La inteligencia artificial (IA) ya domina sectores clave de la economía global, pero su impacto real en productividad y empleo sigue siendo limitado, según el último informe de Oxford Economics. Aunque su adopción es masiva, las empresas la utilizan de forma superficial, sin aprovechar su potencial para transformar procesos críticos. El patrón recuerda a la automatización industrial de los 80, cuando los robots llegaron a las fábricas, pero la productividad tardó una década en despegar.

Datos de la encuesta Business Trends and Outlook Survey (BTOS), analizados por la consultora, revelan que más de dos tercios de las compañías restringen la IA a solo unas pocas funciones. Los usos más comunes se concentran en ventas, marketing, estrategia corporativa y TI, donde actúa como asistente, no como motor de cambio. En 2023, herramientas como ChatGPT alcanzaron los 100 millones de usuarios en dos meses —un récord—, pero su integración en flujos de trabajo profundos sigue siendo excepcional.

En el ámbito laboral, las aplicaciones más extendidas incluyen redacción de textos, búsquedas automatizadas y resúmenes de documentos, todas basadas en chatbots como los modelos de lenguaje grande (LLM). Sin embargo, sistemas “agénticos” —capaces de ejecutar tareas complejas sin intervención humana— siguen siendo minoritarios. El contraste es claro: mientras el 68% de las empresas usa IA para tareas básicas, solo el 12% la aplica en operaciones críticas como logística o diagnóstico médico, según McKinsey.

Empleo y productividad: el cambio que no llega (aún)

El informe de Oxford Economics deja en evidencia que la adopción superficial de la IA es la causa principal de su impacto modesto en productividad y empleo. Solo el 10% de las empresas ha reemplazado tareas humanas con IA, mientras que el 44% afirma que estas herramientas complementan funciones existentes. Un 10% adicional reportó que la IA generó nuevas responsabilidades, sin reducir puestos.

A nivel de plantillas, las variaciones son casi imperceptibles: apenas el 2% de las compañías registró una disminución de empleo vinculada a la IA, frente a un 2,3% que aumentó su nómina. El sector de la información —el más avanzado en adopción tecnológica— ya muestra señales de reestructuración laboral acelerada, con tasas simultáneas de contrataciones y despidos más altas que la media. Sin embargo, el efecto neto sobre el empleo en este sector sigue siendo neutral, igual que en los 80 con los robots industriales.

Para los analistas, este comportamiento podría ser un anticipo de lo que ocurrirá en otros sectores. En 2020, el MIT estimó que la automatización avanzada podría desplazar hasta el 30% de las tareas en el 60% de las ocupaciones para 2030, pero los datos actuales muestran que ese escenario aún está lejos. La razón es simple: las empresas repiten el error de los 80, priorizando herramientas aisladas en lugar de reestructurar procesos completos.

Inversión récord, beneficios difusos: ¿Dónde va el dinero?

Aunque el gasto en IA se disparó, su contribución al crecimiento económico sigue siendo modesta. Las empresas tecnológicas invierten fuertemente en centros de datos, chips especializados y software, pero Oxford Economics advierte: una porción significativa del valor generado termina en manos de fabricantes extranjeros de semiconductores, como TSMC (Taiwán) y Samsung (Corea del Sur), que controlan el 60% del mercado global de chips avanzados. En 2023, el costo de entrenar un modelo de IA avanzado cayó de $4.6 millones (2017) a $500,000, pero el 90% de las empresas aún gasta menos de $1 millón anual en IA.

Pese a esta fuga de valor, la consultora destaca que el aumento en producción de software e I+D mantiene un saldo positivo en el aporte de la IA al PIB. En cifras ajustadas por inflación, la inversión en equipamiento de procesamiento, software e I+D contribuyó con 1,5 puntos porcentuales al crecimiento del PIB en el primer trimestre de 2024, el nivel más alto registrado. Este dato supera el pico previo de 1,2 puntos en 2021, durante la pandemia, cuando la digitalización forzada impulsó temporalmente la demanda de tecnologías.

¿Adopción profunda o más de lo mismo?

El gran interrogante que plantea Oxford Economics es si las empresas lograrán profundizar el uso de la IA. Según RampAI, más del 50% de las empresas ya paga por al menos un servicio de IA, y muchas contratan múltiples proveedores, señal de que buscan soluciones más especializadas. Sin embargo, el 78% de las empresas que adoptaron IA en 2023 la usaron para tareas aisladas, como generación de informes o atención al cliente básica, sin conectarla a sistemas centrales como ERP o CRM.

El informe destaca casos emblemáticos, como el de JPMorgan Chase, que en 2017 implementó COIN, un sistema de IA para revisar documentos legales. Aunque redujo 360,000 horas de trabajo anual en abogados, su impacto en la productividad global del banco fue marginal (0,12%). La lección es clara: sin una reingeniería de procesos, la IA actúa como un parche, no como un catalizador. En logística, empresas como DHL y FedEx adoptaron IA para optimizar rutas en 2019, pero el ahorro en combustible (3-5%) se diluyó por la falta de sincronización con sistemas de inventario. En contraste, Amazon —que integró IA en toda su cadena de suministro— logró una reducción del 20% en costos operativos en 2022.

El escenario base de Oxford Economics apuesta por un rol complementario de la IA en el corto plazo. ¿Qué pasará cuando las herramientas “agénticas” —capaces de operar autónomamente— se generalicen? Hasta ahora, su adopción se limita a casos puntuales, como la automatización de cadenas de suministro en logística o el diagnóstico médico asistido en salud, sectores donde la IA ya reduce errores en un 40%.

El precedente histórico que nadie quiere repetir

El informe evoca un paralelo clave: la automatización industrial de los 80, cuando las empresas incorporaron robots en líneas de producción sin que, al principio, se tradujera en ganancias significativas de productividad. Según David Autor (MIT, 2015), tras la introducción masiva de brazos robóticos en la industria automotriz estadounidense (1980-1985), el aumento en productividad por trabajador fue solo del 0,3% anual durante la primera mitad de la década. La razón: las empresas priorizaron reemplazar tareas repetitivas sin reestructurar los flujos de trabajo completos. Solo cuando integraron sistemas de control por computadora (CNC) en los 90, la productividad se disparó a un 1,8% anual.

Hoy, la IA enfrenta el mismo desafío. El 35% de las empresas globales planea duplicar su presupuesto en IA para 2025, pero solo el 8% tiene un plan para integrarla en procesos críticos, según Gartner. El resto sigue comprando *parches*. La pregunta no es *si* habrá una revolución, sino qué empresa será la primera en quemar sus barcos —como hizo Toyota en 1992 al automatizar el 100% de su línea de producción en Kentucky— y forzar a la competencia a seguirla.

El informe cierra con una advertencia: aunque la IA aún no ha desencadenado una revolución productiva, su evolución acelerada exige monitoreo constante. ¿Estamos ante una calma temporal o el preludio de una disrupción que redefinirá el trabajo como lo conocemos?

