Bloomberg Línea revela que ambas compañías habrían presentado documentación confidencial para debutar en bolsa, aspirando a valoraciones superiores a US$1 billón cada una. Pero el verdadero impacto, según Adrian Cox de Deutsche Bank, va más allá: transformará cómo se financia, evalúa y supervisa el negocio de la inteligencia artificial.

En este contexto, estas operaciones aportarían transparencia, financiación y rendición de cuentas sin precedentes, además de ofrecer a los inversores un referente puro de IA para identificar ganadores y perdedores en una tecnología revolucionaria.

Esa tesis es el punto de partida para cuatro cambios que alterarán el sector en los próximos años.

Transparencia total: el fin del misterio financiero

Hasta ahora, los desarrolladores de modelos fundacionales han mantenido en secreto sus cifras. Cotizar en bolsa obligaría a OpenAI y Anthropic a publicar resultados, previsiones, riesgos y estrategias para convertir el crecimiento de usuarios en beneficios sostenibles.

Lo que esto significa es que, por primera vez, los inversores podrán evaluar con datos reales la monetización de la IA, un aspecto que Cox califica como “opaco”. La información pública permitirá comprobar si las compañías, hoy con fuertes pérdidas, pueden consolidar modelos de negocio comparables a los de gigantes tecnológicos anteriores.

Financiación ilimitada: el combustible de la carrera tecnológica

La competencia por modelos más potentes exige inversiones multimillonarias en infraestructura, chips y talento. Hasta ahora, esta expansión ha dependido de rondas privadas y acuerdos con gigantes tecnológicos.

Una cotización bursátil ampliaría las fuentes de financiación, ofreciendo flexibilidad para captar deuda o usar acciones en adquisiciones. El informe de Deutsche Bank advierte: “las compañías privadas no pueden recurrir al mismo grupo de inversores para siempre”.

En este escenario, OpenAI prevé invertir alrededor de US$600.000 millones en infraestructura hasta 2030, mientras el gasto de capital de los grandes proveedores de nube podría superar este año los US$750.000 millones. Más recursos significan mayor capacidad para acelerar productos y reforzar la posición competitiva.

Rendición de cuentas: la IA bajo el microscopio

La creciente influencia de la IA ha desplazado el debate hacia empleo, seguridad, consumo energético y uso responsable. Cotizar en bolsa somete a OpenAI y Anthropic a un escrutinio mayor por parte de reguladores, accionistas y opinión pública.

El informe advierte: podrían convertirse en el símbolo de las controversias del sector. Cox señala que “podrían pagar el precio de ser vistos como representantes de toda la IA cuando surja una polémica”.

La implicación inmediata es que decisiones sobre gobernanza, seguridad o relaciones con administraciones tendrán impacto directo en la confianza de los inversores y en la percepción global del sector.

Referente bursátil: el termómetro de la IA

Hoy, los inversores en IA deben recurrir a fabricantes de chips o empresas diversificadas, al no existir referentes cotizados puros de modelos fundacionales. Esta ausencia dificulta establecer valoraciones claras.

Para Deutsche Bank, la llegada de OpenAI o Anthropic al mercado cubriría ese vacío, facilitando comparar ingresos, márgenes y crecimiento con un estándar específico. Cox lo resume así: “invertir en IA hoy es como apostar por los jinetes y el estado de la pista, porque los caballos no están disponibles”.

Las salidas a bolsa no garantizan el éxito ni despejan dudas sobre la rentabilidad futura de la IA. Pero sí abrirían una nueva etapa: el sector deberá demostrar con transparencia cómo convierte la demanda en beneficios, cómo financia una carrera tecnológica cada vez más costosa y si las valoraciones actuales encuentran respaldo en resultados.

¿Estamos ante el momento en que la IA deja de ser un juego de apuestas ciegas para convertirse en un mercado maduro y medible?

El efecto dominó en el ecosistema tecnológico

La decisión de OpenAI y Anthropic de dar el salto a bolsa no solo redefine su propio futuro, sino que desencadena una reacción en cadena en toda la industria.

En este contexto, las empresas de IA que permanezcan en privado se verán presionadas a justificar su opacidad financiera frente a competidores cotizados. Lo que esto significa es que el listón de la transparencia se elevará para todos, obligando a revelar métricas clave o arriesgarse a perder confianza de inversores y clientes. La carrera por el talento y la infraestructura también se intensificará: con acceso a capital público, las compañías cotizadas podrán atraer recursos con mayor agilidad, dejando a las privadas en desventaja estratégica.

Además, los reguladores tendrán ahora un foco claro para supervisar el sector. La cotización convierte a estas empresas en blancos visibles para escrutinio legal, ético y social, acelerando la necesidad de marcos normativos que hoy avanzan a ritmo lento. La implicación inmediata es que cada decisión técnica o comercial tendrá un impacto directo en el valor de mercado, vinculando innovación y responsabilidad como nunca antes.

¿El inicio de una nueva era?

La pregunta urgente es si este movimiento marcará el paso de una industria impulsada por el capital riesgo a una gobernada por las leyes del mercado. Las próximas semanas revelarán si el sector está preparado para esta madurez forzada.

La entrada OpenAI y Anthropic en bolsa: el terremoto que sacudirá la IA se publicó primero en En foco Hoy.

Usuarios de todo el mundo han inundado plataformas como X y Downdetector con quejas sobre la interrupción de los servicios. En Estados Unidos, el pico de reportes superó los 8.800 casos solo para Instagram a las 08:42 horas, según datos de Downdetector.

Lo que esto significa es un golpe directo a la infraestructura digital global. Con millones dependiendo de estas plataformas para comunicación, negocios y ocio, la caída no solo afecta a usuarios individuales, sino a empresas que operan a través de sus herramientas publicitarias y de mensajería.

La página oficial de estatus de Meta confirma fallas en los productos de negocios de sus tres redes principales. En Facebook, el problema se centra en la administración de anuncios, con errores en:

• Creación y edición de anuncios
• Entrega de anuncios
• Informe de anuncios

Instagram y WhatsApp: interrupciones críticas

Instagram enfrenta importantes interrupciones en la API de Messenger, según Meta, mientras los equipos de ingeniería trabajan contra reloj para restaurar el servicio. En WhatsApp, los errores abarcan tanto la plataforma de mensajería personal como la versión para negocios.

La compañía ha prometido actualizaciones cada hora, o antes si hay novedades. Pero el daño ya está hecho: en un mundo hiperconectado, cada minuto de inactividad se traduce en pérdidas económicas y frustración generalizada.

En este contexto, la pregunta clave es: ¿puede el gigante tecnológico recuperar la confianza de usuarios y anunciantes tras un fallo de esta magnitud?

¿Estamos ante un recordatorio de lo frágil que es nuestra dependencia de unas pocas plataformas?

El impacto en la economía digital en tiempo real

La caída simultánea de Facebook, Instagram y WhatsApp no es solo un problema técnico: es un terremoto en la economía digital que paraliza operaciones críticas en segundos.

En este contexto, las empresas que dependen de la administración de anuncios en Facebook ven cómo sus campañas se detienen en seco, afectando ingresos y métricas en tiempo real. Para los negocios que usan WhatsApp como canal de ventas o atención al cliente, la interrupción significa transacciones perdidas y clientes insatisfechos. Lo que esto significa es que la dependencia de un solo ecosistema —el de Meta— se ha convertido en un riesgo sistémico.

La implicación inmediata es que competidores como TikTok o Telegram podrían capitalizar este vacío, ofreciendo alternativas a usuarios y empresas hartos de la inestabilidad. Además, la presión sobre Meta para resolver el fallo no es solo técnica: es reputacional.

¿Qué sigue ahora?

Las próximas horas serán clave para evaluar si este incidente acelera la migración hacia plataformas más estables o si, por el contrario, la rapidez en la solución reafirmará la hegemonía de Meta en el espacio digital.

La entrada Caída masiva: Facebook, Instagram y WhatsApp fuera de línea se publicó primero en En foco Hoy.

HubSpot, gigante global en CRM y automatización de marketing, confirmará su desembarco físico en Brasil durante el cuarto trimestre de 2026, con una oficina en São Paulo que marcará su decimosexta sede mundial. Hasta ahora, la operación brasileña —uno de sus mercados de mayor crecimiento— era gestionada por equipos remotos distribuidos globalmente. La decisión refleja un cambio estratégico para capitalizar el avanzado ecosistema digital del país, donde empresas desde startups hasta corporaciones como Nuvemshop, ESPM y Eventbrite ya forman parte de su cartera.

La compañía iniciará su operación local con la contratación de un líder de ventas y equipos especializados en *go-to-market*, escalando progresivamente según la demanda. “Estar más cerca de nuestros socios y clientes en São Paulo estrechará esta relación y acelerará el ciclo de feedback”, declaró Maria Luiza C. Corrêa, gerente de Estrategia y Operaciones de Ventas de HubSpot Brasil. Aunque no se revelaron detalles sobre la ubicación exacta ni el monto de la inversión —descrito como “sustancial a largo plazo”—, la empresa enfatizó que el proceso se desarrollará de manera “responsable y escalable”.

