Category: Inteligencia Artificial

Alianza del Barça con Google por la inteligencia artificial y smartphones – Mundo Deportivo

Cuando el club de fútbol se convierte en laboratorio tecnológico

El Barcelona ha firmado un acuerdo con Google para integrar dos de sus productos principales: Gemini, su asistente de inteligencia artificial, y los móviles Pixel. La alianza les otorga sendas categorías de patrocinio oficial: uno como socio de IA para el consumidor y otro como proveedor de móviles.

¿Qué significa esto en la práctica? Que la experiencia del aficionado moderno pasa ahora por estas herramientas. Gemini promete funcionar como un analista táctico en el bolsillo del seguidor: acceder a explicaciones sobre los sistemas de juego, generar contenido comunitario transformando emociones del partido en canciones, o recrear sensaciones de marcar gol en el estadio. Los Pixel, por su parte, grabarán contenido exclusivo sobre el día a día de los equipos femenino y masculino, permitiendo personalizar interfaces con la marca del club.

Desde el punto de vista legal y comercial, conviene entender qué hay detrás. Los clubs de fútbol actual funcionan como plataformas mediáticas y de experiencia del cliente. El patrocinio tecnológico ya no es una cuestión periférica: es central. Google obtiene millones de puntos de contacto con los seguidores del Barça; el club recibe financiación y herramientas para profundizar en su relación con la afición.

Ahora bien, hay algunos aspectos que conviene mirar con atención cuando tu club firma estos acuerdos:

• La cesión de datos. Cada interacción con Gemini, cada foto con Pixel, cada personalizacion de interfaz genera información. ¿Qué sucede con esos datos? ¿Quién los posee, los gestiona, los monetiza?
• El alcance real de las experiencias prometidas. «Experiencias personalizadas», «contenido exclusivo», «nuevas perspectivas»—son promesas que requieren verificación. ¿Cuándo llegan? ¿A quiénes? ¿Con qué limitaciones?
• La dependencia tecnológica. Cuando un club ancla su conexión con la afición a plataformas de terceros, acepta que cualquier cambio en esas plataformas afecta directamente la experiencia prometida.
• Las obligaciones contractuales mutuas. Estos acuerdos suelen incluir cláusulas sobre exclusividad, duración, condiciones de rescisión y qué sucede si una de las partes incumple.

El acuerdo responde a una realidad: los aficionados consumen fútbol cada vez más a través de dispositivos personales, y los clubs compiten por ser relevantes en ese espacio. Integrar soluciones de IA y imagen de calidad es una estrategia comercial sensata. Lo importante es que tanto club como afición sepan qué entregan y qué reciben en el intercambio.

Leer la noticia completa en mundodeportivo.com »

El empleo ante la inteligencia artificial: el recorte de perfiles júnior y tecnológicos ya se nota en las empresas

La trampa de automatizar sin pensar en el futuro

El mercado laboral tecnológico está en transformación, y las decisiones que toman ahora las empresas pueden tener consecuencias muy costosas en los próximos años. Según datos de Gartner, el 22% de las organizaciones tecnológicas ya ha congelado la contratación de perfiles júnior, argumentando que la inteligencia artificial automatiza las tareas simples que tradicionalmente realizaban estos empleados. Parece lógico desde una hoja de cálculo: menos gente haciendo trabajo repetitivo, menos gasto inmediato. El problema es que es un razonamiento corto de miras.

Cuando una empresa elimina esas posiciones de entrada, no solo ahorra costes hoy. También destruye algo invisible pero crucial: la cantera de futuros profesionales experimentados. Esos empleados júnior que transcriben actas, extraen datos o dan soporte técnico básico están aprendiendo. Están formándose. Son los candidatos que en cinco años podrán asumir roles más complejos sin necesidad de buscar en el mercado externo.

