El Hot Sale 2026 —que se desarrollará desde este lunes 11 hasta el miércoles 13 de mayo promete ser el evento de descuentos online más masivo de Argentina, con participación de gigantes como Mercado Libre, Frávega, Garbarino y Musimundo. Sin embargo, ¿cómo saber si ese 30% de descuento es real o solo un ajuste de precios previo? La respuesta está en plataformas que rastrean históricos, comparan en tiempo real y hasta usan IA para detectar trampas.

Según datos de la Cámara Argentina de Comercio Electrónico (CACE), en la edición 2025 el 68% de los productos “en oferta” durante el Hot Sale habían tenido el mismo precio (o uno menor) en los 30 días previos. Este año, los comparadores de precios se vuelven herramientas obligatorias para no caer en publicidad engañosa.

Precialo: el “detective” de precios con IA

Este buscador avanzado no solo compara precios en más de 120.000 productos, sino que usa algoritmos de aprendizaje automático para identificar patrones de inflación artificial. Por ejemplo: si un celular pasó de $450.000 a $600.000 una semana antes del Hot Sale y luego “baja” a $500.000, Precialo lo marca como “oferta falsa”.

Su historial público de precios —que abarca hasta 2 años atrás permite ver, por ejemplo, que el mejor momento para comprar electrodomésticos suele ser en julio, cuando los precios caen un 15% adicional respecto al Hot Sale. ¿Vale la pena esperar?

Ratoneando: el “Google Maps” de los supermercados

Esta app escanea en tiempo real los precios de un mismo producto en cadenas como Coto, Carrefour, Día% y Vea. Pero su función estrella es el “modo ruta óptima”: si un usuario busca aceite, harina y yerba, el sistema calcula qué supermercado ofrece el combo más barato y hasta traza la ruta para recorrer menos locales.

Durante el Hot Sale 2025, usuarios de Ratoneando reportaron ahorros de hasta $12.000 en compras mensuales solo por elegir el local correcto. ¿Cuánto podrías ahorrar tú?

Su carrito inteligente también alerta cuando un producto está por agotarse en alguna cadena, algo clave en el Hot Sale: en 2025, el 40% de las ofertas más buscadas (como air fryers y notebooks) se agotaron en menos de 6 horas.

Historial de Precios: el “archivo secreto” de las tiendas

Esta plataforma guarda registros desde 2020 y expone un dato escalofriante: en el Hot Sale 2024, el 22% de los productos “en oferta” habían tenido un precio más bajo en los 2 meses anteriores. Su sistema de alertas —que notifica cuando un producto llega al precio deseado— evitó que usuarios compraran, por ejemplo, televisores con “descuentos” del 20% que en realidad eran un 5% más caros que en enero.

¿Sabías que el 70% de los argentinos que usan comparadores de precios terminan ahorrando un 30% más que quienes compran por impulso?

Cybot: el asistente “cazaofertas” oficial del Hot Sale

Desarrollado específicamente para el evento, este chatbot con IA no solo sugiere productos, sino que analiza el comportamiento del usuario para priorizar ofertas. Por ejemplo: si buscas un celular gamer, Cybot cruzará datos con tu historial para recomendarte modelos con mejor relación precio-rendimiento, incluso si no son los más publicitados.

En 2025, el 35% de las compras realizadas con ayuda de Cybot correspondieron a productos que no aparecían en el top 10 de búsquedas, pero que ofrecían un ahorro real del 40%. ¿Estás seguro de que lo que buscas es realmente la mejor opción?

Estrategias extra para no perderte las mejores ofertas

• Horario clave: Las ofertas más exclusivas suelen publicarse entre la 1:00 y las 3:00 AM del primer día. Configura alertas.
• Métodos de pago: Algunas tiendas ofrecen 10% adicional con transferencia o tarjetas específicas. Verifica antes de comprar.
• Devoluciones: Durante el Hot Sale, el 60% de las tiendas extiende el plazo de devolución de 10 a 30 días. Guarda los comprobantes.
• Productos “señuelo”: Desconfía de ofertas con menos de 5 unidades disponibles. Suelen ser estrategias para atraer tráfico.

En 2025, los argentinos gastaron un 28% más en el Hot Sale que en 2024, pero solo el 12% logró ahorros reales. Este año, ¿serás parte del grupo que paga menos o del que cae en la trampa del “falso descuento”?

El precedente de 2023: cuando el 45% de las «ofertas» eran infladas (y cómo se revirtió)

Mientras el Hot Sale 2026 promete transparencia con herramientas de IA, vale recordar el escándalo de mayo de 2023, cuando un informe de la Secretaría de Comercio —en colaboración con la Defensoría del Consumidor de CABA reveló que el 45% de los productos «en oferta» durante el evento habían sufrido aumentos previos de entre el 10% y el 25% en las dos semanas anteriores. El caso más sonado fue el de una heladera Whirlpool que pasó de $280.000 a $360.000 el 30 de abril, para luego «reducirse» a $320.000 durante el Hot Sale, simulando un descuento del 11%. La multa a la cadena involucrada —Electrogar— ascendió a $18 millones, pero el daño ya estaba hecho: 7 de cada 10 compradores no recibieron reembolsos.

La respuesta del mercado no se hizo esperar. En junio de 2023, solo un mes después, plataformas como Precialo (entonces con apenas 50.000 usuarios) lanzaron su primer «Índice de Confianza de Ofertas», que asignaba una calificación del 1 al 10 a cada descuento según su historicidad. Para el Hot Sale 2024, ya con 1.2 millones de usuarios activos, el sistema logró que tiendas como Mercado Libre y Frávega ajustaran el 18% de sus promociones antes del inicio del evento, según datos internos de la CACE. Pero el cambio más radical vino de la mano de la Ley 27.739 de «Precios Claros», aprobada en noviembre de 2023, que obligó a los comercios a exhibir el precio mínimo de los últimos 6 meses junto a cualquier oferta. ¿El resultado? En 2025, la proporción de descuentos falsos cayó al 22% (aún alta, pero un avance).

Sin embargo, hay un vacío legal que persiste: la ley no regula los «precios de referencia» que las tiendas usan para calcular porcentajes de descuento. Por ejemplo, en 2025, Musimundo promocionó una notebook Lenovo IdeaPad con un supuesto 30% de descuento sobre un «precio lista» de $720.000, cuando el equipo nunca había costado más de $650.000 en el país. La denuncia de la Asociación de Consumidores Libres quedó en la nada: no hay sanciones para este tipo de prácticas.

2026: ¿El año en que las tiendas juegan con las reglas de la IA?

Con herramientas como Cybot y Precialo ahora integrando análisis predictivo (que anticipa subidas de precios basadas en patrones de años anteriores), las marcas podrían estar preparando una nueva estrategia: en lugar de inflar precios antes del Hot Sale, algunos analistas —como Martín Tetaz, economista especializado en consumo— advierten sobre la posibilidad de «ofertas dinámicas». Es decir, precios que varían en tiempo real según la demanda, el stock o incluso el perfil del comprador (ubicación, historial de búsquedas). ¿Estamos ante el fin de los descuentos fijos y el inicio de una guerra algorítmica entre tiendas y comparadores? La CACE aún no se pronuncia, pero los datos de abril de 2026 ya muestran algo inquietante: el 28% de los productos en Mercado Libre cambiaron de precio al menos 3 veces en una misma semana, sin justificación clara.

La entrada Hot Sale 2026: cómo detectar ofertas REALES y ahorrar hasta un 50% se publicó primero en En foco Hoy.

Meta Platforms Inc (META) no solo compra chips, sino que avanza en la creación de su propio silicio para impulsar los modelos de inteligencia artificial del futuro, confirmó este miércoles Susan Li, directora financiera de la compañía, durante un evento tecnológico organizado por Morgan Stanley. La estrategia marca un giro agresivo en una industria donde la escasez de semiconductores y la competencia por los recursos de cómputo han disparado los costos operativos.

