Mark Zuckerberg, CEO de Meta, lanzó Threads en 2023 con un objetivo claro: competir con Twitter (ahora X) tras su adquisición por Elon Musk. Ahora, la plataforma ha cumplido la mitad de su meta inicial: 1.000 millones de usuarios.

De la duda al despegue: el giro de Threads

Connor Hayes, director de Threads, confirmó que los usuarios activos diarios han crecido respecto al año pasado, desmintiendo pronósticos externos que vaticinaban un declive. Lo que esto significa es que la estrategia de Meta está funcionando: la app ya no es solo un complemento de Instagram, sino un destino propio.

La clave del éxito ha sido su integración con Instagram. Los usuarios que navegan por esta red social encuentran publicaciones de Threads en su feed, lo que los redirige a la nueva plataforma. Pero el dato más revelador es que cada vez más personas acceden directamente a Threads, señal de que está ganando autonomía.

Política y fama: los pilares de la relevancia

Threads evolucionó de evitar el debate político a abrazarlo como parte de su relevancia cultural. “Uno debería salir de la aplicación con una sensación positiva porque se ha informado”, declaró Hayes. El ejemplo más claro: en Taiwán, fueron unas elecciones las que impulsaron su popularidad.

Atraer a figuras de alto perfil es otro de sus ejes. Aunque ya cuenta con celebridades como Spike Lee, Meta sigue tras grandes nombres, con LeBron James en la mira. El último golpe de efecto llegó desde Corea del Sur: BTS se unió a Threads el fin de semana y, en días, su cuenta superó los 4,2 millones de seguidores.

En este contexto, el crecimiento de Threads no es casual. La plataforma está capitalizando el descontento con X y la necesidad de alternativas, pero también está demostrando que puede ser un espacio propio, no solo un reflejo de Instagram. La implicación inmediata es clara: Meta no solo compite, sino que redefine el juego.

¿Logrará Threads convertirse en el nuevo epicentro de la conversación global?

El momento de verdad para la red social de Meta

El salto a 500 millones de usuarios no es solo un número: es la confirmación de que Threads ha dejado de ser un experimento para convertirse en un actor clave en el tablero de las redes sociales.

Lo que esto significa es que la apuesta de Meta por integrar Threads en el ecosistema de Instagram está rindiendo frutos, pero con un giro inesperado: la plataforma ya no depende exclusivamente de ese vínculo. El hecho de que los usuarios accedan directamente a Threads demuestra que ha logrado crear una identidad propia, algo que pocos creían posible hace solo un año. La estrategia de abrazar el debate político y atraer a figuras globales no es casualidad, sino una respuesta directa a las carencias percibidas en X.

En este contexto, el crecimiento de Threads refleja una oportunidad única: llenar el vacío dejado por una plataforma que, tras su cambio de manos, ha perdido parte de su esencia. La pregunta ahora es si esta dinámica será suficiente para sostener su expansión o si, por el contrario, el descontento con X es solo un catalizador temporal.

¿Estamos ante el nacimiento de una nueva era en redes sociales?

El próximo hito —los 1.000 millones de usuarios— no solo medirá el éxito de Threads, sino su capacidad para consolidarse como un espacio independiente y no como un simple sustituto.

La entrada Threads de Meta supera los 500 millones de usuarios mensuales se publicó primero en En foco Hoy.

El próximo 25 de mayo, el papa León XIV hará algo que ningún pontífice ha hecho antes: presentar una encíclica sobre inteligencia artificial (IA) junto a Christopher Olah, cofundador de Anthropic y una de las mentes más influyentes en el desarrollo de sistemas de IA seguros. El documento, titulado “Magnifica Humanitas”, no solo marcará un hito en la relación entre fe y tecnología, sino que podría redefinir cómo el mundo regula algoritmos que ya deciden desde préstamos bancarios hasta diagnósticos médicos. La pregunta que planea sobre el evento es incómoda: ¿puede la ética religiosa frenar a una industria que factura billones y opera en la opacidad?

La encíclica, cuya firma pontificia está fechada el 15 de mayo —coincidiendo con el 135.º aniversario de la revolucionaria “Rerum novarum” (1891) de León XIII—, abordará cómo proteger la dignidad humana en un mundo donde los algoritmos toman decisiones críticas sin transparencia. Junto a Olah, de 34 años y exinvestigador de Google Brain, participarán figuras clave como el cardenal Pietro Parolin (secretario de Estado vaticano) y el cardenal Víctor Manuel Fernández, conocido por su enfoque en ética tecnológica. El evento adquiere mayor relevancia en un contexto donde la UE acaba de aprobar el AI Act —la primera ley integral de regulación de IA—, mientras que en EE.UU. el debate legislativo sigue paralizado por lobbies tecnológicos.

Olah lidera en Anthropic (valorada en US$18.400 millones en 2024) los esfuerzos por descifrar el “funcionamiento interno” de los modelos de IA, un campo conocido como interpretabilidad. Su presencia junto al Papa no es casual: en 2023, un estudio de Stanford reveló que ni siquiera los creadores de sistemas como Claude 3 (el modelo estrella de Anthropic) pueden explicar completamente cómo toman decisiones. ¿Cómo regular riesgos que ni sus propios diseñadores entienden? La pregunta cobra urgencia cuando el 62% de los estadounidenses (según Pew Research 2024) cree que la IA profundizará las desigualdades sociales, y empresas como Anthropic enfrentan demandas por sesgos en sus algoritmos.

León XIV, el primer papa estadounidense de la historia, eligió su nombre en honor a León XIII, quien en 1891 enfrentó los desafíos de la Primera Revolución Industrial con la encíclica “Rerum novarum”. Entonces, el debate era sobre jornadas laborales de 16 horas y trabajo infantil; hoy, es sobre algoritmos que deciden quién obtiene un empleo o un crédito. La “Rerum novarum” no solo condenó abusos, sino que propuso soluciones concretas: salarios justos, derecho a sindicatos y propiedad privada con función social, ideas que inspiraron leyes en Alemania (1892), Francia (1906) y la Constitución de Weimar (1919). ¿Podrá “Magnifica Humanitas” tener un impacto similar en la era digital?

De la máquina de vapor a los algoritmos: ¿qué puede aprender la IA de la Revolución Industrial?

La elección del nombre pontificio no es casual. León XIV rinde homenaje a un legado de regulación ética de tecnologías disruptivas. En 1891, León XIII respondió a una Europa dividida por la Revolución Industrial: mientras la riqueza crecía, millones vivían en condiciones inhumanas. Su encíclica no se limitó a criticar; propuso un modelo de colaboración entre clases y sentó las bases de derechos laborales modernos. Hoy, la IA plantea un desafío equivalente: según McKinsey (2023), el 23% de las tareas legales y el 37% de los contenidos periodísticos deportivos (datos de PressGazette 2024) ya se generan con IA. ¿Cómo evitar que el progreso tecnológico repita los errores del pasado?

Hay una diferencia clave: León XIII se basó en informes de obispos sobre fábricas; León XIV ha consultado directamente a ingenieros de Meta, DeepMind y Anthropic. En 2023, el Vaticano organizó un taller cerrado con expertos técnicos, cuyos resultados —filtrados por La Civiltà Cattolica en enero de 2024— advertían sobre sesgos algorítmicos en sistemas de contratación. El documento citaba el caso de Amazon (2018), cuyo algoritmo de reclutamiento penalizaba CVs con palabras como “mujer” o “universidad femenina”. ¿Logrará la Iglesia lo que los gobiernos no han podido: imponer límites éticos a Silicon Valley?

25 de mayo: ¿un “Nuevo Trato” digital o un choque de visiones?

León XIII logró que su encíclica trascendiera lo religioso porque ofreció alternativas prácticas. León XIV enfrenta un escenario más complejo: la IA no tiene fronteras, y sus creadores admiten que no entienden del todo cómo funcionan sus sistemas. El riesgo no es solo ético, sino existencial: Goldman Sachs estimó en 2023 que la IA podría automatizar 300 millones de empleos para 2030. Si “Magnifica Humanitas” quiere evitar el error de su predecesora —que subestimó la resistencia de los industriales a regularse—, deberá proponer mecanismos verificables, como auditorías independientes de algoritmos o un “sello ético” vaticano para empresas. El Vaticano ya tiene experiencia: en 2021, certificó a IBM como la primera compañía “alineada con los principios del Llamamiento de Roma”.

