Category: Inteligencia Artificial

El streaming de datos desplaza a la inteligencia artificial como prioridad estratégica – Silicon

Cuando la infraestructura de datos se convierte en lo verdaderamente estratégico

Hace un año la conversación en las empresas giraba alrededor de la inteligencia artificial como prioridad máxima. Hoy la realidad ha cambiado. Las organizaciones descubren que tener un buen modelo de IA no sirve de mucho si los datos que lo alimentan no son fiables, accesibles ni están disponibles en tiempo real. Por eso el streaming de datos ha saltado del segundo plano a ocupar el primer lugar en las inversiones tecnológicas.

Los números hablan por sí solos. Mientras que hace poco el 61 % de los responsables de TI veía el procesamiento de datos en tiempo real como un gran desafío, ahora esa cifra sube al 72 %. En cuanto a las prioridades de inversión para 2026, el 49 % de los responsables de TI sitúa las plataformas de streaming de datos entre sus principales áreas, superando al 45 % que destina recursos a inteligencia artificial y aprendizaje automático. Un año atrás la proporción era exactamente la opuesta.

¿Qué explica este giro? Sencillamente que cualquier iniciativa de IA fracasa si carece de los cimientos correctos. Y esos cimientos son datos conectados, gobernados y actualizados en tiempo real.

Los problemas reales que encuentran las empresas

Cuando los equipos de TI intentan desplegar soluciones de inteligencia artificial, descubren obstáculos que tienen poco que ver con los algoritmos. El 72 % se topa con al menos tres desafíos directamente relacionados con la infraestructura de datos:

• Silos de datos que no se comunican entre sí (74 %)
• Inconsistencias entre múltiples fuentes de información (72 %)
• Dificultad para garantizar la trazabilidad, actualización y calidad de los datos (71 %)

Para complicar aún más las cosas, el 60 % de los encuestados gestiona simultáneamente un mínimo de cinco retos en relación con los datos. No es un problema aislado ni puntual: es la norma.

Lo que debes tener en cuenta

Si tu empresa está considerando invertir en inteligencia artificial sin antes revisar a fondo tu infraestructura de datos, es momento de replantear esa estrategia. Muchas compañías cometen el error de comenzar por el final, apostando por modelos sofisticados sin haber resuelto antes cómo acceden, conectan y gobiernan sus datos.

La buena noticia: el 94 % de las organizaciones que han implementado plataformas de streaming de datos ha experimentado un impacto positivo en sus inversiones en IA, o espera que así ocurra. El 88 % planea multiplicar por dos el valor invertido en estos sistemas. Más allá de la inteligencia artificial, estas plataformas también generan valor en experiencia de cliente (97 %) y ciberseguridad (93 %).

En resumen: antes de perseguir la IA, asegúrate de tener los datos en orden.

Leer la noticia completa en silicon.es »

Caídas contenidas en las criptos con el foco en Irán y en la inteligencia artificial

Geopolítica y tecnología: los dos frenos del mercado cripto esta semana

El bitcoin abre la semana con una caída moderada que lo sitúa cerca de los 64.100 dólares, mientras que ethereum apenas se mueve alrededor de 1.850 dólares. Las pérdidas son contenidas en general, aunque hay excepciones como Solana. Detrás de estos movimientos hay dos variables que están presionando a la baja: la escalada de tensiones en Oriente Medio y la competencia cada vez más feroz en el sector de la inteligencia artificial.

Sobre el terreno geopolítico, los ataques estadounidenses a Irán han alcanzado su novena jornada consecutiva tras la confirmación de la muerte de un tercer militar norteamericano en operaciones en la región. El Comando Central estadounidense ha anunciado que continúa degradando las capacidades militares iranís, incluidas unidades de la Guardia Revolucionaria relacionadas con ataques previos. Este contexto de escalada ha impulsado los precios del crudo al alza y ha aumentado las rentabilidades de los bonos estadounidenses, efectos que históricamente perjudican a los activos de riesgo como las criptomonedas.

En paralelo, el mundo tech sigue sin recuperarse de las caídas de las últimas semanas. El lanzamiento de Kimi K3, un modelo de inteligencia artificial de código abierto procedente de China, alcanzó el primer puesto en una de las pruebas de programación más relevantes del sector. Este hecho provocó una venta masiva de acciones de fabricantes de semiconductores, arrastrando también al mercado cripto. La razón es sencilla: bitcoin muestra en el último mes una correlación elevada con este sector tecnológico.