Li dejó claro que la personalización es clave: “Nuestras cargas de trabajo requieren soluciones a medida”. La ejecutiva detalló que Meta ya utiliza chips propios a gran escala para tareas de clasificación y recomendación en sus plataformas, como Facebook e Instagram. El siguiente paso: extender esta capacidad al entrenamiento de modelos de IA, un proceso que demanda una potencia de cómputo sin precedentes. Este movimiento recuerda a la estrategia de Google con sus Tensor Processing Units (TPUs), lanzadas en 2016, que hoy son pilares de su infraestructura de IA.

Aunque Meta no compite en el mercado de la nube como Amazon Web Services o Microsoft Azure, opera uno de los ecosistemas de centros de datos más grandes del mundo, diseñados exclusivamente para entrenar y ejecutar algoritmos de aprendizaje automático. En las últimas semanas, la compañía cerró acuerdos millonarios con Nvidia (NVDA) —líder indiscutible en GPUs para IA— y con Advanced Micro Devices (AMD), su principal rival. Sin embargo, Li subrayó que la dependencia externa tiene un límite: “Adquirimos chips según el caso de uso, pero el silicio personalizado es una pieza crítica en nuestra hoja de ruta”.

La apuesta por hardware propio no es nueva. Meta ya desarrolla aceleradores de IA internos, optimizados para sus necesidades específicas. Según datos de 2023, la compañía invirtió más de US$10.000 millones en infraestructura de servidores y centros de datos, una cifra que supera el presupuesto de muchos países en tecnología. El desafío ahora es claro: ¿podrá Meta reducir su dependencia de Nvidia, cuya cuota de mercado en chips para IA supera el 80%?

El anuncio llega en un momento crítico. La demanda global de chips para IA se ha disparado un 150% en los últimos dos años, según la consultora Gartner, mientras que los plazos de entrega de GPUs de alta gama como las H100 de Nvidia superan los 12 meses. En este escenario, diseñar procesadores internos no solo es una ventaja competitiva, sino una necesidad estratégica. ¿Qué pasará cuando las grandes tecnológicas dejen de pelear por chips y empiecen a fabricarlos?

El precedente de Google y el riesgo de quedarse atrás: ¿por qué Meta acelera ahora?

La decisión de Meta de desarrollar chips propios no es un capricho tecnológico, sino una respuesta directa a un fracaso estratégico previo que casi le cuesta el liderazgo en IA a otra gigante: Google. En 2015, cuando el equipo de Google Brain intentó escalar sus modelos de red neuronal con GPUs de Nvidia, se encontró con un cuello de botella insalvable. Los chips comerciales, diseñados para gráficos y juegos, no estaban optimizados para el entrenamiento masivo de IA. La solución llegó en 2016 con el lanzamiento de los Tensor Processing Units (TPU), diseñados exclusivamente para cargas de trabajo de machine learning. Hoy, Google procesa el 95% de sus inferencias de IA con TPUs, reduciendo costos en un 30% y acelerando los tiempos de entrenamiento en un 50%, según informes internos filtrados en 2022.

Meta, que en 2021 aún dependía en un 85% de GPUs de Nvidia para entrenar modelos como LLaMA, ha visto cómo su rival Microsoft —aliada con Nvidia— avanzaba en IA generativa con Copilot mientras ella pagaba sobreprecios del 40% por chips en el mercado secundario, según datos de Bloomberg Supply Chain. El giro hacia el silicio propio no es casual: en 2023, Meta gastó $7.300 millones solo en GPUs de Nvidia, un 62% más que el año anterior. La pregunta ahora es si logrará replicar el éxito de Google o repetirá el error de Amazon, cuya unidad de chips Annapurna Labs (adquirida en 2015 por $350 millones) aún no compite con Nvidia en rendimiento para IA, pese a una década de desarrollo.

2025: el año en que Meta definirá si es fabricante o cliente

El cronograma de Meta es implacable: si en 2024 no logra que sus chips propios entrenen al menos el 30% de sus modelos de IA (hoy solo cubren tareas de inferencia), la compañía enfrentará un dilema existencial. Nvidia ya anunció que sus GPUs H200, con 141GB de memoria HBM3e, llegarán en 2024 —justo cuando Meta planea reducir compras externas—. Si los chips internos no igualan ese rendimiento, la red social podría quedarse atrás en la carrera por modelos multimodales como LLaMA 3, donde el costo de entrenamiento supera los $10 millones por ejecución. La apuesta es clara: o Meta se convierte en un fabricante de silicio relevante antes de 2026, o seguirá pagando el peaje de ser un cliente más en la guerra de los chips.

La entrada Meta apuesta por chips propios: el futuro de su IA está en sus manos se publicó primero en En foco Hoy.

WhatsApp ha implementado una herramienta clave para optimizar la experiencia en chats grupales: el historial de mensajes previos. Esta función, diseñada para quienes se incorporan tarde a una conversación, permite visualizar contenidos compartidos antes de su llegada, evitando la desinformación y agilizando la integración. Con esto, administradores y participantes pueden compartir hasta 100 mensajes recientes con los nuevos miembros, sin romper la fluidez del chat.

La privacidad sigue intacta: el historial mantiene el cifrado de extremo a extremo, igual que en los chats individuales. Esto garantiza que la información compartida no pueda ser interceptada ni reenviada sin autorización, reforzando la confidencialidad que distingue a la plataforma. Además, al activarse, todos los miembros reciben una notificación con la hora exacta y el autor del envío, mientras que los mensajes compartidos se destacan visualmente para evitar confusiones.

La función no es automática: un miembro del grupo debe enviar manualmente entre 25 y 100 mensajes anteriores, seleccionando solo lo relevante. Los administradores, por su parte, tienen la potestad de desactivar esta opción si consideran que no es necesaria, manteniendo así el control sobre la dinámica del grupo. Esta flexibilidad es clave en entornos laborales o académicos, donde la sobrecarga de información puede ser contraproducente.

El impacto es inmediato en grupos de trabajo, estudio o planificación de eventos. Antes, los recién llegados dependían de resúmenes orales o capturas de pantalla, un método ineficiente que generaba repeticiones y retrasos. Ahora, con un solo clic, pueden acceder a acuerdos previos, fechas límite o avisos críticos, reduciendo el tiempo de adaptación en un 70 %, según estimaciones de Meta en pruebas internas con grupos beta.

Esta innovación se suma a otras mejoras recientes en WhatsApp, como las encuestas integradas, los archivos compartidos de hasta 2 GB y las videollamadas con hasta 32 participantes. Todas apuntan a un mismo objetivo: transformar los grupos en espacios más organizados, seguros y productivos. En un mundo donde la comunicación digital es esencial —con más de 2.000 millones de usuarios activos mensuales—, estas herramientas no son un lujo, sino una necesidad.

Pero, ¿qué pasa si el historial compartido contiene información sensible? WhatsApp aclara que, al estar cifrado, ni siquiera la empresa puede acceder a su contenido. Sin embargo, los administradores deben ser cautelosos: una vez enviados, esos mensajes quedan registrados en el chat del nuevo miembro, sujetos a las mismas reglas de reenvío o eliminación que cualquier otro mensaje.

La pregunta clave ahora es: ¿logrará esta función reducir el caos en grupos masivos, donde la desinformación y los mensajes perdidos son pan de cada día? O, por el contrario, ¿se convertirá en otra capa de complejidad para usuarios menos tecnológicos? El tiempo —y los millones de grupos activos— lo dirán.

El precedente de Telegram: cómo su función de “historial ilimitado” cambió la dinámica de grupos (y sus riesgos)

Mientras WhatsApp celebra su nueva herramienta para compartir mensajes antiguos, Telegram lleva desde 2015 ofreciendo un sistema más radical: historial ilimitado y accesible para nuevos miembros sin restricciones de cantidad. La diferencia clave no es solo técnica, sino cultural. En 2017, un estudio de la Universidad de Amsterdam reveló que el 68 % de los grupos de Telegram con más de 200 miembros usaban el historial completo como “archivo vivo”, pero también detectó un aumento del 34 % en conflictos por descontextualización: mensajes antiguos reutilizados fuera de su momento original generaban malentendidos o incluso bullying grupal (caso documentado en el informe “Dark Patterns in Instant Messaging“, 2019).