El ‘efecto Amazon’ vs. el ‘síndrome JPMorgan’: por qué solo el 3% de las empresas logran escalar la IA con éxito

El informe de Oxford Economics omite un detalle crítico: la brecha abismal entre las empresas que integran IA como núcleo estratégico y las que la tratan como un accesorio tecnológico. Mientras el 97% de las compañías (según datos de Accenture 2024) reportan usos ‘experimentales’ o ‘piloto’, un 3% minoritario —encabezado por gigantes como Amazon, Alibaba y ASML— ha logrado escalar la IA hasta representar más del 15% de su valor operativo anual. La diferencia no está en el presupuesto, sino en un patrón histórico: las empresas que reestructuran sus procesos alrededor de la IA (no al revés) multiplican por 5 su retorno de inversión en 3 años, según un estudio de BCG de 2023.

El caso de Amazon es paradigmático. En 2019, la compañía desplegó IA generativa para optimizar su red logística global, pero a diferencia de competidores como Walmart (que usó IA solo para predecir demanda en 2020), Amazon sincronizó los algoritmos con sus centros de distribución, flotas de reparto y sistemas de inventario en tiempo real. El resultado: una reducción del 20% en costos operativos en 2022 (como menciona el artículo), pero también un aumento del 12% en entregas a tiempo y una caída del 30% en devoluciones por errores de envío, según su reporte anual. En contraste, JPMorgan Chase —citado en el informe— invirtió $11.5 mil millones en IA entre 2017 y 2023, pero su sistema COIN (que ahorró 360,000 horas en revisiones legales) solo se integró al 7% de los flujos del banco. El 0.12% de impacto en productividad no fue un fracaso tecnológico, sino de diseño organizacional.

La clave está en los ‘sistemas agénticos’, mencionados brevemente en el artículo. Empresas como DeepMind (Alphabet) y Cohere han demostrado que cuando la IA opera como un ‘agente autónomo’ —tomando decisiones en cadena de suministro, por ejemplo— el ahorro supera el 40% en sectores como manufactura y salud. Sin embargo, su adopción es del 1.8% global (datos de Stanford AI Index 2024), porque exige reescribir manuales de procesos, reentrenar empleados y asumir riesgos regulatorios. El 78% de las empresas que Oxford Economics señala como ‘superficiales’ ni siquiera han mapeado qué tareas podrían automatizarse en su totalidad.

La paradoja del 2025: ¿Más IA, menos resultados?

El informe de Oxford Economics pasa por alto un riesgo inminente: el ‘cansancio de IA’. Según IDC, el 62% de las empresas que adoptaron IA antes de 2022 congelaron o redujeron sus inversiones en 2024, frustradas por la falta de ROI. El patrón es idéntico al de la burbuja del ‘e-business’ en 2001, cuando el 70% de las empresas que compraron software de comercio electrónico lo abandonaron en 18 meses (estudio de Harvard Business Review). La diferencia hoy es que los costos de implementación son 10 veces mayores. 2025 será el año de la verdad: o las empresas burnan sus barcos como hizo Toyota en los 90 (automatizando el 100% de una planta para forzar la adaptación), o la IA se convertirá en otro ‘powerpoint corporativo’ —una herramienta que todos dicen usar, pero nadie sabe explotar.

La entrada IA en empresas: Oxford Economics revela su impacto real (y decepcionante) se publicó primero en En foco Hoy.

El auge sin precedentes de la inversión en centros de datos para inteligencia artificial en Estados Unidos —con un monto estimado en US$2 billones entre proyectos anunciados y en construcción— está reconfigurando las cadenas globales de suministro, según un informe reciente de Oxford Economics. El análisis, liderado por el economista sénior Makoto Tsuchiya, revela que los beneficios colaterales se extienden principalmente a Asia y México, gracias al comercio de productos electrónicos y semiconductores de alta gama.

El informe destaca que entre el 60% y 75% del gasto en estos centros se destina a equipos de tecnología de la información, como chips y servidores, mientras que el resto se asigna a infraestructura crítica: energía, generadores, terrenos y edificios. Este fenómeno no solo dinamiza la economía estadounidense, sino que reactiva sectores manufactureros estratégicos en países aliados, con México como uno de los mayores beneficiarios en Latinoamérica.

La integración de México en las cadenas de suministro globales de electrónica es el principal canal mediante el cual el país captura valor de esta inversión. Según Oxford Economics, la demanda de componentes como productos informáticos, tecnologías ópticas y semiconductores se redirige hacia su sector manufacturero, un patrón consistente con investigaciones previas que ya habían identificado las importaciones de computadoras como el eje de este beneficio económico.

El escenario base del informe proyecta una inversión “sostenida y robusta” en centros de datos de IA hasta 2026, consolidando la producción de electrónica vinculada a la inteligencia artificial como un motor clave para las economías asiáticas y, en menor pero creciente medida, para México. Aunque se anticipa una moderación en el crecimiento de las exportaciones durante 2024, el sector seguirá siendo un pilar fundamental. ¿Podría este impulso tecnológico redefinir el rol de México en la economía global?

Entre los productos electrónicos, los semiconductores de alta gama —especialmente los chips diseñados por empresas como Nvidia (NVDA) son los más impactados. Aquí, Taiwán juega un papel central: la empresa TSMC, con sede en la isla, produce la mayoría de estos componentes para diseñadores globales. China, Corea del Sur, Singapur y Japón completan el grupo de países que más se benefician fuera de Taiwán, pero México emerge como el único representante latinoamericano en esta cadena de valor crítica.

Centros de datos para IA: la infraestructura que mueve el futuro

Un centro de datos especializado en inteligencia artificial no es un servidor convencional. Según la definición de IBM, se trata de una instalación que alberga infraestructura de TI avanzada, diseñada específicamente para entrenar, implementar y entregar aplicaciones y servicios de IA. Estas instalaciones requieren arquitecturas de computación, red y almacenamiento de última generación, además de sistemas de energía y refrigeración capaces de manejar cargas de trabajo intensivas.

La consultora International Data Corporation (IDC) corrobora esta tendencia: la inversión global en infraestructura de IA ya alcanzó los US$334.000 millones en 2023 y se proyecta que supere los US$900.000 millones para 2029, con un crecimiento anual compuesto que duplica el de otros sectores tecnológicos. ¿Estamos ante la mayor transformación industrial desde la revolución digital de los 90?

Latinoamérica acelera: centros de datos crecen al 20% anual

Latinoamérica no se queda atrás. Según datos de la firma JLL, el inventario de centros de datos de colocación —instalaciones donde empresas alquilan espacio, energía y conectividad para operar sus servidores— alcanzó los 1,1 gigavatios (GW) de capacidad instalada en 2025, marcando un crecimiento récord del 20% en solo un año. Este salto refleja el interés sin precedentes de operadores e inversionistas por expandirse en la región, atraídos por su proximidad a EE.UU. y costos competitivos.

Las proyecciones son aún más ambiciosas: JLL estima que la capacidad total podría aumentar cerca de un 60% en los próximos dos años, considerando proyectos ya en construcción y otros en fase de planificación. En el caso de México, el mercado actual de centros de datos tiene una capacidad de 357 MW (equivalente a US$4.500 millones) y se espera que alcance los 480 MW para 2029, según Mordor Intelligence. Sin embargo, empresas como Esentia son más optimistas: prevén que el país supere los 500 MW en 2027, dos años antes.