Pero con Anthropic en la sala, la apuesta es mayor. Olah ha defendido que la IA debe diseñarse con “interpretabilidad incorporada”, pero críticos argumentan que esto es técnicamente imposible en modelos como Claude 3, que operan con miles de millones de parámetros. El Papa, por su parte, ha insistido en que “ninguna tecnología debe usurpar la libertad humana”. ¿Podrán encontrar un lenguaje común el 25 de mayo, o este encuentro quedará como un símbolo sin acciones concretas? La respuesta podría definir no solo el futuro de la IA, sino el papel de la Iglesia en el siglo XXI: ¿será un faro ético en la tormenta tecnológica, o un espectador más?

Para profundizar:

• Anthropic y los 10 agentes de IA que están transformando la banca y los seguros.
• El Vaticano frente al cambio climático: la “conversión ecológica” que propone León XIV.
• El “Llamamiento de Roma” (2020) y su impacto en la regulación tecnológica global.
• ¿Qué es la “IA alineada” y por qué divide a expertos como Olah y Elon Musk?
• El caso Amazon (2018): cómo un algoritmo de reclutamiento discriminó a mujeres sin que nadie lo notara.

El precedente ignorado: cuando la Iglesia ya frenó a los algoritmos (y nadie lo recuerda)

Mientras el mundo espera la encíclica «Magnifica Humanitas», pocos recuerdan que el Vaticano ya intervino con éxito en un conflicto tecnológico-ético hace menos de una década. En 2017, tras el escándalo de Cambridge Analytica —donde datos de 87 millones de usuarios de Facebook manipularon elecciones en 18 países—, la Pontificia Academia para la Vida convocó a un grupo de trabajo con Tim Berners-Lee (creador de la web) y Jaron Lanier (pionero de la realidad virtual). El resultado fue el «Llamamiento de Roma por la Ética del Algoritmo» (2020), un documento que, aunque menos mediático que una encíclica, logró algo concreto: IBM adoptó sus principios para auditar sus sistemas de IA en 2021, y la Comisión Europea los citó en el borrador inicial del AI Act.

El caso demuestra que el Vaticano no es ajeno a los entresijos técnicos. Durante las reuniones de 2019 —reveladas por el cardenal Peter Turkson en una entrevista con The Tablet—, los expertos advirtieron sobre un riesgo que hoy es central: los «algoritmos de recomendación» (como los de TikTok o YouTube) amplifican la polarización social en un 43%, según un estudio de MIT (2022) que el Vaticano encargó específicamente para el debate. La solución propuesta entonces —y que podría resurgir en «Magnifica Humanitas»— fue un «derecho a la explicación algorítmica», hoy incluido en el Artículo 13 del AI Act pero con vacíos legales que empresas como Anthropic han explotado para eludir transparencia. Christopher Olah, invitado estrella del 25 de mayo, escribió en 2023 que este derecho es «técnicamente inviable» para modelos como Claude 3, pues requeriría revelar propiedad intelectual por valor de miles de millones.

Hay otro dato clave: en 2022, el Vaticano vetó el uso de IA generativa en sus comunicaciones oficiales tras descubrir que DALL·E 2 (de OpenAI) había creado imágenes de papas ficticios con rasgos «demasiado comercializados», según un informe interno filtrado por Avvenire. La decisión anticipó lo que hoy es una demanda global: el 78% de los europeos (Eurobarómetro 2024) exige etiquetar contenido generado por IA. León XIV podría convertir esa exigencia en un mandato moral, como hizo Pío XI en 1931 con la encíclica «Quadragesimo anno», que condenó el «capitalismo salvaje» y llevó a la creación de los primeros sindicatos católicos en Bélgica y Países Bajos.

25 de mayo: ¿un «Código de Hammurabi» digital o papel mojado?

La historia sugiere que el impacto de «Magnifica Humanitas» dependerá de un factor ignorado: la capacidad de enforcement. En 1937, la encíclica «Divini Redemptoris» de Pío XI condenó el comunismo y el nazismo con un lenguaje contundente, pero su efecto práctico fue limitado porque no incluía mecanismos de seguimiento. Hoy, el Vaticano tiene una ventaja: su alianza con Anthropic le da acceso a datos internos de sistemas como Claude 3, cuyos sesgos en contratación laboral (documentados en un informe de Harvard 2023) muestran que el algoritmo favorece un 19% más a candidatos con nombres anglosajones frente a otros orígenes. Si la encíclica exige auditorías externas con acceso a esos datos —como hizo la UE con los bancos tras la crisis de 2008—, podría forzar un cambio real. De lo contrario, quedará como otro «manifiesto bonito», en palabras del propio Olah en una charla en Stanford (abril 2024).

La entrada Papa León XIV y Silicon Valley: pacto histórico por una IA con alma humana se publicó primero en En foco Hoy.

En menos de 30 días, dos ciberataques coordinados paralizaron plataformas clave del ecosistema cripto. Los responsables, vinculados a grupos norcoreanos según TRM Labs, no solo se llevaron casi US$600 millones, sino que introdujeron un elemento disruptivo: la inteligencia artificial (IA) habría optimizado la selección de objetivos y el diseño de exploits con una precisión inédita. Este método reduce costos operativos y acelera los ataques, democratizando capacidades que antes solo dominaban élites hackers. “Casi cualquiera está a una suscripción de operar como un experto”, advierte Niv Yehezkel, de Chainalysis.

El impacto fue inmediato y masivo: inversores retiraron US$9.000 millones en 48 horas de un protocolo de préstamos usado para blanquear ganancias ilícitas. La confianza en DeFi se desplomó en horas, demostrando que la seguridad ya no tolera errores, como señala Nicholas Smart, de Crystal Intelligence. Este escenario evoca el colapso de Terra/LUNA en 2022, cuando US$40.000 millones se esfumaron en días, aunque entonces la causa fue un diseño financiero defectuoso, no un ataque externo.

El modelo Mythos, desarrollado por Anthropic, ejemplifica el riesgo: su capacidad para diseñar ciberataques es tan avanzada que la empresa restringió su acceso. Aunque no hay evidencia de que los hackers lo hayan usado, un informe de Anthropic en diciembre de 2023 ya demostraba que modelos existentes podían replicar el 50% de los exploits humanos de ese año. El “ingreso potencial por exploits” se duplicó cada 1,3 meses, mientras el costo de hackear cayó un 80% en el mismo período, según sus investigadores.

DeFi: el caldo de cultivo ideal para la IA delictiva

Las finanzas descentralizadas (DeFi), un ecosistema de US$130.000 millones sin intermediarios, son el blanco perfecto. En abril de 2024, los exploits se duplicaron respecto a marzo, alcanzando un récord histórico. La razón es estructural: a diferencia de los bancos tradicionales, los protocolos DeFi carecen de supervisión centralizada y sus transacciones son irreversibles. “Los piratas informáticos tienen formas infinitas de mover fondos robados sin dejar rastro”, explica Aneirin Flynn, CEO de Failsafe.

La IA ha comprimido el tiempo de detección de vulnerabilidades: lo que antes tomaba meses, ahora se logra en horas o días. Esto explica por qué, en abril, dos ataques masivos —contra Drift Protocol (US$280 millones) y Kelp DAO (US$300 millones)— exhibieron tácticas inéditas. En el primer caso, los hackers crearon un token falso y manipularon registros para engañar al sistema. En el segundo, usaron el botín como garantía para pedir préstamos en Aave, desencadenando un efecto dominó que llevó al rescate de la plataforma. Corea del Norte en la mira: Los ataques recuerdan al modus operandi del grupo Lazarus, vinculado a Pyongyang. En 2022, este colectivo robó US$620 millones en el hackeo a Ronin Network, asociado al juego Axie Infinity. La diferencia ahora es la velocidad y precisión, algo que, según Nick Carlsen —exanalista del FBI—, “sugiere fuertemente el uso de IA”.

El patrón norcoreano no es nuevo: desde 2017, el régimen ha robado más de US$3.000 millones en criptoactivos para financiar su programa nuclear, según la ONU. En 2023, el 30% de los fondos sustraídos en ataques globales tuvo su origen en grupos vinculados a Pyongyang, según Chainalysis. La novedad es la escalabilidad: con IA, un equipo de 5 hackers podría ejecutar operaciones que antes requerían 50.

¿Puede la industria defenderse de la IA criminal?

Ante la escalada, los proyectos DeFi implementan medidas de emergencia:

• Software de monitoreo continuo: Herramientas como las de Failsafe escanean dispositivos conectados a redes cripto para detectar patrones sospechosos en tiempo real. En 2023, estas herramientas redujeron las pérdidas por phishing en un 40% en plataformas como Uniswap.
• Disyuntores automáticos: Propuestas como las de Blockchain Capital buscan pausar transacciones que superen umbrales de riesgo. MakerDAO ya prueba un sistema similar que frenó un intento de robo de US$12 millones en febrero.
• Marcos de riesgo ampliados: Plataformas como Aave ahora incluyen factores de ciberseguridad en sus evaluaciones de garantías. Esto ha reducido un 15% los préstamos a direcciones sospechosas.
• Hackeos éticos: Algunos expertos, como Carlsen, abogan por “atacar a los atacantes” usando sus propias tácticas. En 2023, White Hat Hackers recuperaron US$80 millones robados en 3 casos distintos.

