala, a pesar del crecimiento de la adopción. Por ello, la prioridad para los responsables de marketing debe ser revisar lo que rodea al modelo, antes de incorporar uno más. ¿Las métricas relevantes están definidas de forma consistente? ¿Puede la IA entender cómo se relacionan esas métricas entre sistemas? ¿Sabe qué decisiones están modelando el rendimiento actualmente?

Una capa de conocimiento bien estructurada puede proporcionar la conexión faltante entre los datos empresariales y el razonamiento de la IA, dando a los modelos una comprensión gobernada del entorno operativo y reduciendo las suposiciones que deben hacer.

Así cambia la pregunta de producción: en lugar de preguntarse si un modelo nuevo es lo suficientemente capaz, las organizaciones pueden centrarse en si la IA ha recibido el conocimiento necesario para funcionar de forma confiable. Los modelos seguirán evolucionando, pero para las empresas que buscan convertir la inversión en IA en valor medible, la acción más inmediata es asegurar que esos modelos cuenten con una base de conocimiento estable para razonar.

En última instancia, los esfuerzos deben orientarse a convertir el impulso tecnológico en resultados tangibles, asegurando que la IA opere con una comprensión coherente del negocio y de sus reglas, para que las decisiones dependan menos de conjeturas y más de una interpretación compartida de los datos.

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

La IA como puerta de entrada: reflexiones de Linus Torvalds sobre la programación en la era de la inteligencia artificial



En medio de titulares sombríos sobre el impacto de la IA, una voz destacada ofrece una lectura fresca y pragmática: Linus Torvalds, fundador y principal mantenedor del kernel de Linux, compartió en Open Source Summit en Praga una visión que merece ser considerada con seriedad por desarrolladores y comunidades de código abierto. Este artículo explora sus ideas sobre cómo la IA está cambiando lo que significa ser programador hoy y por qué puede actuar como una puerta de entrada para jóvenes y principiantes.

Torvalds recordó los primeros días de Linux y el trayecto hacia la creación de Git, pero centró su reflexión en cómo la IA ha modificado el sentimiento y la experiencia de programar. Su tesis principal es que la IA puede reducir la intimidación inicial para quienes se acercan a la programación, especialmente para juniors y adolescentes que buscan orientarse en una industria que, a veces, parece intimidante y ultracompleja.

“La gente ama odiar a la IA. Creo que es una herramienta interesante, muy útil. Es una puerta de entrada y una vía para generar código realmente bueno”, declaró, con un tono que buscaba equilibrar humor y seriedad.

Sobre la idea de la IA y la noción de “fallar” o de hacer cosas que no están a la altura, Torvalds recordó sus inicios en programación, cuando desarrolló juegos de ordenador que, en su momento, “dejaban mucho que desear”, aunque todo lo demás también estaba lejos de ser perfecto. Este contexto ayuda a entender su argumento: lo importante no es la perfección desde el inicio, sino permitir que el proceso de aprendizaje comience y se mantenga agradable. En palabras del propio Torvalds, el objetivo es que el umbral para empezar sea lo suficientemente bajo como para que el aprendizaje tenga sentido y disfrute, sabiendo que llevará tiempo dominar las habilidades necesarias.

No obstante, advierte sobre el uso de la IA para trabajos serios, especialmente al inicio. Quien utilice la herramienta debe tener claro qué quiere lograr y cuál debe ser el resultado; de lo contrario, el riesgo de errores con consecuencias graves es alto. Así, recomienda comenzar con proyectos “de juguete” o proyectos personales antes de aplicar la IA a tareas de mayor envergadura. En su visión, la IA debe ser una puerta de entrada, no una sustitución del aprendizaje profundo.

Una parte importante de su discurso aborda el equilibrio entre entusiasmo y cautela: la IA puede facilitar el aprendizaje y la exploración, pero debe usarse con responsabilidad cuando el trabajo es real y relevante. Este enfoque sugiere que las comunidades técnicas deben educar a los usuarios sobre límites, objetivos y verificación de resultados para evitar malentendidos y errores costosos.