Qué debes vigilar en los próximos días

• Las presiones inflacionistas derivadas del encarecimiento del petróleo, que pueden mantener los tipos de interés de la Reserva Federal elevados más tiempo de lo previsto.
• La competencia china emergente en inteligencia artificial, que está presionando sobre la rentabilidad de los gigantes tecnológicos estadounidenses.
• Los resultados que publicarán esta semana empresas como Alphabet, Microsoft, Amazon y Meta, determinantes para evaluar si el ciclo de inversión en infraestructura de IA mantiene viabilidad.

Un error frecuente es asumir que las caídas en las criptomonedas son desconexiones del resto del mercado. La realidad es que bitcoin y ethereum actúan cada vez más como activos de riesgo correlacionados con tecnología, deuda y geopolítica. Cuando suben los tipos de interés por presiones inflacionistas, cuando la competencia tech se intensifica o cuando la aversión al riesgo aumenta por conflictos internacionales, ves presión a la baja. No es aislado. Es sistémico.

Leer la noticia completa en bolsamania.com »

La inteligencia artificial juega una mala pasada a Tamara Falcó al celebrar la victoria de España

Cuando la IA genera contenido que se viraliza por las razones equivocadas

Tamara Falcó compartió en redes una imagen para celebrar la victoria de España, pero lo que pretendía ser un homenaje al equipo se convirtió en un caso de manual sobre los riesgos de publicar contenido generado por inteligencia artificial sin verificarlo previamente.

La fotografía mostraba futbolistas con rasgos faciales irreconocibles, personajes ficticios que nunca han formado parte de la selección española, y rostros duplicados de jugadores que aparecían múltiples veces con características idénticas. Solo algunos futbolistas como Marc Cucurella, Nico Williams y Lamine Yamal se identificaban con nitidez. El resto de la composición era un collage de errores propios de los sistemas de generación de imágenes por IA: inconsistencias anatómicas, ausencia de lógica visual y elementos imposibles mezclados con rostros reales.

Este caso, que se viralizó ampliamente, ilustra un problema práctico que afecta también al mundo del derecho y los negocios: la necesidad de validar cualquier contenido generado por máquinas antes de ponerlo en circulación. No se trata solo de evitar la vergüenza pública, sino de garantizar que el material que represente tu imagen o tu marca sea fiable.

Qué deberías tener en cuenta

• Verificar siempre el contenido generado por IA antes de publicarlo, especialmente si representa personas reales o tiene consecuencias legales.
• Entender que estas herramientas cometen errores sistemáticos: distorsionan facciones, crean personajes inexistentes y duplican elementos sin que el usuario se percate.
• Considerar la responsabilidad que asumes al compartir contenido que puede ser engañoso o difamatorio, aunque sea generado de forma «automática».
• Distinguir entre usar IA como ayuda creativa y usarla como fuente de verdad. La máquina no garantiza precisión factual ni coherencia lógica.

En el ámbito profesional ocurre algo similar: documentos generados por IA, análisis de contratos, revisión de datos notariales. Si no se valida el resultado, puedes terminar con acuerdos defectuosos, cláusulas contradictorias o información incompleta que luego genera conflictos. La IA es una herramienta útil, pero exige vigilancia constante.

El error más común es asumir que porque una máquina ha generado algo, está bien. No funciona así. Necesitas revisar, contrastar, verificar. Sobre todo cuando el contenido viaja a internet y porta tu nombre.

Leer la noticia completa en 20minutos.es »

a3innuva Nómina Expert AI: la inteligencia artificial al servicio del talento – MuyPymes

Cuando la inteligencia artificial se pone al servicio de la gestión laboral

La administración de recursos humanos ha dejado de ser un mero trámite burocrático. Ahora, los departamentos laborales tienen que cumplir un doble objetivo: mantener los procesos operativos bajo control mientras se convierten en un factor estratégico para atraer y retener talento. Eso supone una tensión constante: más responsabilidades, más normativa que vigilar, más datos que procesar.

Piensa en cuánto tiempo dedica un responsable de RRHH a buscar información normativa, revisar documentación o resolver dudas administrativas. Es tiempo que no dedica a lo que realmente importa: asesorar sobre planes de carrera, analizar datos para tomar decisiones ágiles, diseñar experiencias laborales personalizadas. La brecha entre lo operativo y lo estratégico sigue siendo enorme en muchas organizaciones.

