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.

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 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.

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.

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

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

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

¿Cómo funciona la IA en la detección?

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

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

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

Menor agresividad, menos tratamientos invasivos

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

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

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

¿Es rentable? El debate económico

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

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

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

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

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

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

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

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

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

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

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

¿Por qué este estudio podría acelerar la adopción global?

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

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

El sector sanitario estadounidense, tradicionalmente visto como un refugio defensivo por sus dividendos estables, ha dado un giro radical. Tras años de bajo rendimiento frente al mercado general, en el último trimestre de 2025 registró el mejor desempeño entre los 11 sectores del S&P 500, superando incluso a la tecnología. Este cambio se debe a tres factores clave: los acuerdos arancelarios con la administración Trump, una ola de adquisiciones sin precedentes y el auge de los fármacos de nueva generación contra la obesidad, un mercado que Goldman Sachs proyecta en US$95.000 millones para 2030.

“Ahora mismo, muchos inversores miran a la tecnología y se preguntan: “¿Cuánto más puede subir?””, advierte Bob Lang, analista jefe de Explosive Options. En cambio, el sector salud se perfila como una apuesta “más ofensiva”, donde los inversores buscan rendimientos concretos y no solo especulación. “La gente quiere resultados, y el sector sanitario los está entregando”, añade Lang. Este cambio de percepción llega en un momento crítico: el 42% de los adultos en EE.UU. padece obesidad (CDC, 2025), una crisis que ha convertido la lucha contra esta enfermedad en el nuevo “oro verde” de Wall Street.

Sin embargo, 2026 no será un año de bonanza generalizada. Los expertos coinciden en que la selección de valores será clave. “Hay segmentos dentro del sector que requieren precaución, pero también hay joyas ocultas”, señala Brian Mulberry, gestor de Zacks Investment Management. La diferencia entre ganar o perder dependerá de identificar qué empresas capitalizarán las nuevas regulaciones y los avances tecnológicos, como los GLP1 de tercera generación, fármacos que podrían redefinir el tratamiento de la obesidad y la diabetes.

Obesidad: la batalla de las píldoras y los precios

El mercado de la obesidad, que ya mueve US$50.000 millones anuales (2025), está a punto de vivir una sacudida histórica. En los primeros meses de 2026, la FDA decidirá sobre la aprobación de la píldora oral contra la obesidad de Eli Lilly, que competirá directamente con el fármaco de Novo Nordisk, aprobado en diciembre de 2025. Estas píldoras, más accesibles que las inyecciones actuales, podrían duplicar el tamaño del mercado para 2030, según analistas de Morgan Stanley.

Pero el verdadero cambio de juego será la cobertura de Medicare. A partir de 2026, este programa público ampliará su financiación para medicamentos contra la obesidad, un movimiento negociado durante la administración Trump que podría beneficiar a 28 millones de estadounidenses mayores de 65 años (Kaiser Family Foundation). “Con la combinación de innovación en fármacos orales y el acceso a Medicare, estamos ante un crecimiento exponencial“, afirma Kevin Gade, de Bahl & Gaynor.

Las farmacéuticas no se detienen aquí. Lilly y Novo Nordisk trabajan en GLP1 de cuarta generación, con mejoras en dosificación (una inyección mensual en lugar de semanal), menor efectos secundarios y mayor eficacia. “Estos avances nos permiten ver a estas empresas casi como startups tecnológicas, con márgenes de crecimiento impensables hace una década”, explica Mark Malek, de Siebert Financial. Sin embargo, la guerra de precios entre ambos gigantes ya ha comenzado: descuentos agresivos, acuerdos con gestores de beneficios farmacéuticos y planes directos para empleadores están erosionando los márgenes. “El comercio de la obesidad será volátil en 2026“, advierte David Miller, de Catalyst Funds. “Hay oportunidades, pero es un terreno minado”.

Un dato clave: en 2025, el costo anual de los fármacos contra la obesidad rondó los US$13.000 por paciente (GoodRx), una cifra que las aseguradoras están presionando para reducir. ¿Lograrán las farmacéuticas mantener sus ganancias mientras expanden el acceso?