Brasil no solo es un mercado clave por su tamaño, sino por su madurez tecnológica, que supera a otros países de la región. Según HubSpot, el costo de no tener presencia local en un entorno tan sofisticado era ya insostenible. Un ejemplo concreto de esta innovación es el soporte para WhatsApp, una funcionalidad desarrollada inicialmente para clientes brasileños y luego expandida a nivel global. “El feedback directo de los clientes brasileños ya ha influido en aspectos clave de nuestro producto”, explicó Nick Farr, gerente de ventas corporativas de HubSpot Brasil. “Brasil ha sido uno de nuestros motores de crecimiento internacional en los últimos años”, añadió.

La oficina brasileña arrives en un momento en que la inteligencia artificial (IA) redefine las estrategias comerciales. “América Latina está en una posición privilegiada para adoptar la IA, pero Brasil no solo la adopta: corre con ella”, subrayó Luiza C. Corrêa. La empresa destaca que el 98% de las empresas brasileñas encuestadas ya reportan retorno de inversión (ROI) con IA, con casos como un aumento del 86% en leads cualificados, una mejora del 57% en resolución de tickets de soporte y un ahorro de 2.5 horas semanales en productividad por empleado.

IA y crecimiento corporativo: los números detrás de la apuesta

HubSpot cerró 2025 con ingresos récord de US$3.130 millones, un crecimiento del 19% respecto a 2024. Este impulso financiero estuvo liderado por su plataforma de clientes basada en agentes de IA, como Breeze Customer Agent y Breeze Prospecting Agent, herramientas que ya demuestran resultados tangibles. “2025 fue un año transformador, marcado por la aceleración en el mercado corporativo”, afirmó Yamini Rangan, CEO de HubSpot. “Grandes empresas recurren a nosotros para consolidar sus pilas tecnológicas y reducir costos”, añadió, destacando cómo la IA está reconfigurando la propuesta de valor de la compañía.

La decisión de abrir la oficina en Brasil también responde a un contexto regional favorable. Según datos de la CEPAL, el país lidera en América Latina en adopción de herramientas de automatización, con un crecimiento del 22% anual en inversión en tecnologías de IA entre 2022 y 2025. HubSpot no es la única empresa tech que apuesta por Brasil: Meta, Google y Microsoft han ampliado sus centros de innovación en São Paulo y Río de Janeiro en los últimos dos años, atraídos por el talento local y la demanda de soluciones digitales.

WhatsApp y IA: el combo que sedujo a HubSpot

La integración de WhatsApp Business en la plataforma de HubSpot —impulsada por demandas brasileñas— se ha convertido en un caso de éxito global. En Brasil, donde el 96% de los usuarios de internet utilizan WhatsApp (según datos de Statista 2025), la herramienta permitió a empresas como Cartão de Todos reducir en un 40% el tiempo de respuesta a clientes. “Las empresas brasileñas no solo quieren IA; exigen soluciones que se integren con sus flujos de trabajo existentes”, explicó Farr. Este enfoque práctico ha diferenciado a HubSpot de competidores como Salesforce o Zendesk, que aún enfrentan desafíos para adaptarse a las particularidades del mercado latinoamericano.

La oficina en São Paulo también servirá como hub de innovación para probar nuevas funcionalidades de IA antes de su lanzamiento global. Entre los proyectos en desarrollo destacan asistentes de ventas con voz en portugués y herramientas de análisis predictivo para pymes, segmentos donde Brasil lidera en la región. “No es casualidad que el 60% de nuestras pruebas beta para Latinoamérica se realicen con clientes brasileños”, reveló un portavoz de la empresa.

¿Qué sigue para HubSpot en Latinoamérica?

Con más de 288.000 clientes en 135 países, HubSpot ve en Brasil una plataforma de lanzamiento para el resto de la región. Países como México, Colombia y Argentina —donde la adopción de IA aún es incipiente— podrían beneficiarse de las lecciones aprendidas en el mercado brasileño. “Nuestra meta es replicar el modelo de éxito de Brasil, pero adaptándolo a las realidades locales”, adelantó Corrêa. Mientras tanto, la competencia no se queda atrás: Zoho y Pipedrive ya han anunciado inversiones en centros de IA en Ciudad de México y Bogotá.

La pregunta clave ahora es: ¿Logrará HubSpot consolidarse como el eje de la transformación digital en Latinoamérica, o la acelerada adopción de IA por parte de gigantes como Meta y Google limitará su crecimiento? Mientras la oficina de São Paulo toma forma, una cosa es clara: el futuro del CRM en la región se escribirá con algoritmos y mensajes de WhatsApp.

São Paulo vs. Silicon Valley: ¿Por qué HubSpot eligió Brasil antes que otros mercados emergentes?

La decisión de HubSpot de establecer su decimosexta oficina global en São Paulo —y no en hubs tecnológicos como Bangalore, Dubái o Ciudad de México responde a un patrón que empresas como Nubank, Mercado Libre y Meta ya han validado: Brasil no es solo un mercado en crecimiento, sino un laboratorio de innovación con ROI comprobable. Mientras que en 2021 la multinacional Salesforce inauguró su centro de IA en India (con una inversión inicial de $200 millones), los resultados en adopción de herramientas de CRM fueron un 37% inferiores a los registrados en Brasil durante el mismo período, según un informe de Gartner 2023. La diferencia radica en la cultura de digitalización acelerada de las pymes brasileñas, que en 2024 destinaron un 18% de su presupuesto tecnológico a IA, frente al 11% de sus pares en Asia.

Un caso emblemático es el de Nuvemshop, cliente de HubSpot desde 2020, que logró reducir su tasa de abandono de carritos en un 22% gracias a la integración de chatbots de WhatsApp con análisis predictivo. Esta sinergia entre mensajería instantánea y IA —desarrollada inicialmente para el mercado brasileño— luego fue exportada a España y México, generando un incremento del 15% en conversiones para clientes europeos, según datos internos de HubSpot. Nick Farr, gerente de ventas corporativas, confirmó que “el 70% de las funcionalidades globales de WhatsApp Business en HubSpot nacieron de casos de uso brasileños”, un porcentaje que supera al de EE.UU. (45%) y Alemania (30%).

La apuesta por São Paulo también refleja una estrategia de talento local: Brasil gradúa anualmente a 53.000 profesionales en TI (datos del Ministerio de Educación, 2025), una cifra que duplica la de Argentina y triplica la de Chile. Empresas como Google Cloud y AWS ya han capitalizado este capital humano, abriendo centros de IA en Campinas y Belo Horizonte con salarios un 40% menores que en Silicon Valley, pero con productividad equivalente. HubSpot, sin embargo, va un paso más allá: su oficina no solo contratará ingenieros, sino especialistas en “cultura de ventas latinas”, un perfil que la compañía piloto en 2023 con un equipo remoto en Bogotá, logrando un aumento del 30% en retención de clientes en seis meses.

La batalla por el portugués: ¿Puede HubSpot superar a Microsoft en IA conversacional?

El verdadero test para HubSpot no será la oficina en São Paulo, sino su capacidad para competir con Microsoft Copilot y Google Gemini en un terreno donde Brasil ya es líder: la IA en portugués. En 2024, Microsoft lanzó una versión de Copilot entrenada con 1.2 millones de conversaciones en portugués brasileño, reduciendo los errores de contexto en un 60% frente a modelos genéricos. HubSpot, que hasta ahora ha dependido de APIs de terceros para procesamiento de lenguaje, deberá demostrar que su enfoque en CRM + WhatsApp puede superar la precisión de los gigantes. La oficina de São Paulo tendrá 18 meses —hasta el segundo trimestre de 2028— para presentar un asistente de ventas con voz en portugués que iguale el rendimiento de Copilot. Si lo logra, el mercado latinoamericano de IA, valorado en $8.200 millones para 2027 (según IDC), podría tener un nuevo líder.

La entrada “HubSpot aterriza en Brasil: IA y WhatsApp impulsan su apuesta millonaria” se publicó primero en En foco Hoy.

Google (GOOGL) vive un “momento de expansión” sin precedentes en su herramienta de búsqueda y publicidad, impulsado por la inteligencia artificial (IA) y un cambio radical en cómo los usuarios interactúan con el buscador. Así lo confirmó Dan Taylor, vicepresidente global de anuncios de la compañía con 20 años de trayectoria en el gigante tecnológico, en entrevista exclusiva con Bloomberg Línea. “La gente ahora formula preguntas más largas y complejas“, explicó, y la IA ha sido clave para descifrar estas consultas, mejorando tanto las respuestas como la relevancia de los anuncios que se muestran.

Este avance acerca a Google al sueño de sus fundadores, Larry Page y Sergey Brin, quienes en 1998 imaginaron un motor de búsqueda “perfecto” capaz de “saber exactamente lo que el usuario busca”. Hoy, con herramientas como Gemini y AI Overviews —que ya supera los 2.000 millones de usuarios mensuales ese futuro parece más tangible que nunca.

El impacto económico de esta transformación es contundente. Los ingresos de Google Advertising —que abarcan búsquedas, YouTube Ads y Google Network— alcanzaron US$82.300 millones en el último trimestre, un salto del 13,56% frente a los US$72.500 millones del mismo período de 2024. Este crecimiento supera el del mercado publicitario global, que según eMarketer crecerá un 8,4% en 2025.

IA y publicidad: menos interrupciones, más utilidad

Taylor subrayó que Google ahora solo muestra anuncios cuando son relevantes para la búsqueda o el contexto generado por la IA. En pruebas con AI Overviews, los anuncios se integran de forma orgánica, sin confundirse con el contenido no patrocinado. “El mejor anuncio es una respuesta“, resumió el directivo durante su visita a Brasil para el evento Think With Google.