En cuanto a vulnerabilidades y parches generados por IA, Torvalds mencionó un fenómeno reciente: informes de vulnerabilidades y parches generados por IA que inundan listas de correo y comprometen la gestión de seguridad por la duplicación y la distribución de información no verificada. Aquel panorama llevó a que muchos mensajes fueran duplicados o poco útiles, obligando a los mantenedores a filtrar y redirigir esfuerzos. Esta experiencia subraya una verdad práctica: la tecnología, por poderosa que sea, requiere una gobernanza cuidadosa y un uso consciente para no desfavorecer la seguridad y la calidad del código.

Para enfrentar este desafío, Torvalds propone una estrategia paradójica: más IA, no menos. Al usar herramientas de IA para generar revisiones y parches, la comunidad puede racionalizar procesos y acelerar correcciones, siempre que exista control humano y una estructura de revisión sólida. La clave está en equilibrar el flujo de aportes automatizados con prácticas de mantenimiento y priorización que eviten la saturación y el ruido.

El mensaje central de Torvalds, entonces, es doble. Por un lado, la IA puede democratizar la programación al bajar las barreras de entrada y permitir que más personas participen y aprendan. Por otro lado, la comunidad técnica debe gestionar de forma consciente el uso de la IA para garantizar la calidad, la seguridad y la sostenibilidad de los proyectos. En resumen, la IA no es un fin en sí mismo, sino una herramienta que, bien utilizada, puede impulsar la creatividad, la colaboración y la formación de nuevas generaciones de programadores.

Este análisis propone pensar en la IA como un catalizador de aprendizaje y un acelerador de procesos, siempre dentro de una ética de uso responsable y una gobernanza que priorice la seguridad, la transparencia y la calidad del código. En un panorama tecnológico en constante cambio, la conversación de Torvalds nos invita a abrazar la IA como un aliado para aprender y construir, sin perder de vista la necesidad de aprender a fondo, con paciencia, curiosidad y rigor.

from Latest from TechRadar https://ift.tt/d4XuZcS
via IFTTT IA

Starlink Mobile: el siguiente paso estratégico de SpaceX hacia una red móvil impulsada por satélites



SpaceX ha anunciado la adquisición de un segmento de espectro de banda baja de 800 MHz para Starlink Mobile, una jugada que podría convertir al proyecto en un actor más relevante dentro del panorama de las telecomunicaciones. Este espectro es particularmente atractivo para lograr una mejor penetración de la señal dentro de edificios y interiores, gracias a sus propiedades de propagación frente a obstáculos como paredes. Junto a la llegada de nuevos satélites, la combinación de este espectro con capacidades adicionales podría allanar el camino para que Starlink Mobile se consolide como un posible operador móvil de gran tamaño en Estados Unidos.

No obstante, la apuesta no parece exenta de desafíos. Aunque la banda de 800 MHz aporta ventajas en penetración y cobertura, es probable que SpaceX necesite amplios bloques de espectro complementarios y una inversión sustancial en infraestructura terrestre para garantizar una cobertura fiable en zonas urbanas y rurales. En palabras de analistas y expertos de la industria, la cantidad de espectro adquirida representa una base prometedora, pero no suficiente por sí sola para sostener una red móvil de alcance masivo.

En el último año, la discusión pública sobre la viabilidad del proyecto ha sido intensa. El CEO de AT&T, por ejemplo, cuestionó la viabilidad de los planes de Starlink Mobile, solo para ver cómo SpaceX anunciaba la adquisición de 14 MHz de espectro en la banda de 800 MHz poco después. Según la propia SpaceX, este movimiento refuerza su capacidad para construir la «red móvil más avanzada del mundo» y posicionarse como un “gran operador móvil” mediante una estrategia híbrida que combina satélites y una infraestructura terrestre de vanguardia.

La Comisión Federal de Comunicaciones (FCC) también dio un impulso al proyecto al aprobar la solicitud de la constelación Gen2 de Starlink Mobile, que permite la salida al espacio de hasta 15.000 nuevos satélites. Con una flota ampliada, la capacidad de banda ancha de alta velocidad podría multiplicarse, prometiendo servicios móviles de alto rendimiento en prácticamente cualquier lugar del mundo. Sin embargo, incluso con estas aprobaciones, la implementación práctica de una red móvil de gran escala requerirá inversiones continuas y una economía de escalas que aún está por definirse.