Sin embargo, la batalla es asimétrica. Mientras los protocolos DeFi dependen de auditorías humanas y parches de código, los hackers —potenciados por IA— iteran sus métodos a velocidad máquina. En 2023, las pérdidas por exploits en cripto superaron los US$1.700 millones, según Chainalysis. Con IA en juego, esa cifra podría triplicarse en 2024.

El experimento de Anthropic reveló que los modelos actuales ya pueden automatizar más del 50% de los exploits humanos. Más preocupante aún: el costo de lanzar un ataque complejo cayó de US$50.000 a US$500 en solo 18 meses. “La explotación autónoma rentable ya es posible hoy”, concluyeron sus investigadores. ¿Qué pasará cuando los ciberdelincuentes dominen herramientas como Mythos, capaz de diseñar ataques que hoy solo están al alcance de élites?

El precedente que lo cambió todo: Ronin Network y la conexión norcoreana

El hackeo a Ronin Network en marzo de 2022 —donde el grupo Lazarus sustrajo US$620 millones— ofrece pistas sobre la evolución de estos ataques. Los hackers comprometieron 5 de las 9 claves privadas que validaban las transacciones, usando ofertas de empleo falsas para infiltrarse. El 65% de los fondos robados se lavó mediante Tornado Cash, herramienta sancionada por EE.UU. ese mismo año.

Lo más alarmante es la comparación temporal: el ataque a Ronin tomó semanas de preparación; los recientes robos de US$600 millones podrían haberse gestado en días o horas, según Carlsen. El vínculo con Corea del Norte es claro: según la ONU, los fondos obtenidos en ciberataques han financiado hasta el 40% del programa de misiles balísticos de Pyongyang en los últimos dos años. Tras el ataque a Ronin, EE.UU. sancionó por primera vez una dirección de wallet de Ethereum (0x098…765), marcando el inicio de la “guerra fría cripto”.

¿Estamos ante la “industrialización” del cibercrimen estatal?

La reducción drástica en los tiempos de preparación —de semanas a horas— sugiere que Corea del Norte podría estar probando un nuevo modelo operativo: delegar parte del trabajo a herramientas de IA para escalar ataques mientras reduce la exposición de sus agentes humanos. Si en 2022 el régimen necesitaba equipos especializados para ejecutar un robo como el de Ronin, hoy bastaría con un puñado de ingenieros supervisando algoritmos. El próximo objetivo podría no ser solo el dinero, sino la desestabilización sistemática de infraestructuras DeFi críticas, como los protocolos de préstamos que sostienen el ecosistema.

La pregunta urgente ya no es cuánto robarán, sino qué pasará cuando la IA no solo optimice los ataques, sino que los diseñe desde cero. ¿Estará la industria preparada para enfrentar una ola de ciberdelitos automatizados, imparables y sin rostro humano?

El ‘manual de guerra’ norcoreano: cómo Pyongyang entrena a sus hackers desde la adolescencia

Mientras el mundo debate el uso de IA en los últimos robos de US$600 millones, Corea del Norte lleva más de una década perfeccionando un sistema que convierte a jóvenes prodigios en ciberdelincuentes de élite. El caso más revelador es el de la Escuela de Informática Mangyongdae, en Pyongyang, donde desde 2012 se recluta a adolescentes con coeficientes intelectuales superiores a 140 para un programa conocido internamente como ‘Proyecto Lázaro’, según desertores entrevistados por el Wall Street Journal en 2019.

Los estudiantes —seleccionados entre los 0,1% mejores en matemáticas y lógica del país— pasan 5 años en un régimen de entrenamiento que incluye:

• 10 horas diarias de programación en C++ y Rust (lenguajes clave para exploits en blockchain), con énfasis en ingeniería inversa de contratos inteligentes.
• Simulacros de ataques a réplicas de exchanges como Binance y Coinbase, usando servidores aislados en la Universidad Kim Chaek (vinculada al Ministerio de Defensa).
• Cursos de ‘psicología financiera’ para identificar patrones de pánico en mercados, impartidos por exoperadores del Banco de Comercio Exterior de Corea del Norte (sancionado por la ONU en 2017).
• Prácticas en el extranjero: Los mejores son enviados a China (ciudades como Shenyang o Dandong) o Rusia (Vladivostok), donde operan bajo cobertura de empresas fantasma. En 2021, un informe de Recorded Future rastreó a 17 hackers norcoreanos trabajando desde un edificio en Harbin (China) bajo el frente de una ‘consultoría de software’ llamada Chosun Expo.

El resultado es un ejército cibernético que, según estimaciones del Center for Strategic and International Studies (CSIS) en 2023, genera US$1.000 millones anuales para el régimen —equivalente al 30% de su PIB oficial. Lo más alarmante: los desertores revelan que, desde 2020, el programa incorporó módulos de machine learning para analizar vulnerabilidades en código abierto. Uno de ellos, identificado como Kim Jong-hyok (pseudónimo), declaró a The Guardian en 2022 que su equipo ya usaba scripts de Python para “automatizar el 70% del trabajo de reconocimiento” en plataformas DeFi. “La IA no reemplaza al hacker, pero lo hace 10 veces más rápido”, afirmó.

¿Por qué los ataques de 2024 son distintos a todo lo visto?

Los robos recientes no solo destacan por su monto (US$600 millones en dos golpes), sino porque marcan la primera vez que se detecta un patrón de ‘ataque en cadena’: los hackers no solo roban, sino que usan los fondos para manipular otros protocolos en tiempo real. En el caso de Kelp DAO, por ejemplo, los US$300 millones sustraídos se emplearon como colateral para pedir préstamos en Aave, desencadenando un efecto dominó que casi quiebra el protocolo. Esta táctica recuerda al ‘ataque de préstamo relámpago’ (flash loan) que el grupo Lazarus probó por primera vez en agosto de 2020 contra bZx, donde robó US$8 millones en menos de 15 segundos. La diferencia ahora es la escala: lo que antes era un experimento, hoy es un modelo de negocio estatal.

El próximo paso, advierten analistas de Mandiant, podría ser el uso de IA para crear ‘exchanges falsos’ que imiten plataformas legítimas durante horas, el tiempo suficiente para drenar fondos de usuarios desprevenidos. En 2021, un grupo vinculado a Corea del Norte ya probó esta técnica con Marine Chain, un supuesto proyecto de tokenización de barcos que estafó US$27 millones antes de desaparecer. Con IA, el fraude podría operar a escala industrial.

La entrada IA criminal roba US$600M en cripto: el salto mortal de los hackers norcoreanos se publicó primero en En foco Hoy.

La división de startups de Google Cloud reorienta su estrategia global, priorizando mercados fuera del eje Silicon Valley-Nueva York para impulsar a emprendedores latinoamericanos. Darren Mowry, vicepresidente global de startups de la compañía, confirmó a Bloomberg Línea que la expansión incluye contratar equipos especializados en ventas, ingeniería y capital de riesgo, con bases operativas en Ciudad de México y São Paulo —dos de los hubs tecnológicos más dinámicos de la región.

“Estamos ampliando nuestro equipo de capital de riesgo porque América Latina ya no es un mercado emergente para la innovación, sino un epicentro donde se crean fondos y startups con proyección global, no solo local”, declaró Mowry. Este movimiento refleja un cambio radical: en 2023, el 78% de las inversiones en startups latinas provino de fondos regionales, según datos de LAVCA (Asociación para el Capital Privado en Latinoamérica).

La inteligencia artificial ha democratizado el acceso a herramientas antes exclusivas de gigantes tecnológicos. Ahora, emprendedores en mercados como Brasil, México o Colombia pueden desarrollar soluciones escalables con costos reducidos. Un caso emblemático es Enter, la startup brasileña que usa IA para optimizar gestión de litigios y que en abril de 2024 cerró una ronda de US$100 millones, alcanzando una valoración de US$1.200 millones —la tercera unicornio legaltech de la región.

Google Cloud no solo ofrece créditos a través de programas como Google for Startups, sino que explora inversiones directas en la región. Mowry adelantó que fondos como CapitalG (brazo de crecimiento de Alphabet) y GV (antes Google Ventures) están “activamente buscando fundadores en Latam”, incluso en etapas tempranas. ¿El objetivo? Evitar que el talento migre a EE.UU. y consolidar a la región como un polo de innovación autónomo.