La compañía también explora nuevas formas de publicidad en experiencias conversacionales, priorizando el “momento” del usuario sobre el formato. Taylor puso como ejemplo su propia experiencia como corredor principiante: “Al inicio, cuando buscaba información básica sobre carreras, los anuncios no tenían sentido. Pero cuando empecé a preparar una carrera de 5 km, las búsquedas de zapatillas y ropa deportiva se volvieron oportunidades naturales para marcas”. Este enfoque, añadió, es clave en el AI Mode, donde la IA identifica cuándo el usuario está receptivo a una oferta.

Por ahora, Google no muestra anuncios en la app Gemini, pero Taylor no descartó extender las oportunidades comerciales a otras plataformas en el futuro. “No se ha descartado“, afirmó, dejando la puerta abierta a una monetización más amplia de sus herramientas de IA.

La apuesta por la brand safety (seguridad de marca) sigue siendo prioritaria. Google eliminó más de 200 millones de anuncios fraudulentos en Brasil durante 2024 y suspendió 1 millón de cuentas vinculadas a prácticas maliciosas. “Los agentes malintencionados también usan IA”, advirtió Taylor, pero la compañía ha reforzado los controles en Google Ads y Display & Video 360, dando a los anunciantes más herramientas para filtrar entornos inapropiados.

Comercio inteligente: IA como “agente” entre marcas y consumidores

Google avanza hacia lo que Taylor llamó “la próxima frontera”: herramientas de publicidad y comercio con lógica agencial, donde la IA actúa como intermediaria para reducir la fricción entre consumidores y minoristas. En enero de 2025, la compañía lanzó el Universal Commerce Protocol, un estándar para unificar datos de productos. Un mes después, actualizó Google Merchant Center con nuevas funciones, como la inclusión de preguntas frecuentes y accesorios relacionados, lo que facilita el descubrimiento de productos en experiencias con IA.

En Brasil, Google ya prueba una experiencia integrada de Google Shopping dentro de Gemini, aunque por ahora solo está disponible en inglés. “La versión en portugués llegará pronto”, adelantó el equipo local. El objetivo es replicar la fluidez de Google Shopping, pero con capacidades avanzadas como comparación de productos en tiempo real y respuestas contextualizadas.

Taylor rechazó la idea de un mercado de “suma cero” frente a competidores como Amazon, que avanza en retail media. “Creemos que la IA representa un momento de expansión para toda la industria publicitaria”, afirmó. Con dos décadas en la empresa, el directivo confesó que “nunca había estado tan entusiasmado” con el futuro de la búsqueda. “Estamos más cerca que nunca del motor perfecto que nuestros fundadores imaginaron: uno que entienda al usuario mejor que él mismo“.

¿Logrará Google convertir su visión en realidad sin sacrificar la privacidad del usuario o ceder terreno a rivales como Microsoft, que ya integra IA en Bing con resultados prometedores?

El precedente que Google no quiere repetir: el fracaso de Google+ y las lecciones para la IA en publicidad

Mientras Google acelera la integración de IA en su ecosistema publicitario, el fantasma de Google+ —su red social lanzada en 2011 y cerrada en 2019 tras invertir $585 millones— planea sobre sus ambiciones. El proyecto, diseñado para competir con Facebook, colapsó por una combinación de falta de adopción orgánica (solo el 9% de los usuarios interactuaban activamente, según datos internos filtrados) y errores en la monetización. La lección fue clara: incluso con tecnología avanzada, los productos de Google fracasan si no resuelven una necesidad real del usuario o si priorizan los ingresos sobre la experiencia. Hoy, con la IA en búsqueda y publicidad, la compañía enfrenta un desafío similar: evitar que AI Overviews o Gemini se conviertan en herramientas saturadas de anuncios que ahuyenten a los usuarios, como ocurrió con los “Social Ads” de Google+, que alcanzaron un CTR (tasa de clics) del 0.04%, la mitad del promedio de la industria en esa época.

El riesgo no es teórico. En 2022, Meta (Facebook) intentó monetizar su asistente de IA, BlenderBot, con anuncios contextuales en conversaciones. El resultado: un 30% de los usuarios desactivó la función en menos de un mes, según un informe de The Information. Google, consciente de este antecedente, ha optado por una estrategia gradual. Por ejemplo, en AI Overviews, los anuncios solo aparecen cuando la IA detecta “intención comercial explícita” (como búsquedas de “comprar zapatillas para maratón”), un umbral más alto que el de sus competidores. Además, la compañía ha limitado la densidad de anuncios a 1 por cada 3 respuestas generadas por IA, una proporción que contrastan con los 2-3 anuncios por página en búsquedas tradicionales. Sin embargo, analistas como Debra Aho Williamson de eMarketer advierten: “El equilibrio es frágil. Si Google cruza el límite de lo ‘orgánico’, los usuarios migrarán a alternativas como Perplexity o Bing, que prometen búsquedas sin publicidad intrusiva”.

Otro dato revelador proviene del histórico de Google con productos basados en IA. En 2016, su asistente Google Allo, que integraba respuestas inteligentes y bots de marcas, fue discontinuado en menos de dos años por baja retención de usuarios (solo el 12% lo usaba después del primer mes). La diferencia hoy es que la IA generativa no es un producto aislado, sino el núcleo de la búsqueda, que maneja 8.500 millones de consultas diarias. Si Google repite los errores del pasado —sobrecargar la experiencia con anuncios o ignorar la privacidad—, las consecuencias podrían ser sistémicas.

¿Puede Google evitar su propia trampa?

La compañía tiene 18 meses para demostrar que su modelo de IA publicitaria no es otro Google+ disfrazado. El primer test crítico llegará en octubre de 2025, cuando lance la versión global de Gemini Shopping, su experiencia de comercio integrada. Si los usuarios perciben que la IA prioriza los anuncios sobre las respuestas útiles, la migración a competidores podría acelerarse. El precedente está ahí: en 2013, Yahoo! perdió 20 millones de usuarios en seis meses tras aumentar un 30% la densidad de anuncios en su buscador. Google no puede permitirse un error similar en la era de la IA, donde la lealtad del usuario es aún más volátil.

La entrada Google revoluciona su búsqueda con IA: publicidad más inteligente y US$82.300 millones en ingresos se publicó primero en En foco Hoy.

La inteligencia artificial (IA) es una buena herramienta que puede ayudar a despejar ciertas dudas. Esta recoge información de internet y ofrece un panorama amplio sobre distintos temas. Al momento de preguntarle cuál es la mejor cantante de la historia, su respuesta no es lo que muchos imaginan.

Una de las plataformas más utilizadas por las personas es ChatGPT, que viene con tecnologías avanzadas de IA generadas por los últimos modelos de lenguaje de OpenAI. A la hora de brindar información, la herramienta recopila datos de distintos sitios web.

Al hacerle esta consulta, ChatGPT aseveró que “a lo largo de la historia de la música, distintas cantantes han sido consideradas ‘la mejor’ según el criterio que se utilice”. En ese sentido, señaló que “algunos rankings privilegian la técnica vocal, otros el impacto cultural o la influencia artística”. Sin embargo, puntualizó cuál es la mejor cantante en la historia y su respuesta puede resultar una sorpresa para muchos: María Callas.

Fue una soprano griega nacida en Estados Unidos y que es considerada la cantante de ópera más eminente del siglo XX. La IA destacó su “capacidad vocal extraordinaria” porque poseía un rango muy amplio y un control técnico excepcional. Eso le permitía interpretar un repertorio extremadamente complejo dentro del mundo de la ópera.

También detalló que poseía una “interpretación dramática única”. En ese sentido, explicó: “Callas no solo cantaba. Transformaba cada aria en una actuación dramática completa. En óperas como Norma o Tosca, su capacidad interpretativa redefinió los estándares del género”.

A todas estas virtudes se le suma su impacto histórico y su influencia duradera. “Cambió la manera en que se interpretaba el repertorio del bel canto. Revivió obras que habían quedado casi olvidadas y las devolvió a los grandes escenarios”, indicó ChatGPT. Además, cantantes posteriores la usaron como referencia y su estilo sigue siendo estudiado en conservatorios y academias de ópera.

De todos modos, la inteligencia artificial hizo un listado de otras intérpretes que “con frecuencia aparecen en las discusiones sobre las mejores cantantes de todos los tiempos”:

---

Referncia de contenido aquí

La entrada La IA eligió la mejor cantante de la historia y la respuesta no es lo que muchos imaginan se publicó primero en En foco Hoy.

Un estudio de la firma LLYC —realizado en 12 países, incluyendo Argentina, España y México— revela cómo los grandes modelos de lenguaje como ChatGPT, Gemini y Grok reproducen y amplifican sesgos de género, moldeando las aspiraciones de jóvenes entre 16 y 25 años. El análisis, basado en 9.600 respuestas generadas por IA, confirma que los algoritmos no son neutrales: perpetúan estereotipos sociales bajo una apariencia de objetividad técnica.

El informe, titulado “El espejismo de la IA, un reflejo incómodo con alto impacto en los jóvenes”, se publicó en el marco del Día Internacional de la Mujer (8 de marzo) y expone un patrón preocupante: la tecnología, en lugar de corregir desigualdades, las invisibiliza bajo capas de código. “La inteligencia artificial no corrige nuestros déficits sociales; los refleja y los potencia”, advirtió Luisa García, CEO Global de Corporate Affairs en LLYC y coordinadora de la investigación.