La complejidad normativa laboral no para de crecer. Contratos, nóminas, cotizaciones, vacaciones, incapacidades, convenios colectivos: cada ámbito tiene sus reglas, sus excepciones, sus cambios periódicos. Cuando trabajas con datos sensibles y normativa en constante evolución, no puedes permitirte errores. Necesitas herramientas que den respuestas contextualizadas, verificadas y actualizadas.

Aquí es donde entra la inteligencia artificial especializada. A diferencia de los chatbots genéricos, una solución construida sobre contenido experto validado por profesionales del sector aporta algo diferente: respuestas basadas en normativa real, acceso seguro a datos de empleados y empresas, generación de informes personalizados, automatización de tareas repetitivas dentro del propio software.

Pero hay un detalle importante. La IA no sustituye tu criterio profesional; lo potencia. Libera tu tiempo de lo operativo y repetitivo para que te concentres en lo que añade valor real: asesoramiento, análisis, gestión estratégica del talento. La máquina se encarga de procesar información y ofrecer respuestas verificadas. Tú sigues siendo quién toma la decisión final.

Una herramienta de estas características debe estar diseñada con seguridad en mente. Privacidad de datos, transparencia en cómo funciona, supervisión humana en los resultados. No todas las soluciones cumplen esto.

La realidad es que la transformación digital de los departamentos laborales ya no es un proyecto del futuro. Ocurre ahora. Las organizaciones que integren tecnología especializada estarán mejor posicionadas para trabajar de forma más eficiente, tomar decisiones más sólidas y, en última instancia, competir mejor por el talento en un mercado cada vez más exigente.

Leer la noticia completa en muypymes.com »

PyTorch: el puente entre el análisis de datos y la inteligencia artificial | Computerworld.es

PyTorch: de la exploración de datos al modelo en producción

Cuando trabajas en inteligencia artificial, el camino hasta un modelo útil es más largo de lo que parece. Antes de entrenar cualquier red neuronal, necesitas explorar los datos, limpiarlos y entenderlos a fondo. Durante años, esto significaba usar un conjunto de herramientas para el análisis y otras completamente distintas para construir los modelos. Era tedioso, llevaba tiempo y obligaba a los equipos a cambiar constantemente de contexto.

PyTorch cambió esa ecuación. Lo que hace diferente a este framework es que integra el análisis exploratorio con el desarrollo de modelos avanzados en un único entorno. No tienes que hacer saltos entre aplicaciones ni exportar datos de un lado a otro. Todo sucede dentro del mismo flujo de trabajo.

Flexibilidad que mantiene el control

Una de sus características más valiosas es que puedes usar estructuras nativas de Python —condicionales, bucles, funciones recursivas— directamente dentro de tus modelos. Esto es especialmente útil cuando trabajas con datos complejos o de longitud variable, porque tu arquitectura puede adaptarse dinámicamente. Además, con torch.compile() lograron optimizar el rendimiento sin sacrificar esa flexibilidad que define su enfoque.

PyTorch se integra de forma natural con el ecosistema de herramientas que probablemente ya utilizas: NumPy, pandas, scikit-learn, Matplotlib. Eso significa que el análisis previo, el preprocesamiento, el entrenamiento y la visualización de resultados forman parte de un mismo proyecto cohesivo. Los tiempos de desarrollo bajan, y la transición desde explorar datos hasta tener un modelo completo es mucho más fluida.

Comprensión y velocidad de iteración

Otro aspecto que valora la comunidad científica es que las redes neuronales se desarrollan como clases de Python. Esto facilita seguir cómo viaja la información a través del modelo, detectar errores y comprender las decisiones de diseño. Es especialmente importante en proyectos de investigación, donde no solo buscas resultados precisos, sino también saber por qué el modelo funciona de cierta manera.

La velocidad de prototipado es notable. Puedes construir un modelo, probar arquitecturas diferentes, cambiar la función de pérdida o ajustar hiperparámetros, y ver inmediatamente cómo afecta al rendimiento. Este ciclo iterativo rápido es esencial en la ciencia de datos moderna.

Cuando llegue el momento de llevar tu modelo a producción, PyTorch también ofrece soluciones. TorchServe permite publicar modelos como servicios web. KServe y Nvidia Triton Inference Server facilitan el despliegue en infraestructuras empresariales y entornos Kubernetes. Es decir, el mismo framework te acompaña desde la investigación inicial hasta la aplicación en producción real.