Gartner estima que para 2030, el 75% de las organizaciones en sectores como logística y cadena de suministro que hayan pausado la incorporación de talento joven se verán obligadas a pagar primas de contratación del 15% o superiores para conseguir profesionales con experiencia media. Es decir, lo que hoy «ahorras» al no contratar, lo pagarás después, y con intereses, cuando necesites recuperar esos perfiles experimentados que no tienes.

La ironía está en el contexto: mientras esto ocurre, apenas el 20% de las organizaciones que han implementado soluciones de inteligencia artificial ha obtenido un valor transformacional real de estas herramientas. Es decir, muchas empresas están tomando decisiones de RR.HH. tan drásticas basándose en un retorno de la IA que todavía es incipiente y en gran medida especulativo.

Dónde hay espacio para el talento

No todo es parálisis. A nivel global, la demanda de especialistas en inteligencia artificial, big data y ciberseguridad continúa creciendo, especialmente en Estados Unidos e India. Estos perfiles siguen siendo escasos y bien pagados. Si tienes formación en estas áreas, el mercado te busca. El problema es que sin esa cantera de empleados júnior bien formados, las empresas no tendrán dónde crecer ese talento en el futuro.

El mercado de empleo tecnológico global ha disminuido un 2,3% en el segundo trimestre de 2026 respecto al trimestre anterior, según GlobalData. Sin embargo, esta caída no es uniforme: Estados Unidos y Reino Unido muestran cierta resistencia, mientras que Norteamérica es la única zona donde aumenta el onshoring, es decir, la concentración de empleos en territorio doméstico.

Aunque estos datos son internacionales, el patrón es perfectamente trasladable al mercado español. La economía digital representa ya el 27% del PIB nacional y moviliza más de 455.300 millones de euros. Cuando el sector tecnológico global se resfría o toma decisiones que afectan a la estructura de empleos, aquí también notamos el impacto.

Qué debes entender como empleado o empresario

Si eres empleado junior en tecnología, este es un momento de valor. Tu experiencia es precisamente la que las empresas están eliminando. Si tienes acceso a formación en IA, big data o ciberseguridad, tienes más oportunidades que nunca.

Si diriges una empresa, la pregunta es incómoda pero necesaria: ¿estás ahorrando hoy o hipotecando mañana? Eliminar puestos de entrada por automatización tiene sentido únicamente si tienes un plan claro para desarrollar talento senior sin depender del mercado externo. Si no lo tienes, estás viendo la ecuación a medias.

Gartner prevé que la balanza neta de empleo vuelva a terreno positivo a partir de 2028. Esos años intermedios serán críticos. Las estructuras organizativas que hayan congelado su formación interna estarán descabezadas cuando la demanda vuelva. Quién haya mantenido esa formación, tendrá ventaja competitiva.

Leer la noticia completa en elespanol.com »

Emilio Aragón reflexiona sobre el miedo a la inteligencia artificial: «Siempre se me ha dado muy mal la tecnología, pero no me cabe en la cabeza que una máquina componga»

Cuando la máquina se cuela en la creación artística

La inteligencia artificial avanza tan rápido que ya no se limita a resolver dudas o filtrar contenidos en redes sociales. Hace poco servía para responder preguntas triviales. Ahora genera textos, compone música, pinta imágenes. Y ahí es donde algunos creadores levantan la mano para cuestionar hasta dónde debe llegar esta tecnología.

Emilio Aragón, con trayectoria en circo, teatro, literatura y dirección de orquesta, expresa una inquietud que comparten muchos profesionales del arte: le resulta inconcebible que una máquina pueda componer. No es una postura luddita de alguien ajeno al mundo tecnológico, aunque él mismo admite no haber sido un entusiasta de estas herramientas. Es una pregunta legítima sobre qué ocurre cuando el algoritmo coloniza territorios que hasta ahora parecían exclusivamente humanos.

El dilema es real. Durante años hemos normalizado que la IA nos sugiera qué leer, qué ver o qué comprar. Aceptamos que un algoritmo sepa más de nuestros gustos que nosotros mismos. Pero la creación artística toca otra fibra. No es lo mismo que una máquina te recomiende una sinfonía que la máquina sea quien la componga directamente.