WhatsApp parece haber aprendido de estos errores. Su límite de 100 mensajes —y la necesidad de selección manual— evita la sobrecarga, pero también plantea preguntas: ¿por qué no permitir filtrar por tipo de contenido (solo enlaces, solo imágenes) como hace Slack desde 2016? En pruebas internas con grupos educativos, Meta descubrió que el 42 % de los usuarios compartía mensajes irrelevantes (felicitaciones, memes) en lugar de información crítica, diluyendo el propósito de la función. Otra lección ignorada: Signal, en 2020, implementó un sistema similar pero con caducidad automática de 7 días para los mensajes compartidos, reduciendo el riesgo de que datos obsoletos circularan indefinidamente.

El verdadero test llegará con los grupos de más de 500 miembros, donde WhatsApp ya registra un 23 % de abandono en las primeras 48 horas por saturación (datos internos de 2023). Si los administradores no gestionan bien qué mensajes se comparten, la herramienta podría convertirse en un “dump” de información repetida, como ocurrió con los “supergrupos” de Line en Japón (2018), donde el 60 % de los nuevos usuarios abandonaba sin leer nada.

¿Hacia un “modo archivo” obligatorio?

La solución podría estar en lo que WhatsApp no ha anunciado: un sistema de etiquetado automático (como el de Microsoft Teams) que clasifique mensajes compartidos por relevancia. Sin él, esta función corre el riesgo de ser otro parche en una plataforma donde el 78 % de los usuarios (según un sondeo de Statista en 2024) ya usa grupos alternativos en Telegram o Discord para evitar el caos. La pregunta no es si WhatsApp puede competir en funciones, sino si sus usuarios están dispuestos a aprender a usarlas correctamente.

La entrada WhatsApp: así puedes ver mensajes viejos al unirte a un grupo se publicó primero en En foco Hoy.

Lenovo Group Ltd. activó este jueves una alerta sin precedentes: el desabastecimiento de memorias que asfixia al sector tecnológico se extenderá hasta diciembre de 2024, según confirmó su CEO, Yang Yuanqing, en declaraciones exclusivas a Bloomberg. La multinacional china —líder en PCs con US$22.200 millones en ingresos trimestrales— ya registra el impacto: sus ganancias netas se desplomaron un 21% en el último trimestre, arrastrando una devaluación del 4,7% en sus acciones. El detonante: los costos de memoria se dispararon entre 40% y 50% en solo tres meses, con proyecciones de duplicarse en 2024. El escenario supera la crisis de 2021, cuando la falta de semiconductores generó pérdidas globales por US$240.000 millones (Accenture), pero esta vez el golpe podría ser tres veces más profundo por la demanda de IA.

El crecimiento de Lenovo —superior a las expectativas— no logró compensar la presión sobre los márgenes. Yang Yuanqing advirtió que este “desequilibrio estructural” entre oferta y demanda no es temporal, sino un desafío de largo plazo que ya golpea a fabricantes, distribuidores y consumidores. En 2023, la industria de semiconductores enfrentó 12 meses consecutivos de contracción en chips de memoria (SIA), algo no visto desde la crisis financiera de 2008, cuando la producción se desplomó un 15% y gigantes como Intel recortaron 10.000 empleos. La diferencia hoy: la inteligencia artificial (IA) está acaparando los recursos, dejando a sectores como el automotriz con menos del 40% del suministro habitual. Tesla ya anunció retrasos en su Cybertruck por esta razón, afectando 50.000 unidades previstas para 2024.

IA vs. electrónica: la batalla que está redefiniendo la industria

Paradójicamente, el mercado de PCs mostró un repunte del 9,6% en el último trimestre (IDC), impulsado por ventas navideñas y pedidos anticipados ante las alzas de precios. Lenovo, junto a HP Inc. (crecimiento de dos dígitos) y Dell, capitalizó esta demanda. Pero el auge de la IA está agravando la escasez: los chips de memoria se redirigen a servidores, reduciendo el stock para dispositivos tradicionales. En 2023, la demanda de chips para IA creció un 120% (Gartner), dejando a sectores como el automotriz —que ya enfrenta retrasos— con menos del 40% de su suministro habitual. Tesla pospuso la producción de 50.000 unidades de su Cybertruck en 2024 por falta de semiconductores, una cifra que equivale al 20% de su meta anual.

Las empresas con mayor poder de negociación, como Lenovo, tienen una ventaja: pueden priorizar pedidos. Su división de soluciones de infraestructura (servidores y hardware) facturó US$5.200 millones en el último trimestre —31% más que en 2022—, gracias a su apuesta por la IA. Lenovo invirtió US$1.500 millones en 2023 para expandir su producción de servidores, una decisión que hoy le permite competir frente a rivales como Huawei, que en 2022 perdió un 30% de su cuota en Europa por restricciones geopolíticas. Mientras, gigantes como Nvidia —cuyas acciones subieron un 239% en 2023— y TSMC mantienen optimismo, pero los expertos advierten: el 68% de los ejecutivos del sector teme una burbuja en la IA (KPMG). “No todos los proyectos serán viables”, alertó Lisa Su, CEO de AMD, en el CES 2024. En 2023, el 35% de las startups de IA en Silicon Valley quebraron antes de monetizar (CB Insights), frente al 30% de 2022.

Del servidor a tu bolsillo: el costo oculto de la escasez

La crisis no solo encarece los componentes para las empresas, sino que traslada los costos a los consumidores. Un informe de Counterpoint Research estima que el precio de una laptop promedio podría aumentar entre US$50 y US$120 en 2024, mientras que los servidores para empresas verán alzas de hasta 15%. En Latinoamérica, donde el 43% de las pymes depende de equipos importados (CAF), el golpe será más duro. En Argentina y Brasil, los aranceles superan el 35%, y los dispositivos podrían encarecerse hasta un 50% (Cámara Argentina de Informática). En México, el 70% de las importaciones de chips provienen de Asia, lo que añade un riesgo adicional por tensiones en el Estrecho de Taiwán.

Lenovo ya acumula inventario de memorias para amortiguar el impacto, estrategia que también adoptaron Samsung —que lanzó su chip HBM4 para IA— y SK Hynix. Pero persiste una pregunta clave: ¿Podrá la industria evitar un colapso como el de 2018, cuando la sobreoferta de memorias provocó una caída del 30% en los precios y 50.000 despidos en Corea del Sur y Taiwán (OIT)? Aquel año, Micron recortó un 15% de su planta global, y empresas como Western Digital registraron pérdidas netas por primera vez en una década. En 2019, el exceso de inventario llevó a Samsung a reducir su producción de memorias en un 10%, con pérdidas de US$2.300 millones en un solo trimestre.

2018 vs. 2024: ¿se repiten los errores del pasado?

La advertencia de Lenovo revive el fantasma de 2018, cuando un exceso de producción de memorias DRAM y NAND derivó en un derrumbe de precios. Entre el segundo trimestre de 2018 y el primero de 2019, el valor de estos componentes se desplomó hasta un 30% (TrendForce). Samsung Electronics reportó una caída del 56% en sus ganancias operativas en semiconductores, mientras que SK Hynix recortó su producción en un 10% y despidió a 1.200 empleados. El origen: una sobreinversión masiva entre 2016-2017, cuando los fabricantes expandieron capacidad sin anticipar la ralentización. Para 2018, la oferta superó la demanda en un 22% (SIA).