El análisis de expertos, como Tim Farrar de TMF Associates, indica que, aunque la iniciativa añade combustible a la rivalidad entre SpaceX y los operadores móviles, la cantidad de espectro disponible sigue siendo limitada para garantizar penetración de señal en entornos urbanos sin la instalación de torres terrestres. En ese sentido, corresponde a SpaceX demostrar que puede desplegar la infraestructura necesaria para complementar su flota satelital y competir de forma sostenible con AT&T, T-Mobile y Verizon.

En resumen, este movimiento representa la primera etapa prometedora de un camino que podría redefinir la competencia en el mercado móvil. No obstante, para que Starlink Mobile se convierta en una fuerza dominante, será imprescindible asegurar más espectro y una inversión sustancial en infraestructura terrestre, así como una ejecución operativa que demuestre viabilidad a gran escala. En la medida en que SpaceX avanza, los grandes operadores podrían verse obligados a vigilar de cerca la evolución de la propuesta desde el espacio, ya que la convergencia entre satélites y redes terrestres podría redefinir el liderazgo en conectividad móvil a largo plazo.

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

Galaxy Studio: Samsung’s Next Era of Over-Ear Audio and the Legacy Brands Behind It



En los últimos años, Samsung ha sabido combinar innovación con una herencia de sonido reconocida mundialmente. Los rumores señalan que la compañía podría estar preparando sus primeros auriculares over-ear en una década, con un nombre que ya genera expectativa: Galaxy Studio. Este posible lanzamiento, apoyado por filtraciones y un registro de marca reciente, sugiere un nuevo capítulo para la estrategia de audio de Samsung y la forma en que sus marcas asociadas podrían jugar un papel central.

La idea de un Galaxy Studio no es casualidad. El nombre podría aludir a un uso profesional, como mezcla musical y escucha crítica, pero en el ecosistema de Samsung podría tener también un enfoque más amplio para consumidores exigentes que buscan calidad y refinamiento, sin abandonar la amplitud de la oferta de la marca.

La posibilidad de que exista este modelo cobra más fuerza si se recuerda que Samsung adquirió Harman International en 2016, consolidando a Harman Kardon, JBL y AKG en su portafolio, y posteriormente Masimo añadió marcas como Bowers & Wilkins, Denon y Marantz a su repertorio. Con este conjunto de nombres en la sala de trofeos, un nuevo par de auriculares podría convertirse en un lienzo para aprovechar las fortalezas de cada marca, desde la precisión de AKG hasta el pulso de Bowers & Wilkins y la experiencia de JBL en itinerarios de sonido premium.

Hasta ahora, Samsung ha apostado por auriculares intrauditivos, como la serie Galaxy Buds 4 y Buds 4 Pro, manteniendo los over-ears fuera de escena desde generaciones anteriores. Este regreso podría responder a una demanda de mercado y a la necesidad de distinguirse en un segmento dominado por competidores con soluciones de referencia. El rumor de un Galaxy Studio llega acompañado de la expectativa de una experiencia de sonido cohesionada con el ecosistema Samsung, al tiempo que aprovecha el linaje de sus marcas de audio asociadas.

Sin información oficial sobre precio, especificaciones o fecha de lanzamiento, los aficionados contemplan escenarios posibles para 2027, que podrían ir acompañados de otros lanzamientos relevantes como nuevas generaciones de dispositivos Galaxy. Aunque, como sucede con las noticias de tecnología, lo definitivo solo se sabrá cuando Samsung comparta detalles directos.

En resumen, Galaxy Studio representa una promesa: una incursión de Samsung en el mundo de los auriculares over-ear que podría fusionar rendimiento y herencia de marca en una propuesta atractiva para audiófilos casuales y usuarios que buscan una experiencia sonora premium dentro de un ecosistema integrado. El camino está abierto, y la pregunta es cuánto impacto real tendrá este proyecto en el mercado y en la forma en que las marcas heredadas de Harman, AKG, JBL y Bowers & Wilkins se posicionarán dentro de la estrategia global de Samsung.