Aquí entra en juego algo que Aragón señala con acierto: llegará un momento en que no sabremos distinguir si una obra proviene de un creador humano o de un modelo de inteligencia artificial. Y no se trata de un problema menor. Si bien la tecnología puede asistir procesos creativos, existe una diferencia fundamental entre asistencia y sustitución. Una cosa es que una herramienta te ayude a materializar una idea; otra muy distinta es que la herramienta genere esa idea sin intervención humana real.

Lo que falta en estos momentos es un marco claro. ¿Cómo certificaremos la autoría de una obra? ¿Qué ocurre en contratos de producción musical, literaria o visual cuando se incorpora IA? ¿Cómo se protegen los derechos de autor si la obra proviene de una máquina entrenada con miles de creaciones humanas sin consentimiento explícito?

Estos no son interrogantes menores. A medida que la IA se infiltra en sectores creativos, la ambigüedad legal es cada vez más problemática. Los acuerdos de propiedad intelectual, los contratos editoriales, los convenios entre productoras y artistas: todo esto necesita evolucionar rápido.

Quizá el verdadero reto no es detener la tecnología, sino aprender a convivir con ella estableciendo límites claros sobre qué es creación asistida y qué es creación artificial pura. Y, sobre todo, asegurar que se respete el trabajo y la firma de quien efectivamente crea.

Leer la noticia completa en elperiodico.com »

Meta quiere plantar cara a OpenAI y Google con un arma muy particular: una IA potente que funciona offline en tu ordenador

Inteligencia artificial potente en tu propio ordenador: lo que cambia con Glimmer

Hasta ahora, cuando usas una IA desde tu móvil o tu ordenador, la mayor parte del trabajo ocurre en servidores remotos que no controlas. Meta acaba de lanzar Glimmer, un modelo de unos 30.000 millones de parámetros pensado para funcionar directamente en tu máquina. Esto abre una puerta importante: puedes mantener los cálculos locales y decidir cuándo, o si, conectas esa IA a servicios externos. El inconveniente obvio es que ejecutar modelos realmente potentes requiere hardware bastante exigente, pero Meta ha publicado los pesos bajo licencia abierta, lo que facilita su distribución e integración en diferentes herramientas.

Este lanzamiento marca un cambio notable en la estrategia de Meta. Hace apenas unos años, Zuckerberg defendía públicamente que el código abierto debería ser estándar en inteligencia artificial. En 2024 presentó Llama como alternativa a los modelos cerrados de competidores. Luego, en julio de 2025, cambió el tono: advirtió sobre los riesgos de la superinteligencia y anunció que Meta sería más cautelosa con lo que compartía. Glimmer representa un nuevo giro hacia la apertura, aunque con matices más complejos que antes.

¿Qué hace especial a Glimmer? Meta lo ha entrenado para trabajar no solo con texto, sino también con imágenes intercaladas. Soporta distintos niveles de análisis y razonamiento, y puede procesar datos en más de 100 idiomas. Pero lo más interesante es que está pensado para funcionar en flujos agénticos: no se trata solo de responder una pregunta, sino de mantener un plan a lo largo de varios pasos, usar herramientas con parámetros concretos e interpretar los resultados incluso si algo falla.

El problema del hardware: qué necesitas realmente

Meta ha distribuido versiones cuantizadas de los pesos, una técnica que reduce el consumo de memoria y permite ejecutar el modelo en ordenadores más modestos. Aun así, los requisitos son considerables. La versión en precisión completa exige 64 GB de memoria de vídeo. La versión más comprimida, 24 GB. Aquí conviene entender una distinción importante: el tamaño del archivo que descargas no es lo mismo que la memoria que necesita el modelo cuando funciona. Además de los pesos, debes contar espacio para la caché, el contexto y otros componentes.