Leer la noticia completa en computerworld.es »

La inteligencia artificial ya toma decisiones ¿Quién responde por ellas? – La Región

Cuando la máquina decide: el reto jurídico de la inteligencia artificial

La inteligencia artificial ya no es un asunto del futuro ni algo que ocurra lejos de tu empresa. Hoy participa en decisiones concretas: selecciona candidatos en procesos de contratación, valida solicitudes de crédito, identifica operaciones bancarias irregulares, contribuye a diagnósticos médicos, gestiona turnos laborales o redacta textos legales. Ha penetrado en organizaciones, administraciones públicas y despachos con una velocidad que parecía impensable hace poco. Y con ella han llegado cuestiones que ya no son técnicas, sino jurídicas.

El problema de fondo es simple: cuando un algoritmo toma una decisión que te afecta negativamente, ¿quién responde? ¿El programador? ¿La empresa que la implementó? ¿El directivo que la aprobó? En muchos casos, nadie sabe bien quién es responsable, y eso genera un vacío legal peligroso.

Hasta ahora, la protección de datos se ha entendido de forma bastante superficial en muchas organizaciones: cumplir con formularios, redactar cláusulas informativas, mantener una carpeta ordenada. Con la inteligencia artificial esa mentalidad se vuelve insuficiente. Lo que importa ahora no es solo demostrar que usas sistemas sofisticados, sino explicar cómo llegan a sus conclusiones, qué riesgos has evaluado, quién supervisa el funcionamiento y cómo corregir sus errores.

El cumplimiento normativo deja de ser un trámite puntual para convertirse en una gestión continua del riesgo. Eso exige gobernanza: reglas claras, controles reales y asunción de responsabilidad.

La regulación no es un freno: es confianza

Algunos ven la inteligencia artificial como una forma de ahorrar tiempo y dinero. Es comprensible, pero incompleto. Europa ha decidido regularla sin renunciar a la innovación, porque ha entendido algo importante: una tecnología capaz de tomar decisiones sobre las personas sin que nadie pueda explicar su razonamiento genera desconfianza, no progreso.

Tienes que revisar cómo tu organización usa inteligencia artificial. Pregúntate:

• ¿Sé exactamente qué está haciendo el sistema en cada paso?
• ¿He identificado los riesgos que puede generar?
• ¿Hay alguien supervisando su funcionamiento?
• ¿Puedo explicar una decisión específica si alguien la cuestiona?

Si no tienes respuestas claras a estas preguntas, tienes un problema. No tecnológico, sino legal.

Leer la noticia completa en laregion.es »

Hosteltur lanza LAIA, su asistente de inteligencia artificial para consultar la actualidad y la hemeroteca turística

Cuando la inteligencia artificial se especializa en turismo

Hosteltur ha presentado LAIA, un asistente de inteligencia artificial diseñado específicamente para consultar información sobre el sector turístico. No se trata de una herramienta genérica, sino de un sistema entrenado exclusivamente con el contenido editorial acumulado por el medio durante más de veinticinco años de archivo digital.

La funcionalidad es sencilla: formulas preguntas en lenguaje natural y recibes respuestas contextualizadas basadas en noticias, reportajes, análisis e informes publicados por sus redactores especializados. Puedes preguntar sobre la evolución de un segmento (como el turismo de lujo), los movimientos de una cadena hotelera, los retos de conectividad aérea de un destino o el impacto de una regulación determinada.

Lo importante aquí es que LAIA no pretende reemplazar la búsqueda tradicional ni el acceso al archivo histórico. Es una herramienta complementaria que acelera la consulta para quienes necesitan una síntesis rápida antes de profundizar. Cada respuesta viene acompañada de sus fuentes principales, permitiéndote acceder a los contenidos originales y contrastar la información.

Por qué esto importa en el sector jurídico e inmobiliario

La estrategia de Hosteltur ilustra una tendencia que afecta a cualquier profesional que maneje información especializada. La inteligencia artificial es cada vez más útil cuando trabaja sobre bases de conocimiento específicas y verificadas, no sobre datos generales de internet.

En el ámbito jurídico e inmobiliario ocurre algo parecido. Las herramientas de IA generales tienen limitaciones claras cuando necesitas:

• Respuestas sobre legislación local o cambios normativos recientes
• Análisis de jurisprudencia o fallos judiciales específicos
• Datos sobre el mercado inmobiliario de una zona concreta
• Información sobre documentación o procedimientos administrativos

El error que cometen muchos es confiar en respuestas genéricas para cuestiones que requieren especialización. Una IA entrenada únicamente con fuentes verificadas y actualizadas ofrece más garantías que un modelo que mezcla información de todo internet sin filtrar fiabilidad.