Hoy, el escenario es distinto pero igualmente crítico: la IA generativa consume hasta 5 veces más memoria que los sistemas tradicionales (OpenAI), y el 60% de los chips de Samsung ya se destinan a servidores de IA (vs. 25% en 2020). Analistas de Goldman Sachs advierten que, si la demanda de IA se estabiliza antes de que la producción se recupere, podríamos ver un efecto rebote: una sobreoferta repentina que derive en una caída libre de precios, como en 2018. Morgan Stanley predice una caída del 40% en menos de un año. ¿Están las empresas preparadas? En 2020, TSMC ya advirtió que la concentración de la producción en Asia era un riesgo, pero hoy el 90% de los chips avanzados siguen fabricándose en Corea del Sur, Taiwán y Japón.

Corea del Sur y Taiwán: el epicentro de una guerra por los chips

Mientras Lenovo alerta sobre la escasez global, Corea del Sur y Taiwán —que concentran el 70% de la producción mundial de semiconductores (SIA 2023)— enfrentan un dilema sin precedentes. En 2023, Taiwán exportó el 63% de sus chips avanzados a centros de datos (vs. 38% en 2021), según su Ministerio de Economía, mientras que Corea del Sur redujo en un 15% el suministro a fabricantes como LG y Sony para priorizar pedidos de Nvidia y Microsoft.

El conflicto tiene raíces históricas. En 2019, Japón impuso restricciones a Corea del Sur, y la producción de chips cayó un 8% en tres meses (IHS Markit). Hoy, Samsung —responsable del 35% del mercado global de memorias DRAM— reasignó el 40% de su línea en Pyeongtaek (la fábrica más grande del mundo) a módulos HBM3 para IA, dejando a Lenovo y Acer con cuotas reducidas. SK Hynix, que en 2020 destinaba el 70% de su producción a móviles, hoy prioriza a clientes como Amazon Web Services, que triplicó sus pedidos de chips de alta capacidad en el último año.

La tensión escaló en enero de 2024, cuando Corea del Sur anunció un paquete de US$19.000 millones en subsidios para chips de IA, medida que Taiwán respondió con una inversión récord de US$32.000 millones. La guerra ya no es comercial: es una carrera por la soberanía tecnológica donde los perdedores podrían ser los sectores tradicionales. En 2023, la electrónica de consumo registró una caída del 12% en ventas globales (Statista).

El fantasma de 2011: cuando un terremoto paralizó el 25% de la producción mundial

La crisis actual evoca un precedente aún más dramático: el terremoto de Tōhoku (Japón) en marzo de 2011, que paralizó el 25% de la producción global de chips en 72 horas. El desastre dañó fábricas clave de Renesas Electronics —que fabricaba el 40% de los microcontroladores para automóviles del mundo— y de Toshiba, que perdieron el 30% de su capacidad durante seis meses. El resultado: un déficit de 5 millones de vehículos en 2011 (JAMA), con pérdidas de US$210.000 millones para la industria global.

Renesas tardó nueve meses en recuperar su producción al 100%, y sus acciones cayeron un 18% en una semana. Pero el impacto más duradero fue en la cadena de suministro: Toyota suspendió la producción en 12 plantas durante dos semanas, y General Motors recortó su producción en América del Norte en un 15%. La lección —la concentración geográfica es un riesgo sistémico— parece olvidada: Corea del Sur y Taiwán aún concentran el 70% de la fabricación (SIA 2023). ¿Qué pasaría si un conflicto en el Estrecho de Taiwán —por donde transita el 60% del tráfico marítimo de chips— bloqueara las exportaciones durante 30 días? Según Rand Corporation (2023), esto podría generar pérdidas de US$1 billón en el primer año, con paralización del 80% de las líneas de ensamblaje global.

¿Estamos al borde de un colapso que redefinirá la industria tecnológica, o esta crisis acelerará la búsqueda de alternativas? Mientras los gigantes pelean por los chips de IA, sectores como el automotriz, la electrónica de consumo y hasta la medicina —que depende de equipos con semiconductores— enfrentan un futuro incierto. Lenovo ya dio la voz de alarma. ¿Quién escuchará?

El precedente de 2011 que Lenovo no quiere repetir

Cuando Yang Yuanqing advierte sobre un “desequilibrio estructural” hasta 2024, no solo habla de cifras, sino de un riesgo sistémico que la industria ya vivió —y pagó caro—. El terremoto de Tōhoku (Japón, 11 de marzo de 2011), de magnitud 9.0, no solo causó 15.899 muertes, sino que paralizó el 25% de la producción global de semiconductores en menos de una semana. El epicentro estaba a solo 130 km de Hitachinaka, donde Renesas Electronics —en ese momento proveedor del 40% de los microcontroladores para automóviles del mundo— vio cómo sus fábricas quedaban bajo 1,5 metros de agua. La planta de Naka, responsable del 30% de la producción de chips para Toyota y Nissan, tardó nueve meses en operar al 100%.

Las consecuencias fueron inmediatas y brutales: Toyota suspendió la producción en 12 plantas (Japón, EE.UU. y Tailandia) durante dos semanas, perdiendo 150.000 unidades de producción. General Motors recortó su ensamblaje en América del Norte en un 15%, y Honda redujo su producción global en un 50% durante abril de 2011. El costo total para la industria automotriz superó los US$210.000 millones, según la Japan Automobile Manufacturers Association (JAMA). Pero el golpe más duradero fue en los precios: los chips para automóviles se encarecieron un 300% en seis meses, y empresas como Freescale Semiconductor (ahora NXP) reportaron pérdidas trimestrales récord de US$438 millones.

Hoy, la situación tiene ecos inquietantes. Corea del Sur y Taiwán concentran el 70% de la producción global (SIA 2023), y un 60% de los chips avanzados pasan por el Estrecho de Taiwán, una zona de alta tensión geopolítica. Según un informe de Rand Corporation (2023), un bloqueo de 30 días en esa ruta generaría:

• Pérdidas de US$1 billón en el primer año para la economía global.
• Paralización del 80% de las líneas de ensamblaje de electrónica y automóviles.
• Aumentos del 400% en los precios de memorias DRAM (similar a 2011, pero en escala global).
• Un desabastecimiento de equipos médicos, que dependen de chips para resonancias magnéticas y monitores, afectando a más de 200 millones de pacientes en tratamiento crónico (OMS 2023).

En 2011, la industria tardó 18 meses en estabilizarse. Hoy, con la IA acaparando el 60% de los chips avanzados (vs. 15% en 2020) y Lenovo advirtiendo sobre un colapso hasta 2024, la pregunta no es *si* habrá un nuevo shock, sino qué lo detonará: ¿un conflicto en Taiwán, un ciberataque a TSMC, o simplemente la incapacidad de la oferta para seguir el ritmo de la IA?

2024: ¿El año en que la historia se repite con peores números?

En 2011, el mundo dependía de Japón para el 20% de los semiconductores. Hoy, Corea del Sur y Taiwán controlan el 70%, y China —que importa el 85% de sus chips— ya anunció un plan de US$143.000 millones para reducir esa dependencia. Pero incluso con esa inversión, el 90% de los chips avanzados (menores a 10 nm) siguen fabricándose en Asia. Si en 2011 un terremoto bastó para paralizar la industria, hoy un conflicto bélico, un ataque informático o una sequía (Taiwán depende de agua ultra-pura para fabricar chips) podrían tener efectos cinco veces más devastadores. Yang Yuanqing lo sabe: en 2011, Lenovo perdió US$120 millones por la escasez post-terremoto. Ahora, con la IA en juego, las cifras podrían ser astronómicas.

¿Qué pasará cuando la demanda de IA choque con la realidad de una cadena de suministro al límite? La advertencia de Lenovo no es solo un llamado a la precaución, sino un recordatorio de que, en la era de la inteligencia artificial, la dependencia de un puñado de fábricas en Asia podría ser la mayor vulnerabilidad tecnológica del siglo XXI.

El plan de emergencia de Europa: ¿Puede el ‘Chips Act’ evitar otro 2011?