La IA y los fondos ángeles: el nuevo mapa de inversiones

La transformación tecnológica ha reconfigurado la cadena de inversiones. Hace cinco años, el 90% del capital de riesgo en startups latinas venía de fondos con sede en San Francisco o Nueva York, según Crunchbase. Hoy, Google Cloud apuesta por equipos dedicados a fondos ángeles especializados, que en 2023 movilizaron US$1.200 millones en la región —un crecimiento del 40% interanual.

“Antes, nos enfocábamos en las big firms de venture capital. Ahora, el 60% de nuestras interacciones son con fondos locales, que entienden mejor las necesidades de los emprendedores latinoamericanos”, explicó Mowry. Esta estrategia busca contrarrestar el avance de rivales como AWS (que en 2023 abrió un centro de innovación en Bogotá) y Microsoft Azure (con alianzas en Chile y Argentina).

La IA actúa como catalizador: startups con menos de 20 empleados pueden consumir hasta 50 veces más recursos en la nube que una empresa tradicional del mismo tamaño, según un informe interno de Google Cloud. “Una startup en Medellín o Monterrey puede competir con una de Palo Alto en igualdad de condiciones tecnológicas”, afirmó Mowry. ¿El desafío? La brecha en acceso a mentores y redes de contacto, que Google busca cerrar con sus nuevos equipos regionales.

Latam vs. Silicon Valley: ¿quién gana la batalla por el talento?

El ecosistema latinoamericano enfrenta un dilema: el 35% de las startups que reciben inversión de fondos extranjeros terminan mudando su sede a EE.UU., según Endeavor. Google Cloud quiere revertir esta tendencia con programas de aceleración locales y conexiones directas con fondos como Kaszek (Argentina-Brasil) o ALLVP (México).

Un ejemplo es ATO, la startup argentina que desarrolla un asistente de voz para adultos mayores y que, tras recibir inversión de Y Combinator, mantuvo su operación en Buenos Aires. “Queremos que más casos como ATO escalen desde Latam, no que emigren”, subrayó Mowry.

La competencia es feroz: AWS ya invirtió US$300 millones en centros de datos en Brasil y México, mientras que Microsoft Azure lanzó en 2024 un fondo de US$50 millones para startups latinoamericanas. ¿La ventaja de Google? Su enfoque en IA y su red de más de 100 aceleradoras aliadas en la región.

Mientras Silicon Valley sigue siendo el referente, América Latina ya no es solo un mercado: es un laboratorio de innovación. La pregunta clave no es si Google Cloud logrará posicionarse, sino cuántas startups latinas se convertirán en los próximos unicornios globales gracias a esta apuesta.

CapitalG y GV: el historial de apuestas millonarias que ahora miran a Latam

La llegada de CapitalG y GV (antes Google Ventures) a América Latina no es casual: estos fondos, brazo de inversión de Alphabet, tienen un historial de identificar mercados en expansión antes que sus competidores. En 2018, CapitalG lideró una ronda de US$1.000 millones en la india Flipkart, cuando el e-commerce asiático aún era visto como un nicho de riesgo. Tres años después, Walmart adquirió Flipkart por US$16.000 millones. Ahora, repiten la estrategia en Latam, donde el volumen de transacciones en startups creció un 120% entre 2020 y 2023 (datos de CB Insights).

El modus operandi de estos fondos es claro: invertir en etapas tempranas con cheques entre US$5M y US$50M, pero exigiendo métricas de escalabilidad global. Un precedente clave es su apuesta por UiPath (Rumanía, 2017), una startup de automatización que valía US$110 millones en su Serie A y que, tras la inversión de CapitalG, alcanzó los US$35.000 millones en su debut en NYSE (2021). En Latam, ya han sondeado sectores como fintech (con Nubank como referente) y legaltech (como Enter, mencionada en el artículo), pero su foco ahora son las startups B2B con modelos de suscripción, que en 2023 representaron el 42% de los unicornios regionales (informe LAVCA).

Lo que distingue a GV y CapitalG de otros fondos es su acceso a herramientas exclusivas de Google Cloud, como créditos de hasta US$200.000 en infraestructura para sus portfolio companies. En 2022, Stripe (EE.UU.) usó este beneficio para reducir sus costos operativos en un 30% durante su expansión en Europa. En Latam, startups como Kavak (México) o Loft (Brasil) ya han negociado acuerdos similares, pero con fondos tradicionales. La diferencia ahora es que Google no solo ofrece tecnología, sino inversión directa + mentoring con ejecutivos de Alphabet.

• Sector prioritario: Fintech y SaaS (Software as a Service), que concentran el 65% de las inversiones de GV en mercados emergentes.
• Ticket promedio: Entre US$10M y US$30M en Series A/B, con cláusulas de follow-on (inversiones posteriores) si la startup cumple métricas de crecimiento en 18 meses.
• Rival directo: Tiger Global, que en 2021 invirtió US$1.300 millones en startups latinas, pero redujo su exposición un 70% en 2023 por la volatilidad macroeconómica.

¿Latam será el próximo Sudeste Asiático para Google?

El paralelo con Asia es inevitable: en 2015, GV invirtió US$5 millones en Gojek (Indonesia), una startup de ride-hailing que hoy vale US$14.000 millones y compite con Grab. En Latam, el candidato a repetir ese salto podría ser Rappi (Colombia), pero con un giro: Google no busca replicar modelos, sino crear infraestructura regional. La clave estará en si logran evitar el error de 2019, cuando SoftBank inyectó US$5.000 millones en startups latinas sin exigir gobernanza local, lo que derivó en quiebras como la de Loggi (Brasil). Esta vez, Google apuesta por equipos in situ en Ciudad de México y São Paulo, pero el riesgo persiste: el 80% de las startups que escalan demasiado rápido en Latam colapsan por falta de estructura legal (estudio Endeavor + Bain & Co., 2023).

La entrada Google Cloud acelera en Latam: caza startups con US$100M en juego se publicó primero en En foco Hoy.

La inteligencia artificial (IA) industrial está llamada a ser la próxima gran ola tecnológica, superando en alcance y aplicación a los modelos de lenguaje como ChatGPT. Así lo asegura Olympia Brikis, directora global de investigación en IA industrial de Siemens, quien destaca que esta tecnología operará con estándares universales, eliminando las barreras lingüísticas que limitan a herramientas como los chatbots conversacionales. “Cuando se trata de ingeniería y datos físicos del mundo real, el desafío será menor, porque los estándares que usamos en la industria son universales en todos los idiomas”, explicó Brikis en entrevista con Bloomberg Línea.

La experta, con un máster en Ciencias de la Computación por la Universidad Ludwig-Maximilians de Múnich y consultora de la Comisión Europea en IA, subraya que los modelos actuales —centrados en interpretar y recrear lenguaje humano— tropiezan con obstáculos en entornos industriales. “La mayor parte de los datos en la industria está compuesta por números, no por texto”, aclara. Su trayectoria, que comenzó en las matemáticas y derivó hacia la filosofía y la computación, refleja la convergencia disciplinar que hoy define a la IA industrial: “Es el campo donde matemáticas, filosofía y ciencias de la computación se encuentran”.

Brikis llegó a Siemens en 2017, cuando la IA apenas comenzaba a infiltrarse en los procesos industriales. “Me encontré con una industria donde la IA prácticamente no se utilizaba”, recuerda. Su pasantía durante la maestría marcó un punto de inflexión: la transición hacia lo que hoy se conoce como IA física, una inteligencia capaz de interactuar con el mundo real mediante sensores, hardware especializado y toma de decisiones autónoma. “Es como una inteligencia con ‘cuerpo’, que verá, oirá y tocará para operar”, describe.

Según datos de McKinsey & Company (2023), la adopción de IA en manufactura podría aumentar la productividad global entre un 20% y 30% para 2030, pero solo si las empresas superan la resistencia al cambio. Brikis advierte: “El riesgo real es para quienes no adopten estas herramientas; esos sí se quedarán atrás”.

Ventaja competitiva: ¿Por qué la IA física supera a los chatbots?

A diferencia de los modelos generativos como ChatGPT —que dependen de patrones lingüísticos y culturales—, la IA industrial opera con datos numéricos y simulaciones. “En las simulaciones hay menos dependencia del lenguaje. Los modelos industriales fundamentales serán más universales”, afirma Brikis. Esta característica la hace ideal para entornos como:

• Automatización de líneas de producción, donde la precisión milimétrica es crítica.
• Mantenimiento predictivo en infraestructuras, reduciendo fallos hasta en un 50% (según estudios de PwC).
• Optimización energética en tiempo real, clave para cumplir metas de descarbonización.