Si intentas ejecutar Glimmer en tu ordenador actual, es probable que encuentres límites. Herramientas como LM Studio te avisarán si tu máquina no tiene suficientes recursos. Esto no es un defecto del modelo, sino una realidad del hardware disponible. La barrera existe, y es significativa.

Lo que esto significa para ti

• Privacidad: el procesamiento local significa que tus datos no viajan a servidores externos, aunque debes verificar qué sucede cuando el modelo accede a herramientas o servicios integrados.
• Control: decides cuándo conectar la IA a recursos externos y cuáles son los límites de sus acciones.
• Integración: los pesos abiertos permiten que otras aplicaciones se comuniquen directamente con el modelo sin pasar por una API de pago.
• Riesgo: Meta recomienda añadir protecciones adicionales cuando el sistema vaya a usar herramientas que ejecuten acciones irreversibles.

Glimmer es el reflejo de una tendencia más amplia: modelos lo bastante capaces para tareas complejas en local, combinados con sistemas preparados para usar herramientas sin depender de un servicio remoto. El hardware sigue siendo una barrera, pero la dirección es clara. Al publicar pesos abiertos, Meta también se diferencia de laboratorios que mantienen sus modelos más avanzados bajo llave.

Leer la noticia completa en xataka.com »

Un verano con la inteligencia artificial | Empresas – El Mundo

La inteligencia artificial llega al despacho: qué debes saber antes de usarla

La inteligencia artificial ya está en las empresas. No es una promesa de futuro: está aquí, ahora, facilitando tareas cotidianas en despachos y oficinas. Herramientas como Claude aparecen cada vez más en entornos profesionales, y es normal que te preguntes qué significa esto para tu negocio y cómo deberías relacionarte con estas tecnologías.

Lo primero que conviene entender es que estas herramientas son poderosas, pero no son neutras. Delegar completamente en una máquina la toma de decisiones —especialmente en contextos legales o comerciales— es un error que ves repetirse. La tecnología puede procesar información, identificar patrones y sugerir soluciones. Lo que no puede hacer es responsabilizarse de las consecuencias. Esa responsabilidad sigue siendo tuya.

En un despacho de asesoría, esto cobra especial relevancia. Una IA puede ayudarte a revisar documentación, a buscar jurisprudencia o a identificar cuestiones que requieren atención. Pero el criterio final, la evaluación de si algo es correcto o incorrecto en tu situación particular, debe venir de un profesional que conoce el contexto, que entiende el riesgo real y que puede ser responsable de su recomendación.

Dónde falla el pensamiento automático

El error más frecuente es asumir que porque una herramienta es sofisticada, prescinde de la supervisión humana. No es así. Ocurre lo contrario: cuanta más complejidad tecnológica, más necesario es que alguien con criterio verifique, cuestione y tome la decisión final.

Esto aplica especialmente en asuntos inmobiliarios o jurídicos, donde los detalles importan, donde la ley cambia, donde tu situación particular puede ser única. Una IA entrenada con datos generales no conoce tu caso específico, no sabe qué riesgo asumes ni cuál es tu tolerancia al riesgo.

Tus hijos nacerán rodeados de estas tecnologías. Eso no significa que puedan prescindir del sentido común o de la formación. Al contrario: les obligará a ser más críticos, no menos. Tendrán acceso a herramientas que tú no tienes, pero seguirán siendo responsables de lo que hagan con ellas.

La clave está en mantener clara una distinción: la máquina es una herramienta de apoyo. El juicio, la decisión, la responsabilidad, siguen siendo tuyas. Úsala para ganar tiempo, para no perder detalles, para explorar escenarios. Pero no la uses para eludir pensar.

Esto es especialmente relevante en épocas de transformación tecnológica acelerada. No se trata de rechazar la innovación, sino de incorporarla manteniendo tu criterio intacto. Es la única forma de que la tecnología te sirva sin que tú termines sirviendo a la tecnología.