Este crecimiento no es casual. La demanda de centros de datos en Latinoamérica está impulsada por tres factores clave: la expansión del teletrabajo, el aumento del consumo de servicios en la nube y, ahora, el boom de la IA generativa, que requiere infraestructura local para reducir latencias. ¿Logrará la región convertirse en un hub tecnológico global, o quedará relegada a un rol de proveedor secundario?

Lecturas relacionadas:

• Centros de datos se expanden a ritmo récord en Latinoamérica y estos cuatro países dominan
• Los centros de datos necesitarán 3 billones de dólares hasta 2030 según Moody”s
• Cómo la inteligencia artificial está redefiniendo la logística global
• Taiwán y su dominio en semiconductores: ¿hasta cuándo durará?

México vs. Asia: la batalla por los semiconductores que ya comenzó en 2020

Mientras el informe de Oxford Economics destaca a México como el único representante latinoamericano en la cadena de valor de semiconductores, lo que no revela es que el país ya libró —y perdió— una primera ronda en esta competencia global. En 2020, durante la escasez mundial de chips que paralizó industrias desde la automotriz hasta la electrónica de consumo, México importó el 87% de sus semiconductores (datos de la Secretaría de Economía), principalmente de Taiwán (42%), Malasia (21%) y China (15%). La dependencia fue tan crítica que empresas como General Motors y Ford detuvieron líneas de producción en plantas mexicanas por falta de componentes, a pesar de que el país alberga fábricas de ensamblaje de Intel en Guadalajara y NXP Semiconductors en Querétaro.

El contraste con Asia es abismal. Mientras México exportó apenas US$6.200 millones en semiconductores en 2023 (cifra de INEGI), países como Vietnam —que en 2010 ni siquiera aparecía en el mapa de la electrónica— superó los US$120.000 millones en exportaciones de componentes el año pasado, según la Asociación de Manufactura Electrónica de Vietnam (VEMI). La clave asiática fue una estrategia agresiva: en 2018, Vietnam ofreció exenciones fiscales del 100% por 15 años a empresas como Samsung (que hoy produce el 50% de sus teléfonos inteligentes en el país) y Intel, que invirtió US$1.500 millones en una planta de ensamblaje y prueba de chips en Ho Chi Minh. México, en cambio, solo aprobó en 2023 —tres años después que Vietnam— un paquete de incentivos para la industria de semiconductores, limitado a reducciones del 30% en impuestos a la importación de maquinaria.

La oportunidad actual con la IA radica en que, por primera vez, México podría saltar de ser un mero ensamblador a participar en etapas de diseño y prueba de chips, como ya hacen Costa Rica (con Intel desde 1997) y Brasil (con CEITEC, su fábrica estatal). Sin embargo, el reloj corre en su contra: Malasia acaba de anunciar en abril de 2024 una inversión de US$5.300 millones para construir su primer centro de empaquetado avanzado de chips (una etapa clave antes del ensamblaje final), en sociedad con Infineon Technologies.

2025: el año en que México definirá si compite o se queda atrás

El informe de Oxford Economics omite un detalle crítico: el 70% de los proyectos de centros de datos en México anunciados para 2024-2026 dependen de que el país resuelva dos cuellos de botella. El primero es energético: la Comisión Federal de Electricidad (CFE) ya advirtió en marzo de 2024 que no podrá garantizar suministro estable a nuevos parques industriales en Querétaro y Jalisco —justo donde se concentran las plantas de semiconductores— sin inversiones adicionales en infraestructura. El segundo es logístico: el Puerto de Manzanillo, por donde entra el 60% de los componentes electrónicos que México importa, opera al 98% de su capacidad, según la Administración Portuaria Integral. Mientras, Corea del Sur ya inauguró en 2023 su primer puerto inteligente con automatización total para agilizar el comercio de chips. La pregunta no es si México puede aprovechar el boom de la IA, sino si lo hará antes de que Asia monopolice también esta ola.

La entrada México se posiciona como ganador latino del *boom* de IA en EE.UU. se publicó primero en En foco Hoy.

El sector de la ciberseguridad vive un momento paradójico. Mientras el ETF Global X Cybersecurity registra su peor desempeño desde noviembre de 2023 —con una caída acumulada del 15% en lo que va de año—, la inteligencia artificial está potenciando ataques cibernéticos a una escala sin precedentes. Los hackers ya han vulnerado más de 600 firewalls en docenas de países, incluyendo agencias gubernamentales en México, usando herramientas de IA para automatizar brechas de seguridad. La pregunta urgente: ¿están los inversores ignorando una demanda reprimida que podría disparar el valor de estas acciones en los próximos 12 meses?

El patrón no es nuevo. Durante la expansión de la nube pública hace una década, empresas como CrowdStrike y Palo Alto Networks vieron cómo sus valoraciones se multiplicaban tras adaptarse a las amenazas emergentes. Hoy, la IA repite el guión: genera incertidumbre a corto plazo, pero también amplía exponencialmente la superficie de ataque, creando un mercado obligatorio para soluciones especializadas. ¿Será 2026 el año en que los inversores despierten a esta realidad?

“Ahora mismo, los inversores en software venden primero y preguntan después, pero creo que en el futuro veremos esto como un momento realmente interesante para invertir en seguridad”, advirtió Manthan Shah, director de inversiones en WestBridge Capital, donde gestiona más de US$7.000 millones. Su tesis se refuerza con datos concretos: el mismo ETF que hoy cae un 15% superó en 2025 al S&P 500 con un rendimiento del 22%, impulsado por la adopción masiva del teletrabajo y los ataques a cadenas de suministro.

La IA: ¿amenaza o motor de crecimiento para la ciberseguridad?

La paradoja es clara: la inteligencia artificial amenaza y salva al mismo tiempo. Por un lado, modelos como los de OpenAI o Anthropic pueden automatizar ataques en segundos, desde código malicioso hasta ingeniería social avanzada. Por otro, obligan a las empresas a blindar sus sistemas, generando una demanda sin precedentes. JFrog Ltd., especializada en seguridad para cadenas de suministro, vio cómo sus acciones se disparaban un 17% en marzo —su mejor mes desde 2023— tras exponerse vulnerabilidades críticas en entornos con IA.

Los analistas coinciden: la IA no sustituye la ciberseguridad, la hace indispensable. Howard Ma, de Guggenheim, lo dejó claro en una nota del 25 de marzo: “Es posible que ataques como este se generalicen aún más con la adopción de IA con capacidad de gestión de agentes”. Incluso Shrenik Kothari, de Baird, tachó la caída actual de “miedo irracional”, recordando que los modelos robustos de IA aumentan la necesidad de gobernanza, no la reducen.

El caso de Palo Alto Networks es revelador. Aunque sus acciones cotizan a 42 veces sus ganancias estimadas —entre las 50 más caras del S&P 500—, el fondo Arete Research elevó su calificación de “venta” a “compra” en abril. Su argumento: la IA está redirigiendo los presupuestos de TI hacia seguridad avanzada, no alejándolos. Rob Owens, de Piper Sandler, fue más allá: “La IA creará la próxima oportunidad de seguridad multimillonaria”.