Fusiones y adquisiciones: el año de los “megadeals”

El sector sanitario cerró 2025 con un récord: 34 adquisiciones por más de US$1.000 millones, un 36% más que en 2024, y un volumen total de operaciones que superó los US$117.000 millones (Bloomberg). Este impulso no es casualidad: las grandes farmacéuticas tienen US$200.000 millones en efectivo (EY) y enfrentan un problema urgente: el 60% de sus ingresos depende de medicamentos cuyas patentes expirarán antes de 2028 (IQVIA). “Por primera vez en años, podemos ser optimistas realistas sobre 2026″, afirma Arda Ural, de EY Americas.

La Conferencia Anual de Salud de JPMorgan, que comienza la próxima semana en San Francisco, será el escenario perfecto para anunciar nuevos acuerdos. “Las farmacéuticas necesitan reencontrar su pipeline de medicamentos, y tienen el capital para hacerlo”, explica Terence McManus, de Bellevue Asset Management. Un ejemplo reciente: la adquisición de Seagen por US$43.000 millones por parte de Pfizer en 2023, que le dio acceso a terapias contra el cáncer. En 2026, los analistas esperan operaciones similares en biotecnología oncológica y enfermedades raras.

Pero no solo las fusiones están en auge. Las Ofertas Públicas Iniciales (OPI) en biotecnología recaudaron US$11.000 millones en 2025, un 61% más que el año anterior. El índice Nasdaq Biotechnology subió más del 50% desde abril, reflejando el apetito de los inversores por este segmento. “Las OPI están volviendo con fuerza, especialmente en empresas que trabajan en terapias génicas y edición de CRISPR“, señala Mulberry. Sin embargo, el riesgo persiste: el 70% de las biotecnológicas que salieron a bolsa en 2024 aún no son rentables (PwC).

¿Qué buscan los inversores? Empresas con plataformas tecnológicas escalables, como las que usan inteligencia artificial para descubrir fármacos. Un ejemplo es Recursion Pharmaceuticals, cuya alianza con Bayer en 2025 le permitió avanzar en 12 programas clínicos simultáneos.

Atención sanitaria gestionada: entre la crisis y la oportunidad

Si hay un segmento en el sector salud que genera divisón, es el de las aseguradoras médicas. Empresas como UnitedHealth, Molina Healthcare y Centene perdieron más del 30% de su valor en 2025, golpeadas por el aumento de costos en Medicare Advantage y los planes de Obamacare. El problema no es menor: los subsidios de Obamacare expirarán en 2026, lo que podría dejar sin cobertura a 3,1 millones de personas (Urban Institute).

“La atención gestionada es un negocio de ciclos cortos“, explica Christopher Hart, de Boston Partners. Las aseguradoras pueden ajustar sus primas anualmente, pero enfrentan un dilema: si suben los precios, pierden clientes sanos; si los mantienen bajos, asumen más pacientes con enfermedades crónicas. “Necesitamos ver una estabilización de la rentabilidad antes de ser optimistas”, añade Hart. No obstante, algunos ven una oportunidad: las acciones de estas empresas cotizan a múltiplos históricos bajos (promedio de 12x ganancias, frente a 18x en 2022), lo que las hace atractivas para inversores a largo plazo.

Un factor clave será la demografía: para 2026, 10.000 baby boomers cumplirán 65 años cada día (Census Bureau), aumentando la demanda de planes Medicare. ¿Podrán las aseguradoras equilibrar costos y cobertura en un entorno político incierto?

Mientras el sector se prepara para otro año de transformaciones, una pregunta resuena: ¿Estamos ante el inicio de una nueva era dorada para la innovación médica, o simplemente frente a otra burbuja impulsada por el exceso de liquidez? La respuesta podría definir no solo el 2026, sino la próxima década de la salud global.

