Está ocurriendo ahora mismo, y sobre todo después del lanzamiento de Muse por parte de Meta: usuarios que crean agentes que actúan por ellos en todo tipo de tareas, desde buscar y comparar productos hasta comprar o gestionar asuntos financieros, pero que cada vez más son bloqueados por las páginas web a las que el usuario podría acceder personalmente, en algunos casos por decisiones comerciales de las propias páginas, y en otros porque los propios sistemas de CAPTCHA los confunden con bots maliciosos. El caso más sonado por el momento de bloqueo totalmente intencionado ha sido el de Amazon, pero el caso de Walmart, que tiene un acuerdo con Meta, ilustra que también puede ocurrir de manera accidental.

La cuestión parece relativamente clara: los usuarios quieren usar agentes porque les resulta cómodo, les ahorra tiempo y les facilita la comparación de ofertas. Pero para las páginas implicadas, esos agentes redefinen su relación con los usuarios: de repente, el usuario deja de ver una página que estaba optimizada para él, y toda la inversión en metáforas visuales, en publicidad, en recomendaciones o en otros elementos deja de funcionar o pierde buena parte de su eficacia. Además, el agente no se limita a llevar a cabo una operación: también puede acumular datos del perfil del usuario y terminar por convertirse en quien conoce y coordina sus decisiones. Básicamente, estamos más allá de un simple conflicto de «agentes contra webs», y mucho más cercanos a otro más fundamental: quién controla esa nueva relación comercial.

Por otro lado, es evidente que también bloquear conlleva sus costes: cuando una página rechaza a un agente de un usuario, corre el riesgo de rechazar también al cliente que actúa a través de ese agente, y probablemente esté echándolo en brazos de un competidor. Si las defensas automáticas se endurecen, además, puede acabar molestando y generando problemas a usuarios de carne y hueso. Páginas como Yelp exigen licencia a los agentes antes de permitirles acceder a sus datos, para prevenir accesos automatizados que puedan ser utilizados para otros fines.

Además, permitir que un agente entre con la contraseña de un usuario y mueva dinero puede plantear preguntas muy relevantes sobre autorización, posibles errores y responsabilidad sobre esas operaciones. JPMorgan afirma que bloquea a los agentes externos debido a posibles riesgos tanto para los clientes como para el banco, y Charles Schwab muestra preocupaciones sobre quién responde en caso de que algo en la operación pueda salir mal. Discernir qué parte de esas resistencias se atribuye a la protección del cliente y cuál a la protección del negocio bancario ya es cuestión de cada uno y sus suspicacias: en muchos casos, sin duda, hay preocupaciones por la posibilidad de que los clientes puedan ahora llevar a cabo fácilmente traslados de depósitos a cuentas con mayor rentabilidad.

Pero sobre todo, lo que ocurre es que si un usuario deja de visitar una web porque ahora actúa en ella a través de un agente, el modelo clásico de tráfico, publicidad y suscripciones pierde su intercambio fundamental. Según una encuesta, los editores consultados prevén una caída del 43% en el tráfico desde buscadores en tres años. Según Pew Research, los usuarios hacen clic en un resultado tradicional en el 8% de las visitas con resumen de inteligencia artificial, frente al 15% que lo hacen cuando ese resumen no aparece.

Las opciones, en realidad, no son simplemente blanco o negro, acceso sin restricciones o bloqueo total: Cloudflare propone controles y respuestas de pago, mientras Shopify y Google están promoviendo UCP, un protocolo abierto para conectar agentes y comercios. ¿Se convertirán en estándares interoperables con permisos y condiciones claros, o en nuevas redes privadas donde cada plataforma decide qué agentes pasan y cuáles no, y cobra por ello?

Como en tantas ocasiones, es posible que la evolución de esto termine encontrando un punto medio: permitir agentes identificables y autorizados es algo que puede ayudar a los usuarios que desean utilizarlos, pero darles acceso general con credenciales compartidas no resuelve la responsabilidad ni la seguridad. Bloquearlos todos tampoco parece muy sostenible en el tiempo si, como parece estar ocurriendo, los usuarios prefieren delegar muchas de sus actuaciones. Probablemente el equilibrio esté en separar lectura, entrenamiento y ejecución de acciones, y llegar a acuerdos para acordar quién paga por el contenido y quién responde por las acciones, pero por el momento, en esta fase incipiente, pocas cosas están claras aún. Lo único que parece evidente es que el comercio electrónico va a tener que repensarse otra vez, y que esto va a afectar a mucha gente, para bien y para mal.