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

Gemini Agent: el futuro de los agentes autónomos en la nube



En la era de la inteligencia artificial empresarial, surge una visión clara: los agentes pueden operar de forma independiente para alcanzar objetivos, sin necesidad de instrucciones detalladas. Gemini Agent representa este salto, funcionando siempre activos en la nube para ejecutar tareas, gestionar proyectos y colaborar con plataformas de terceros, incluso con modelos rivales. Google ha presentado una estrategia en la que un único agente central puede responder preguntas, crear documentos, generar activos, organizar reuniones y mucho más, manteniendo a las organizaciones en constante movimiento sin depender de intervenciones continuas.

Este enfoque transforma el rol de los trabajadores, pasando de recibir asistencia puntual de IA a delegar cargas laborales completas que pueden desarrollarse de manera autónoma y a largo plazo. La propuesta no es solo tecnológica; es una reconfiguración de flujos de trabajo y de la relación entre humanos e inteligencia artificial en el entorno profesional.

Gemini Agent se distingue por su operación como agente siempre activo. Al ejecutarse en la infraestructura de Google Cloud, puede continuar trabajando en segundo plano incluso cuando los usuarios no están frente a sus pantallas. Además, Google no limita el uso a un entorno corporativo: Gemini Agents están diseñados para ser tan personales como profesionales. Pueden gestionarse con cuentas de correo, calendarios y almacenamiento en Drive dedicados, lo que facilita su integración en la vida diaria del usuario dentro y fuera de la oficina.

A pesar de ser un producto de Google que corre sobre Google Cloud, la plataforma abre la puerta a compatibilidad con otros modelos, incluyendo los de Anthropic, y promete sumar más opciones en el futuro. Thomas Kurian, CEO de Google Cloud, describe a Gemini como una plataforma que respalda la continuidad y la adaptabilidad: “una plataforma a prueba de futuro que funciona en cualquier lugar, ejecuta cualquier tarea, admite tu elección de modelos y aplica controles empresariales”.

La accesibilidad y la apertura se fortalecen mediante su operatividad transfronteriza: funcionará con plataformas de terceros como Microsoft 365 y Slack, y estará disponible en dispositivos variados, abarcando iOS, Android, macOS y Windows. Aunque Gemini Agents aún no están General Availability, algunos clientes ya acceden a una vista previa privada. Se espera ampliar casos de uso y detallar funcionalidades adicionales a medida que se acerca la disponibilidad general.

Este avance marca una consolidación de la idea de un empleado digital autónomo: una solución que no solo asiste, sino que puede gestionar tareas continuas, coordinar recursos y adaptarse a distintas infraestructuras y plataformas, siempre con controles y opciones de configuración para el entorno empresarial.

Para entender el impacto, basta mirar la evolución de herramientas como Muse de Meta y Dots de OpenAI, que apuntan a una experiencia de agentes que operan con menos instrucciones explícitas y mayor delegación de responsabilidades. Gemini Agent se posiciona como un actor central en esa tendencia, orientado a la productividad, la colaboración y la eficiencia operativa sin sacrificar la seguridad ni la gobernanza corporativa.

from Latest from TechRadar https://ift.tt/L1KhAar
via IFTTT IA

Seguridad y Privacidad en Flujos Financieros: Un Llamado a la Vigilancia Operativa


Los bancos destinan grandes recursos a convencer a los clientes de que son los custodios más cuidadosos de los datos personales y financieros. Sin embargo, una revisión de 14 sitios de servicios financieros en Europa y EE. UU. revela prácticas preocupantes: scripts de rastreo y personalización incrustados en procesos de apertura de cuentas, hipotecarios y de préstamos que envían datos de contacto, intención financiera y huellas de dispositivos a terceros, con 9 de 14 sitios operando sin una opción de consentimiento válida.

Las fallas se agrupan en tres patrones, y la distinción entre ellos tiene implicaciones legales. En primer lugar, las etiquetas se disparaban antes de que se respondiera el banner de cookies en sitios de gestión de patrimonio, banca de inversión y proveedores de pago; según la Directiva de ePrivacy de la UE, ese comportamiento no tenía base legal, ya que el consentimiento es obligatorio antes de almacenar o leer datos en un dispositivo.

En segundo lugar, el rastreo continuó tras que el usuario rechazara las cookies: en un sitio, Google Ads y DoubleClick recibían la dirección de correo electrónico hasheada en la URL de la solicitud junto con la señal de consentimiento denegada, lo que implica que el rechazo se registró y se ignoró.