Leer la noticia completa en elmundo.es »

Brad Pitt defiende la inteligencia artificial en el cine para "salvar los proyectos de … – 101TV

Inteligencia artificial en cine: más allá del debate polarizado

El debate sobre la inteligencia artificial en la industria audiovisual ha alcanzado un punto de inflexión. Mientras sectores enteros del cine expresan su rechazo a esta tecnología, algunos actores de renombre defienden su potencial como herramienta de optimización. La cuestión no es sencilla: la IA puede cumplir funciones muy distintas, y cada una de ellas plantea dilemas diferentes.

En el contexto de las películas con presupuestos medios—aquellas con inversiones entre 40 y 90 millones de dólares—el argumento sobre reducción de costes tiene cierto peso. Este segmento del mercado representa a menudo un equilibrio frágil entre viabilidad económica y calidad artística. Si la IA puede abaratar procesos específicos sin comprometer el control creativo, el análisis se torna más matizado que una simple prohibición.

Lo relevante es distinguir entre usos de la tecnología. No es lo mismo emplear IA para optimizar tareas de post-producción que usarla para reemplazar directamente la actuación. En este segundo supuesto surgen cuestiones complejas sobre la autoría, el consentimiento y los derechos de imagen. El hecho de que algunos actores lleven años siendo escaneados digitalmente plantea una pregunta incómoda: ¿quién controla realmente esos datos y qué puede hacerse con ellos?

Desde el punto de vista legal y contractual, es fundamental que cualquier profesional del sector entienda qué cláusulas debe incluir en sus acuerdos. Los escaneos biométricos, los datos faciales y las muestras de voz son activos de valor considerable. Si trabajas en audiovisual o en cualquier sector donde se recopilen estos datos, asegúrate de que tus contratos especifiquen explícitamente:

• Para qué fines específicos se recopilan tus datos biométricos
• Quién ostenta la propiedad de esos archivos
• Qué sucede con ellos una vez finaliza el proyecto
• Si se pueden reutilizar sin tu consentimiento futuro

Aquí radica un error frecuente: asumir que el contrato de actuación o participación cubre automáticamente todos los usos posibles de tu imagen digital. No siempre es así. La tecnología avanza más rápido que las cláusulas estándar, y lo que hoy parece una protección suficiente puede resultar insuficiente en cinco años.

El otro aspecto que merece atención es la naturaleza del producto final. Un personaje creado enteramente con IA no es lo mismo que un proceso donde la IA asiste en tareas específicas bajo supervisión artística. La diferencia no es solo técnica: es de intención y responsabilidad. Quién toma las decisiones creativas fundamentales sigue siendo crucial, aunque máquinas y humanos colaboren.

La música generada algorítmicamente plantea un problema adicional: la singularidad de la voz humana es irreproducible. La IA puede aproximarse, pero la aproximación nunca será equivalente al original. Esto tiene implicaciones para compositores, productores musicales y todo el ecosistema de la industria musical.

El mensaje de fondo es que no se trata de abrazar o rechazar la IA de manera absoluta. Se trata de entender sus aplicaciones específicas, negociar tus derechos desde esa comprensión, y asegurarte de que los contratos reflejen la realidad de lo que está ocurriendo. En un sector donde la tecnología evoluciona constantemente, la precisión contractual no es un detalle administrativo: es una línea de defensa esencial.

Leer la noticia completa en 101tv.es »

NVIDIA: la infraestructura crítica de la inteligencia artificial – Renta 4

Por qué NVIDIA controla la infraestructura de la inteligencia artificial

NVIDIA ha dejado de ser solo un fabricante de chips. Hoy es el proveedor central de toda la infraestructura que necesitan los grandes centros de datos para entrenar y ejecutar modelos de inteligencia artificial. Eso la coloca en una posición estratégica única: entre ella y sus competidores hay un abismo que se amplía cada trimestre.