In English on Medium, «No clicks, no ads, no traffic: how AI agents are threatening a long-established business model»

En enero de 2024 ya escribí que los fabricantes de smartphones plegables llevaban ya años intentando convencer al mercado de que tenían que cambiar de teléfono, pero que su éxito era más bien escaso: los llamados foldables eran prácticamente ua curiosidad de frikis, pero además, de frikis en la connotación mala de la palabra.

Apple, mientras tanto, esperaba. La diferencia, planteaba entonces, era la que separa a quienes quieren imponer un formato de quienes pueden conseguir que el público lo adopte. Dos años después, el iPhone Duo permite volver sobre aquella idea. Y sí: esto es un «ya lo dije» de libro.

Los datos exigen precisión. Los plegables no se han quedado por debajo del 1% que llegaron a alcanzar cuando escribí mi otro artículo para siempre: en 2025 se enviaron 18.2 millones en todo el mundo, un 6% más que el año anterior. Counterpoint registró un máximo trimestral del 2.5% de los envíos globales en el tercer trimestre de ese año. Avance real, sí, pero seguimos hablando de una minúscula fracción del mercado. En Europa, los plegables solo representaron el 1.5% de las ventas en el primer trimestre de 2025, con un crecimiento interanual del 4%.

El problema nunca fue que la pantalla no pudiera doblarse. Los fabricantes han afinado bisagras, reducido el grosor y mejorado la resistencia. El problema es convencer a la mayoría de que las ventajas compensan el precio, el peso, las dudas sobre la durabilidad y el coste potencial de una reparación. En la primera mitad de 2026, antes de la llegada del Duo, los envíos globales de plegables cayeron un 21.6% respecto al mismo periodo del año anterior. La tecnología avanzaba, pero la demanda no.

Y entonces Apple presentó su plegable. Las reservas del iPhone Duo ya se agotaron en cuestión de horas y las fechas de entrega se han desplazado hasta enero. Que sí, que sacamos poquitos para que parezca que nos los quitan de las manos, lo que queráis, pero ni Samsung ni otros han podido siquiera plantearse esa jugada de manera mínimamente creíble. Apple habla de una demanda «extraordinaria». Por supuesto, conviene no confundir una primera oleada de pedidos con una transformación del mercado: lo dicho, la oferta inicial era limitada, y hasta los analistas advertían de que unos pocos millones de unidades disponibles podían quedarse cortos ante el interés de los clientes más fieles, los llamados fanboys de Apple.

La jugada, además, no consiste necesariamente en vender un plegable a todo el mundo. El Duo empieza en 1,999 dólares y puede superar los 3,000 según su configuración. IDC prevé que los plegables representen el 2.2% de los smartphones vendidos en 2026, pero el 6.9% de los ingresos del sector. Para Apple, basta con que una parte de quienes compraban el iPhone más caro esté dispuesta a pagar bastante más. No necesita reinventar el teléfono para todos: puede convertir un formato minoritario en una nueva categoría de lujo dentro de su propio ecosistema.

El lujo, en este caso, incluye también el precio de equivocarse o ser un manazas. Cambiar la pantalla interior del Duo cuesta 999 dólares sin AppleCare+, y otros daños pueden llegar a los 1,500. Esa factura ayuda a entender por qué el formato sigue teniendo dificultades para salir del nicho: la experiencia puede resultar atractiva, pero también mucho más cara y arriesgada que la de un teléfono convencional. ¿Me compraré uno? Ni loco. Pero eso no quita que no me resulte admirable la capacidad de Apple para entrar en un segmento mucho más tarde que otros, y comerles directamente la parte más apetecible de la tostada, la parte del mercado en la que están los márgenes de verdad apetecibles. Impresionante.