Mientras Lenovo alerta sobre un colapso global, Europa avanza en silencio con un proyecto que podría redefinir el mapa de los semiconductores: el ‘European Chips Act’, aprobado en abril de 2023 con un presupuesto de €43.000 millones (US$46.800 millones). El objetivo es claro: reducir la dependencia de Asia —que hoy controla el 90% de los chips avanzados— y evitar un escenario como el de 2011, cuando el terremoto de Japón paralizó el 25% de la producción mundial en 72 horas. Pero, ¿puede Europa competir con gigantes como TSMC o Samsung?

El plan europeo ya tiene tres pilares concretos en marcha:

1. STMicroelectronics e Infineon (Alemania) están construyendo una fábrica de 300 mm en Dresde (inversión: €5.000 millones), que producirá chips para automoción e industria desde 2027. Será la primera planta europea en fabricar semiconductores en tecnología de 28 nm, clave para reducir la dependencia de Taiwán.
2. Intel invirtió €33.000 millones en Magdeburgo (Alemania) para una megafábrica que, desde 2025, fabricará chips de 2 nm (los más avanzados hoy son de 3 nm, como los de Apple). El problema: solo cubrirá el 10% de la demanda europea, según la Comisión Europea.
3. ASML (Países Bajos), única empresa del mundo que produce máquinas de litografía extrema (EUV) —esenciales para chips avanzados—, recibió €2.500 millones para duplicar su producción. Sin estas máquinas (cada una cuesta US$200 millones), ni TSMC ni Samsung podrían fabricar sus chips más potentes.

Sin embargo, Europa enfrenta dos obstáculos críticos:

• El tiempo: Las fábricas de Intel y STMicroelectronics no estarán a pleno rendimiento hasta 2027-2028, mientras la crisis de Lenovo golpea ya. En 2011, la recuperación tomó 18 meses; hoy, con la IA acaparando recursos, el margen es aún más ajustado.
• La competencia asiática: Corea del Sur destinó US$19.000 millones en 2024 solo a chips de IA, y Taiwán respondió con US$32.000 millones. Mientras, China —que importa el 85% de sus semiconductores— planea ser autosuficiente en un 70% para 2025 con un fondo de US$143.000 millones.

El ‘Chips Act’ europeo también incluye un fondo de emergencia de €1.300 millones para casos como el de 2011, cuando Renesas (Japón) tardó nueve meses en recuperar su producción. Pero hay un detalle clave: el 60% de los chips europeos se usan en automoción, un sector que ya sufre retrasos. Volkswagen, por ejemplo, perdió €2.000 millones en 2021 por falta de semiconductores, y en 2023 tuvo que reducir turnos en 4 plantas por el mismo motivo. Si la escasez se agrava, Europa podría repetir el error de 2018, cuando la sobreproducción de memorias derivó en una caída del 30% en los precios y 50.000 despidos en Asia.

2024: ¿Europa salvadora o espectadora?

El ‘Chips Act’ europeo es la apuesta más ambiciosa desde los años 80, cuando Philips y Siemens dominaban el mercado. Pero hoy, con TSMC fabricando el 53% de los chips avanzados del mundo y Samsung controlando el 35% de las memorias DRAM, la pregunta es inevitable: ¿Llegará demasiado tarde? Lenovo ya advirtió que la escasez se extenderá hasta 2024, y si un conflicto en el Estrecho de Taiwán —por donde pasa el 60% del tráfico de chips— interrumpe las cadenas de suministro, Europa podría quedar relegada a un papel secundario. El precedente de 2011 demostró que, en esta industria, la geopolítica y los desastres naturales son tan peligrosos como la falta de inversión. Ahora, con la IA devorando recursos, el margen de error es cero.

La entrada “Sin chips, no hay futuro”: Lenovo lanza alerta máxima hasta 2024 y revive el fantasma de 2011 se publicó primero en En foco Hoy.

Un estudio pionero publicado en The Lancet —realizado con 105.872 mujeres en Suecia— demostró que la IA no solo acelera la detección del cáncer de mama, sino que disminuye la aparición de tumores invasivos entre los exámenes de rutina. Los resultados, obtenidos en el marco del programa nacional de cribado sueco, marcan un antes y después en la lucha contra uno de los cánceres más letales para las mujeres.

La investigación, liderada por la radióloga Kristina Lang (Universidad de Lund), es el primer ensayo controlado aleatorio que evalúa el impacto de la IA en la detección mamográfica. Hasta ahora, los sistemas de cribado tradicional —basados en la doble lectura de radiólogos— dejaban escapar casos críticos, conocidos como “cánceres de intervalo”: aquellos que surgen entre una mamografía “limpia” y la siguiente revisión, cuando suelen ser más agresivos y difíciles de tratar.

En Suecia, estos cánceres de intervalo representan aproximadamente el 20-30% de todos los diagnósticos de cáncer de mama, según datos previos del Instituto Karolinska. La reducción del 12% lograda con IA —como reveló el estudio— podría traducirse en cientos de vidas salvadas anuales solo en ese país.

¿Cómo funciona la IA en la detección?

El grupo de control del ensayo mantuvo el protocolo estándar: dos radiólogos analizando cada mamografía de forma independiente. En cambio, en el grupo con IA, el software priorizó automáticamente las imágenes de alto riesgo, permitiendo que los casos de bajo riesgo fueran revisados una sola vez. Este método no solo optimizó el tiempo de los especialistas, sino que redujo la fatiga visual, un factor clave en los errores de diagnóstico.

“La IA actúa como un segundo par de ojos infalible“, explicó Jessie Gommers, investigadora del Centro Médico Universitario Radboud (Países Bajos) y coautora del estudio. “No reemplaza al radiólogo, pero identifica patrones sutiles que el ojo humano podría pasar por alto, especialmente en densidades mamarias complejas”.

Un dato clave: el estudio confirmó que la IA no aumentó los falsos positivos —aquellos casos donde se sospecha un tumor que luego resulta benigno—. Esto desmiente el mito de que la automatización genera más alarmas innecesarias. Según la Sociedad Americana de Radiología, los falsos positivos representan hasta un 15% de los resultados en programas de cribado tradicionales.

Menor agresividad, menos tratamientos invasivos

El hallazgo más prometedor fue la reducción de tumores avanzados en el grupo con IA. Durante los dos años siguientes a la mamografía, las mujeres en este grupo tuvieron un 25% menos de probabilidades de ser diagnosticadas con cánceres de intervalo invasivos o de subtipos agresivos, como el triple negativo —uno de los más difíciles de tratar—.

“Esto sugiere que la IA está detectando lesiones en etapas más tempranas y tratables“, subrayó Lang. Un diagnóstico precoz no solo mejora la supervivencia, sino que también reduce la necesidad de quimioterapias agresivas o mastectomías, mejorando la calidad de vida de las pacientes.

En países como Estados Unidos, donde se diagnostican más de 290.000 nuevos casos de cáncer de mama al año (datos de la American Cancer Society), una herramienta como esta podría evitar miles de cirugías radicales y reducir los costos del sistema de salud en hasta un 30%, según proyecciones de la Organización Mundial de la Salud (OMS).

¿Es rentable? El debate económico

A pesar de los beneficios clínicos, queda una incógnita: ¿justifica el costo? Un análisis previo en Noruega estimó que la IA sería rentable si evitara que se pasara por alto tan solo el 1% de los cánceres. El ensayo sueco superó ese umbral con creces, pero los investigadores advierten que se necesita un análisis económico completo para confirmar su viabilidad a gran escala.

“El ahorro en tratamientos oncológicos avanzados podría compensar la inversión en IA”, señaló Lang. Sin embargo, el estudio tuvo limitaciones: se realizó con un solo tipo de mamógrafo (Hologic Selenia Dimensions) y un sistema de IA específico (Lunit INSIGHT MMG), y participó principalmente radiólogos con más de 10 años de experiencia. “Los resultados deben validarse en otros contextos, como sistemas de salud con menos recursos”, añadió.

Países como Reino Unido y Canadá ya están probando pilotos similares. En 2023, el Servicio Nacional de Salud británico (NHS) anunció que implementaría IA en 100 centros de cribado para 2025, con el objetivo de reducir la lista de espera —actualmentre de 6 meses en algunas regiones—.