La compañía no vende componentes aislados. Ofrece plataformas completas donde integra GPUs de alto rendimiento, sistemas de red de alta velocidad, software especializado y servicios. Esto significa que cuando un gigante tecnológico invierte en infraestructura de IA, acaba comprando el ecosistema completo de NVIDIA, no solo procesadores. Data Center es su principal negocio: ahí vende las GPUs H100 y la nueva arquitectura Blackwell B100, además de toda la red que conecta miles de esos chips entre sí.

Lo que diferencia a NVIDIA de otros fabricantes de semiconductores es precisamente esto: piensa en sistemas, no en piezas sueltas. Suma a ello CUDA, su plataforma de desarrollo que se ha convertido en el estándar de facto de la industria. Millones de desarrolladores programan sobre CUDA. Cambiar de plataforma significa reescribir código, reentrenar equipos, invertir de nuevo. El coste de cambio es brutal. A esto suma NVIDIA AI Enterprise, un modelo de suscripción que genera ingresos recurrentes y márgenes altísimos, mucho más próximos al software que al hardware tradicional.

Un monopolio de facto construido en tres pilares

• El ecosistema de software: CUDA es prácticamente imposible de sustituir. El efecto de red que genera es enorme: cuanto más software se construye sobre ella, más difícil es abandonarla.
• La innovación integrada: NVIDIA no solo mejora chips, sino que rediseña sistemas completos de data center. Eso genera saltos de rendimiento que los competidores, aunque solo trabajen en una parte del problema, no pueden igualar fácilmente.
• El ritmo de lanzamientos: Cada año saca arquitecturas nuevas (Hopper, Blackwell, Rubin). Esto acorta la vida útil de la tecnología competidora y obliga a los clientes a actualizar constantemente.

Su cuota de mercado en GPUs de data center ha pasado de alrededor del 15% hace cinco años a cerca del 80% ahora. En el entrenamiento de modelos de IA, su posición es casi de monopolio.

¿Cuál es el riesgo de confundir precio con valor? NVIDIA no compite por ser la más barata. Compite por coste total de propiedad. Sus sistemas son caros, pero funcionan mejor, consumen menos energía y generan retorno más rápido. Eso justifica el precio y consolida su posición.

Las fuentes de demanda también juegan a su favor. Los grandes proveedores de nube (Microsoft, Amazon, Alphabet, Meta) invierten miles de millones en infraestructura de IA. Al mismo tiempo, crece la demanda de IA soberana: países que quieren su propia infraestructura sin depender de proveedores externos. Eso abre nuevos mercados geográficos y diversifica su base de clientes.

Cuando analices la posición de una compañía en la tecnología, fíjate en estos factores: dónde está el cuello de botella, quién lo controla y cuánto cuesta cambiarse. En NVIDIA, los tres apuntan en la misma dirección.

Leer la noticia completa en r4.com »

Una plataforma con inteligencia artificial persigue simplificar el comercio hortofrutícola internacional

Cómo la tecnología intenta modernizar el comercio frutal internacional

El sector hortofrutícola mundial sigue funcionando de manera muy similar a hace décadas. Los productores dependen de relaciones personales, hablan por teléfono con intermediarios, y tienen una visibilidad del mercado muy limitada. Mientras tanto, otros sectores como el comercio minorista o el turismo ya han sido transformados por plataformas digitales integradas. La brecha es evidente.

Una empresa llamada Agrify.AI ha decidido cerrar esa brecha. Operando desde Mumbai y Dubái, ha creado una plataforma que combina varios servicios bajo un mismo techo: inteligencia de mercado, conexión de compradores, coordinación logística y financiación. Su objetivo es que un productor en cualquier parte del mundo pueda acceder a un único ecosistema donde conectar con compradores verificados, gestionar transacciones y recibir pagos, sin tener que establecer presencia local en cada mercado donde quiera vender.

El corazón de la propuesta es TradeGPT, un motor de inteligencia artificial que analiza datos de mercado tanto en países productores como en destino. Con esta información, un exportador de Vietnam, Chile o Perú puede visualizar tendencias de demanda en mercados como Mumbai o Dubái antes incluso de que la fruta esté envasada. De esa forma, las decisiones se basan en datos reales, no en intuición o en información fragmentada.