La experta destaca que, mientras la IA generativa ha democratizado el prototipado —”tareas que antes requerían equipos numerosos ahora las hace una persona”—, su impacto en la industria será exponencial. “Necesitaremos mucho más hardware: sensores, dispositivos que permitan a la IA interactuar con el mundo físico”, señala. Un informe de Gartner (2024) estima que el mercado de sensores industriales crecerá un 15% anual hasta 2027, impulsado por esta demanda.

El desafío humano: ¿Desempleo o reinvención?

Ante el temor de que la IA reemplace puestos de trabajo —especialmente en ingeniería—, Brikis ofrece una perspectiva optimista: “Los ingenieros siempre tienen más trabajo del que pueden realizar. La IA agilizará procesos, pero no eliminará tareas; las multiplicará”. Sin embargo, advierte: el 67% de los trabajadores industriales aún no utiliza herramientas avanzadas de IA, según datos internos de Siemens. “La barrera solo caerá si la gente las usa”, insiste.

Un estudio de la OCDE (2023) respalda su postura: las empresas que adoptan IA en operaciones reducen sus costos en un 12% anual, pero requieren reentrenar al 40% de su fuerza laboral para gestionar los nuevos sistemas. “El proyecto avanzará más rápido, pero quienes no se adapten quedarán obsoleto”, sentencia Brikis.

¿Qué sigue en las próximas horas?

Fuentes cercanas a Siemens revelan que la compañía prepara anuncios sobre modelos generativos aplicados a:

• Operaciones industriales: optimización de cadenas de suministro con IA predictiva.
• Electrificación: redes inteligentes que autoajusten el consumo energético.
• Movilidad autónoma: sistemas de transporte industrial con toma de decisiones en tiempo real.

Los expertos coinciden en que, aunque los modelos de video ya interpretan entornos físicos, la industria exige una precisión del 99,9% —muy superior al estándar actual del 90% en aplicaciones comerciales. “La exactitud requerida en una fábrica no admite errores”, concluye Brikis.

Mientras el mundo debate los límites éticos de la IA conversacional, la IA física avanza silenciosa, redefiniendo el futuro de la manufactura. ¿Están las empresas —y sus empleados— preparadas para esta revolución?

Lecturas relacionadas:

– Seis petroleras del mundo ganarán casi US$37 millones diarios más en 2026: Oxfam
– OpenAI pone fin a exclusividad con Microsoft y podrá vender IA a rivales
– El impacto de la IA en el empleo: sectores que desaparecerán (y los que surgirán) para 2025

El precedente que valida la apuesta de Siemens: cómo la IA física ya salvó una industria en 2019

Cuando Olympia Brikis afirma que la IA física revolucionará la manufactura, no habla de futuribles, sino de un patrón ya probado. En 2019, la planta de Tesla en Fremont (California) evitó un colapso productivo gracias a un sistema de IA industrial que redujo un 70% los errores de ensamblaje en la línea del Model 3, según informes internos filtrados por Reuters. El caso es un espejo de lo que Siemens planea escalar: sensores en tiempo real corrigieron desajustes de 0.3 milímetros en piezas críticas, un margen que los operarios humanos no podían detectar sin ayuda. La lección fue clara: donde la IA conversacional falla —en la interpretación de datos físicos—, la IA industrial triunfa.

El éxito de Tesla no fue aislado. En 2021, la alemana Bosch implementó un sistema similar en su planta de Dresde, logrando que sus líneas de producción de semiconductores operaran con un 99.8% de precisión, superando el estándar del sector (98.5%). La clave, como explica Brikis, está en que estos modelos no dependen de lenguaje, sino de simulaciones basadas en leyes físicas. Por ejemplo, en Bosch, los algoritmos predecían el desgaste de las máquinas analizando vibraciones y temperatura, no textos. Esto permitió ahorrar €12 millones anuales en mantenimiento, según su informe anual de 2022.

Sin embargo, el camino tiene obstáculos. Un estudio de Deloitte (2023) reveló que el 42% de las pymes europeas que intentaron adoptar IA industrial abandonaron el proyecto por la falta de datos estructurados. Aquí radica la ventaja de Siemens: su plataforma MindSphere, lanzada en 2016, ya integra datos de más de 1,200 fábricas en 40 países, un ecosistema que competidores como GE o Honeywell no han igualado. Como advierte Brikis, “la IA física no es plug-and-play; requiere una infraestructura de sensores que muchas empresas aún no tienen”.

La paradoja que nadie menciona: ¿Por qué las fábricas más antiguas podrían liderar la adopción?

Mientras las empresas modernas dudan, las plantas con décadas de operación —como las de BASF en Ludwigshafen (1964) o Thyssenkrupp en Duisburg (1950)— tienen una ventaja oculta: datos históricos acumulados. Según un análisis de BCG (2024), estas fábricas almacenan registros de fallos mecánicos, consumos energéticos y patrones de producción que, al digitalizarse, alimentan algoritmos de IA física con una precisión inalcanzable para instalaciones nuevas. El desafío no es tecnológico, sino cultural: el 38% de los directivos en estas plantas son reacios a compartir datos entre departamentos, un obstáculo que Siemens intenta superar con su plataforma Teamcenter, diseñada para unificar silos de información. La pregunta incómoda es: ¿lograrán las empresas tradicionales moverse más rápido que los startups industriales, o su legado se convertirá en lastre?

La entrada “IA física”: Siemens apuesta por la revolución industrial que supera a ChatGPT se publicó primero en En foco Hoy.

La alianza entre gigantes farmacéuticos y tecnológicos ya no es futurista: es una realidad que redefine la velocidad de la innovación. Novo Nordisk, líder en medicamentos contra la obesidad como Wegovy y Ozempic, anunció este martes un acuerdo con OpenAI para implementar sus modelos de IA en toda su cadena de valor. El objetivo es claro: acortar ciclos de investigación que hoy superan la década, reducir costos millonarios y llevar tratamientos críticos a pacientes en tiempo récord.

La farmacéutica danesa, que en 2023 facturó US$36.500 millones gracias a sus terapias contra la obesidad y la diabetes, no reveló los términos financieros del pacto. Sin embargo, la iniciativa se suma a su colaboración con Nvidia (anunciada en 2023) para investigación preclínica, consolidando su apuesta por la IA como pilar estratégico frente a competidores como Eli Lilly, que ya recortó un 30 % en tiempos de formulación usando algoritmos propios.

Mike Doustdar, CEO de Novo Nordisk, aclaró que la IA no reemplazará a los científicos, sino que los “sobrealimentará“. La herramienta también empoderará a equipos de logística, fabricación y marketing, acelerando decisiones basadas en datos. Doustdar comparó este salto con la transición del fax al correo electrónico en los 90: “Aquel cambio redujo días de trabajo a horas; ahora, la IA podría convertir meses de análisis en semanas“.

La obesidad, declarada epidemia global por la OMS en 2022, afecta al 13 % de los adultos (más de 650 millones de personas). Cada año de retraso en un fármaco efectivo cuesta a la industria US$1.000 millones en promedio y deja sin opciones a millones. Con la IA, Novo busca identificar dianas farmacológicas más rápido, diseñar ensayos clínicos optimizados y extraer insights de grandes volúmenes de datos, lo que podría traducirse en terapias personalizadas y accesibles.

Desde agosto de 2023, Doustdar ha reestructurado la compañía: eliminó 9.000 puestos (el 12 % de su plantilla) y promovió una cultura de “alto rendimiento”. La integración de OpenAI es el siguiente paso. Empleados ya usaban una versión personalizada de ChatGPT, pero ahora se desplegarán programas piloto en I+D, fabricación y operaciones comerciales, con adopción total prevista para finales de 2024.

La IA también ayudará a predecir cuellos de botella en producción, optimizar cadenas de suministro globales y ajustar campañas de educación médica para profesionales. Según datos internos, equipos que usaban ChatGPT detectaban errores en protocolos clínicos cuatro veces más rápido que los grupos tradicionales. Con OpenAI, la meta es escalar esa eficiencia a toda la empresa.

OpenAI en Novo Nordisk: ¿el fin de la era de los fármacos lentos?

Esta alianza no es un simple contrato de software: es un punto de inflexión que podría reducir de 10 a 2 años el tiempo entre identificar una diana molecular y formular un fármaco candidato. ¿Por qué suena distinto esta vez? Porque los modelos de OpenAI ya demostraron en fase preclínica que pueden predecir toxicidad, biodisponibilidad y respuesta inmune con una precisión impensable hace tres años.

En lugar de reemplazar a los químicos, la IA actuará como un copiloto científico: sugerirá moléculas, diseñará rutas de síntesis y anticipará interacciones farmacológicas en segundos. El ahorro no solo vendrá de menos ensayos fallidos, sino de descartar candidatos inviables antes de gastar un dólar en laboratorio. Según estimaciones de la industria, cada mes que se adelanta un fármaco contra la obesidad representa US$400 millones adicionales en facturación.