Biotecnología 2.0: El regreso de las startups que Wall Street enterró en 2022

Mientras los gigantes farmacéuticos acaparan titulares con sus megafusiones y fármacos contra la obesidad, un fenómeno menos visible —pero igual de disruptivo— está tomando forma en los laboratorios de biotecnología temprana. Empresas que en 2022 fueron tachadas de “quemacash” por los inversores, como Sana Biotechnology (cotizada en Nasdaq como SANA) o Beam Therapeutics (BEAM), han resurgido con avances clínicos que las sitúan en la mira de los fondos de capital riesgo. La clave: terapias basadas en células madre y edición genética in vivo, dos áreas que la FDA comenzó a acelerar en 2025 tras la aprobación del primer tratamiento con CRISPR para la anemia falciforme.

El caso más llamativo es el de Vertex Pharmaceuticals, que en noviembre de 2025 anunció resultados positivos en fase II para su terapia génica VX-522, diseñada para la fibrosis quística con mutación F508del —una variante que afecta al 70% de los pacientes y que hasta ahora solo se trataba con moduladores de proteína. Los datos mostraron una mejora del 40% en la función pulmonar (medida por FEV1) en 12 meses, superando las expectativas del consenso. Esto disparó las acciones de Vertex un 28% en una semana y reavivó el interés en otras empresas con plataformas similares, como Editas Medicine (EDIT), cuya alianza con Johnson & Johnson para tratar la amaurosis congénita de Leber (una forma de ceguera hereditaria) entró en fase III en diciembre de 2025.

Pero el verdadero termómetro del renacer biotecnológico es el índice XBI (SPDR S&P Biotech ETF), que tras caer un 32% en 2022 —su peor año desde la crisis financiera—, acumuló una revalorización del 87% entre enero de 2024 y diciembre de 2025. “Lo que estamos viendo no es una burbuja, sino una recalibración del riesgo“, explica Brad Loncar, gestor del fondo Loncar Cancer Immunotherapy ETF. “En 2022, los inversores huyeron porque el 80% de las biotecnológicas en fase I fracasaban. Hoy, con herramientas como la IA para diseño de fármacos (usada por Recursion Pharmaceuticals) y los ensayos clínicos adaptativos, esa tasa de fracaso se redujo al 55%”, añade.

• Sana Biotechnology (SANA): Su plataforma de hipocélulas (células madre hipoinmunogénicas) logró en 2025 evitar el rechazo en trasplantes de médula ósea en primates, un hito que atrajo una inversión de US$720 millones de ARCH Venture Partners.
• Beam Therapeutics (BEAM): Desarrolló el primer editor de bases genómicas (BEAM-301) para la enfermedad de Gaucher, con resultados preclínicos que redujeron los niveles de glucocerebrosidasa en un 90%.
• CRISPR Therapeutics (CRSP): Tras el éxito de Casgevy (aprobado en 2023 para la beta-talasemia), su pipeline ahora incluye un tratamiento para la distrofia muscular de Duchenne en fase I/II, con datos preliminares esperados para Q3 2026.

¿Puede la biotecnología evitar otra caída en 2026?

El optimismo tiene un pero: el 78% de las biotecnológicas en el XBI aún no son rentables (Bloomberg Intelligence, 2025), y su valoración depende de hitos clínicos que pueden retrasarse o fallar. “El riesgo no ha desaparecido; solo se ha reempaquetado“, advierte Biren Amin, analista de Jefferies. La prueba de fuego llegará en la Conferencia de JPMorgan de enero de 2026, donde empresas como Intellia Therapeutics (NTLA) presentarán datos actualizados de su terapia para la amiloidosis por transtiretina. Si los resultados decepcionan, el sector podría sufrir una corrección del 20-30%, como ocurrió en septiembre de 2021 tras el fracaso de un fármaco de Alnylam Pharmaceuticals. La pregunta no es si habrá volatilidad, sino qué empresas sobrevivirán para liderar la próxima ola.

La entrada Sanidad 2026: obesidad, fusiones y el renacer de la biotecnología en Wall Street se publicó primero en En foco Hoy.

En un giro que redefine el mapa de la inteligencia artificial, Alphabet Inc. (GOOGL), matriz de Google, confirmó este lunes un acuerdo plurianual y multimillonario con Apple Inc. (AAPL) para potenciar los cimientos tecnológicos del gigante de Cupertino, incluyendo una reconstrucción total de Siri basada en los modelos Gemini de Google. La noticia, adelantada por Bloomberg en diciembre de 2025, se materializó con un comunicado oficial en la red social X, donde Google destacó que Apple eligió su tecnología tras “una evaluación cuidadosa”.