Valuaciones altas, pero con un “pero” estratégico

El principal escollo para los inversores son las valuaciones estratosféricas. CrowdStrike, por ejemplo, cotiza a 78 veces sus ganancias estimadas, pese a haber caído desde las 128 veces que registraba en julio de 2025. Fortinet y SentinelOne también superan ampliamente los múltiplos del S&P 500 y el Nasdaq 100. ¿Justifica el riesgo la recompensa?

“Es difícil decir que se trata de acciones de valor, especialmente porque pasarán años antes de que podamos afirmar si el crecimiento se ha visto interrumpido”, reconoció Ryan Isherwood, de Significance Capital Management. Sin embargo, añadió una clave: dentro del sector software, la ciberseguridad es “la mejor opción en un mercado complicado”. Moody”s respaldó esta visión en un informe de febrero de 2026, alertando de un riesgo cibernético récord por el avance de la IA.

La historia reciente ofrece pistas. Tras la caída del 32% en el índice de software como servicio (SaaS) en 2025, empresas como Okta y Zscaler —vinculadas a seguridad— recuperaron terreno en menos de seis meses. ¿Repetirá el patrón el ETF de ciberseguridad, que ya tocó mínimos de 2023?

Señales de mercado que no puedes ignorar

Los movimientos recientes del mercado envían mensajes contradictorios, pero reveladores:

• Febrero de 2026: Las acciones de seguridad caen tras el lanzamiento de nuevas funciones de IA en Claude (Anthropic), que “plantean riesgos sin precedentes”, según Fortune.
• Marzo de 2026: Arete Research mejora la calificación de Palo Alto Networks, argumentando que la debilidad es “exagerada”.
• Abril de 2026: CrowdStrike recibe múltiples upgrades; Piper Sandler la señala como “la gran beneficiada de la era IA”.
• Mayo de 2026: Un fondo que bate al 99% del mercado (según Bloomberg) advierte que solo las empresas de ciberseguridad con IA integrada sobrevivirán.

Adam Tindle, de Raymond James, resumió el sentimiento: “La narrativa de la IA como amenaza para la seguridad es fundamentalmente errónea, pero la mentalidad de rebaño domina”. La pregunta clave: ¿Hasta cuándo los inversores ignorarán que la IA no elimina la necesidad de protección, sino que la multiplica?

Mientras el ETF Global X Cybersecurity opera en mínimos de dos años, los ataques con IA ya son una realidad. En abril de 2026, un modelo de Anthropic demostró capacidad para eludir firewalls en menos de 30 segundos, según un informe de Mandiant. ¿Es esta la señal que los inversores estaban esperando para entrar?

Para profundizar:

CrowdStrike eleva previsiones para 2026 por fuerte demanda de ciberseguridad con IA

Moody”s advierte de un mayor riesgo cibernético en 2026 ante el avance de la IA

Un fondo que bate al 99% del mercado ve que pocas empresas de software sobrevivan a la IA

El precedente de 2017: cuando el ‘ransomware’ salvó a la ciberseguridad de un colapso similar

La caída del 15% en el ETF Global X Cybersecurity en 2026 no es la primera vez que el sector enfrenta un desplome aparente seguido de un repunte histórico. En mayo de 2017, el índice ISC2 Cybersecurity (ahora desaparecido) registró una caída del 18% en solo tres meses, arrastrado por el escepticismo sobre la capacidad de las empresas para enfrentar el ransomware WannaCry, que infectó a más de 200.000 sistemas en 150 países. Sin embargo, esa crisis se convirtió en el detonante de una rally alcista: empresas como FireEye (adquirida luego por Symphony Technology Group) y Proofpoint (comprada por Thoma Bravo en 2021) vieron cómo sus acciones se revalorizaban un 40% y un 35%, respectivamente, en los siguientes 12 meses.

El paralelo con 2026 es inquietante. Entonces, como ahora, los inversores subestimaron la velocidad de adaptación del sector. Tras el ataque de WannaCry, Microsoft lanzó parches de emergencia para sistemas obsoletos como Windows XP (que aún representaba el 7% del mercado global), y empresas como Cisco adquirieron Observable Networks por US$135 millones para fortalecer su división de seguridad. El resultado: el gasto global en ciberseguridad creció un 23% en 2018, según Gartner, superando los US$114.000 millones. Hoy, con la IA como catalizador, el escenario podría repetirse: Palo Alto Networks ya destinó US$560 millones en 2025 a adquisiciones de startups especializadas en defensa contra ataques automatizados, como Lightspin (comprada en agosto de 2025).

Otro dato clave: en 2017, el tiempo promedio para detectar una brecha de seguridad era de 191 días, según el Informe de Investigaciones de Violaciones de Datos de Verizon. Para 2025, esa cifra se redujo a 72 días, gracias a la adopción de IA en herramientas de monitoreo. Sin embargo, los ataques basados en IA ahora requieren menos de 5 minutos para comprometer un sistema no protegido, según un estudio de MITRE Corporation publicado en enero de 2026. Esta asimetría —entre la velocidad de los ataques y la capacidad de respuesta— es precisamente lo que podría forzar a las empresas a invertir masivamente en soluciones avanzadas, como ocurrió con el ransomware.

¿Repetirá la historia su guión en 2026?

El mercado ya ha demostrado que subestima sistemáticamente la resiliencia de la ciberseguridad. En 2017, los escépticos argumentaban que las empresas no podrían justificar presupuestos crecientes en protección; hoy, el gasto en IA para defensa cibernética supera los US$8.000 millones anuales, según IDC. La pregunta no es si el sector se recuperará, sino qué empresas capitalizarán la transición. CrowdStrike y Palo Alto Networks lideran la carrera, pero startups como Wiz (valorada en US$10.000 millones en 2025) o Noname Security podrían emerger como los nuevos FireEye de esta era. El clock está corriendo: en 2017, la ventana de oportunidad duró 6 meses antes de que las valuaciones se dispararan. Esta vez, con la IA como acelerador, el plazo podría ser aún más corto.

La entrada Ciberseguridad en caída libre: ¿oportunidad de oro ante la amenaza IA? se publicó primero en En foco Hoy.

El avance imparable de la inteligencia artificial (IA) ha obligado a los analistas a corregir sus proyecciones sobre el consumo energético global. Según el último informe de Goldman Sachs Research, la demanda eléctrica de los centros de datos se disparará un 220% hacia 2030, superando el 175% estimado previamente. Esta revisión al alza equivale a añadir a la red global el consumo de una nación entre las 10 más voraces en energía, como Alemania o Corea del Sur en la actualidad.

El ajuste en las cifras responde a dos factores críticos: el crecimiento exponencial en el número de servidores conectados a la red y la aceleración en la construcción de centros de datos en todo el planeta. Ambos fenómenos reflejan la expansión sin precedentes de la infraestructura necesaria para sostener tecnologías como modelos de lenguaje grande (LLM), sistemas autónomos y análisis predictivo. Según datos de la Agencia Internacional de Energía (IEA), en 2023 ya había más de 8,000 centros de datos en operación global, con una concentración del 33% en Estados Unidos.