Así que sí: en 2024 acerté al señalar que los plegables no estaban convenciendo al mercado. No sabemos seguro aún si Apple puede cambiar ese resultado: las reservas demuestran que puede convertir la novedad en deseo y la escasez en expectación. La prueba de verdad llegará después, cuando veamos cuántos se venden una vez atendidos los primeros compradores, y si el formato deja de ser una curiosidad cara. Hasta entonces, el iPhone Duo confirma el poder de Apple para vender una aspiración, todavía no demuestra que todos quisiéramos un teléfono que se dobla. Pero sí que si Apple quiere vender algo, tiene las armas necesarias para convertirlo en símbolo y para triunfar donde sus predecesores no lo consiguieron. Y todavía muchos saldrán con eso de que «eso no es innovación» porque «no fueron los primeros». Ya, ya… algún día se leerán la definición y aprenderán. O no.

In English on Medium, «Is Apple going to prove once again that innovation is the art of waiting?»

Las noticias sobre modelos de inteligencia artificial capaces de presentar avances y soluciones completas o parciales a centenares de problemas matemáticos abiertos, me resultaron muy interesantes por lo que tienen de paradójico: si lo que pretendemos es resolver problemas y hacer avanzar la ciencia, ¿qué importancia tiene que eso lo haga un matemático retorciendo su materia gris hasta que le salgan volutas de humo por las orejas, o que lo haga utilizando un modelo de inteligencia artificial? ¿No deberíamos poner la importancia en donde corresponde, en la resolución del problema, en lugar de en el ego del investigador? ¿O es que hay otros factores implicados que llevan la cuestión más allá?

Al respecto, me encontré tres artículos interesantes en The Economist que hablan del tema: «AI’s transformation of mathematics is a turning point for science«, «AI companies want to become frontier scientific researchers« y «What if the machines take over science?», que me pareció que podían marcar puntos de reflexión interesantes: los tres artículos describen piezas distintas del mismo cambio: la inteligencia artificial resuelve problemas matemáticos, las empresas tecnológicas aspiran a investigar en la frontera y las máquinas podrían ahora recorrer el proceso científico entero, casi «eliminando» la necesidad de investigadores, una perspectiva de sustitución que ya va más allá del trabajo de cuello azul o cuello blanco, y entra en en la propia definición de trabajo intelectual. The Economist plantea la tensión central: avanzar en el conocimiento sin entregar a sistemas opacos la capacidad de decidir por sí solos qué investigar y con qué fines.

Lo que me parece realmente relevante es tratar de distinguir capacidad real de autonomía ya demostrada. Efectivamente, tenemos ya sistemas capaces de generar hipótesis, hacer análisis de la literatura, proponer experimentos, analizar resultados y redactar artículos. The AI Scientist, estudiado en Nature, ha sido capaz de generar un paper que superó la primera ronda de revisión de un taller de inteligencia artificial. Es un avance sustancial, pero también muy acotado: no demuestra que tengamos ya un investigador autónomo, fiable y general (ni tampoco que queramos tenerlo).

Lo que sí parece claro es que una capacidad así supone ya un problema para el sistema que conocemos, y la señal de alarma más inmediata es de tipo institucional: En Organization Science, el número de papers recibidos creció un 42% después de la aparición de ChatGPT. Los editores, con toda la razón, relacionan gran parte de ese aumento con el uso de herramientas de inteligencia artificial, y observan una caída de la calidad de los textos. El estudio se limita a una revista, pero ilustra lo que puede pasar cuando abaratas la producción de manuscritos y eso se cruza con los incentivos de un sistema absurdo, un publish or perish llevado a los límites más absurdos de la Ley de Goodhart que premia el publicar mucho.

Es evidente que publicar más artículos no es un criterio que demuestre, por sí solo, más ciencia. El incremento de envíos no demuestra, por sí solo, que la inteligencia artificial sea ya una buena investigadora: muestra, sobre todo, que producir y enviar manuscritos se ha vuelto más fácil. La pregunta clave es si realmente hay una pregunta relevante, un diseño riguroso, unos resultados fiables y reproducibles, y una contribución real, o simplemente una excusa para apuntarse otro paper más en el curriculum sea como sea. Si las carreras siguen dependiendo del recuento, la inteligencia artificial es simplemente una forma más de inflar esa señal.

El conflicto de los matemáticos tiene una parte que puede ser una preocupación epistemológica y otra más puramente gremial. No podemos descartar la inquietud de los matemáticos como una simple defensa gremial: el trabajo sobre problemas difíciles genera métodos, intuiciones y conexiones que pueden llegar a ser más valiosos que una simple solución aislada. Pero las jerarquías construidas alrededor de quién publica primero o resuelve más problemas tampoco terminan siendo intocables: la respuesta debería distinguir el valor de los resultados del supuesto sistema de prestigio que se ha montado alrededor de ellos.