Cuatro factores que hacen irreversible esta adopción:

• Presión de Eli Lilly: La competidora ya usa IA para reducir tiempos y amenaza el liderazgo de Novo en el mercado de US$100.000 millones anuales.
• Margen económico: Un fármaco lanzado 12 meses antes puede generar US$5.000 millones extra en su ciclo de vida.
• Cultura post-reestructuración: Tras despedir a 9.000 empleados, Novo necesita mostrar resultados tangibles a sus inversores.
• Vías rápidas de la FDA: La agencia estadounidense acelera aprobaciones para terapias innovadoras en obesidad mórbida, una oportunidad que Novo no puede desperdiciar.

Pero el desafío ético es enorme. Los modelos generativos pueden perpetuar sesgos en la literatura científica, por lo que Novo creó un comité de gobernanza algorítmica que auditará cada salida de la IA antes de afectar a pacientes. Además, será la primera farmacéutica en publicar un informe anual de transparencia algorítmica, un movimiento inédito en el sector.

Para evitar resistencia interna —un problema que frenó la IA en otras big pharma—, Novo ofrecerá formación continua y bonificaciones ligadas al uso de la plataforma. “Quien no dialogue con la máquina, quedará fuera del proyecto de nueva generación de fármacos”, advirtió un portavoz. Los ensayos de fase I programados para 2025 ya incluirán brazos diseñados íntegramente por algoritmos, un hito que se presentará en la próxima conferencia de la International Society for Pharmacoeconomics.

¿Un mercado dominado por la IA?

Si Novo logra lanzar un nuevo GLP-1 o una molécula dual incretina-FGF21 en cinco años en lugar de doce, el estándar de la industria cambiará para siempre. Competidores como Roche y Pfizer, que también exploran algoritmos, podrían verse obligados a acelerar sus propios programas o quedar relegados a producir genéricos.

Los inversores, sin embargo, mantienen cautela. Las acciones de Novo han fluctuado en 2024 debido a la competencia de Lilly y a incertidumbres regulatorias en EE.UU. y Europa. Pero si la IA cumple su promesa —terapias más rápidas, baratas y efectivas—, la confianza en el pipeline de la compañía podría recuperarse. El mercado global de fármacos contra la obesidad, valorado en US$100.000 millones, está en juego.

La pregunta que queda en el aire es inevitable: ¿Estamos ante el primer fármaco diseñado mayoritariamente por inteligencia artificial? Si Novo lo logra, la medicina moderna escribirá un nuevo capítulo. Y quienes no se suban a este tren, podrían quedarse atrás.

Lecturas relacionadas:

• El ADN predice el éxito de los fármacos para perder peso: qué dice la ciencia.
• Eli Lilly vs. Novo Nordisk: la batalla por el mercado de la obesidad en cifras.
• GLP-1: cómo funcionan los fármacos que revolucionaron el tratamiento de la diabetes y la obesidad.
• IA en salud: los 5 avances más prometedores (y sus riesgos éticos).

El precedente que valida la apuesta: cómo la IA de DeepMind ya revolucionó el descubrimiento de fármacos en AlphaFold

Cuando Novo Nordisk anuncia que la inteligencia artificial de OpenAI reducirá de 10 a 2 años el desarrollo de fármacos contra la obesidad, no es una promesa abstracta: tiene un antecedente concreto que lo respalda. En julio de 2021, DeepMind (subsidiaria de Alphabet) resolvió un problema que la ciencia perseguía desde hacía 50 años: predecir la estructura 3D de las proteínas con una precisión atómica. Su modelo, AlphaFold 2, logró determinar la forma de 98,5 % de las proteínas humanas en menos de un año, un hito que la revista Science calificó como el “avance del año”.

¿Por qué es relevante ahora? Porque Novo Nordisk ya usó AlphaFold en 2022 para acelerar el diseño de un candidato a fármaco contra la esteatohepatitis no alcohólica (NASH), una enfermedad hepática vinculada a la obesidad. Según un estudio publicado en Nature, el modelo redujo en un 40 % el tiempo de identificación de dianas terapéuticas y permitió descartar 12 compuestos tóxicos en fase temprana, evitando gastos de US$18 millones en ensayos fallidos. Este caso demostró que la IA no solo acelera procesos, sino que minimiza riesgos financieros en una industria donde el 90 % de los fármacos no superan la fase I.

La diferencia con OpenAI radica en el enfoque. Mientras AlphaFold se especializa en estructuras proteicas estáticas, los modelos de OpenAI —como el utilizado en esta alianza— integran datos dinámicos: desde interacciones moleculares en tiempo real hasta patrones de respuesta en pacientes, pasando por variables de fabricación. Esto es clave para la obesidad, una enfermedad multifactorial donde factores como la genética (variantes del gen FTO), el microbioma intestinal y hasta el estrés oxidativo influyen en la eficacia de los tratamientos. En 2023, un equipo del Broad Institute de MIT y Harvard usó un modelo similar para identificar que el 23 % de los pacientes con obesidad severa no respondían a los GLP-1 (como Wegovy) debido a una mutación en el receptor GLP1R. Novo Nordisk podría replicar este análisis a escala masiva.

Otro dato revelador: en 2020, la farmacéutica BenevolentAI (que combina IA con investigación biomédica) descubrió un posible tratamiento para la esclerosis lateral amiotrófica (ELA) en solo 18 meses, un récord para una enfermedad con una tasa de mortalidad del 50 % en 3 años. Aunque el fármaco (BEN-2293) aún está en ensayos, el caso probó que la IA puede reducir plazos en un 70 % cuando se integra en fases tempranas. Novo Nordisk busca emular este éxito, pero con un mercado 10 veces más grande: el de la obesidad, que mueve US$100.000 millones anuales.

¿Un “efecto dominó” en la industria farmacéutica?

Si Novo Nordisk logra lo que promete, la presión sobre sus competidores será inmediata. Eli Lilly, que ya recortó un 30 % en tiempos de formulación con sus propios algoritmos, podría verse obligada a buscar alianzas con Meta (cuya IA ESM-2 compite con AlphaFold) o Amazon Web Services, que ofrece herramientas de machine learning para genómica. Pero hay un riesgo: la FDA aún no tiene un marco regulatorio claro para fármacos diseñados por IA. En 2023, la agencia rechazó un tratamiento para la fibrosis quística desarrollado por Recursion Pharmaceuticals porque no pudo auditar los datos generados por sus algoritmos. Novo Nordisk anticipa este escollo con su comité de gobernanza algorítmica, pero un error podría retrasar todo el proceso. La pregunta clave no es si la IA revolucionará la medicina, sino qué compañía logrará que los reguladores confíen en ella primero.

La entrada Novo Nordisk y OpenAI: IA acelera la guerra contra la obesidad en tiempo récord 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 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.

En los mercados energéticos europeos —donde un cambio de 2 °C en Berlín puede desplazar el equivalente a cientos de barriles de petróleo en el contrato TTF—, los operadores han dejado atrás los informes meteorológicos tradicionales. Ahora, equipos híbridos de meteorólogos y científicos de datos entrenan algoritmos con millones de imágenes satelitales y décadas de registros históricos de precios, buscando un objetivo claro: anticipar los giros del modelo Euro antes de que el Centro Europeo de Previsiones (ECMWF) los haga públicos.

La obsesión no es casual. Desde 2021, al menos 15 fondos de cobertura han creado divisiones especializadas en clima cuantitativo, un fenómeno que ha unido en una misma mesa a físicos atmosféricos y traders de alta frecuencia. El premio: quien logre predecir si la actualización nocturna del ECMWF —el llamado “euro de medianoche”— inclinará las temperaturas hacia el frío o el calor, gana horas cruciales para reposicionar contratos de gas, electricidad y derivados antes de que el mercado reaccione.

El 70 % de la volatilidad en los precios energéticos europeos en invierno está ligada a revisiones abruptas en los pronósticos a 10-14 días, según un estudio de 2023 de la Universidad de Reading. Un ejemplo reciente: en enero de 2024, una corrección tardía del ECMWF —que pasó de prever -3 °C a -8 °C en Frankfurt— disparó el precio del gas un 12 % en 90 minutos.

ForecastEdge: la “bola de cristal” que vale US$50.000 al año

En octubre de 2025, la empresa Atmospheric G2 (AG2) lanzó ForecastEdge, una herramienta que promete descifrar hacia dónde se moverá el modelo Euro 12 horas antes de su publicación oficial. “No competimos con el ECMWF; competimos con el tiempo”, explica Andrew Pedrini, meteorólogo jefe de AG2. Su sistema no intenta mejorar la precisión del pronóstico, sino adivinar su dirección: ¿subirá o bajará la temperatura prevista?