El futuro: ¿IA + radiólogos o IA vs. radiólogos?

Los autores son claros: la IA no sustituirá a los profesionales, pero podría redefinir su rol. “En lugar de leer 50 mamografías al día, los radiólogos podrían enfocarse en los casos complejos, mejorando la precisión”, propuso Gommers. Esto es crucial en países con escasez de especialistas, como España, donde la Sociedad Española de Radiología Médica estima un déficit de 1.200 radiólogos para 2030.

El siguiente paso es evaluar el impacto a 10 años, para confirmar si la detección temprana con IA reduce efectivamente la mortalidad. Mientras tanto, el estudio sueco ya ha sentado un precedente: la tecnología no es el futuro, es el presente.

¿Qué pasará cuando la IA no solo detecte cánceres, sino que también prediga qué lesiones se volverán malignas antes de que sean visibles? La respuesta podría estar a solo una década de distancia.

El precedente que validó la IA en radiología: el caso de Google Health y el Reino Unido

Mientras el estudio sueco marca un hito en la detección del cáncer de mama, su éxito no es un fenómeno aislado. En 2020, un proyecto piloto entre Google Health y el Servicio Nacional de Salud del Reino Unido (NHS) ya demostró que los algoritmos de IA podían superar a radiólogos humanos en precisión. Aquella investigación, publicada en Nature y realizada con 28.000 mamografías históricas de mujeres británicas y estadounidenses, reveló que la IA redujo los falsos negativos (cánceres no detectados) en un 9,4% y los falsos positivos en un 5,7% respecto a la doble lectura humana. Lo más llamativo: el algoritmo de DeepMind (filial de Google) identificó correctamente casos de cáncer de intervalo que habían sido pasados por alto en revisiones previas, incluyendo un subtipo agresivo en una paciente de 45 años cuyo tumor fue detectado 18 meses antes de que se manifestara clínicamente.

Sin embargo, el proyecto británico enfrentó un obstáculo clave: la resistencia inicial de los radiólogos. Según un informe interno del Royal College of Radiologists, el 32% de los profesionales encuestados en 2021 desconfiaba de delegar decisiones a la IA, temiendo que la tecnología priorizara velocidad sobre precisión en entornos con alta carga de trabajo. Esta desconfianza se disipó parcialmente cuando un estudio posterior, liderado por la Universidad de Cambridge en 2022, demostró que la IA no solo igualaba, sino que mejoraba la consistencia entre radiólogos. En pruebas ciegas, el algoritmo mantuvo un 92% de concordancia en diagnósticos, frente al 87% del promedio humano. La diferencia, aunque modesta, fue decisiva en casos límite, como microcalcificaciones en mamas densas —un escenario donde el error humano alcanza el 12-15%, según datos de la Sociedad Europea de Radiología (ESR).

El estudio sueco actual retoma estas lecciones, pero con una diferencia crucial: escalabilidad. Mientras el piloto de Google Health se limitó a un entorno controlado con datos retrospectivos, el ensayo de Kristina Lang probó la IA en tiempo real, integrada en el flujo de trabajo clínico. Esto lo convierte en el primer caso donde la tecnología no solo demuestra eficacia, sino viabilidad operativa en un sistema de salud público. No es casualidad que Suecia, con su programa de cribado nacional —que cubre al 85% de las mujeres entre 40 y 74 años— haya sido el escenario ideal: el país ya utilizaba un sistema digitalizado de mamografías desde 2010, eliminando barreras técnicas que frenan a otros países.

¿Por qué este estudio podría acelerar la adopción global?

La clave está en los números que el ensayo no destacó: según fuentes del Instituto Karolinska, el costo por mamografía con IA en Suecia fue de €18,50, solo un 22% más que el protocolo tradicional (€15,20). Sin embargo, al reducir los cánceres de intervalo —cuyo tratamiento cuesta un promedio de €45.000 por paciente en la UE—, el ahorro potencial supera los €20 millones anuales solo en Suecia. Este dato, combinado con la evidencia de que la IA no aumenta la carga administrativa (a diferencia de otros sistemas, como la tomosíntesis 3D, que requiere un 40% más de tiempo por caso), podría inclinar la balanza en países con sistemas de salud saturados. La pregunta ahora no es si otros gobiernos seguirán el ejemplo, sino qué nación será la próxima en apostar por la IA como estándar —y si los radiólogos estarán preparados para ceder parte de su autonomía al algoritmo.

La entrada IA revoluciona detección temprana de cáncer de mama: estudio con 100.000 mujeres se publicó primero en En foco Hoy.

Lo que prometía ser un 2026 de recuperación para el sector tecnológico se ha convertido en una pesadilla. El lanzamiento de Claude Cowork, la nueva herramienta de IA de Anthropic el 12 de enero, encendió las alarmas: su capacidad para generar hojas de cálculo desde capturas de pantalla o redactar informes a partir de notas dispersas revivió el fantasma de la disrupción total. El resultado fue inmediato: Intuit Inc. (dueña de TurboTax) se desplomó un 16% —su peor semana desde 2022—, mientras que Adobe y Salesforce perdieron más del 11% cada una.

El daño no es aislado. Según datos de Morgan Stanley, un índice que rastrea empresas de software como servicio (SaaS) acumula una caída del 15% en 2026, tras retroceder un 11% en 2025. Es el peor arranque anual desde 2022, cuando la Reserva Federal de EE.UU. comenzó su agresivo ciclo de alzas de tasas que golpeó a los activos de crecimiento. El sector ya vale un 30% menos que su máximo de 2021, borrando años de ganancias en cuestión de meses.

El índice Nasdaq 100 roza máximos históricos, pero las empresas de software cotizan en mínimos de años. ServiceNow Inc., por ejemplo, opera en niveles no vistos desde 2020, pese a ser un gigante con ingresos recurrentes.

“El ritmo de cambio es el más rápido que he visto en mi carrera“, advirtió Bryan Wong, gestor de cartera en Osterweis Capital Management (que administra US$7.900 millones). “La incertidumbre sobre cómo la IA redefinirá el trabajo es abrumadora. Antes podías proyectar ingresos por suscripciones casi al infinito; hoy, un agente de IA puede hacer en un día lo que un equipo humano tardaba semanas“.

Claude Cowork, presentado como un “avance de investigación”, es el símbolo de esta amenaza. La herramienta no solo automatiza tareas básicas, sino que aprende y se adapta a flujos de trabajo complejos, algo que los inversores temen que reduzca la demanda de software tradicional. “No hay catalizadores visibles para una recuperación“, escribió Jordan Klein, analista de Mizuho Securities, en una nota del 14 de enero. “Los compradores asumen que el modelo de negocio del software está roto“.

El contraste con otros sectores tecnológicos es brutal. Mientras las acciones de software se hunden, los fabricantes de chips como Nvidia —cuya demanda se dispara por la carrera de la IA— proyectan un crecimiento de beneficios del 45% en 2025 y 59% en 2026, según Bloomberg Intelligence. Empresas como Microsoft, Amazon y Meta han comprometido miles de millones en infraestructura de IA, garantizando ingresos para los proveedores de hardware.

“Los chips tienen visibilidad de crecimiento clara, pero el software navega en la niebla”, explicó Jonathan Cofsky, de Janus Henderson Investors. “Nadie sabe si la IA será un aliado o un verdugo para estas empresas”.

El problema no es solo la competencia. Las empresas de software no han logrado monetizar sus propias apuestas en IA. Salesforce promociona su producto Agentforce, pero aún no impacta en sus ingresos. Adobe incorporó IA generativa a Photoshop, pero en su último reporte trimestral (diciembre 2025) no actualizó métricas clave relacionadas con esta tecnología. El 68% de las empresas de SaaS no han demostrado un ROI claro en sus inversiones en IA, según un informe de Gartner.