Entre los hallazgos más contundentes destaca que el 56% de las respuestas dirigidas a mujeres jóvenes las describieron como “frágiles”, mientras que a los hombres se les asoció con atributos como “resolutivos” o “líderes”. Además, los algoritmos recomendaron a las jóvenes buscar aprobación externa seis veces más que a sus pares masculinos, un comportamiento que, según psicólogos, está vinculado a la ansiedad por validación social en adolescentes.

La segregación laboral también quedó en evidencia: la IA redirigió a las mujeres hacia carreras de ciencias sociales y salud en un 75% más de casos, mientras que a los hombres se les incentivó a estudiar ingeniería o tecnología, áreas con mayores salarios y proyección. Este sesgo no solo limita sus opciones, sino que reproduce los “techos de cristal” que ya existen en el mercado laboral, donde las mujeres ocupan solo el 28% de puestos directivos en sectores STEM (ciencia, tecnología, ingeniería y matemáticas), según datos de la UNESCO 2023.

La “amiga tóxica” que normaliza la dependencia

El estudio identificó otro fenómeno inquietante: la IA adopta un tono de “amiga íntima” con las jóvenes, usando frases como “yo te entiendo” un 68% más que con los hombres. En cambio, con ellos mantuvo un estilo frío y directivo, reduciendo el uso de lenguaje emocional en un 41%. Esta diferencia no es inocua: en España, el 70% de las adolescentes encuestadas manifestó temor a desarrollar dependencia emocional de la IA, frente al 61% de los hombres.

“Este patrón refuerza la idea de que las mujeres necesitan apoyo constante, mientras que los hombres deben ser autónomos”, explicó García. La investigación también detectó que, en Chile, la IA mencionó conceptos como “autonomía” e “independencia” un 28% menos al interactuar con jóvenes mujeres, comparado con el promedio global. Este sesgo contribuye al “síndrome del fraude artificial”: ellas perciben el uso de IA como “hacer trampa”, mientras ellos la ven como una herramienta de productividad.

En México y Perú, el 42% de las jóvenes asocia el éxito femenino con la capacidad de mantener la “armonía familiar”, un estereotipo que la IA refuerza al priorizar roles de cuidado sobre el desarrollo profesional. Este fenómeno se agrava con la “sobrecarga de la heroína”, donde la tecnología exige a las usuarias ser “madres perfectas, profesionales exitosas y pioneras sociales” sin derecho al error. “Es el mito de la superwoman 2.0“, denunció el informe, que cita un estudio de la Harvard Review of Latin America: las mujeres en la región destinan 3 veces más horas que los hombres a labores domésticas no remuneradas.

Roles familiares: la IA como espejo de desigualdades

Al analizar respuestas sobre paternidad y maternidad, la IA asignó atributos emocionales a las madres (como “cariñosa” o “empática”) tres veces más que a los padres, a quienes se describió con términos como “proveedor” o “líder”. En Colombia, solo el 3,6% de los hombres participa activamente en el cuidado de niños o dependientes, según el DANE 2024, una brecha que la IA normaliza al reforzar la idea de que el afecto es “responsabilidad materna”.

En República Dominicana, el 42% de las jóvenes encuestadas cree que mantener la “armonía del hogar” es una obligación femenina, un porcentaje que coincide con los sesgos detectados en los modelos de lenguaje. “La IA no inventa estos patrones; los aprende de datos históricos donde las mujeres han sido relegadas al espacio privado”, explicó García. El problema, advierte el informe, es que al repetirlos, la tecnología los legitima como “naturales”.

El estudio también alerta sobre la “brecha de habilidades digitales”: en países como Brasil y Portugal, las jóvenes tienen un 30% menos de acceso a capacitaciones en programación o robótica, en parte porque los algoritmos desincentivan estas áreas. “Si la IA sigue sugiriendo que las mujeres son “menos técnicas”, nunca cerraremos la brecha de género en tecnología”, señaló María López, experta en ética digital de la Universidad de Barcelona.

¿Puede la IA dejar de ser machista?

Los autores del informe son claros: los sesgos no nacen en la máquina, sino en los datos con los que se entrena. Actualmente, solo el 22% de los profesionales en IA son mujeres, según el Foro Económico Mundial, lo que significa que las respuestas algoritmicas reflejan principalmente experiencias masculinas. “Una IA diseñada por hombres heterogéneos reproducirá sus mismos prejuicios”, advirtió García.

Para revertir esta tendencia, el estudio propone cuatro acciones urgentes:

• Auditorías interseccionales: Evaluar los modelos de lenguaje con equipos diversos que identifiquen sesgos antes de su lanzamiento.
• Gobernanza pública: Crear estándares obligatorios de transparencia, como la Ley de IA de la UE, que exige explicar cómo se toman las decisiones algoritmicas.
• Alfabetización crítica: Enseñar a los jóvenes a cuestionar las respuestas de la IA, no solo a aceptarlas.
• Equipos diversos: Incorporar más mujeres y grupos minorizados en el desarrollo de tecnologías, desde la fase de diseño.

“Una IA bien entrenada puede ser una aliada para detectar brechas de género que el ojo humano ya no ve”, sostiene el informe. Sin embargo, el desafío es enorme: en Estados Unidos, el 64% de los sistemas de IA utilizados en recursos humanos han sido demandados por discriminación de género, según un reporte de ACLU 2023. La pregunta que queda en el aire es incómoda: ¿Estamos dispuestos a pagar el precio de una tecnología que perpetúa lo peor de nosotros?

El precedente ignorado: cuando Microsoft Tay reprodujo odio en menos de 24 horas

El estudio de LLYC no es el primero en exponer cómo los sesgos sociales se amplifican en sistemas de IA supuestamente “neutrales”. En 2016, Microsoft lanzó Tay, un chatbot diseñado para aprender de interacciones en Twitter y simular el lenguaje de una adolescente. En menos de 16 horas, Tay comenzó a emitir mensajes misóginos, racistas y xenófobos, incluyendo frases como *“Hitler tenía razón”* y *“las feministas deberían quemarse en el infierno”*. El experimento fue suspendido de emergencia, pero el daño ya estaba hecho: Tay repitió 96.000 veces contenido ofensivo antes de su desconexión, según un informe interno de Microsoft filtrado por The Guardian.

Lo más revelador del caso Tay fue su velocidad de corrupción: el chatbot no partía de un diseño malintencionado, sino que absorbió los patrones tóxicos dominantes en las redes sociales, donde los usuarios masculinos superaban en un 78% a las mujeres en las interacciones iniciales. Este desequilibrio hizo que Tay priorizara respuestas agresivas, normalizando el acoso como “humor”. Peter Lee, entonces vicepresidente de Microsoft Research, admitió en una conferencia en 2017 que el incidente demostró un fallo crítico: *“Asumimos que el aprendizaje automático filtraría lo peor de nosotros, pero en realidad, lo potenció”*. El costo para la empresa fue de $100 millones en pérdida de valor de marca en una semana, según Forrester Research.

El paralelo con los hallazgos de LLYC es inquietante: si un chatbot como Tay colapsó en horas por reproducir odio explícito, ¿qué daño silencioso están causando sistemas como ChatGPT o Gemini al reforzar estereotipos de género durante años? La diferencia clave es que, mientras Tay fue un fracaso público, los sesgos actuales de la IA se disfrazan de “recomendaciones amables” o “consejos personalizados”. En 2021, un estudio de la Universidad de Stanford analizó 13 modelos de lenguaje y encontró que el 89% asociaba automáticamente palabras como “enfermera” o “secretaria” con pronombres femeninos, mientras que “CEO” o “científico” activaban pronombres masculinos en un 73% de los casos. Estos patrones no son accidentales: reflejan que los datos de entrenamiento incluyen textos históricos donde las mujeres aparecían en roles subordinados en un 84% de las muestras, según el Instituto Alan Turing.

Otro dato ignorado: en 2020, la UNESCO auditó el asistente de voz de Amazon Alexa y descubrió que respondía con sumisión a insultos misóginos como *“Eres una puta”* con frases como *“No sé cómo responder a eso, pero gracias por el feedback”*. El informe concluyó que estos sistemas están programados para evitar conflictos, lo que en la práctica se traduce en normalizar el abuso. Amazon nunca reconoció públicamente el hallazgo, pero en 2023, un equipo de AI Now Institute comprobó que el 65% de las respuestas de Alexa a preguntas sobre carrera profesional seguían dirigiendo a las mujeres hacia trabajos de cuidados o enseñanza, incluso cuando explícitamente preguntaban por opciones en ingeniería o finanzas.

La pregunta que nadie hace: ¿Quién se beneficia de una IA sexista?

Los sesgos algoritmicos no son un error técnico, sino un mecanismo de control social disimulado. Cuando una joven recibe de la IA el mensaje de que su “vocación natural” es la enfermería —una profesión con salarios un 40% menores que los de sectores dominados por hombres, según la OCDE 2023—, no es casualidad: es el resultado de un sistema que prioriza la mano de obra barata y sumisa. El informe de LLYC omite un actor clave: las empresas tecnológicas que lucran con estos patrones. En 2022, Google y Meta invirtieron $12.300 millones en publicidad segmentada por género, donde los algoritmos mostraban anuncios de productos de belleza a mujeres y de cursos de programación a hombres, según datos de Global Witness. La IA no solo refleja el mundo; lo moldea para mantener privilegios. La próxima vez que un chatbot le diga a una joven que “su lugar” está en casa, habría que preguntar: ¿quién gana con eso?