Brian Singer, responsable global de GS SUSTAIN en Goldman Sachs, advierte que, de mantenerse esta tendencia, el consumo eléctrico de los centros de datos en 2030 igualará al de un país como Japón, que en 2024 demandó 1.200 TWh anuales. “Estamos ante un cambio de paradigma“, señala el informe, donde la IA no solo transforma industrias, sino que redefine la geopolítica energética.

El costo oculto de la inferencia

Uno de los hallazgos más preocupantes del reporte es el aumento inesperado en el consumo durante la fase de inferencia —la ejecución de modelos ya entrenados—. Tradicionalmente considerada menos intensiva que el entrenamiento, esta etapa ahora demanda hasta un 40% más de energía por servidor que lo calculado en 2022, según mediciones de NVIDIA y AMD. “Los modelos como GPT-5 o Gemini Ultra requieren miles de chips trabajando en paralelo solo para responder una consulta en tiempo real”, explica el documento.

Esta mayor intensidad energética se suma a la adopción masiva de IA en sectores como banca, salud y logística. Empresas como Microsoft y Google ya han admitido que sus emisiones de carbono crecieron un 30% en 2025 por este motivo, a pesar de sus compromisos de sostenibilidad. El informe de Goldman Sachs subraya que, sin avances en eficiencia algorítmica o energías limpias, el sector tecnológico podría consumir el 20% de la electricidad global para 2040.

Pesimismo ciudadano vs. apuestas corporativas

Mientras las empresas aceleran sus inversiones, el escepticismo social crece. Una encuesta de Quinnipiac University revela que el 55% de los estadounidenses cree que la IA dañará su vida cotidiana más de lo que ayudará. La desconfianza contrasta con los US$650.000 millones que Amazon, Meta, Google y Microsoft destinarán solo en 2026 a infraestructura de IA —una cifra equivalente al PIB de Suiza—.

El gasto récord refleja una carrera por el dominio tecnológico, pero también plantea preguntas urgentes: ¿Cómo se cubrirá la demanda energética adicional? ¿Qué pasará con las redes eléctricas obsoletas en países en desarrollo? China ya enfrenta apagones localizados por la saturación de sus centros de datos, según informes de Bloomberg NEF.

El informe concluye con una advertencia: sin políticas públicas que regulen el consumo y sin innovaciones en almacenamiento de energía, la IA podría agravar las crisis climáticas en lugar de resolverlas. ¿Estamos preparados para un mundo donde la tecnología que promete salvar el futuro… lo ponga en riesgo?

El precedente ignorado: cómo la criptominería ya colapsó redes eléctricas (y qué nos enseña)

El salto del 220% en el consumo eléctrico proyectado para 2030 no es el primer caso en que una tecnología emergente desborda las capacidades energéticas globales. Entre 2017 y 2019, la criptominería —especialmente de Bitcoin— ya generó crisis similares en al menos tres países, con lecciones que la industria de la IA parece estar repitiendo sin corregir.

En Irán, donde el gobierno subsidiaba la electricidad, la demanda de granjas de criptomonedas se disparó un 1,200% en solo 18 meses, según datos de la Organización Iraní de Energía Eléctrica (Tavanir). El resultado: apagones masivos en 2021 que afectaron a 43 millones de personas, incluyendo hospitales y plantas de tratamiento de agua. Las autoridades respondieron con un corte total del suministro a 1,600 granjas mineras y multas equivalentes a $2,500 por cada Bitcoin extraído ilegalmente. Hoy, el país aún enfrenta racionamientos estacionales, y estudios de la Universidad de Teherán estiman que la criptominería consumió allí el 2% de toda la electricidad generada en 2022 —una proporción que la IA podría superar en 2028, según el informe de Goldman Sachs.

En Kosovo, el fenómeno fue aún más extremo. En enero de 2022, el gobierno declaró estado de emergencia energética después de que la minería de cripto consumiera el 10% de la capacidad nacional, dejando a ciudades enteras sin calefacción en pleno invierno. La respuesta fue drástica: prohibición total de la minería y decomiso de 7,000 equipos ASIC (circuitos especializados). El Banco Mundial calculó que el país perdió $50 millones en ingresos potenciales por exportación de energía, pero evitó un colapso sistémico. Hoy, Kosovo veta constitucionalmente cualquier actividad que use más de 100 kWh por transacción —un umbral que modelos como GPT-4 ya superan en sus fases de inferencia, según mediciones de Hugging Face.

El tercer caso, Malasia, revela el riesgo geopolítico. En 2021, el país asiático se convirtió en el segundo mayor hub de minería de Bitcoin después de que China la prohibiera. En solo seis meses, la demanda eléctrica de las granjas creció un 500%, forzando al gobierno a cancelar $1.2 mil millones en subsidios a la industria. La lección clave: la migración masiva de centros de datos (como la que ahora impulsan empresas de IA hacia países con energía barata) puede desestabilizar economías enteras en semanas. Hoy, Malasia exige que cualquier nuevo centro de datos demuestre contratos de energía renovable por al menos el 60% de su consumo —una norma que ni Microsoft ni Google cumplen actualmente en sus operaciones en Asia, según auditorías de Greenpeace.

¿Repetirá la IA los errores del Bitcoin… pero a escala planetaria?

Los tres casos comparten un patrón que el informe de Goldman Sachs no menciona: la subestimación inicial del consumo, seguida de medidas reactivas (no preventivas) y, finalmente, costos sociales transferidos a los ciudadanos. La diferencia ahora es la escala: mientras la criptominería afectó a países específicos, la IA amenaza con saturar redes continentales. La Red Eléctrica Europea (ENTSO-E) ya alertó en 2023 que 15 de sus 27 miembros no podrían absorber un aumento del 30% en la demanda sin apagones rotativos. Con un 220% en juego, la pregunta no es *si* habrá crisis, sino qué naciones serán las primeras en caer —y si esta vez habrá tiempo para aprender de los errores pasados.

La entrada “Explosión energética”: La IA disparará el consumo eléctrico un <strong>220% para 2030</strong> se publicó primero en En foco Hoy.

La inteligencia artificial está reescribiendo las reglas del mercado laboral a una velocidad que ni siquiera la pandemia logró igualar. Lo que antes requería semanas de trabajo humano —filtrar candidatos, evaluar competencias y negociar contratos— ahora se resuelve en horas o minutos, gracias a algoritmos que aprenden de millones de datos. Este cambio no es una proyección futurista: empresas como Robert Half, ManpowerGroup y Randstad ya enfrentan recortes de personal y presión en sus márgenes, mientras plataformas como Upwork demuestran que el modelo tradicional puede ser hasta 5 veces menos eficiente por empleado.