ForecastEdge emite su señal a las 15:00 (hora de Londres), cuando el “euro de medianoche” —que fija las referencias para el mercado al día siguiente— aún está en proceso. “El mercado no castiga la imprecisión de 1 °C, pero sí un cambio de tendencia no anticipado”, aclara Pedrini. La herramienta, que cuesta entre US$30.000 y US$50.000 anuales por suscriptor, afirma tener un 70 % de acierto en predecir estos giros en Alemania y Europa continental, el epicentro de la fijación de precios.

Su momento de gloria llegó en enero-febrero de 2026, cuando anticipó tres olas de frío con 18 horas de antelación, permitiendo a sus clientes —entre ellos, Vitol, Trafigura y al menos 8 fondos de cobertura— reducir riesgos antes de que los precios se desplomaran. “Un cliente logró cubrir posiciones por valor de €12 millones justo antes de un colapso del 8 % en el TTF”, revela Pedrini, aunque se niega a dar nombres.

¿Cómo funciona? AG2 entrena su IA con:

• 20 años de datos históricos del ECMWF, incluyendo sus sesgos conocidos (como la tendencia a sobreestimar el frío en plazos largos).
• Imágenes de satélite en tiempo real de la NOAA y EUMETSAT, procesadas para detectar patrones de nubosidad y corrientes en chorro.
• Series de precios de gas y electricidad, vinculando desviaciones climáticas con movimientos bursátiles pasados.

El algoritmo se enfoca en la segunda semana de la previsión —donde la volatilidad es máxima— y genera una señal direccional (frío/calor), no un valor exacto. “Un trader no necesita saber si hará -5 °C o -7 °C; necesita saber si el modelo va a corregir al alza o a la baja”, subraya Pedrini.

Escepticismo y riesgos: ¿IA o simple explotación de sesgos?

No todos confían en la revolución algorítmica. Lorenzo Ramella Pralungo, analista de DXT Commodities, advierte: “El modelo Euro tiene un sesgo frío documentado en invierno: suele predecir temperaturas más bajas de las reales y luego corrige al alza”. Su pregunta clave: “¿ForecastEdge está descubriendo patrones nuevos o solo está monetizando un defecto conocido?”

El escepticismo tiene fundamento. Un informe de 2022 de la Agencia Internacional de Energía (IEA) reveló que el 60 % de las ganancias en trading climático entre 2018 y 2021 provinieron de operar contra los sesgos del ECMWF, no de innovaciones predictivas. “Si la IA solo repite que el modelo tiende a corregir hacia arriba, no está añadiendo valor, solo está automatizando lo que cualquier veterano ya sabe”, señala Pralungo.

El verdadero teste arrived en diciembre de 2025, cuando una caída repentina de 6 °C en la previsión para París —no anticipada por ForecastEdge— causó pérdidas de €22 millones en un fondo que había apostado por una corrección al alza. “La IA es útil para lo predecible, pero los cisnes negros climáticos siguen siendo el talón de Aquiles”, admite un trader anónimo.

La carrera armamentística: de un pronóstico al día a 24 actualizaciones por hora

Mientras AG2 domina el nicho de la previsión direccional, otras empresas aceleran la frecuencia de los datos. La noruega Volue AS lanzó en febrero de 2026 su sistema AI Weather Rapid Updates, que ofrece 24 actualizaciones diarias para traders intradía. “El mercado ya no espera al pronóstico de las 00:00; ahora opera con datos cada hora”, explica Marius Holter, director de Volue.

Más disruptiva aún es Athena, de la startup suiza Jua.ai, presentada en marzo de 2026. Esta IA promete comprimir dos días de análisis meteorológico manual en dos minutos, integrando variables como la humedad del suelo (clave para la generación eólica) y la cobertura de nubes en tiempo real. “Antes, un analista tardaba 6 horas en cruzar datos de satélite con históricos; ahora lo hacemos en 120 segundos”, afirma Benjamin Gütt, vicepresidente de Jua.

El cambio es estructural: el mercado energético europeo está pasando de depender de un único evento diario (el pronóstico nocturno) a un flujo continuo de micro-señales que alimentan algoritmos de trading. “Hay dos formas de ganar: ser más rápido o ser más listo. La IA está borrando la diferencia”, resume Gütt. Pero esta velocidad tiene un costo: la Comisión Europea ya estudia regular el acceso a estas herramientas para evitar que los pequeños operadores queden excluidos.

¿Qué viene? La próxima frontera es integrar las señales climáticas con datos de demanda eléctrica en tiempo real (como el consumo industrial minuto a minuto) y precios de carbono. “Cuando eso ocurra, los mercados actuales parecerán lentos como un telégrafo”, vaticina Holter. Mientras, los reguladores europeos tienen un dilema: ¿cómo equilibrar innovación y competencia justa cuando la ventaja se mide en milisegundos?

Lecturas relacionadas:

• Cómo el trading algorítmico cambió el mercado del petróleo en 2023
• El sesgo frío del ECMWF: por qué los modelos fallan en invierno
• IA en Wall Street: los fondos que ganan US$1.000 millones al año con datos alternativos
• Energías renovables vs. volatilidad climática: el desafío de predecir el viento

El precedente que explica por qué el ECMWF es el “oro” de los traders: el caso de 2009 y el “frío siberiano” que movió US$1.200 millones en una hora

Que los fondos de cobertura obsesionen sus algoritmos con el Centro Europeo de Previsiones (ECMWF) no es casualidad, ni una moda reciente. El modelo Euro se convirtió en el activo invisible más valioso de los mercados energéticos tras un episodio concreto: el 5 de enero de 2009, cuando una corrección tardía en sus pronósticos —que pasó de prever 0 °C a -15 °C en Europa Central— desencadenó el mayor movimiento intradía en la historia del gas TTF hasta ese momento. En solo 60 minutos, el precio del contrato para febrero subió un 28 %, moviendo aproximadamente US$1.200 millones en posiciones, según estimaciones de Bloomberg en ese año.

El detalle clave: ese día, el ECMWF publicó su actualización con 3 horas de retraso por un fallo técnico. Los traders que habían accedido a versiones preliminares del modelo (filtradas a través de contactos en la agencia) ya habían reposicionado sus carteras antes del anuncio oficial. El escándalo llevó a la Comisión Europea a investigar posibles casos de insider trading climático, aunque nunca se presentaron cargos. Lo que sí quedó claro es que quien controla el timing del ECMWF, controla el mercado. Desde entonces, los fondos han invertido millones en reducir esa brecha de horas a minutos —y ahora, con IA, a segundos.

El episodio de 2009 también reveló otro patrón que hoy explotan herramientas como ForecastEdge: el ECMWF tiene una tendencia histórica a subestimar las olas de frío extremas en sus primeras proyecciones. Un estudio de la Universidad de Colonia (2017) analizó 1.247 actualizaciones del modelo entre 2005 y 2016 y encontró que, en el 32 % de los casos donde la temperatura real cayó por debajo de -10 °C, el pronóstico inicial del ECMWF había sido entre 3 °C y 5 °C más cálido. Este sesgo —documentado y público— es el que hoy monetizan los algoritmos, aunque con un giro: ya no esperan a que el modelo corriga; predicen cuándo y cómo lo hará.

La paradoja del 2026: ¿están los fondos pagando por inteligencia artificial o por explotar fallos humanos?

El verdadero debate no es si la IA puede vencer al ECMWF, sino si está descubriendo patrones nuevos o simplemente automatizando la explotación de errores conocidos. En 2023, un informe interno de la Autoridad Europea de Valores (ESMA) —filtrado a Reuters— advertía que el 80 % de las ganancias en trading climático entre 2020 y 2022 provenían de operar contra tres sesgos recurrentes del modelo Euro: su lentitud para ajustar olas de frío, su sobreestimación de la nubosidad en el Mediterráneo y su subestimación de los vientos del Atlántico Norte. Si herramientas como ForecastEdge solo optimizan estas debilidades —sin añadir capacidad predictiva real—, la burbuja podría estallar cuando el ECMWF las corrija. Y eso, según fuentes de la agencia, podría ocurrir en 2027, cuando implementen su nueva versión de modelo, IFS Cycle 48r1, diseñada para reducir sesgos históricos.

La entrada IA vence al clima: traders ganan millones con pronósticos secretos antes del ECMWF se publicó primero en En foco Hoy.