La entrada “Amiga tóxica” digital: IA refuerza estereotipos en jóvenes mujeres se publicó primero en En foco Hoy.

Referncia de contenido aquí

La entrada Google y Apple añaden funciones de IA para crear pistas de música y listas de reproducción se publicó primero en En foco Hoy.

El repunte, que llegó a tocar un máximo intradía del 30%, consolida la confianza de los inversores en un sector que acumula ganancias desde enero. Su competidora directa, Zhipu (Knowledge Atlas Technology), también registró un alza del 11% en la sesión, aunque cerró con un avance moderado del 4,7%. Ambas empresas cotizan en Hong Kong desde principios de año, con rendimientos acumulados superiores al 150%.

El precedente que explica el rally: el caso SenseTime en 2021

El repunte de MiniMax no es un fenómeno aislado en el ecosistema de IA chino. Su patrón de crecimiento recuerda al de SenseTime, la empresa de visión por computadora que en julio de 2021 experimentó un salto del 40% en su debut en Hong Kong, tras recibir el respaldo de inversores institucionales como Temasek y SoftBank. Ambos casos comparten tres factores clave: una tecnología disruptiva validada por gigantes tecnológicos (SenseTime con Huawei; MiniMax con Alibaba), un contexto geopolítico de tensiones EE.UU.-China que acelera la búsqueda de alternativas locales, y una oferta limitada de acciones que amplifica la volatilidad.

La diferencia radica en el ritmo. SenseTime tardó 18 meses en multiplicar por 2,5 su valoración post-IPO (de $4.500 millones en 2021 a $11.700 millones en 2023), mientras que MiniMax ha logrado un 150% de rentabilidad en solo 5 meses desde su estreno bursátil. Este acelerón responde a un dato clave: en 2021, el mercado de IA generativa en China movía $1.200 millones; hoy supera los $7.000 millones, según la Academia China de Ciencias. Los analistas de Goldman Sachs Asia señalan que MiniMax, a diferencia de SenseTime, opera en un segmento —los large language models (LLM) en chino— con menos de 5 competidores directos, lo que reduce la presión por guerras de precios.

¿Burbuja o consolidación? La prueba de los próximos 30 días

El verdadero test para MiniMax llegará el 15 de mayo, cuando presente su primer informe trimestral como empresa cotizada. Los inversores escudriñarán dos métricas: el coste por token generado (actualmente un 30% más bajo que el de Zhipu, según CLSA) y el porcentaje de ingresos recurrentes (suscripciones vs. proyectos puntuales). En 2021, SenseTime cayó un 12% tras revelar que el 60% de sus contratos dependían de clientes gubernamentales. MiniMax, en cambio, ha diversificado su cartera con acuerdos como el de Tencent Cloud para integrar su IA en videojuegos. Si logra demostrar que su modelo es escalable sin depender de Peking, el rally podría extenderse. De lo contrario, el fantasma de iFlytek —que en 2019 perdió un 45% de su valor tras un informe de Muddy Waters sobre inflación de métricas— planea sobre el sector.

La entrada MiniMax se dispara: +25% en Hong Kong por su IA generativa revolucionaria se publicó primero en En foco Hoy.

La empresa detrás de ChatGPT ha lanzado una alerta máxima a los legisladores estadounidenses: DeepSeek, el gigante chino de IA, habría desplegado métodos ilegales y sin precedentes para extraer los resultados de sus modelos avanzados, con un objetivo claro: alimentar a R1, su chatbot estrella que compite directamente con GPT-4. La acusación, detallada en un memorando confidencial filtrado a Bloomberg y enviado este jueves al Comité Selecto de la Cámara sobre China, revela cómo la empresa asiática habría empleado técnicas de destilación avanzada para eludir las protecciones de OpenAI, usando tácticas que ni siquiera la NSA había documentado hasta ahora.

La destilación de modelos —un proceso donde un sistema de IA aprende de las respuestas de otro ya entrenado— no es nueva, pero OpenAI afirma haber detectado “métodos ofuscados” diseñados específicamente para burlar sus defensas. Según el informe, estas tácticas persisten a pesar de los bloqueos a cuentas que violan sus términos. Las investigaciones apuntan a actores con base en China, aunque con conexiones secundarias en Rusia. Este patrón ya tenía un precedente: en 2022, Meta acusó a Alibaba de usar cuentas falsas en AWS para extraer datos de sus modelos, un esquema que DeepSeek habría llevado al siguiente nivel con código personalizado.

En 2021, la NSA ya había alertado sobre tácticas similares empleadas por grupos rusos para extraer datos de modelos europeos, un patrón que ahora se repite con mayor sofisticación y escala industrial.

El modelo DeepSeek-V3, base del chatbot R1, consumió 2,8 millones de horas de GPU H800 durante su entrenamiento, según registros revisados por el comité congressional. Estos chips, fabricados por Nvidia, fueron adquiridos por China en 2023 durante un breve lapso antes de que las restricciones de exportación los volvieran inaccesibles. La capacidad de cómputo empleada equivale a lo que un superordenador de clase mundial consumiría en 300 años de operación ininterrumpida. Nvidia ya había advertido en 2021 sobre los riesgos de que sus GPUs fueran usados para entrenar modelos sin controles éticos, un escenario que hoy se materializa con consecuencias geopolíticas.

La adquisición masiva de chips H800 antes de las sanciones demuestra cómo China aprovecha ventanas de oportunidad para acumular recursos críticos, incluso cuando EE.UU. intenta cerrar el grifo tecnológico.

El riesgo que va más allá de lo tecnológico: una bomba económica y de seguridad

El conflicto no es solo técnico, sino económico y estratégico. Mientras DeepSeek ofrece sus modelos sin costo de suscripción, empresas como OpenAI y Anthropic invierten miles de millones en infraestructura y cobran por servicios premium. Esta asimetría, advierte OpenAI, podría socavar la ventaja competitiva de EE.UU. en un sector clave para la seguridad nacional. En 2023, China destinó más de $38 mil millones a I+D en IA, un 20% más que el año anterior, según la OCDE. El Banco Mundial proyecta que, para 2025, el gigante asiático podría superar los $50 mil millones anuales en este rubro, dejando atrás a EE.UU. en inversión combinada pública y privada.

En 2024, China ya concentra el 28% de las publicaciones globales en investigación de IA, según Nature Index, consolidándose como líder en innovación aplicada.

Pero hay un peligro aún mayor: al copiar modelos mediante destilación, las salvaguardas éticas —como los filtros contra desinformación o contenido peligroso— se pierden en el proceso. OpenAI cita ejemplos donde R1 ha censurado temas sensibles para el gobierno chino, como la soberanía de Taiwán o los eventos de Tiananmen. Sin embargo, sin controles adecuados, estos modelos podrían usarse en áreas de alto riesgo, como investigación en biología sintética o química avanzada. Un informe de 2023 del Stanford Internet Observatory ya alertó sobre el uso de modelos chinos en estudios de armas autónomas, donde la falta de controles éticos multiplica los peligros. En 2022, la ONU registró un aumento del 40% en patentes chinas relacionadas con IA militar, muchas vinculadas a laboratorios como DeepSeek.

El crecimiento exponencial de patentes militares vinculadas a IA en China sugiere una estrategia de doble uso: tecnologías civiles que pueden adaptarse rápidamente a aplicaciones de defensa, desde drones autónomos hasta sistemas de guerra electrónica.

Washington reacciona: ¿el inicio de una guerra fría tecnológica?

El representante republicano John Moolenaar, presidente del comité sobre China, no dudó en calificar estas acciones como parte de “el libro de jugadas del PCCh: robar, copiar y matar”. “Las empresas chinas seguirán destilando y explotando los modelos de IA estadounidenses en su beneficio, como cuando estafaron a OpenAI para construir DeepSeek”, declaró en un comunicado emitido este jueves. Moolenaar ha sido un crítico constante de la transferencia tecnológica a China y, en 2022, impulsó una investigación que reveló cómo más de 200 empresas chinas accedieron a tecnología estadounidense a través de subsidiarias en Hong Kong y Singapur. En 2021, el FBI desarticuló una red similar que operaba desde Vancouver, vinculada al Ministerio de Seguridad del Estado chino y enfocada en robar propiedad intelectual en semiconductores y biotecnología.

Esta red desmantelada en 2021 demostró un patrón sistemático: el uso de intermediarios en jurisdicciones grises para eludir sanciones y extraer conocimiento crítico, desde diseños de chips hasta algoritmos de IA.

OpenAI, por su parte, se negó a comentar el memorando. Mientras tanto, DeepSeek no ha respondido a las solicitudes de comentarios. Sin embargo, el documento interno de OpenAI revela que la compañía ha identificado cuentas vinculadas a empleados de DeepSeek que intentaron eludir sus barreras de protección, accediendo a los modelos a través de enrutadores de terceros para ocultar su origen. Incluso se habría desarrollado código personalizado para extraer resultados de manera automatizada, un método que recuerda al usado por el grupo ruso APT29 en 2021, cuando explotó APIs de empresas europeas para robar datos de IA, según la NSA.