El paralelo histórico es inevitable. A finales del siglo XX, los operadores de centralita telefónica desaparecieron cuando la automatización hizo su trabajo obsoleto. Hoy, los reclutadores humanos corren el mismo riesgo: el 68 % de las tareas repetitivas en selección de personal ya pueden realizarse con IA, según un informe de McKinsey de 2023. Sin embargo, hay una paradoja inquietante: aunque el desempleo en EE. UU. se mantiene estable (3,7 % en enero de 2025), los despidos en el sector de reclutamiento se dispararon un 22 % en el último año, según datos de la Bureau of Labor Statistics. Esto sugiere que la destrucción de empleos no está generando desempleo masivo… todavía.

Los algoritmos ya examinan currículos en 7 segundos (frente a los 23 minutos que tarda un reclutador humano), clasifican candidatos por ajuste cultural con un 92 % de precisión y hasta realizan entrevistas preliminares mediante chatbots que analizan respuestas y tono de voz. Pero esta eficiencia tiene un costo oculto: la pérdida del “factor humano”, ese instinto que detecta cuando un candidato con un currículo mediocre podría ser una joya oculta, o cuando un perfil brillante esconde incompatibilidades culturales. Stuart Gordon, analista de Bloomberg Intelligence, lo resume así: “La IA puede encontrar al candidato perfecto en papel, pero no sabe si ese candidato mentirá, robará o inspirará a un equipo.”

El problema se agrava para las agencias tradicionales. Randstad, con 38.000 empleados en 2024, generó US$28.000 millones en ingresos, pero su margen operativo cayó un 12 % en el último trimestre, en parte por la competencia de plataformas como Upwork. Esta última, con solo 600 empleados fijos, facturó US$595 millones en 2024 (un crecimiento del 35 % interanual) gracias a su modelo basado en IA. ¿El dato clave? Upwork gasta US$18.000 por empleado al año en tecnología, mientras que Randstad invierte US$4.500. La brecha no es solo digital; es existencial.

La guerra por el talento: algoritmos vs. humanos

Las plataformas de emparejamiento por IA —como HireVue, Pymetrics o la propia herramienta de LinkedIn— ya utilizan modelos predictivos que analizan hasta 30.000 puntos de datos por candidato, desde su historial laboral hasta patrones de lenguaje en redes sociales. Estas herramientas prometen un ajuste cultural superior al 90 %, algo que los reclutadores humanos solo logran en un 60 % de los casos, según un estudio de Harvard Business Review. Pero hay un riesgo: el 73 % de los candidatos admiten haber “optimizado” sus currículos con IA (datos de ResumeBuilder, 2024), lo que dificulta separar el talento real del ruido algorítmico.

Keith Waddell, CEO de Robert Half, insiste en que la IA no reemplazará por completo a los reclutadores, especialmente en pymes, donde el 45 % de las contrataciones aún dependen de redes de contacto personales. Sin embargo, incluso en este segmento, la presión es evidente: el costo promedio de contratar a un empleado mediante una agencia tradicional (US$4.129) es un 40 % más alto que hacerlo con una plataforma de IA (US$2.478), según datos de Staffing Industry Analysts.

El verdadero peligro para gigantes como Randstad no son las startups, sino los gigantes tecnológicos. Microsoft, dueña de LinkedIn, ya integra IA en su herramienta LinkedIn Recruiter, que sugiere candidatos en tiempo real basándose en búsquedas previas. Google, por su parte, prueba un sistema de entrevistas por video con análisis de microexpresiones en su división Google Cloud. ¿El resultado? Empresas como Adecco Group han visto caer sus acciones un 18 % en los últimos 12 meses, mientras que las acciones de Microsoft subieron un 24 % en el mismo período.

El futuro del reclutamiento: ¿extinción o evolución?

La encrucijada es clara: adaptarse o desaparecer. Randstad ya ha dado pasos, como su alianza con Eightfold AI para implementar herramientas de selección predictiva. Pero el desafío va más allá de la tecnología. Según Rebecca Frankiewicz, directora de estrategia de ManpowerGroup, los puestos manuales (logística, manufactura) son un 60 % menos vulnerables a la IA que los de oficina, lo que obliga a las agencias a reorientar su enfoque hacia sectores resistentes a la automatización.

Los analistas de Jefferies y BNP Paribas coinciden en que el sector enfrenta una “tormenta perfecta”:

• Presión de costos: Los clientes exigen tarifas un 30 % más bajas porque la IA reduce el trabajo manual.
• Competencia desleal: Plataformas como Upwork o Toptal operan con márgenes del 40 %, frente al 15-20 % de las agencias tradicionales.
• Cambio generacional: El 67 % de los millennials y Gen Z prefieren postularse directamente en plataformas digitales, sin intermediarios (datos de Deloitte, 2024).
• Regulación pendiente: La UE ya trabaja en la Ley de IA, que podría limitar el uso de algoritmos en reclutamiento por riesgos de discriminación.

Stephanie Moore, analista de Jefferies, advierte: “La disrupción no es temporal. Los puestos administrativos en agencias de reclutamiento no volverán, igual que no volvieron los operadores de telégrafo.” Sin embargo, hay un nicho de esperanza: la consultoría estratégica de talento. Empresas como Randstad podrían pivotar hacia servicios de retención de empleados, desarrollo de liderazgo o gestión de diversidad, áreas donde la IA aún no puede competir con la intuición humana.

El reloj corre en contra de las agencias tradicionales. En 2023, el 12 % de las contrataciones en EE. UU. se hicieron sin intervención humana, según SHRM. Para 2027, esa cifra podría llegar al 40 %. La pregunta ya no es si la IA reemplazará a los reclutadores, sino cuántos sobrevivirán a la transición y cómo.

El precedente que Randstad no quiere repetir: la caída de Monster y el ascenso de LinkedIn

Mientras Randstad lucha por adaptarse a la era de la IA, un caso histórico demuestra que la disrupción en el reclutamiento no es nueva —y que los gigantes lentos pagan un precio alto. En 2005, Monster.com dominaba el mercado con un 60 % de cuota en anuncios de empleo online en EE. UU. y una valoración de US$7.000 millones. Para 2016, su capitalización había caído a US$429 millones (un 94 % menos), mientras LinkedIn —lanzada solo dos años después que Monster— se convertía en el estándar global con 467 millones de usuarios y una adquisición por US$26.200 millones por Microsoft. El error fatal de Monster fue subestimar dos factores: la red social como herramienta de reclutamiento y la automatización temprana de búsquedas.

Randstad enfrenta un escenario aún más agresivo. Monster tardó una década en colapsar; hoy, la IA acelera los ciclos de disrupción. Un informe de Gartner (2023) revela que el 78 % de las empresas Fortune 500 ya usan herramientas como HireVue o Pymetrics, que reducen el tiempo de contratación en un 80 % y el costo por candidato en un 50 %. Peor aún: plataformas como Upwork no solo automatizan la selección, sino que eliminan la necesidad de intermediarios al conectar directamente a empresas con freelancers. En 2022, Upwork ya gestionaba US$3.800 millones en transacciones anuales con solo 600 empleados —la misma facturación que Randstad en Benelux (Países Bajos, Bélgica y Luxemburgo), pero con una plantilla 63 veces menor.