En tercer lugar, se filtraron datos financieros independientemente del consentimiento: un importe de préstamo de 2.500 € en un plazo de 12 meses y una selección de seguro llegaron a Google Analytics durante una solicitud de crédito personal; en un banco portugués, el nombre, la edad y el NIF de un cliente se enviaron a Evergage como texto codificado en Base64 en la URL durante la apertura de la cuenta.

En un sitio bancario holandés, un script de primera parte combinaba fingerprinting del navegador con peticiones de imágenes a 127.0.0.1 en los puertos 7070 y 5938, asociados a AnyDesk y TeamViewer, verificando efectivamente si software de acceso remoto estaba funcionando en el dispositivo del visitante.

Dónde recae la responsabilidad

Meta y TikTok señalan al operador del sitio como la parte que controla lo que se recoge, en respuesta a investigaciones anteriores. Meta citó sus controles de privacidad y su política contra compartir datos sensibles; TikTok afirmó que los anunciantes deciden qué eventos y parámetros envían y que solo recibe lo que sus socios configuran intencionalmente.

Este marco coloca toda la responsabilidad en el operador, y solo se sostiene si la recopilación fue algo que el operador activó deliberadamente. A menudo no lo fue. La función de Coincidencia Avanzada Automática (Automatic Advanced Matching) de Meta Pixel está activada por defecto y, en ese estado, captura y aplica hash a datos de contacto sin necesidad de configuración adicional por parte del propietario del sitio. Un ingeniero bancario que añade un snippet de rastreo no está eligiendo enviar el correo electrónico y el teléfono hasheados de un solicitante de hipoteca a Meta; el píxel lo hace por defecto. Una política que prohíbe recolectar datos sensibles es difícil de reconciliar con una función que los recoge por defecto.

Eso no elimina la responsabilidad del banco. Las entidades deciden qué proveedores despliegan, colocan banners de consentimiento frente a los clientes y publican políticas de cookies que deben enumerar cada entidad receptora de datos. Ambos lados tienen responsabilidad: las plataformas envían defaults que maximizan la captación de datos y los bancos desplegan esos defaults en flujos sensibles sin validar su comportamiento en tiempo real.

Cerrando la brecha

Esto es una cuestión de cumplimiento tanto como de ética.

En la UE, scripts de terceros no gestionados en flujos orientados al cliente abarcan GDPR y requisitos de consentimiento de ePrivacy; para entidades financieras reguladas, también rigen las reglas de riesgo y resiliencia operativa de DORA; PSD2 añade obligaciones de seguridad para flujos de pago. En EE. UU., las instituciones tienen deberes bajo la regla de Salvaguardas de GLBA y, cada vez más, bajo leyes estatales como CCPA/CPRA. Aparte de la exposición reguladora, se trata de higiene operativa básica.

La corrección comienza verificando el comportamiento en tiempo real en lugar de asumir que coincide con la configuración. Esto significa validar lo que hacen los scripts en páginas reales de apertura de cuentas, hipotecas, préstamos y simulaciones, ya que son las que manejan los datos más valiosos, en lugar de detener las comprobaciones solo en la página de inicio. También implica vigilar por un script que empiece a recoger más de lo previsto, a veces llamado alcance incremental (scope creep).

La visibilidad debe conducir al control. Los equipos de seguridad deben poder impedir que scripts de terceros lean campos sensibles y bloquear transferencias de datos no autorizadas, incluyendo la práctica de ocultar identificadores y detalles financieros dentro de una URL de solicitud en lugar de en el cuerpo de la petición, tal como ocurrió en varias filtraciones de nuestra investigación.

El consentimiento debe traducirse en acción real, no solo en papel. Una denegación debe impedir que los datos salgan del navegador en lugar de registrarse como señal denegada mientras la llamada de rastreo se ejecuta. Ese consentimiento debe acompañar al cliente incluso al interactuar con iframes o subdominios que adopte el flujo, y no reiniciarse en cada frontera que cruce.

Caracteres como Automatic Advanced Matching, que hashea y envía datos de contacto por defecto, deben desactivarse a menos que dicha recopilación esté documentada, informada y sea legal. El código propio merece la misma escrutinio que las etiquetas de terceros: la huella digital y el sondeo de puertos para fraude pueden ser controles legítimos, pero implementarlo internamente no exime de divulgación y consentimiento.