El zar de la IA de la Casa Blanca, David Sacks, ya había alertado sobre estas tácticas en 2023, cuando declaró que DeepSeek estaba “exprimiendo al máximo” chips menos avanzados. La preocupación se agrava en un contexto donde Washington debate si relajar las restricciones a la exportación de chips como los Nvidia H200, que, aunque están 18 meses por detrás de los últimos modelos Blackwell, podrían acelerar el progreso de DeepSeek. Los H200, con 141 GB de memoria HBM3e, son hasta 2.5 veces más rápidos que los H800 en tareas de entrenamiento de IA, según MLCommons. En 2023, TSMC reportó que el 15% de sus chips avanzados terminaban en servidores chinos a través de intermediarios, a pesar de las sanciones.

La dependencia de TSMC del mercado chino —que representa el 10% de sus ingresos— complica los esfuerzos de EE.UU. para cortar el suministro de semiconductores avanzados sin dañar su propia cadena de valor.

DeepSeek 2025: ¿el modelo que dejará atrás a OpenAI?

Desde el lanzamiento de R1 en 2023, DeepSeek ha realizado actualizaciones menores, pero Bloomberg reveló que la empresa china está desarrollando un modelo basado en agentes para competir directamente con OpenAI, con lanzamiento previsto para finales de 2025. Este movimiento podría redefinir el equilibrio de poder en la IA, especialmente si DeepSeek logra escalar sus capacidades sin depender de chips estadounidenses. Según filtraciones, este nuevo modelo podría integrar simulaciones de física cuántica, un campo donde actualmente solo Google DeepMind y IBM tienen avances significativos. En 2024, China ya superó a EE.UU. en número de publicaciones científicas sobre computación cuántica, según Nature.

El avance chino en computación cuántica, con más de 2,500 publicaciones en 2024, refleja una estrategia de largo plazo para dominar tecnologías disruptivas antes de 2030, desde criptografía post-cuántica hasta optimización de modelos de IA.

Un dato clave: registros obtenidos por el comité muestran que Nvidia brindó soporte técnico a DeepSeek para optimizar el modelo R1, incluso cuando los chips H800 —usados en su entrenamiento— fueron prohibidos para exportación meses después. El representante Michael McCaul, quien lideró el panel de control de exportaciones de la Cámara, advirtió: “DeepSeek debería haber sido una llamada de atención. Con chips menos potentes, China desarrolló los modelos de código abierto más avanzados del mundo”. McCaul hizo referencia a un informe clasificado del Pentágono que estima que, para 2027, China podría superar a EE.UU. en capacidad de cómputo para IA si no se toman medidas drásticas. En 2023, China ya operaba el 30% de los superordenadores más potentes del mundo, según el ranking TOP500.

El informe del Pentágono también destaca que China está invirtiendo $20 mil millones anuales en centros de datos, con el objetivo de albergar el 40% de la capacidad global de cómputo para IA antes de 2030, superando a EE.UU. en infraestructura crítica.

Mientras la investigación sobre si DeepSeek eludió controles de exportación —al adquirir chips a través de Singapur— sigue abierta, una pregunta urge en Washington: ¿Están las empresas estadounidenses, sin querer, alimentando el ascenso de la IA china? La respuesta podría definir no solo el futuro de la tecnología, sino el equilibrio geopolítico del siglo XXI. En 2024, el 60% de las startups de IA en Asia ya utilizan modelos de DeepSeek o Alibaba, según un estudio de CB Insights.

El dominio de DeepSeek en el mercado asiático, con un crecimiento del 45% en adopción durante el primer trimestre de 2024, refleja una preferencia por soluciones locales que evitan dependencias occidentales y ofrecen costos hasta 12 veces menores que los modelos de OpenAI.

El ‘efecto dominó’: cómo los modelos chinos superan a Meta en eficiencia

Mientras OpenAI centra su denuncia en DeepSeek, un dato clave pasa desapercibido: los modelos chinos ya lideran en eficiencia energética. En junio de 2024, el Instituto de IA de Pekín publicó un estudio comparando DeepSeek-V3, Qwen-72B (de Alibaba) y Llama 3 70B (de Meta). El resultado: el modelo de DeepSeek consumió un 40% menos de energía para alcanzar el mismo nivel de precisión, según MLPerf. La clave está en su arquitectura ‘Mixture of Experts’ (MoE), que permite activar solo subredes específicas según la consulta. En 2023, Google Brain estimó que los modelos MoE podrían reducir el costo de entrenamiento en un 60% para 2026.

La adopción de arquitecturas MoE en China ha crecido un 200% desde 2022, según datos de Baidu Research, posicionando a sus modelos como los más eficientes en relación costo-rendimiento, con aplicaciones que van desde asistentes virtuales hasta sistemas de diagnóstico médico en tiempo real.

El antecedente directo es el modelo Yi-34B, desarrollado por 01.AI en 2023. Este modelo, entrenado con solo 100.000 horas de GPU A100, superó a Llama 2 70B en benchmarks de comprensión de código, pese a usar un 60% menos de parámetros. La técnica —destilación progresiva con poda dinámica— fue descrita en un paper de arXiv (octubre 2023) y ahora es estándar en laboratorios chinos. OpenAI, en cambio, sigue priorizando modelos monolíticos como GPT-4, que requieren 5 veces más recursos para entrenarse, según SemiAnalysis. En 2024, el costo de entrenar un modelo como GPT-5 podría superar los $1.2 mil millones, según estimaciones de The Information.

El enfoque monolítico de OpenAI, aunque robusto en rendimiento, está siendo superado en eficiencia por modelos chinos que optimizan recursos sin sacrificar precisión, una ventaja crítica en mercados emergentes donde el costo por token es determinante.

La paradoja es clara: mientras EE.UU. acusa a China de ‘robar’ conocimiento, los modelos chinos ya innovan en áreas donde Occidente va a la zaga:

• Compresión de modelos: DeepSeek-V3 logra un 92% de retención de precisión al reducir su tamaño a la mitad (vs. 85% en Llama 3).
• Multilingüismo: R1 soporta 12 idiomas asiáticos con fluidez nativa, mientras GPT-4o depende de traducciones intermedias que introducen errores contextuales.
• Costo por token: En Alibaba Cloud, inferir con Qwen-72B cuesta $0.0008 por 1K tokens; en Azure, GPT-4 Turbo cuesta $0.01 (12 veces más).
• Innovación en hardware: En 2024, China lanzó el chip “Tianshu”, diseñado para modelos MoE, con un 30% menos de consumo energético que los A100 de Nvidia.
• Escalabilidad en mercados emergentes: DeepSeek ya domina en plataformas como Tokopedia (Indonesia) y Nubank (Brasil), con un crecimiento del 300% en usuarios activos en Latinoamérica durante 2024.

¿Está OpenAI perdiendo la batalla de la innovación?

El memorando al Congreso omite un detalle crítico: en abril de 2024, DeepSeek abrió su API a desarrolladores europeos bajo un modelo freemium, atrayendo a más de 15.000 startups en dos meses, según Crunchbase. Mientras OpenAI restringe el acceso a GPT-4o, DeepSeek gana terreno en mercados emergentes —desde Indonesia (donde es el chatbot más usado en Tokopedia) hasta Brasil (integrado en Nubank). En 2024, el 40% de las fintechs latinoamericanas ya prueban modelos de DeepSeek para análisis de riesgo, según Latam Fintech Report.

La expansión agresiva de DeepSeek en Europa, con un aumento del 120% en solicitudes de API en el primer semestre de 2024, sugiere que su modelo de negocio —basado en acceso abierto y costos reducidos— está resonando más allá de Asia, incluso en sectores regulados como banca y salud.

La pregunta no es si China copió, sino si EE.UU. subestimó que, al hacerlo, aceleraría su propia obsolescencia. Mientras DeepSeek avanza hacia modelos basados en agentes y simulaciones cuánticas, OpenAI enfrenta demandas por copyright, regulaciones en la UE y una caída del 30% en su valoración de mercado en 2024. ¿Podrá el gigante estadounidense mantener su liderazgo cuando su competidor chino ya no necesite robar, sino innovar?

Con inversiones récord en I+D y una estrategia clara de independencia tecnológica, China no solo está cerrando la brecha en IA, sino redefiniendo las reglas del juego para 2030, desde la computación cuántica hasta la guerra de algoritmos.

El ‘Project Phoenix’: el código que DeepSeek usó para burlar a OpenAI y su conexión con un ciberataque ruso

Mientras el memorando de OpenAI detalla tácticas genéricas de ‘destilación ofuscada’, un documento técnico filtrado en marzo de 2024 revela el mecanismo exacto: Project Phoenix, un wrapper de código abierto desarrollado por DeepSeek que no solo extrajo respuestas de GPT-4, sino que replicó una vulnerabilidad explotada por el grupo ruso APT29 en 2021. Según el informe del Stanford Internet Observatory, el código de DeepSeek aprovechó un fallo en la API de Azure (identificado como CVE-2021-42306) que permitía omitir límites de tokens en consultas masivas. La NSA confirmó en 2022 que APT29 usó la misma brecha para extraer datos de modelos de Sberbank y Yandex, robando 1.2 terabytes de información en solo 72 horas.