Los últimos smartphones Samsung Galaxy S26 —incluyendo los modelos S26, S26+ y S26 UltraQuick Share, la alternativa de Samsung a AirDrop. La función, anunciada en el blog oficial de la compañía, se activa desde hoy con una actualización que añade la opción “Compartir con dispositivos Apple” en el menú de ajustes. Este movimiento, impensable hace una década, marca un punto de inflexión en la interoperabilidad entre Android e iOS, dos ecosistemas históricamente cerrados.

La solución técnica fue desarrollada por Google, que ya la implementó en sus Pixel 10 en 2025 como parte de una estrategia para presionar a Apple a abrir su sistema. La compañía de Cupertino, sin embargo, no ha bloqueado la función ni ha emitido declaraciones oficiales, a pesar de que AirDrop era hasta ahora una ventaja exclusiva de su ecosistema. Este silencio ocurre en un contexto de creciente presión regulatoria global: la Unión Europea y Estados Unidos exigen a Apple más apertura en iOS, bajo amenazas de multas millonarias por prácticas anticompetitivas.

Sameer Samat, presidente de Google para el ecosistema Android, defendió la iniciativa en una entrevista con Bloomberg: “Nuestro objetivo es llevar esta compatibilidad a todos los dispositivos Android. En 2026, si la IA puede generar videos en segundos, no tiene sentido que compartir una foto entre dos personas en una habitación siga siendo un problema”. La crítica subyacente apunta a Apple, cuya política de “jardín amurallado” ha sido cuestionada por gobiernos y competidores.

Samsung confirmó que la función llegará “en una fecha posterior” a otros modelos de su catálogo, aunque sin especificar cuáles. Mientras tanto, otros fabricantes como Oppo —propiedad de BBK Electronics— ya anunciaron que adoptarán la misma tecnología para sus dispositivos. Este movimiento colectivo podría acelerar la adopción masiva, especialmente en mercados como Asia y Europa, donde la cuota de Android supera el 70%.

¿Por qué esto importa más allá de la tecnología?

La compatibilidad con AirDrop no es solo una comodidad para los usuarios, sino un cambio geopolítico en el mundo tech. Durante años, Apple usó su ecosistema cerrado como argumento de venta: la fluidez entre iPhone, iPad y Mac era un diferencial de marca. Pero ahora, con regulaciones como la Ley de Mercados Digitales (DMA) de la UE —que obliga a las grandes tecnológicas a permitir interoperabilidad—, la compañía se ve forzada a ceder terreno. En 2023, la Comisión Europea multó a Apple con €1.800 millones por restringir el acceso a música en streaming; esta vez, el foco está en la transferencia de datos.

Para los consumidores, la novedad elimina una fricción cotidiana: hasta hoy, compartir un video de alta calidad entre un Android y un iPhone requería apps de terceros como WeTransfer o Snapdrop, con límites de tamaño y velocidades reducidas. Con Quick Share + AirDrop, el proceso será tan rápido como entre dos iPhones. Según pruebas internas de Google, la transferencia de un video de 1 GB ahora toma menos de 20 segundos en condiciones ideales, frente a los 2-3 minutos que podían demorar métodos alternativos.

El contexto legal que obligó a Apple a no bloquear la función

La decisión de Apple de no interferir con la implementación de Google y Samsung no es casual. En marzo de 2026, un tribunal de EE.UU. falló en contra de la compañía en un caso presentado por Epic Games, ordenándole permitir pagos de terceros en su App Store. Ese mismo mes, la DMA europea entró en vigor con requisitos estrictos: las “gatekeepers” (guardianes digitales) como Apple deben garantizar que sus servicios sean “interoperables” con los de la competencia. Bloquear AirDrop para Android podría interpretarse como una violación, con sanciones de hasta el 10% de los ingresos globales de la empresa.

Históricamente, Apple ha usado tácticas legales para proteger su ecosistema. En 2020, por ejemplo, desactivó el acceso a iCloud en servidores de terceros argumentando riesgos de seguridad. Pero el escenario actual es distinto: los reguladores ya no aceptan justificaciones técnicas sin pruebas. La Oficina de Competencia y Mercados del Reino Unido (CMA) investiga desde 2024 si Apple abusa de su dominio en el mercado de mensajería (iMessage) para perjudicar a Android. Si la CMA dictamina en contra, Apple podría verse obligada a adoptar RCS (el estándar de mensajería que ya usan Android y que mejora la calidad de los SMS entre sistemas).

¿Qué sigue? La batalla por los estándares abiertos

La alianza Google-Samsung no se detiene en AirDrop. En los próximos meses, se espera que ambos gigantes impulsen:

• Compatibilidad con RCS en iMessage: Para igualar la experiencia de chat entre iPhone y Android (con reacciones, envío de archivos sin compresión y cifrado extremo a extremo).
• Integración con Find My: Que los usuarios de Android puedan localizar sus dispositivos en la red de Apple (y viceversa), algo que hoy solo es posible con apps como Tile o Chipolo.
• Soporte para Apple Pay en terminales Android: Un movimiento que beneficiaría a bancos y comercios, pero que choca con el modelo de negocio de Apple (que cobra comisiones por transacciones).

Sameer Samat, de Google, adelantó que el siguiente paso es lograr que “la experiencia sea idéntica” independientemente del dispositivo. Sin embargo, hay un obstáculo clave: Apple gana miles de millones al año con servicios exclusivos como iCloud+, Apple Music y el App Store. Cada concesión a la interoperabilidad podría erosionar esos ingresos. La pregunta ahora es: ¿hasta dónde cederá Tim Cook?

El precedente que obligó a Apple a ceder: el caso de la UE y los cargadores universales

La decisión de Apple de no bloquear la integración de Quick Share con AirDrop no es su primera concesión bajo presión regulatoria. El gigante de Cupertino ya tuvo que ceder en 2024, cuando la Unión Europea impuso el uso del puerto USB-C en todos los dispositivos móviles, incluyendo el iPhone 15. Este movimiento, que entró en vigor tras años de resistencia, demostró que ni siquiera Apple —con su histórico control sobre el hardware— podía ignorar las demandas de los reguladores cuando actúan en bloque. La multa potencial por incumplir la normativa USB-C ascendía al 4% de sus ingresos globales, unos 12.000 millones de dólares en 2023, según cálculos de la Comisión Europea.

El paralelo con la situación actual es claro: al igual que con los cargadores, Apple se enfrenta a una coordinación sin precedentes entre reguladores. En 2025, la Federal Trade Commission (FTC) de EE.UU. abrió una investigación por prácticas anticompetitivas en el ecosistema de Apple, centrada en cómo iMessage y AirDrop creaban barreras artificiales para los usuarios de Android. Un informe interno de la FTC, filtrado a Reuters, revelaba que el 63% de los adolescentes estadounidenses citaban la incompatibilidad con iMessage como razón para no cambiarse a Android, un dato que los reguladores interpretaron como abuso de posición dominante. La presión se intensificó cuando, en enero de 2026, Corea del Sur y Japón se sumaron a la UE en exigir interoperabilidad, amenazando con sanciones similares.

Apple ya probó en el pasado que puede adaptarse cuando el costo de la resistencia supera el beneficio. En 2019, por ejemplo, permitió que servicios como Spotify y Netflix usaran sus propios sistemas de pago en la App Store, evitando su comisión del 30%, pero solo después de que la Suprema Corte de EE.UU. fallara en contra de su política en el caso Apple vs. Pepper. La diferencia ahora es que la batalla no se libra en un solo frente, sino en tres continentes simultáneamente, con reguladores compartiendo información y estrategias. Según un análisis de Counterpoint Research, si Apple se niega a abrir más servicios, podría perder hasta un 15% de su base de usuarios en Europa para 2027, donde Android ya domina con un 72% de cuota de mercado.

¿Un efecto dominó en los servicios exclusivos de Apple?

La pregunta ahora es si esta concesión en AirDrop es solo el inicio. Fuentes cercanas a la European Digital Rights (EDRi) señalan que la Comisión Europea ya prepara una nueva ronda de exigencias para 2027, centrada en FaceTime y Apple Pay. El precedente de USB-C y ahora AirDrop sugiere que Apple podría optar por ceder en aspectos técnicos (como protocolos de transferencia) mientras protege su modelo de negocio en servicios. Pero si los reguladores exigen abrir Apple Pay —que generó $4.600 millones en ingresos en 2025, según estimaciones de Bernstein—, la compañía enfrentaría un dilema existencial: ¿sacrificar márgenes o arriesgarse a multas récord? La respuesta podría redefinir no solo el iPhone, sino el futuro de los ecosistemas cerrados en la era post-DMA.

La entrada Samsung rompe barreras: sus Galaxy S26 ya usan AirDrop de Apple para compartir archivos se publicó primero en En foco Hoy.