Sería una mala idea confundir la verificación mecánica con la comprensión científica: una prueba formal de una conjetura matemática, por ejemplo, puede ser correcta y, aun así, ser poco clara o totalmente estéril para el avance colectivo. En otras disciplinas, el reto puede ser incluso mayor: podríamos terminar, por pura comodidad o por una confianza que termine siendo ciega aceptando resultados que nadie sabe explicar, reproducir o conectar con hipótesis nuevas. La ciencia necesita resultados, pero también métodos y explicaciones que permitan a otros investigadores pensar y construir a partir de ellos.

Además, hay que añadir el coste de la concentración y la homogeneización: el estudio de 41,3 millones de artículos citado por The Economist sugiere que quienes usan inteligencia artificial publican más y reciben más citas, pero disminuyen tanto la diversidad temática como la atención a los trabajos de otros. No leo lo que publican otros, la inteligencia artificial lo hace por mí y lo convierte en citas, en un puro name-dropping, cómodamente. Si los sistemas favorecen áreas con abundantes datos y resultados rápidos, la ciencia puede acelerar, pero al mismo tiempo, ir estrechando su campo de visión.

Deberíamos plantearnos dar crédito a quienes formulan buenas preguntas, a quienes dirigen sistemas, comprueban resultados y los hace comprensibles, y además, valorar también datos, software y facilidades para la replicación. Una evaluación basada en el contenido y las contribuciones, no en métricas sustitutas o ya prácticamente prostitutas. La inteligencia artificial no tiene que obligarnos a abandonar la meritocracia, pero sí a replantear sus métricas: obliga a dejar de confundir mérito con cantidad de artículos o con el supuesto prestigio del journal en el que han sido publicados. Si no aprovechamos esta oportunidad para replantear los sistemas de valoración académica, terminaremos fosilizando la investigación en torno a una simple caricatura de sí misma con métricas grotescamente exageradas.

Desde que llegó a la Casa Blanca, Donald Trump ha intentado frenar el crecimiento de los vehículos eléctricos: su administración ha eliminado los créditos fiscales federales a su adquisición, ha rebajado las normas de eficiencia y ha incrementado las barreras comerciales que limitan la entrada de vehículos extranjeros. El resultado ha sido claro: los ciudadanos estadounidenses disponen de una oferta muchísimo menor de vehículos eléctricos y los pagan mucho más caros, lo que ha hecho que sus ventas caigan en un 30.7% hasta septiembre, justo en el momento en que más se encarece la gasolina.

Sin embargo, las cosas no son así en el resto del mundo. En los países civilizados, la guerra con Irán iniciada por Donald Trump y el consiguiente encarecimiento de los combustibles fósiles han hecho mucho más visible el atractivo de unos vehículos eléctricos que no se ven afectados por casi nada de lo que ocurre en el Estrecho de Ormuz. Mientras depender de la gasolina significa quedar expuesto a un riesgo geopolítico evidente que depende, además, de un gobernante mentalmente inestable, el vehículo eléctrico, por mucho que pueda encarecerse la electricidad, se mueve en parámetros de sensibilidad muy, muy inferiores, a lo que añade su evidente ventaja en costes de mantenimiento.

El resultado está siendo evidente: con la excepción de los Estados Unidos de Gilead (perdón, de Donald Trump), vivimos un cambio que ya es global. La IEA prevé que este año se vendan 23 millones de vehículos eléctricos, alrededor del 30% del mercado mundial. Las ventas han crecido con gran fuerza en Europa, Asia-Pacífico (sin tener en cuenta China, donde son ya la locura) y en Latinoamérica. No es un avance uniforme, es simplemente que el vehículo eléctrico ya se extiende por mercados muy distintos.

Volkswagen, antes conocida como la compañía de los diesel humeantes, afirma haber entregado ya cuatro millones de vehículos eléctricos, y que el cuarto millón se alcanzó en tan solo un año. En Europa, cerca del 40% de sus pedidos recientes corresponden a modelos eléctricos. No híbridos, sino 100% eléctricos. la propia empresa atribuye el interés, en parte, a los precios del combustible y a la llegada de modelos de acceso más asequible.