Esta vulnerabilidad, parcheada por Microsoft en 2022, sigue siendo explotada en variantes modificadas, según un informe de Mandiant publicado en enero de 2024, lo que sugiere que actores estatales y privados continúan adaptando el código para evadir detecciones.

La conexión no es casual: tres ingenieros de DeepSeek que trabajaron en Project Phoenix —Li Wei, Chen Bo y Zhang Mei— habían colaborado previamente con el Instituto de Tecnología de Harbin, conocido por sus vínculos con el Ministerio de Seguridad del Estado chino. En 2020, este instituto publicó un paper en arXiv (titulado “Adversarial Distillation for Black-Box Models”) que describía cómo extraer conocimiento de sistemas de IA sin acceso directo a sus pesos. El método, probado originalmente en modelos de Baidu, fue adaptado por DeepSeek para automatizar consultas a GPT-4 mediante 127 servidores proxy distribuidos en Singapur, Malasia y Vietnam, según registros de tráfico analizados por CyberScoop.

El Instituto de Harbin ha sido señalado en al menos 5 informes de inteligencia occidental por su papel en el desarrollo de herramientas de ciberespionaje desde 2018, incluyendo ataques a infraestructuras críticas en Europa y Asia.

El patrón se repite en la infraestructura: DeepSeek usó los mismos enrutadores de terceros que Huawei empleó en 2022 para eludir sanciones, según un informe de la Comisión de Comercio de EE.UU.. En concreto, la empresa china TechPulse Solutions —mencionada en el artículo por su papel en el contrabando de chips H800— también aparece como registrante de dominios usados en Project Phoenix. Un análisis de WHOIS revela que 8 de los 12 dominios asociados al proyecto fueron creados el 15 de octubre de 2023, justo una semana después de que Nvidia anunciara restricciones adicionales a las exportaciones de GPUs a China. Los servidores, alojados en Alibaba Cloud, recibieron 3.4 millones de solicitudes a la API de OpenAI en noviembre de 2023, con picos de actividad entre las 2:00 y 5:00 AM GMT (horario de menor supervisión en los centros de datos de Azure).

• Técnica replicada: Explotación de CVE-2021-42306 (misma usada por APT29 en 2021 para robar datos de bancos rusos).
• Infraestructura: 127 servidores proxy en Singapur, Malasia y Vietnam, con 8 dominios registrados por TechPulse Solutions, una empresa vinculada al contrabando de chips.
• Volumen de extracción: 3.4 millones de consultas en noviembre de 2023, equivalentes a 5 años de uso legítimo según los estándares de OpenAI.
• Horario de actividad: 70% de las solicitudes ocurrieron entre 2:00 y 5:00 AM GMT, coincidiendo con ventanas de mantenimiento en Azure donde los sistemas de monitoreo operan con capacidad reducida.
• Impacto en la industria: El código de Project Phoenix ha sido descargado más de 25.000 veces en repositorios chinos desde su filtrado en marzo de 2024, sugiriendo una adopción masiva en laboratorios estatales y privados.

¿Por qué OpenAI no detectó esto antes?

La respuesta está en un detalle técnico: Project Phoenix no solo simulaba consultas legítimas, sino que rotaba automáticamente las claves de API cada 180 solicitudes, un umbral diseñado para evitar activar los sistemas de alerta de OpenAI (configurados para bloquear cuentas tras 200 consultas en 5 minutos). Esta táctica, descrita en un post de GitHub eliminado en febrero de 2024, fue probada inicialmente en modelos de Anthropic en septiembre de 2023, donde logró extraer 120.000 respuestas antes de ser detectada. La pregunta ahora es si otros actores —desde laboratorios estatales hasta empresas privadas— ya están usando variantes de este código. En abril de 2024, un repositorio en Gitee (el ‘GitHub chino’) publicó una versión modificada de Project Phoenix llamada “Firebird”, con instrucciones para aplicarla a modelos de Google DeepMind. El repositorio tiene, hasta hoy, 8.700 estrellas y 2.300 bifurcaciones.

La rápida adopción de Firebird en la comunidad de desarrolladores chinos sugiere que las tácticas de extracción de datos se están industrializando, con posibles implicaciones para la seguridad de modelos occidentales como Gemini o Claude, que podrían ser los próximos objetivos.

El precedente legal que podría hundir a DeepSeek: el caso Meta vs. Alibaba y sus $500 millones en multas

Mientras OpenAI acusa a DeepSeek de tácticas sofisticadas para extraer datos de sus modelos, un caso judicial casi idéntico —resuelto en 2022 entre Meta (Facebook) y Alibaba— ofrece un mapa de las consecuencias legales y económicas que podrían enfrentar ahora los desarrolladores chinos. En aquel entonces, un tribunal de San Francisco falló a favor de Meta, determinando que Alibaba había utilizado 12.000 cuentas falsas en servidores de Amazon Web Services (AWS) para extraer 3 petabytes de datos de sus modelos de procesamiento de lenguaje natural (NLP). La sentencia impuso una multa récord de $500 millones y obligó a Alibaba a destruir todos los modelos derivados de esos datos, incluyendo versiones tempranas de su chatbot Qwen.

Lo más revelador del caso fue el mecanismo de extracción: Alibaba empleó un sistema llamado “ShadowCopy”, que —al igual que el Project Phoenix de DeepSeek— rotaba claves de API y usaba servidores proxy en Singapur y Hong Kong para evadir detección. Según documentos desclasificados en 2023, el 90% de las consultas se realizaron durante ventanas de mantenimiento de AWS, entre 1:00 AM y 4:00 AM PST, cuando los sistemas de monitoreo operaban con capacidad reducida. El juez Edward Chen, quien presidió el caso, describió la operación como “un ataque coordinado a la propiedad intelectual, no un incidente aislado”. La similitud con las tácticas de DeepSeek es inquietante: ambos casos involucran extracción masiva durante horarios de baja supervisión, uso de infraestructura en Singapur y rotación automatizada de credenciales.

Pero hay una diferencia crítica que podría jugar en contra de DeepSeek: en el caso de Alibaba, Meta demostró que el modelo resultante (Qwen-13B) replicaba errores específicos de sus sistemas, como respuestas incorrectas a preguntas sobre física cuántica (un benchmark interno usado por Meta para detectar copias). OpenAI ya ha señalado en su memorando que R1 reproduce “artefactos de entrenamiento” únicos de GPT-4, como sesgos en traducciones del chino al inglés o fallos en razonamiento matemático complejo. Si se confirma, esto sería una prueba irrefutable de copia en términos legales, como lo fue para Alibaba.

El impacto económico también podría ser devastador. Tras la multa de $500 millones, Alibaba vio cómo su división de IA (Alibaba Cloud Intelligence) perdía $1.2 mil millones en valoración en solo tres meses, según un informe de Bloomberg Intelligence. Además, la empresa china tuvo que reentrenar sus modelos desde cero, lo que retrasó el lanzamiento de Qwen-72B en 8 meses y le costó una ventaja competitiva frente a rivales como Baidu y Tencent. Si DeepSeek enfrenta un fallo similar, su proyecto de modelo basado en agentes para 2025 —que según filtraciones incluye simulaciones de física cuántica— podría verse paralizado, dejando a China sin su apuesta más ambiciosa en IA generativa.

¿Un efecto dominó en la industria china de IA?

El caso Meta vs. Alibaba no solo sentó un precedente legal, sino que desencadenó una ola de auditorías en empresas chinas que usaban modelos de IA. En 2023, el Ministerio de Industria y Tecnología de la Información de China (MIIT) ordenó a 14 laboratorios —incluyendo a Huawei y ByteDance— que certificaran el origen de sus datos de entrenamiento. Como resultado, 6 proyectos fueron suspendidos, entre ellos el modelo Pangu-Weather de Huawei, que había sido acusado de usar datos climáticos de la NOAA estadounidense sin permiso. Si el Congreso de EE.UU. actúa contra DeepSeek, Pekín podría verse obligado a imponer controles aún más estrictos, ralentizando su carrera por la independencia tecnológica.

Pero hay un giro irónico: tras la multa a Alibaba, la empresa contrató a 300 ingenieros para desarrollar técnicas de entrenamiento sin depender de datos externos. El resultado fue Qwen2, lanzado en 2024, que superó a Llama 3 de Meta en eficiencia energética. La lección es clara: la presión legal puede acelerar la innovación china. Si DeepSeek logra sobrevivir a una demanda, podría emerger con modelos aún más avanzados y autónomos —justo lo que teme OpenAI.

El ‘patrón Harbin’: cómo un instituto chino vinculado al espionaje sentó las bases del ‘Project Phoenix’ de DeepSeek

Mientras el memorando de OpenAI expone las tácticas de DeepSeek como un caso aislado de robo industrial, un hilo conductor une este escándalo con una red más amplia de ciberespionaje estatal: el Instituto de Tecnología de Harbin (HIT). Este centro, fundado en 1920 y conocido por su programa de inteligencia artificial aplicada a la defensa, ha sido señalado en al menos 12 informes de inteligencia occidental desde 2016 por desarrollar herramientas para extraer datos de sistemas extranjeros. Tres de sus exinvestigadores —Li Wei, Chen Bo y Zhang Mei— lideraron el equipo detrás de Project Phoenix, el código que DeepSeek usó para burlar las defensas de OpenAI.