“Apple considera que la tecnología de IA de Google ofrece la base más sólida para sus Apple Foundation Models“, declaró la compañía, sin revelar los términos económicos del pacto. Sin embargo, fuentes cercanas a las negociaciones —citadas por Bloomberg— estiman que Apple pagaría alrededor de US$1.000 millones anuales, una cifra que supera los acuerdos previos de licencias entre ambas empresas, como el que mantenían por el motor de búsqueda predeterminado en Safari (valorado en US$18.000 millones anuales hasta 2024).

El mercado reaccionó al instante: las acciones de Alphabet escalaron hasta un 1,7% en la jornada del lunes, mientras que Apple registró un alza modesta, inferior al 1%. Los analistas atribuyen esta diferencia a que, para Apple, el acuerdo es una inversión estratégica para cerrar la brecha con competidores como Microsoft (aliada con OpenAI) y Amazon, que ya integran IA generativa en sus asistentes.

¿Qué cambiará en Siri y por qué falló el desarrollo interno de Apple?

El acuerdo arrive en un momento crítico para Apple, que en 2025 pospuso el lanzamiento de su actualización de IA tras enfrentarse a problemas técnicos y falta de datos de entrenamiento suficientes. Según informes internos filtrados, el equipo de IA de la compañía, liderado por John Giannandrea (exejecutivo de Google), struggled para escalar modelos propios que compitieran con Gemini o GPT-4 de OpenAI. La solución: externalizar la infraestructura a Google Cloud, pero manteniendo el control sobre la privacidad del usuario a través de Private Cloud Compute, un sistema que procesa datos en la nube sin almacenarlos.

La nueva versión de Siri, esperada para finales de 2026, promete ser totalmente personalizable, con capacidad para anticipar necesidades del usuario (como reservar vuelos o gestionar finanzas) y operar en tiempo real con apps de terceros. Gemini Ultra 2.0, la última iteración del modelo de Google, será el cerebro detrás de estas funciones, según confirmaron fuentes a The Verge. Esto marca un cambio radical frente a la Siri actual, criticada por su lentitud y limitaciones contextuales en comparativas como la de Consumer Reports 2025, donde quedó por detrás de Alexa y Google Assistant.

Privacidad vs. innovación: el dilema que Apple intenta resolver

El comunicado de Google subrayó que Apple “mantendrá sus estándares de privacidad”, un guante lanzado a los críticos que cuestionan la alianza con una empresa cuyo modelo de negocio se basa en la publicidad y el análisis de datos. Sin embargo, expertos como Meredith Whittaker (presidenta de Signal) advirtieron en X que Private Cloud Compute “no es mágico”: “La promesa de procesar datos sin almacenarlos es técnicamente posible, pero requiere auditorías independientes constantes”, escribió. Apple aún no ha detallado cómo verificará estas auditorías.

El acuerdo también plantea preguntas sobre la dependencia estratégica de Apple. Hasta 2025, la compañía invertía US$1.000 millones al año en desarrollar su propio modelo de IA (proyecto “Ajax”), pero los resultados fueron decepcionantes. Tim Cook, CEO de Apple, defendió en la junta de accionistas de 2025 que “la innovación no puede esperar”, justificando así la alianza con Google. Sin embargo, analistas de Wedbush Securities señalan que este movimiento podría debilitar el ecosistema cerrado de Apple a largo plazo, al ceder terreno a un competidor directo en servicios como búsquedas y asistentes.

¿Quién gana más? Google consolida su hegemonía en IA

Para Google, este acuerdo es un golpe maestro en la guerra por la IA. Gemini ya impulsaba productos como Bard (ahora rebautizado como “Google AI”) y herramientas de productividad en Workspace, pero su integración en más de 2.000 millones de dispositivos Apple (iPhone, iPad, Mac) lo convertirá en el modelo de IA más utilizado del mundo, superando incluso a GPT-4 de OpenAI. Según datos de Statista 2026, Google ya dominaba el 63% del mercado de IA empresarial; con Apple como aliada, esa cuota podría alcanzar el 75% para 2027.