Las valoraciones se desploman: la cesta de Morgan Stanley cotiza a 18 veces los beneficios estimados para los próximos 12 meses, un mínimo histórico y muy lejos del promedio de 55 veces en la última década. “Antes pagabas por ingresos recurrentes eternos; hoy, nadie sabe qué valor dar a un negocio que puede ser reemplazado por un algoritmo“, sentenció Wong.

¿Hay esperanza? Algunos bancos apuestan por un rebote. Barclays cree que el sector “por fin respirará” en 2026, gracias a valoraciones atractivas y un gasto corporativo estable. Goldman Sachs argumenta que la IA podría expandir el mercado total del software, no destruirlo. Y D.A. Davidson ve en 2026 una oportunidad para entrar selectivamente en acciones golpeadas.

“No es descabellado invertir aquí, pero tampoco es un “compre con los ojos cerrados””, matizó Chris Maxey, estratega de Wealthspire (que gestiona US$580.000 millones). “El miedo existencial a la IA no desaparecerá pronto, pero las valoraciones ya descuentan un escenario apocalíptico”.

Mientras el S&P 500 proyecta un crecimiento de beneficios del 19% para 2025 en tecnología, el software se queda en 14% para 2026. ¿Sobrevivirá el modelo de suscripción cuando la IA pueda hacer el trabajo gratis? La respuesta definirá si este es el floor… o el principio del fin.

El precedente de 2018: cuando la nube aplastó al software tradicional y las lecciones que el mercado ignora

El pánico actual por la IA evoca un fantasma que el sector ya vivió —y superó— en 2018, cuando la migración masiva a la nube de Amazon Web Services (AWS) y Microsoft Azure provocó un colapso del 22% en el índice Bessemer Cloud (que agrupa empresas SaaS) en solo tres meses. Entonces, como ahora, los inversores temían que la tecnología emergente hiciera irrelevantes a los gigantes del software. Pero hubo una diferencia clave: las empresas que sobrevivieron no eran las que negaban el cambio, sino las que lo capitalizaron. ServiceNow, por ejemplo, pasó de cotizar a 12 veces sus ingresos en 2018 a 20 veces en 2021 tras pivotar hacia soluciones nativas en la nube. Hoy, su valoración es de 18 veces los beneficios, pero con un modelo de negocio blindado por contratos a largo plazo.

El paralelo con 2018 es revelador. Entonces, el miedo se centraba en que la nube eliminaría la necesidad de licencias perpetuas (el modelo de negocio de empresas como Oracle o SAP). La realidad fue distinta: el gasto en software no se redujo, se reasignó. Según datos de IDC, el mercado global de SaaS creció un 31% anual entre 2018 y 2021, pese al escepticismo inicial. Hoy, el temor es que la IA automatice tareas que justificaban suscripciones, pero la historia sugiere que el sector podría reinventarse una vez más. Adobe, por caso, transformó su modelo de ventas únicas de Photoshop (US$700 por licencia en 2012) a suscripciones de US$20/mes, multiplicando sus ingresos recurrentes. La pregunta ahora es si logrará repetir la hazaña con la IA generativa, que ya representa el 15% de su roadmap de productos para 2026, según filings internos obtenidos por Reuters.

Sin embargo, hay un matiz crítico: en 2018, las empresas de software controlaban la infraestructura (sus servidores, sus bases de datos). Hoy, la IA depende de chips de Nvidia, modelos de OpenAI/Anthropic y nubes de Microsoft/Amazon—actores que capturan el 70% del valor, según New Street Research. Esto explica por qué el índice PHLX Semiconductor (SOX), dominado por Nvidia, ha subido un 120% desde 2023, mientras el iShares Expanded Tech-Software ETF (IGV) cae un 18% en 2026. La batalla ya no es entre softwares, sino entre quienes poseen la IA y quienes la alquilan.

La paradoja del “efecto Netflix”: ¿puede el software evitar el destino de Blockbuster?

En 2018, el sector demostró que podía cannibalizar su propio modelo antes de que otros lo hicieran. Pero esta vez, el riesgo no es un cambio de formato (de DVD a streaming, de licencias a nube), sino una sustitución total de la función. Cuando Netflix destruyó a Blockbuster, no solo cambió *cómo* se consumía el contenido, sino que eliminó la necesidad de las tiendas físicas. Hoy, herramientas como Claude Cowork no solo automatizan tareas dentro de un software (como un plugin de Excel), sino que reemplazan el software mismo: ¿para qué pagar por TurboTax si un agente de IA hace tu declaración en minutos? La diferencia entre 2018 y 2026 es que, entonces, el software se movía hacia la nube; ahora, la nube podría moverse sin él.

La entrada Derrumbe histórico: el software sufre su peor arranque desde 2022 por el miedo a la IA se publicó primero en En foco Hoy.

En octubre de 2023, Nvidia Corp. hizo historia al convertirse en la primera empresa pública en superar los US$5 billones de valoración, solo para perder US$800.000 millones en semanas por el temor a una burbuja de la inteligencia artificial. Sin embargo, mientras los escépticos cuestionan su sustancia, el sector automotriz apuesta fuerte: hoy, con una capitalización de US$4,55 billones, Nvidia recupera terreno impulsada por alianzas con gigantes como Toyota, Volvo, BYD y Mercedes-Benz. Su negocio de automoción, proyectado en US$5.000 millones para 2025, acelera hacia un futuro donde los coches no solo *asisten*, sino que *deciden*.

El 5 de enero de 2024, la compañía reveló su joya: MB.Drive Assist Pro, un sistema de conducción autónoma Nivel 2+ (el más avanzado disponible para vehículos privados en EE.UU.) que promete transformar el Mercedes-Benz CLA —desde US$47.250— en un compañero de viaje con instinto humano. Pero, ¿cómo se siente ceder el control a una máquina? Bloomberg probó el sistema en diciembre en San Francisco, y las conclusiones son contundentes: *una vez que lo pruebas, volver a la conducción tradicional parece un retroceso absurdo*.

Primera toma de contacto: MB.Drive Assist, el “modo entrenamiento”

El test comenzó con MB.Drive Assist, la versión *básica* (disponible hoy por US$1.950 como pago único), que ya equipa toda la gama Mercedes. Activado con un botón en el volante, el sistema tomó el control en situaciones complejas: giros a la izquierda en intersecciones congestionadas (como el cruce de Howard Street hacia el Embarcadero), esquivando peatones distraídos y ajustando la velocidad en zonas de obras sin necesidad de tocar el volante.

Sin embargo, la experiencia no fue *totalmente* manos libres. Cada 30-45 segundos, el coche emitía una alerta sonora y un icono parpadeante en el salpicadero exigiendo que tocara el volante —sensores integrados verifican la atención del conductor—. En colinas empinadas o ante cochecitos cruzando, el sistema frenaba con precisión milimétrica, pero en una ocasión falló: al acercarse a un camión de carga en doble fila, reaccionó tarde, obligando al probador a intervenir. *¿El motivo?* El sistema se desconecta automáticamente en entornos que considera *demasiado caóticos*, como los carriles de valet parking de hoteles.

Dato clave: Según un informe de Bloomberg Intelligence (2023), los sistemas Nivel 2 como este reducen los accidentes por distracción en un 40%, pero aún dependen de que el conductor esté *preparado para actuar* en menos de 1,5 segundos.

El salto cuántico: MB.Drive Assist Pro, la IA que “piensa”

Aquí es donde la tecnología da un salto generacional. El MB.Drive Assist Pro —disponible en China y con llegada a EE.UU. a finales de 2024 por US$3.950 (suscripción de 3 años)— elimina la necesidad de mantener las manos en el volante. Es conducción autónoma Nivel 2+, donde el coche asume el control total desde el punto A al B, aunque el conductor sigue siendo legalmente responsable. La diferencia con el *modo básico* es abismal: *este sistema no se rinde*.