La plataforma ya trabaja con múltiples orígenes y destinos. Productores vietnamitas de pitaya han ampliado su presencia en India y Oriente Medio. Exportadores chilenos y peruanos venden manzanas y arándanos a mercados asiáticos emergentes. También han facilitado flujos menos tradicionales, como aguacate tanzano o uva y granada de India hacia mercados internacionales.

Un segundo componente es la financiación. A través de Agrify Capital, los exportadores pueden acceder a crédito de hasta el 80% sobre el valor de la factura en apenas 24 horas desde el envío. Esta liquidez es crítica para negocios que tienen largos plazos de pago pero necesitan cash flow para continuar operando.

La plataforma también integra a transitarios, agentes de aduanas e inspectores de calidad independientes. De este modo, un exportador unifica en un único lugar la gestión de documentación aduanal, logística y controles sanitarios.

Qué debes mirar en estas soluciones

• La tecnología puede reducir costes y tiempos, pero no elimina la necesidad de conocer las regulaciones locales de cada mercado. Una plataforma digital no te excusa de cumplir requisitos fitosanitarios, aranceles o normas de etiquetado específicas de cada país.
• La trazabilidad y la responsabilidad civil siguen siendo complejas en operaciones internacionales. Asegúrate de entender quién responde ante problemas de calidad, retrasos en entrega o incumplimientos contractuales.
• La seguridad del dato y la privacidad de información comercial sensible son críticas. Verifica qué protecciones tiene la plataforma y bajo qué legislación opera.

Leer la noticia completa en freshplaza.es »

La inteligencia artificial frente a la confianza del radiólogo – iSanidad

La IA en radiología: más allá de la precisión técnica

La inteligencia artificial lleva años integrándose en los servicios de radiología. Las herramientas disponibles detectan lesiones, reorganizan colas de trabajo, segmentan estructuras anatómicas y automatizan procesos. El objetivo es claro: reducir la carga de trabajo y mejorar la precisión. Sin embargo, esta adopción ha planteado una pregunta fundamental: ¿qué requisitos debe cumplir una solución para que realmente funcione en la práctica clínica?

Aquí empieza el primer matiz importante. No todas las aplicaciones de IA persiguen lo mismo. Usarla en cribados poblacionales es muy diferente a integrarla en el diagnóstico o seguimiento, donde el especialista debe interpretar cada hallazgo dentro de la historia clínica concreta de cada paciente. En este segundo caso, los números tradicionales—sensibilidad, especificidad, curva ROC—miden la calidad técnica del modelo, pero dicen poco sobre su verdadera utilidad en consulta.

Y es que el trabajo del radiólogo va mucho más lejos que identificar una lesión. Interpreta imágenes, analiza antecedentes, correlaciona hallazgos con otras pruebas y participa en decisiones terapéuticas junto a otros especialistas. Cualquier herramienta que se implemente debe sumarse a ese proceso sin generar dudas ni añadir complejidad innecesaria.

El problema de la caja negra

Muchos modelos actuales de aprendizaje profundo funcionan como sistemas opacos: ves la entrada y el resultado, pero es casi imposible entender qué patrones o variables llevaron al algoritmo a esa conclusión. Desde la programática puede parecer aceptable. Desde la medicina, es problemático.

La responsabilidad clínica sigue recayendo en el profesional. Debe justificar diagnósticos, argumentar tratamientos y discutir cada caso en comités multidisciplinares. Si un algoritmo da un resultado sin mostrar cómo llegó hasta ahí, su incorporación al razonamiento clínico se complica enormemente. En oncología es todavía más crítico: pequeñas diferencias en cómo se caracteriza una lesión pueden cambiar toda la estrategia terapéutica.