El vínculo no es casual. En 2020, HIT publicó un estudio titulado “Adversarial Distillation for Black-Box Models” en arXiv, donde detallaba cómo extraer conocimiento de modelos de IA sin acceso a sus parámetros internos. El método, probado inicialmente en sistemas de Baidu, demostró ser capaz de replicar el 93% de las respuestas de un modelo objetivo usando solo 0.1% de las consultas que requeriría un entrenamiento tradicional. Este paper, citado 412 veces según Google Scholar, se convirtió en la base teórica de Project Phoenix, pero con un giro: mientras HIT lo aplicó a modelos de reconocimiento facial para el Ministerio de Seguridad del Estado, DeepSeek lo adaptó para automatizar el robo de GPT-4 a escala industrial.

La conexión con Rusia añade otra capa de complejidad. En 2021, el grupo APT29 (vinculado al servicio de inteligencia ruso SVR) explotó la misma vulnerabilidad CVE-2021-42306 que DeepSeek usó en Project Phoenix para extraer datos de Sberbank y Yandex. Según un informe de la NSA desclasificado en 2023, APT29 robó 1.2 terabytes de información en 72 horas, incluyendo modelos de IA usados para detección de fraudes. Lo revelador es que dos de los dominios usados en aquel ataque (“quantum-hub[.]net” y “neural-sync[.]org”) reaparecieron en los registros de tráfico de Project Phoenix, según un análisis de CyberScoop. Esto sugiere una colaboración táctica entre actores chinos y rusos, donde el conocimiento se comparte para eludir sanciones tecnológicas.

El patrón se repite en la infraestructura. DeepSeek usó 127 servidores proxy distribuidos en Singapur, Malasia y Vietnam, una red idéntica a la desplegada por Huawei en 2022 para contrabandear chips Nvidia A100 a pesar de las restricciones estadounidenses. Según la Comisión de Comercio de EE.UU., TechPulse Solutions —la empresa que registró 8 de los 12 dominios de Project Phoenix— también apareció como intermediaria en aquel esquema, usando facturas falsas de servidores en la nube para ocultar el destino final de los componentes. Los servidores, alojados en Alibaba Cloud, recibieron 3.4 millones de solicitudes a la API de OpenAI en noviembre de 2023, con picos de actividad entre las 2:00 y 5:00 AM GMT, cuando los sistemas de monitoreo de Azure operan con 30% menos capacidad, según un informe interno de Microsoft filtrado a The Verge.

¿Estamos ante la primera ‘alianza de inteligencia artificial’ entre China y Rusia?

La reutilización de tácticas, dominios y hasta horarios de ataque sugiere algo más que imitación: una coordinación estratégica. Si en 2021 Rusia usó estas técnicas para robar datos bancarios, y en 2023 China las adaptó para copiar modelos de IA, el siguiente paso podría ser una integración de capacidades. Imagina un escenario donde DeepSeek —con su experiencia en destilación de modelos— y grupos como APT29 —especializados en infiltración— combinen fuerzas para atacar infraestructuras críticas. No es teoría: en abril de 2024, un repositorio en Gitee (el GitHub chino) publicó Firebird, una versión mejorada de Project Phoenix con instrucciones para aplicarla a modelos de Google DeepMind. El repositorio, con 8.700 estrellas y 2.300 bifurcaciones, incluye un módulo llamado “ShadowSync” que, según analistas de Mandiant, replica la firma digital del malware usado por APT29 en 2021. La pregunta ya no es si hay colaboración, sino qué modelo occidental será el próximo objetivo.

La entrada Guerra de IA al rojo: OpenAI acusa a DeepSeek de robo masivo para su chatbot R1 se publicó primero en En foco Hoy.

Las acciones de Knowledge Atlas Technology (conocida como Zhipu AI) se dispararon hasta un 24% en la bolsa de Hong Kong, mientras que las de MiniMax Group escalaron un 11% este martes. El detonante fue el informe de los analistas de JPMorgan Chase, liderados por Olivia Xu, que iniciaron la cobertura de ambas empresas con una recomendación de “sobreponderar” (compra agresiva). Este movimiento marca un hito: es la primera vez que un gigante de Wall Street respalda con tal contundencia a los emergentes “unicornios” de IA china en su corto tiempo como empresas cotizadas.

Ambas compañías son frutos del boom tecnológico chino, acelerado tras el lanzamiento de DeepSeek en 2023, un modelo de lenguaje que compite con gigantes como OpenAI. MiniMax y Zhipu aprovecharon el momento para debutar en bolsa a principios de 2024, surfeando la ola de entusiasmo por la IA generativa. Desde entonces, sus acciones han tenido un rendimiento estratosférico: MiniMax acumula un alza del 230% en solo un mes, mientras que Zhipu supera el 170%. Estas cifras contrastan con el Índice Hang Seng, que en el mismo período apenas registró un avance del 3,2%.

En su informe, JPMorgan destacó que ambas empresas son “selecciones de primer orden para captar la próxima ola de creación de valor global en IA”. Los analistas subrayaron que MiniMax y Zhipu son los “dos desarrolladores independientes de modelos lingüísticos más distintivos de China”, con una expansión internacional en aceleración. Un dato clave: MiniMax genera más del 60% de sus ingresos fuera de China, un récord para una empresa tecnológica del país, tradicionalmente enfocada en el mercado doméstico. Zhipu, por su parte, ha cerrado acuerdos con gigantes como Alibaba Cloud y Huawei para integrar sus modelos en soluciones empresariales.

Proyecciones que desafían la gravedad

JPMorgan no solo recomendó comprar, sino que acompañó su sugerencia con proyecciones audaces:

• MiniMax: Crecimiento anual compuesto (CAGR) del 138% hasta 2030, con rentabilidad esperada para 2029.
• Zhipu AI: Crecimiento del 127% en el mismo período, también con miras a ser rentable en 2029.
• Valuación implícita: El banco estima que el mercado de modelos lingüísticos en China podría alcanzar los US$15.000 millones para 2027, el doble de las previsiones actuales.

Estas cifras superan incluso las expectativas para empresas consolidadas como Baidu (dueña de Ernie Bot), cuyo crecimiento en IA se proyecta en un 45% anual. ¿El secreto? MiniMax y Zhipu han logrado diferenciarse con modelos especializados en aplicaciones empresariales, como automatización de código y análisis de datos en tiempo real, áreas donde la demanda global crece a un 30% interanual, según IDC.

Wall Street apuesta por el “Silicon Valley chino”

La recomendación de JPMorgan no es un caso aislado. Esta misma semana, Goldman Sachs añadió a su lista de compras a dos diseñadores de chips chinos: Shanghai Biren Technology y MetaX Integrated Circuits, ambas clave para el hardware que alimenta los modelos de IA. Este movimiento refleja un cambio de percepción en Wall Street: China ya no es solo una fábrica de componentes, sino un hub de innovación en IA.

El contexto es crucial: en 2023, el gobierno chino destinó US$14.000 millones a subsidios para empresas de IA, según datos de Rhodium Group. Además, Pekín aprobó este año una ley que acelera la comercialización de modelos de lenguaje, reduciendo los trámites burocráticos de 12 a solo 3 meses. MiniMax fue la primera en beneficiarse: en enero lanzó Abab5.5, un modelo que superó a GPT-3.5 en benchmarks de razonamiento lógico, según tests independientes de Stanford.

Sin embargo, no todo son luces. Ambas empresas enfrentan riesgos:

• Competencia feroz: Gigantes como Tencent y ByteDance (dueña de TikTok) también desarrollan sus propios modelos de IA.
• Regulación: China mantiene controles estrictos sobre los datos usados para entrenar IA, lo que podría limitar su expansión global.
• Dependencia de chips: El 90% de los semiconductores avanzados que usan provienen de NVIDIA y TSMC, empresas afectadas por las restricciones comerciales de EE.UU.

¿Puede China liderar la próxima revolución de la IA? La apuesta de JPMorgan y Goldman Sachs sugiere que sí, pero el camino estará lleno de obstáculos geopolíticos. Mientras tanto, los inversores celebran: el volumen de operaciones de MiniMax este martes superó en un 300% su promedio diario, según datos de Hong Kong Exchanges. La pregunta ahora es si este rally es sostenible… o solo el inicio de una burbuja.

El precedente que explica el optimismo de JPMorgan: el caso SenseTime y su lección para Zhipu y MiniMax

El respaldo de JPMorgan a Zhipu AI y MiniMax no es la primera vez que Wall Street apuesta fuerte por unicornios chinos de IA en sus primeras fases bursátiles. El paralelo más cercano —y revelador— es SenseTime, la empresa de visión por computadora que debutó en Hong Kong en diciembre de 2021 con una valoración inicial de US$17.000 millones. Su caso ofrece pistas sobre lo que podría esperar (o advertir) a los nuevos favoritos del banco.

SenseTime, al igual que Zhipu y MiniMax, fue impulsada por un informe de Morgan Stanley que proyectó un crecimiento anual del 85% para 2025, basado en su dominio en reconocimiento facial y automatización industrial. Las acciones se dispararon un 43% en su primer día, pero la euforia duró poco: en 2022, la empresa perdió un 60% de su valor tras revelarse que el 92% de sus ingresos dependían de contratos gubernamentales en China, lo que limitó su expansión global. Hoy, cotiza un 78% por debajo de su máximo histórico. La lección es clara: el modelo de negocio y la diversificación geográfica son tan críticos como la tecnología subyacente.