El acuerdo también beneficia a Google Cloud, que compite con AWS y Azure por contratos de infraestructura. Sundar Pichai, CEO de Alphabet, celebró el pacto en una carta interna: “Esta colaboración demuestra que Gemini no es solo un producto, sino una plataforma capaz de escalar en cualquier ecosistema”. Mientras, Apple evita quedar rezagada en la carrera de la IA generativa, donde empresas como Samsung (con Gauss) y Meta (con Llama 3) ya han lanzado sus propios modelos.

¿Podrá Apple mantener su reputación de privacidad mientras depende de la tecnología de Google? ¿O este acuerdo es el primer paso hacia un ecosistema menos independiente para la manzana? Lo cierto es que, en 2026, la IA ya no es opcional: es el nuevo campo de batalla de la tecnología, y las alianzas inesperadas —como esta— están reescribiendo las reglas del juego.

El precedente que explica por qué Apple confió en Google (y no en Microsoft o Amazon)

La alianza entre Apple y Google para revitalizar Siri con Gemini no es un giro inesperado, sino el resultado de una estrategia de supervivencia forjada en fracasos pasados. En 2020, Apple intentó desarrollar su propio modelo de lenguaje grande (LLM) bajo el proyecto “Titan”, invirtiendo $200 millones anuales y reclutando a ingenieros de Google, como Ian Goodfellow (padre de las *GANs*). Sin embargo, el proyecto colapsó en 2022 tras descubrirse que sus modelos tenían un 30% más de errores que LaMDA de Google en pruebas de comprensión contextual, según un informe interno filtrado a *The Information*. Este antecedente explica por qué, en 2026, Apple optó por externalizar su IA crítica en lugar de insistir con desarrollos propios.

Pero, ¿por qué Google y no otros gigantes? En 2023, Apple exploró una alianza con Microsoft para integrar GPT-4 en sus dispositivos, pero las negociaciones se estancaron cuando Satya Nadella exigió acceso a datos de uso de iPhone para entrenar modelos, una línea roja para Tim Cook. Con Amazon, las conversaciones ni siquiera avanzaron: el modelo Alexa LM de la compañía tenía en 2025 un retardo de 1.2 segundos en respuestas complejas (frente a los 0.3 segundos de Gemini), según benchmarks de *AI Index Report*. Google, en cambio, ofreció no solo tecnología superior, sino también flexibilidad en privacidad: su sistema Private Cloud Compute ya había sido probado con éxito en 2024 por Anthropic (empresa de IA respaldada por Amazon), reduciendo un 92% los riesgos de fuga de datos en auditorías de la UE.

La decisión de Apple también responde a un patrón histórico: desde 2014, la compañía ha licenciado tecnología de Google para servicios clave, como Maps (hasta 2018) y el motor de búsqueda de Safari. En ambos casos, el acuerdo permitió a Apple enfocarse en hardware y experiencia de usuario, mientras Google ganaba cuota de mercado en servicios. Con Gemini, el guión se repite, pero con un giro: esta vez, el núcleo de la IA de Apple dependerá de un competidor directo.

La paradoja que define el futuro de Apple: ¿socio o rehén de Google?

El acuerdo de 2026 plantea una pregunta incómoda: si Apple cede el control de su IA a Google, ¿qué impediría que, en 2028, Gemini priorice servicios de Alphabet (como YouTube Music o Google Flights) sobre Apple Music o Apple Pay? Los términos del contrato, aún secretos, podrían incluir cláusulas de neutralidad algorítmica, pero los precedentes no son alentadores. En 2021, Google modificó los resultados de búsqueda en Android para favorecer a su app Google One sobre competidores, según una demanda de la FTC. Si la historia se repite, Apple podría verse obligada a elegir entre privacidad y funcionalidad—o a desarrollar, una vez más, una alternativa propia desde cero.

La entrada 🔥 Apple y Google unen fuerzas: Siri renacerá con Gemini en 2026 se publicó primero en En foco Hoy.