Si trabajas con tecnología aplicada al sector legal o inmobiliario, observa bien este modelo. La verdadera utilidad no está en la IA por sí sola, sino en cómo se alimenta esa IA: con qué datos, cuál es su procedencia, con qué frecuencia se actualiza, y si las respuestas te permiten rastrear sus fuentes originales para verificarlas por tu cuenta.

La recomendación final de Hosteltur es acertada: profundiza siempre en las fuentes enlazadas, especialmente cuando las decisiones que tomes dependen de esa información. La IA acelera la búsqueda, pero no sustituye el análisis crítico.

Leer la noticia completa en hosteltur.com »

Ramón Salaverría, catedrático de periodismo: «la inteligencia artificial está ganando prestigio a través de los propios medios periodísticos»

Inteligencia artificial y medios: cómo gana credibilidad lo que antes la perdía

La inteligencia artificial ha modificado radicalmente cómo llega la información hasta ti. Antes, el tráfico de los medios dependía de búsquedas y redes sociales, lo que generaba una dinámica perversa: los contenidos más virales no eran los más relevantes, sino los más sensacionalistas. Ahora ese panorama ha cambiado, y de una forma que merece tu atención.

Lo que ha sucedido es que los sistemas de IA actúan como intermediarios cada vez más potentes entre el usuario y los contenidos. El fenómeno del «cero click» —cuando casi nadie hace clic en el enlace original— es solo la punta del iceberg. La novedad radica en que la inteligencia artificial está ganando legitimidad al difundir información, precisamente porque ese contenido lleva el aval de una marca periodística reconocida. En otras palabras: lo que la IA proporciona suena más creíble porque viene etiquetado como procedente de un medio establecido.

Este cambio tiene consecuencias importantes para entender el panorama actual. Por un lado, los medios enfrentan un dilema económico grave. Solo tres de cada diez ciudadanos manifiestan curiosidad real por saber qué sucede en el mundo. Con tan pocos lectores interesados, mantener un modelo de negocio que permita hacer periodismo de calidad se ha vuelto extremadamente difícil. La precarización laboral y la imposibilidad de financiar investigaciones profundas son síntomas visibles de esta crisis.

Pero hay un elemento que a menudo se pasa por alto: la confusión entre medios auténticos y plataformas que solo aparentan serlo. Cuando la economía de los medios se debilita, emergen espacios que se disfrazan de información pero responden a otros intereses. Es fácil no darte cuenta de esa diferencia si solo ves el contenido que la IA te presenta.

• La presión para producir contenido barato y rápido empuja a formatos menos rigurosos: tertulias, debates dialécticos donde lo importante es quién «gana» la discusión, no el análisis profundo.
• Los periodistas con presencia en redes tienen incentivos distintos que los que investigan sin buscar protagonismo.
• El sistema refuerza la personalización y el debate performativo frente al trabajo de campo.

Para ti como lector o usuario, la lección es práctica: es más necesario que nunca distinguir entre información que responde a estándares profesionales y contenido que solo aparenta tenerlos. La credibilidad que hereda una noticia por proceder de una marca conocida no garantiza que se haya elaborado con rigor. La IA amplifica lo que ya existe; no lo filtra por calidad.

El periodismo tiene hoy herramientas más sofisticadas que hace décadas —multimedia, inmediatez, alcance global—, pero también enfrenta presiones económicas que pueden empujarlo a abandonar lo que lo diferencia: la investigación, el análisis profundo, la verificación. Identificar quién mantiene esos estándares y quién los rebaja es tu responsabilidad como consumidor de información.

Leer la noticia completa en eldiario.es »

Tánger Logistics Days analizará el impacto de la inteligencia artificial en la cadena de suministro

La inteligencia artificial como palanca estratégica en la gestión logística

El próximo 25 de septiembre se celebrará en Tánger la octava edición de Tangier Logistics Days, un evento internacional donde directivos y especialistas de la cadena de suministro analizarán cómo está transformando la inteligencia artificial las operaciones logísticas y la toma de decisiones empresariales.

La conferencia inaugural la impartirá un asesor senior de McKinsey con experiencia en universidades alemanas, quien abordará el papel futuro de la IA en la evolución de la cadena de suministro. Pero aquí viene lo importante: los organizadores subrayan que la tecnología por sí sola no mejora el rendimiento. Eso es clave que lo tengas claro. Una inversión en sistemas de IA sin datos fiables, compartidos entre departamentos, y sin personas capaces de convertir esos datos en acciones concretas, es dinero tirado.