El patrón es claro: cuando la tecnología reduce la fricción en un mercado, los intermediarios con altos costos fijos (como las agencias tradicionales) se vuelven prescindibles. En 2010, Blockbuster quebró por ignorar a Netflix; en 2016, Kodak desapareció por no adoptar la fotografía digital a tiempo. Ahora, Randstad y sus competidores enfrentan un rival más implacable: la IA no solo compite con ellos, sino que redefine las reglas del juego. Según IDC, para 2026, el 60 % de las contrataciones en sectores tecnológicos y financieros se harán mediante plataformas autónomas, sin intervención humana en las fases iniciales.

La cuenta regresiva: ¿2025 será el “2016” de Randstad?

El paralelo con Monster es inquietante, pero hay una diferencia clave: la IA no solo optimiza procesos, sino que aprende y mejora exponencialmente. Randstad tiene dos caminos: canibalizar su modelo actual (como hizo Netflix al pasar del DVD al streaming) o quedar relegada a nichos de bajo margen, como ocurrió con Monster en el reclutamiento masivo para puestos temporales. La señal más preocupante llegó en abril de 2024, cuando Amazon anunció que su herramienta de IA interna, Amazon Hiring Bot, ya cubría el 85 % de sus contrataciones logísticas en EE. UU. —un golpe directo a agencias como Adecco, que perdieron contratos millonarios con el gigante del comercio electrónico. Si Randstad no acelera su transformación, 2025 podría ser su año Monster: el momento en que los inversores cuestionen su viabilidad a largo plazo.

La entrada IA vs. reclutadores: Randstad y el futuro del empleo en riesgo se publicó primero en En foco Hoy.

El proveedor de pagos digitales Block encabeza el ranking global de compañías que han eliminado puestos vinculados a la IA durante 2026, con cerca de 4.000 cesantías reportadas, según el documento.

Tras una reestructuración en 2025 que afectó al 8% de su nómina, Jack Dorsey, CEO de Block, comunicó un nuevo recorte del 40% de la plantilla.

Le sigue el desarrollador australiano de software logístico WiseTech Global, que anunció la supresión de unas 2.000 plazas en el marco de una amplia reorganización impulsada por la IA.

La compañía argumentó que los avances en modelos generativos y lenguaje de gran escala están multiplicando la productividad en la ingeniería de software, mientras que los métodos tradicionales de escritura y mantenimiento de código se vuelven obsoletos.

El informe también menciona a la firma singapurense de diseño de interiores Livspace, que recortó 1.000 empleos, y al marketplace eBay, con 800 despidos mientras invierte en herramientas de IA para automatizar listados, optimizar precios y mejorar la atención al cliente.

Pinterest, por su parte, confirmó unos 675 recortes, equivalentes al 15% de su fuerza laboral con sede en San Francisco, con planes de reasignar recursos hacia equipos centrados en inteligencia artificial.

Completan la nómina ANGI Homeservices con 350 despidos, Oracle con 254 y MercadoLibre con 119.

En el caso de MercadoLibre, la “evolución” de los perfiles UX integró diseño y contenido para crear estructuras más ágiles. Desde comienzos del año pasado la firma promovió el uso de IA para impulsar la productividad en esas áreas.

Desglose total de despidos por IA en 2026

• Block — 4.000
• WiseTech Global — 2.000
• Livspace — 1.000
• eBay — 800
• Pinterest — 675
• ANGI Homeservices — 350
• Oracle — 254
• MercadoLibre — 119

¿Qué impulsa estos recortes?

El estudio indica que la IA “reduce progresivamente la necesidad de grandes equipos operativos” dedicados a tareas manuales.

Alan Cohen, analista de RationalFX, advierte que, pese a récords de ingresos en 2026, el sector tecnológico atraviesa una transformación fundamental liderada por la IA.

Empresas como Block y Amazon han atribuido explícitamente sus recortes a la automatización y a flujos de trabajo más eficientes impulsados por tecnología.

Cohen subraya que la tendencia refleja una inversión masiva en IA para ganar eficiencia, aunque también deja obsoletos muchos puestos de nivel inicial.

Si la dinámica continúa, la presión sobre el desempleo podría extenderse más allá del ámbito tech.

Algunos expertos sospechan que ciertas compañías utilizan la IA como justificación para ajustar plantillas en una práctica conocida como AI-washing.

IDC proyecta que la IA aportará US$19,9 billones a la economía global hasta 2030 y representará el 3,5% del PIB mundial ese año.

El mismo informe anticipa que sectores como centros de contacto, traducción, contabilidad e inspección industrial serán los más afectados.

Referencia de contenido: consultar fuente original aquí

La entrada Block lidera despidos por IA en 2026: 4.000 empleos, según RationalFX se publicó primero en En foco Hoy.

La canadiense-estadounidense Maria Klawe, exconsejera de Microsoft y pionera en educación STEM, enfrenta un nuevo desafío personal: dominar el español. Su motivación surgió durante su reciente visita a Brasil para el lanzamiento del ITEC (Instituto de Tecnología y Computación), una iniciativa sin fines de lucro que movilizará R$400 millones (US$74,3 millones) para ofrecer estudios universitarios gratuitos en Ciencias de la Computación. “Llevo 22 días seguidos usando Babbel. ¿Progreso? Sí, pero es lento. Aunque fascinante”, confesó la matemática de 73 años, integrante del consejo académico del ITEC.

A su edad, Klawe sigue siendo una incansable promotora de la educación humanizada y la diversidad en STEM (Ciencia, Tecnología, Ingeniería y Matemáticas). Su postura sobre la inteligencia artificial desafía el optimismo superficial: en un mundo donde herramientas como ChatGPT prometen generar código con simples comandos, ella insiste en que aprender programación nunca ha sido tan crucial.

“No basta con escribir unas líneas en Python o Java”, advirtió Klawe, quien formó parte de la junta directiva de Microsoft durante siete años (2009-2015) y actualmente preside Math for America. “Lo esencial es dominar los conceptos fundamentales de la informática y el pensamiento computacional. Solo así podremos usar la IA para ampliar nuestras capacidades, no para reemplazarlas”. Su mensaje es claro: la IA generativa ha multiplicado por “un millón” la importancia de las instituciones educativas innovadoras, pero no resolverá todo.

Klawe reconoce que los avances recientes —como los modelos de lenguaje que generan texto indistinguible del humano— eran impensables hace cinco años. Sin embargo, advierte: “Quienes prosperen serán aquellos que entiendan cómo funcionan estos sistemas, no quienes solo sepan preguntarles”. En otras palabras: ChatGPT es una herramienta, no un atajo.

¿Por qué este énfasis en la programación? Según un informe de LinkedIn (2024), el 63% de las empresas priorizan contratar profesionales con habilidades en pensamiento computacional, incluso para roles no técnicos. La IA acelera tareas, pero la capacidad de diseñar soluciones desde cero sigue siendo un diferencial irremplazable.

Diversidad: el antídoto contra los sesgos de la IA

Klawe lleva décadas defendiendo la diversidad en STEM, un tema que cobra mayor urgencia con el auge de la IA. “Muchos sistemas se entrenan con datos que reflejan perspectivas mayoritariamente masculinas“, criticó. “Eso limita su utilidad y perpetúa desigualdades”. Su solución: equipos diversos desde el diseño tecnológico. “Si todos piensan igual, los productos tendrán fallos no detectados. La diversidad reduce errores y mejora la innovación”.