A ese crecimiento en la demanda se unen, además, incentivos como la posibilidad de circular por vías de alta ocupación, de aparcar gratuitamente y por tiempo ilimitado en zonas que son de aparcamiento limitado para vehículos térmicos, o incluso, como ha hecho el gobierno austríaco, permitiendo que los vehículos eléctricos circulen en algunas vías a 130 km/h en las que los vehículos térmicos están limitados a tan solo 100 km/h, una norma que adapta la regulación a las emisiones reales del vehículo y que muestra cómo la política puede acompañar la transición. En ese contexto, noticias como el alineamiento entre Francia y Alemania para intentar prolongar la vida de los vehículos térmicos son simplemente absurdas: pronto, simplemente, nadie los va a querer.

El resultado de las políticas de Donald Trump, por tanto, es un crecimiento global muy significativo de las ventas de vehículos eléctricos en todo el mundo, pero una reducción de opciones y una elevación de los costes para los ciudadanos estadounidenses: retirar ayudas y restringir la competencia es una forma de impedir que los eléctricos más asequibles puedan llegar a los compradores. Medidas que, en realidad, únicamente protegen la continuidad de unos motores de combustión claramente menos eficientes y favorecen los intereses de las industrias vinculadas al petróleo, mientras dejan a los consumidores mucho más expuestos a los vaivenes del precio de la gasolina. Es lo que tiene que las petroleras paguen una parte de tu campaña: que tienes claro que las sirves a ellas, no a los ciudadanos.

Por otro lado, la EPA vincula la contaminación emitida por el transporte con efectos sobre el sistema respiratorio y con otro tipo de daños, y dado que los vehículos térmicos emiten una amplia gama de contaminantes vinculados al smog y a problemas de salud, el país no sólo arriesga su competitividad industrial y el hecho de que sus marcas de automoción se relacionen ya prácticamente sólo con vehículos térmicos anticuados, sino que además, sus consumidores terminen con menos opciones, vehículos más caros y una calidad del aire sensiblemente peor. Defender al consumidor no es dejarlo con coches más anticuados para un mundo que ya, claramente, está cambiando. Pero eso sí, tranquilos… en Estados Unidos, los coches vuelan (menuda soberana estupidez).

In English on Medium, «Trump is driving America backward as the world embraces the EV»

La historia de Linux en las administraciones públicas europeas es ya larga, y todo el mundo tiende a referirse al caso de Munich, una administración que llevó a cabo la transición de unos 15,000 puestos en 2013, para que posteriormente, en 2017, el consejo municipal aprobase volver a una arquitectura basada en Windows. ¿Qué motivó aquella vuelta atrás? Según la Comisión Europea, una combinación de problemas de interoperabilidad y sustitución, el descontento de los usuarios, el deterioro en la gestión de TI, la fragmentación de sistemas y, sobre todo, la pérdida de apoyo político tras la elección de Dieter Reiter como alcalde.

Desde entonces, el caso de Munich ha sido usado como arma arrojadiza cada vez que se plantea la cuestión de la soberanía tecnológica, como si Windows fuese absolutamente imprescindible en la función pública, cuando la realidad es que, simplemente, la transición se hizo mal: se mantuvieron aplicaciones especializadas que no funcionaban bien en Linux, hubo problemas de compatibilidad de documentos, pero sobre todo, se perdió el apoyo político.

Ahora, en pleno debate sobre la necesidad de una soberanía tecnológica europea, las autoridades de Hacienda y Aduanas de los Países Bajos anuncian la cancelación del despliegue de Microsoft 365 en la nube para todos sus trabajadores. La decisión sigue a la del ejército suizo, además del Ministerio de Economía austríaco, la Dirección Interministerial Digital francesa, el estado alemán de Schleswig-Holstein y el gobierno irlandés. Lo que ahora parece diferente es una aproximación por capas, con cambios más graduales y con estructura de soporte: Schleswig-Holstein ya migró más de 40.000 buzones a Open-Xchange y Thunderbird, y la Comisión Europea informa de que el 80% de su ecosistema había pasado a LibreOffice. El estado está abordando Linux después y por etapas: en septiembre de 2026, más de doscientos empleados de la cancillería regional habían completado en gran medida el cambio, y una contratación pública prevé que el despliegue crezca desde 750 equipos a finales de 2026 hasta 19,000 en 2029. Es una señal de progreso, todavía no una validación del cambio en toda la Administración.