El encuentro pivota sobre un concepto que vale la pena que entiendas: la «Supply Chain aumentada». No se trata de sustituir la inteligencia humana por máquinas, sino de combinar tres elementos:

• Inteligencia humana: la experiencia y el criterio de los profesionales
• Datos fiables y compartidos: información de calidad accesible para quien la necesita
• Tecnologías avanzadas: herramientas que procesan esos datos a escala

El programa estructura dos conferencias magistrales y dos mesas redondas que mezclan visión estratégica con asuntos operativos. Los temas clave girarán en torno a cómo los cambios geopolíticos están reorganizando las cadenas de suministro globales, cómo la IA impacta en la planificación logística y en la gestión de la incertidumbre, qué perfiles profesionales necesitan las empresas ahora, y qué medidas concretas pueden tomar para mantenerse competitivas en un entorno cada vez más complejo.

Desde una perspectiva jurídica y empresarial, hay algo que conviene que tengas presente: cuando hablamos de datos compartidos, estamos hablando también de responsabilidades legales. Quién accede a qué información, cómo se protege esa información, qué ocurre si un algoritmo toma una decisión que genera daño, cuál es la responsabilidad de la empresa. Son preguntas que muchas organizaciones olvidan hacerse mientras invierten en tecnología.

El objetivo es que Tánger se consolide como uno de los principales espacios de diálogo sobre logística en el norte de África, permitiendo que empresas, expertos internacionales y responsables del sector intercambien experiencias y anticipen las tendencias que marcarán los próximos años en la actividad logística.

Leer la noticia completa en cadenadesuministro.es »

La CNMV incorpora inteligencia artificial para revisar la información financiera de las cotizadas

Cómo la inteligencia artificial cambia el control sobre las cotizadas

La CNMV ha comenzado a usar inteligencia artificial para supervisar la información que publican las empresas cotizadas. No se trata de un experimento aislado, sino de un cambio estructural en cómo funciona el regulador bursátil español, alineado con directrices europeas.

El organismo ya aplica estos sistemas en varias áreas. Detecta con mayor velocidad entidades que operan sin autorización. Analiza los informes financieros y no financieros que las compañías envían periódicamente para identificar inconsistencias, datos faltantes o patrones sospechosos. Y procesa grandes volúmenes de información procedente de múltiples fuentes, algo que manualmente sería inabarcable.

Según ha trascendido, la CNMV no utiliza una única herramienta, sino varias en paralelo, cada una diseñada para cubrir necesidades específicas de supervisión. El regulador mantiene reserva sobre cuál es el proveedor o qué tecnologías exactas emplea, justificándolo en términos de seguridad operativa.

Qué implica esto en la práctica

Para ti como inversor o profesional del sector, esto tiene consecuencias concretas:

• La detección de anomalías es más rápida. Un algoritmo puede procesar cientos de informes en el tiempo que un inspector reviosaría unos pocos.
• El control es más sistemático. No depende de si el regulador tiene personal disponible o de en qué prioridad catalogue tu caso.
• Hay un riesgo de falsos positivos. La IA puede activar alarmas sobre cosas que, vistas por un humano, resultarían normales.

Este cambio forma parte del plan Helix, una iniciativa más amplia de digitalización que impulsa la Comisión Europea. Su objetivo es que todos los supervisores nacionales de valores tengan capacidades digitales similares. En paralelo, organismos como la ESMA (Autoridad Europea de Valores y Mercados) coordinan este despliegue a nivel continental.

La CNMV está estructurando su uso de inteligencia artificial en tres direcciones: automatizar procesos rutinarios, incorporar herramientas generativas, y aplicar técnicas de aprendizaje automático más sofisticadas.

El error que cometen muchas empresas

Con frecuencia, las compañías cotizadas piensan que presentar información cumpliendo formalmente los requisitos es suficiente. Con sistemas de IA, eso ya no funciona así. Un algoritmo no solo verifica que hayas incluido cada apartado obligatorio, sino que analiza coherencias internas, compara datos entre períodos, detecta omisiones respecto a prácticas sectorialescomunes, y hasta identifica cambios de redacción o estructura que podrían indicar intentos de ocultar algo.

Si tu empresa cotiza, o tienes responsabilidades en comunicación financiera, necesitas pensar en cómo tu información será procesada por máquinas antes de ser vista por personas. Eso obliga a otro nivel de rigor.

Leer la noticia completa en merca2.es »