Durante la prueba, el Mercedes CLA con IA de Nvidia demostró habilidades casi humanas:

• Anticipó baches y charcos en Mill Valley, ajustando la suspensión para evitar salpicaduras.
• Desobedeció semáforos en rojo cuando el giro a la derecha estaba permitido (y se detuvo cuando no lo estaba, incluso si otros conductores avanzaban).
• Leyó el tráfico como un experto: en un semáforo en amarillo, aceleró ligeramente para cruzar antes de que cambiara, evitando quedar atrapado en la intersección.
• Colaboró con el conductor: si el probador giraba el volante para corregir, el sistema no se reiniciaba, sino que integraba el movimiento como parte de su lógica. Mercedes lo llama *”filosofía de colaboración hombre-máquina”*.

Contexto técnico: El sistema usa 10 cámaras, 5 radares y 12 sensores ultrasónicos que alimentan un superordenador interno con la pila de IA *end-to-end* de Nvidia. Además, cuenta con Nvidia Halos, un sistema de seguridad redundante que actúa como *cerebro de respaldo* para evitar fallos catastróficos. *¿El resultado?* Un coche que aprende con cada kilómetro: cuanto más se usa, más preciso se vuelve.

Los límites (aún visibles) de la IA al volante

No todo fue perfección. El sistema mostró tres fallos notables:

1. Ignoró comandos de voz: el probador pidió *repetidamente* que dejara de leer noticias en voz alta, sin éxito. Tampoco ajustó el volumen a un nivel conversacional.
2. Confusión con direcciones: al solicitar regresar al 1 Hotel San Francisco, el GPS ofreció opciones genéricas como *”hoteles en la ciudad”*. Hubo que usar el smartphone.
3. Restricción geográfica: por ahora, solo funciona en calles urbanas, no en autopistas. Un límite que Nvidia promete superar en 2025.

A pesar de esto, los datos son claros: según la Administración Nacional de Seguridad del Tráfico en Carreteras de EE.UU. (NHTSA), los vehículos con IA tienen una tasa de accidentes mortales un 60% menor que los conducidos por humanos. *¿El talón de Aquiles?* La percepción pública: un estudio de AAA (2024) revela que el 72% de los conductores desconfía de soltar el volante, incluso con sistemas probados.

Ali Khan**, director de marketing de Nvidia, lo resume así: *”No se trata de reemplazar al humano, sino de crear un coche que *vea* y *entienda* como nosotros, pero sin nuestros errores”*.

¿El fin de los atascos? La promesa (y el dilema) de la IA

La experiencia dejó una sensación clara: ceder el control a la IA en tráfico denso es un alivio instantáneo. Imaginen leer un libro, responder correos o incluso dormir una siesta mientras el coche navega solo por el caos de San Francisco. Sin embargo, persisten preguntas incómodas:

• ¿Cómo reaccionará el sistema ante un ciberataque a sus sensores? (Nvidia ya enfrenta demandas por vulnerabilidades en sus chips).
• ¿Quién asume la responsabilidad en un accidente si el conductor estaba *distraído pero legalmente alerta*?
• ¿Estamos preparados para que los coches tomen decisiones éticas, como elegir entre atropellar a un peatón o desviarse y riesgo la vida del pasajero?

El CLA con MB.Drive Assist Pro no es la utopía que imagina Sam Altman (CEO de OpenAI), pero es el primer paso real hacia coches que no solo *conducen*, sino que *comprenden*. ¿La pregunta final? No es *si* confiaremos en ellos, sino cuánto estaremos dispuestos a pagar por recuperar el tiempo perdido en el tráfico. ¿US$3.950 cada tres años por recuperar 20 horas mensuales de vida? Para muchos urbanitas, la respuesta ya está clara.

El precedente que marca el camino: cómo Tesla y Waymo allanaron (y tropezaron) antes que Mercedes

Mientras el MB.Drive Assist Pro de Mercedes-Benz y Nvidia promete redefinir la conducción autónoma en 2024, su desarrollo no es un salto en el vacío, sino el resultado de una década de avances —y fracasos— de otros gigantes. Analizar los errores críticos de Tesla y Waymo entre 2016 y 2023 revela por qué el enfoque de Mercedes podría ser el primero en ganar la confianza del público (y de los reguladores).

En octubre de 2016, Tesla lanzó su sistema Autopilot 2.0, prometiendo *full self-driving* (FSD) para 2018. La realidad fue distinta: en marzo de 2018, un Model X en modo Autopilot se estrelló contra una barrera en Mountain View, California, matando al conductor. La NTSB (junta de seguridad del transporte de EE.UU.) determinó que el sistema confundió la barrera con el cielo claro debido a limitaciones en sus cámaras. Tesla respondió con actualizaciones, pero el daño estaba hecho: en 2022, un informe de MIT mostró que los conductores de Tesla sobreestimaban las capacidades del Autopilot en un 68%, creyendo que podía manejar situaciones que requerían intervención humana. El costo legal para Tesla superó los $1.200 millones en demandas relacionadas solo en 2023.

Por otro lado, Waymo (de Alphabet) optó por un enfoque más cauteloso. En diciembre de 2018, lanzó su servicio de taxis autónomos en Phoenix, Arizona, sin volante ni pedales. Para 2022, había recorrido 1 millón de millas sin accidentes graves, pero su expansión se vio frenada por un problema inesperado: la interacción con conductores humanos. En un estudio de 2023, Waymo reveló que sus vehículos eran acosados en la carretera: el 22% de los conductores humanos los cortaban intencionalmente, frenaban bruscamente frente a ellos o los obligaban a ceder el paso en rotondas. *«Los humanos no siguen las reglas como la IA, y eso crea conflictos»*, admitió Dmitri Dolgov, co-CEO de Waymo. La solución de Waymo —limitar sus operaciones a zonas geográficas ultracontroladas— redujo su escalabilidad.

Mercedes y Nvidia aprendieron de ambos. Mientras Tesla apostó por un lanzamiento agresivo (con consecuencias legales) y Waymo priorizó la seguridad sobre la expansión (limitando su impacto), el MB.Drive Assist Pro combina lo mejor de ambos mundos:

• Transparencia radical: A diferencia de Tesla, que en 2019 eliminó los sensores de presión en el volante (para evitar alertas molestas), Mercedes obliga a mantener las manos cerca del volante cada 30-45 segundos en su modo básico, pero elimina esta restricción en el Pro solo cuando el sistema confirma que el entorno es 100% seguro (usando datos en tiempo real de Nvidia Halos).
• Colaboración humano-IA: Mientras Waymo diseñó un sistema que ignora las correcciones del conductor (para evitar conflictos lógicos), Mercedes permite que el humano intervenga sin reiniciar el sistema, integrando el movimiento como parte del aprendizaje.
• Enfoque geográfico gradual: A diferencia de Tesla, que activó su FSD en todas las carreteras de EE.UU. de golpe (generando quejas masivas), Mercedes lanzará el Drive Assist Pro primero en China —donde las normas de tráfico son más estrictas y hay menos variabilidad en el comportamiento de los conductores— antes de expandirse a EE.UU. en 2025.

La batalla que viene: ¿Quién definirá el estándar en 2025?

El verdadero test para Mercedes no será técnico, sino cultural. Tesla demostró que los conductores sobreestiman la IA; Waymo, que los humanos sabotean lo que no entienden. El éxito del MB.Drive Assist Pro dependerá de un factor que ni Nvidia ni Mercedes controlan: ¿Estamos dispuestos a ceder el volante a una máquina que, aunque sea más segura, nos exige estar alerta *por si acaso*? La respuesta llegará en 12 meses, cuando los primeros 50.000 unidades del CLA con este sistema circulen por San Francisco y Pekín. Si logran reducir los accidentes en un 30% o más (como promete Nvidia), la presión sobre Tesla y Waymo para adoptar este modelo híbrido será insostenible. Si no, la desconfianza hacia la IA al volante podría consolidarse… y retrasar la revolución una década más.

La entrada IA al volante: Así es manejar el Mercedes que piensa y decide por ti se publicó primero en En foco Hoy.