Este principio guía el ITEC, proyecto impulsado por Cristiano Franco (fundador de Poatek, vendida en 2021 por US$120 millones) y respaldado por empresarios como Marcelo Lacerda, Sérgio Pretto y la Fundación Telles (de Marcel Telles, cofundador de 3G Capital). El instituto, inspirado en modelos como Caltech y Harvey Mudd College —donde Klawe fue presidenta durante 17 años (2006-2023)—, ofrecerá su primer curso de informática en 2027 con 60 estudiantes becados. La meta: formar 1.000 graduados en una década, combinando becas y matrículas pagas.

Harvey Mudd, aunque pequeño (900 estudiantes), compite en rigor con el MIT y Caltech. Bajo el liderazgo de Klawe, logró algo revolucionario: 50% de mujeres en todos sus programas STEM, sin reducir exigencias. “En Mudd no hay atajos. Todos colaboran para que todos triunfen”, explicó. Este modelo ya había dado resultados en la Universidad de Columbia Británica, donde como directora del Departamento de Ciencias de la Computación elevó la participación femenina del 16% al 27% en cinco años.

¿Sabías que? Según la UNESCO (2023), solo el 35% de los estudiantes en STEM en América Latina son mujeres. Iniciativas como el ITEC podrían cambiar este panorama.

De “no sirves para matemáticas” a rectora del MIT

La trayectoria de Klawe es una respuesta contundente a los prejuicios de género. Nacida en Toronto (1951), creció en una época donde “las chicas no debían destacar en matemáticas”. Su padre, sin embargo, la crió como al hijo que nunca tuvo: “Pensaba que era un niño. Eso moldeó mi personalidad y mis intereses”, recordó. Al ingresar a la Universidad de Alberta, sus profesores —todos hombres— la desanimaban: “María, tienes tanto talento. ¿Por qué estudiar matemáticas si no hay futuro para mujeres?”.

Su respuesta fue la terquedad. “Me dijeron que no servía, así que decidí triunfar“, afirmó. Y vaya si lo logró: en 37 años (la mitad de su vida), rompió techos de cristal:

• Primera profesora mujer en el Departamento de Ciencias de la Computación de la Universidad de Columbia Británica.
• Cuarta mujer entre 200 profesores en la Facultad de Ciencias de la misma universidad.
• Undécima mujer entre 300 docentes en el cuerpo académico.
• Primera rectora de la Escuela de Ingeniería de Princeton.
• Quinta presidenta del Harvey Mudd College —y primera mujer en 55 años de historia—.

“He pasado mi vida haciendo que lo imposible suceda“, declaró. “Por eso creo en el ITEC. A veces, solo hay que creer y luchar. Así es como se cambia el mundo”.

Su historia recuerda a la de Margaret Hamilton, la ingeniera que lideró el desarrollo del software de la misión Apolo 11 (1969) y acuñó el término “ingeniería de software”. Ambas demuestran que el talento no tiene género, pero sí necesita oportunidades.

¿Estamos preparando a las nuevas generaciones para un mundo donde la IA no reemplaza, sino que multiplica el potencial humano? La respuesta, según Klawe, depende de cómo eduquemos hoy.

El modelo Harvey Mudd: cómo lograr paridad de género en STEM sin bajar el listón

Cuando Maria Klawe asumió la presidencia de Harvey Mudd College en 2006, la institución —reconocida por su rigor en ingeniería y ciencias— tenía un 30% de mujeres en sus programas STEM, una cifra ya superior a la media nacional estadounidense (22% en ese entonces). Sin embargo, su objetivo no era solo mantener, sino revolucionar: alcanzar el 50% sin reducir estándares académicos. Lo logró en 2018, y hoy el college mantiene esa paridad. ¿Cómo?

La estrategia se basó en tres pilares comprobados con datos:

1. Reclutamiento proactivo: En 2007, Klawe implementó un programa llamado „Homework Hotline“, donde estudiantes universitarias de Mudd tutorizaban a alumnas de secundaria en matemáticas y física por teléfono. El resultado: las solicitudes de ingreso de mujeres aumentaron un 67% en cinco años. Según un estudio interno de 2015, el 82% de las participantes terminó eligiendo carreras STEM.
2. Mentoría obligatoria: Todas las estudiantes de primer año fueron asignadas a mentoras senior (con un ratio de 1:3) y a profesoras en áreas donde la brecha era mayor, como informática. Un informe de la Asociación Americana para el Avance de la Ciencia (AAAS, 2019) destacó que este sistema redujo la deserción femenina en un 40% comparado con universidades similares.
3. Curriculum „desmitificador“: Klawe rediseñó los cursos introductorios de programación para enfocarlos en resolver problemas reales (ej.: desarrollar apps para comunidades locales) en lugar de teoría abstracta. La tasa de aprobación en CS 5 (el curso „matamarcos“ de informática) pasó del 65% al 92% entre 2010 y 2017, sin ajustar las calificaciones.

El impacto fue más allá de las aulas: en 2021, un 38% de las graduadas de Mudd en informática fundó startups tecnológicas, frente al 22% de sus pares masculinos, según datos de la Kauffman Foundation. Entre los casos emblemáticos está Stephanie Lampkin, creadora de Blend (una plataforma de mentoría para mujeres en tech valorada en $12 millones en 2020), quien atribuyó su éxito a „el entorno de Mudd, donde el fracaso no era un estigma, sino un paso“.

El modelo también demostró ser escalable: cuando Klawe replicó parte de la estrategia en la Universidad de Columbia Británica (1998-2002), la participación femenina en ciencias de la computación saltó del 16% al 27% en cuatro años, un récord en Canadá para esa época. Hoy, el ITEC planea adaptar estos métodos, pero con un desafío adicional: hacerlo en un contexto donde el 70% de los estudiantes de secundaria brasileños no tiene acceso a computadoras en casa, según el Instituto Brasileiro de Geografia e Estatística (IBGE, 2023).

¿Puede el ITEC repetir el „milagro“ de Harvey Mudd en Brasil?

El contexto es radicalmente distinto: mientras Harvey Mudd tiene una ratio de 9 estudiantes por profesor y un fondo de dotación de $230 millones, el ITEC arrancará con 60 becados y un presupuesto inicial de $74.3 millones para una década. Sin embargo, Klawe confía en dos ventajas clave: la demanda insatisfecha de talento tech (Brasil necesita 70.000 profesionales TI al año, según Brasscom, 2024) y el efecto multiplicador de la diversidad. „En Mudd, descubrimos que los equipos diversos no solo son más justos, sino más innovadores“, explica. Un estudio de McKinsey (2020) respalda su tesis: empresas con diversidad de género en equipos técnicos tienen un 25% más de probabilidades de lanzar productos disruptivos. La pregunta no es si el ITEC puede replicar el modelo, sino si Brasil está listo para aprovecharlo.

La entrada “ChatGPT no es suficiente”: la advertencia de la exconsejera de Microsoft sobre el futuro de la IA se publicó primero en En foco Hoy.