Nada de esto exige abandonar la analítica o la personalización. Requiere tratar los scripts en páginas sensibles como parte del riesgo de la institución, revisados en el mismo ciclo que cualquier otro proveedor, y no configurados una vez y dejados sin revisión. Nueve de las catorce entidades analizadas enviaban datos a través de un canal cuyo propio banner de consentimiento indicaba que estaba cerrado.

Esa brecha entre lo que un script puede hacer y lo que realmente hace merece cerrarse antes de que un regulador o un cliente lo descubra primero.

Este artículo forma parte de TechRadar Pro Perspectives, nuestro canal para presentar las mentes más brillantes de la industria tecnológica. Las opiniones aquí expresadas corresponden al autor y no necesariamente a TechRadar Pro ni a Future plc. Si está interesado en contribuir, descubra más aquí: https://www.techradar.com/pro/perspectives-how-to-submit.

from Latest from TechRadar https://ift.tt/MGVT5gk
via IFTTT IA

Proton: Construyendo una alternativa privacy-first a Google en un ecosistema en expansión


Nestled among the unusually snow-free Swiss Alps, Proton’s Geneva HQ shines in front of me on a glorious, sunny October day. I’m here alongside periodistas from varios países para explorar cómo una empresa centrada en la privacidad está diseñando una alternativa contundente a Google, su rival número uno.

Tras un breve recorrido por la oficina, hacemos una parada en la cocina para tomar un café antes de comenzar un día largo de presentaciones. Algunos empleados de Proton terminan el generoso desayuno diario que ofrece la compañía, mientras otros hojean el menú del almuerzo.

El fundador y CEO de Proton, Andy Yen, es el primero en tomar la palabra, explicando cómo todo empezó en mayo de 2014 con una idea simple: crear un servicio de correo electrónico encriptado. Luego vino Proton VPN. Y hoy, doce años después, la empresa ofrece 11 productos diferentes, incluido su chatbot de IA centrado en la privacidad, Lumo.

A medida que Yen habla, queda claro que Proton ya no se limita a herramientas aisladas: busca crear una alternativa completa a Google, OpenAI y el modelo de Capitalismo de Vigilancia de Silicon Valley. Pero, ¿puede una empresa enfocada en la privacidad competir con los Gigantes de la tecnología en IA, navegadores y vigilancia estatal sin agotarse?

Justo antes de que Yen salga hacia su próxima reunión, me siento con él para conversar sobre ética de la IA, verificación de edad, leyes suizas de interceptación de comunicaciones y el futuro de la libertad digital.

La siguiente entrevista ha sido editada para mayor claridad y extensión.

¿Cuándo te diste cuenta de que Proton Mail era necesario?

Creo que Snowden puso el foco en la vigilancia gubernamental, pero ya era evidente para mí en ese momento que había un problema más grande. En aquella época no quería crear cuentas; no quería porque sabía qué hacían con los datos. No existía una alternativa. Si miras atrás, no había alternativa.

De hecho, si querías un correo privado en línea sin abuso de datos, tenías que alojar tu propio servidor, lo que es extremadamente difícil y, aun así, no habría cifrado. Así que, al inicio, Proton se trataba de crear un servicio que yo mismo deseaba para una audiencia.

Al principio, Proton se trataba de construir un servicio que yo mismo quería para una audiencia

Andy Yen

Lo que notamos es que, tras abrirlo a las primeras mil usuarios, e incluso a empleados de CERN, la gente se fue dando cuenta: “Esto es interesante.” No era solo yo quien quería esto; había una demanda mayor.

El punto de inflexión probablemente fue mayo de 2014. En el primer día se unieron 10,000 personas. Lo mismo ocurrió el segundo día y, en el tercero, el servidor se cayó, lo cual no fue un gran arranque. Pero ese momento marcó el inicio de comprender que se trataba de un tema societal más amplio.

No eran solo unos pocos entusiastas de la privacidad; había un interés real en una alternativa.

Así nace Proton: proporcionar esa alternativa. Ofrecemos muchos de los mismos servicios que las grandes tecnológicas, pero con un modelo de negocio y valores completamente diferentes.