Existen enfoques distintos. Algunos entrenan modelos con enormes volúmenes de estudios para reconocer patrones de enfermedades. Otros desarrollan plataformas que extraen información cuantitativa de las imágenes para ayudar al especialista a comprender mejor los procesos fisiológicos. Esta segunda opción facilita una integración más natural: la IA aporta nuevas evidencias objetivas sobre las que el radiólogo construye su propio criterio. El especialista permanece en el centro de las decisiones.

Cuándo la tecnología se vuelve contraproducente

Cuando un algoritmo genera resultados inconsistentes con la realidad clínica o interpreta mal hallazgos sencillos, el radiólogo debe revisar esa información, documentar la discrepancia y a veces solicitar pruebas adicionales. El paciente sufre retrasos innecesarios. Una herramienta pensada para optimizar termina incrementando la carga de trabajo.

El verdadero éxito de la IA en radiología no dependerá solo de desarrollar modelos más precisos, sino de construir soluciones capaces de integrarse naturalmente en el razonamiento clínico. Herramientas que aporten información objetiva, interpretable y genuinamente útil para quien las usa.

Leer la noticia completa en isanidad.com »

La inteligencia artificial empieza a revisar plenos municipales para detectar noticias que … – El Diario

Cómo la IA está cambiando el seguimiento de la administración pública

Un pleno municipal puede extenderse durante horas, con decenas de intervenciones, acuerdos y datos que se suceden sin interrupción. Para un medio local, cubrir de manera consistente todas las sesiones de ayuntamientos, organismos públicos y otros entes exige recursos que muchas redacciones ya no tienen. El resultado es que parte de la actividad administrativa termina sin cobertura informativa, no necesariamente porque carezca de importancia, sino simplemente porque nadie pudo estar presente, escuchar grabaciones completas o revisar documentación extensa.

La inteligencia artificial está comenzando a cambiar ese panorama. Algunos medios emplean ya sistemas capaces de transcribir reuniones públicas, clasificar los asuntos tratados y señalar fragmentos que podrían contener información noticiable. El objetivo no es que la máquina redacte la noticia, sino que ayude al periodista a identificar más rápidamente decisiones, conflictos, cambios de criterio o retrasos que merezcan investigación posterior. Un caso concreto es Scribe, una herramienta de The Philadelphia Inquirer, que revisa sesiones municipales y escolares, genera resúmenes y ordena hallazgos según criterios que definen los propios redactores.

En territorios con múltiples municipios e instituciones, esta capacidad tiene un valor especial. Una redacción pequeña podría rastrear asuntos concretos en varios entes, comparar posiciones sobre un mismo problema o detectar cuándo un tema comienza a repetirse en distintas administraciones. También permite recuperar información que quedan enterrada en vídeos largos, actas o intervenciones técnicas: una modificación presupuestaria, una advertencia del interventor o el reconocimiento de un retraso pueden ocupar solo minutos en una reunión de tres horas y pasar desapercibidos.

Las limitaciones que debes conocer

Pero aquí es donde entra un aspecto fundamental que a menudo se pasa por alto. Una IA puede reconocer nombres, cantidades y expresiones asociadas a conflictos, pero no entiende por sí sola el contexto político o territorial de una decisión. Un fragmento señalado automáticamente puede ser relevante, estar incompleto o cambiar de significado completamente si escuchas la intervención anterior.

El periodista sigue siendo quien determina si existe interés público, qué preguntas formular y qué información verificar. La máquina amplía la capacidad de observación, permite revisar más instituciones en menos tiempo y libera recursos humanos de tareas mecánicas. Pero la interpretación, la investigación y la explicación siguen siendo trabajo humano.

Para los gabinetes de comunicación, estas herramientas también suponen un cambio. Las declaraciones públicas serán cada vez más fáciles de localizar, comparar y relacionar con promesas anteriores o decisiones posteriores. La coherencia entre lo anunciado, lo debatido y lo ejecutado será más visible. Esa mayor trazabilidad es una realidad que las instituciones tendrán que asumir.

Leer la noticia completa en eldiario.es »