En el caso de los Países Bajos, no se anuncia que toda la Administración vaya a abandonar Windows y Microsoft: la decisión combina servicios de Microsoft alojados en infraestructura controlada por la propia Administración con alternativas de código abierto para almacenamiento y colaboración, desplegadas en fases hasta 2028. Esa modularidad permite cambiar una función cada vez, aunque las fuentes todavía no identifican la totalidad de las soluciones que se elegirán en cada caso.

La capacidad organizativa, además de la motivación de no depender de alternativas estadounidenses, puede ser la gran diferencia. Schleswig-Holstein creó una oficina de código abierto, está invirtiendo parte de los ahorros en el ecosistema y acompaña la transición con formación. Hacen falta responsables claros, presupuesto de soporte, compatibilidad con los sistemas existentes y, sobre todo, continuidad política.

La prueba de que la transición es factible la aporta la Gendarmería francesa: en 2001, empezaron a migrar más de 77,000 puestos a GendBuntu tras el anuncio de Microsoft de no dar más servicio a Windows XP, y comenzaron a introducir servicios nuevos sobre esa base, en lugar de intentar sustituirlo todo de golpe. Una adopción progresiva con gestión centralizada y adaptación de proveedores y de aplicaciones que ha funcionado perfectamente y constituye un buen caso de uso, y una prueba de que la libertad de elección no tiene precio.

El regreso de los pingüinos tiene ahora una oportunidad histórica: hay una fuerte presión geopolítica y mejores ejemplos de despliegues sostenidos para apoyarla. Con el reposicionamiento desastroso de los Estados Unidos de Donald Trump, el riesgo de quedarse con proveedores norteamericanos ha cambiado. Ahora, la dependencia incluye acceso a servicios remotos, continuidad operativa y exposición a decisiones potencialmente caprichosas o erráticas de otra jurisdicción. La política neerlandesa de nube identifica expresamente los riesgos de concentración y de legislación extracomunitaria, lo que permite explicar por qué hoy una administración puede aceptar costes de transición que antes consideraba difíciles de justificar.

La pregunta ahora es si las administraciones convierten la soberanía tecnológica en una idea mantenida a largo plazo, con presupuesto, interoperabilidad y personal propio, o si simplemente la dejan expuesta al siguiente cambio político.

In English on Medium, «Europe’s administrations welcome the penguins back»

La escala de la construcción de infraestructura para la producción de energías renovables en China es mareante: el país apostó hasta tal punto por ello, que ahora necesita hacer llegar toda esa energía a quienes realmente la necesitan, y todo ello en un contexto de necesidades rápidamente cambiantes: donde antes teníamos hogares e industrias como elementos principales de la demanda, ahora tenemos data centers que se suman a lo anterior: se prevé que la capacidad informática activa, o “live IT capacity” de los centros de datos chinos se más que duplique en cinco años.

Llevo escribiendo sobre la lógica del sobredimensionamiento energético de las renovables desde 2021, aplicado sobre todo a un país como España, en el que la capacidad de generación en potencialmente enorme, y unida a una disponibilidad de terreno al que podría, además, darse un uso adecuado mediante tecnologías como las agrivoltaicas. Esto no son los Países Bajos, en donde la insolación es mucho menor y el terreno es un recurso tan escaso que les está llevando a poner paneles en absolutamente todas partes, encima de cada tejado, aparcamiento o canal.

En el caso de China, sobre el que también escribí en 2024, superó por primera vez los diez billones de kWh de demanda eléctrica en 2025, y se prevé que llegue a representar un tercio del crecimiento mundial de la demanda hasta el año 2040, impulsado por el descomunal crecimiento de su parque de vehículos eléctricos y por la electrificación industrial. En este contexto, la creciente demanda generada por la inteligencia artificial encuentra su lugar dentro de una transformación energética de dimensiones nacionales.

Cuando tienes una fuente de energía muchísimo más barata que el resto, la lógica debería llevarte a generar lo más que puedas de ella. El problema, claro está, es no poder absorber esa energía, pero en cierto sentido, es un «bendito problema» que te deja muchos más grados de libertad de los que te quita. Cerca del 9% de la energía potencial eólica y solar en China se perdió durante el primer semestre del año: China podría haber generado 401 TWh adicionales, casi lo que producen España y Filipinas juntas en un año. La capacidad renovable construida no es suficiente: además, hay que trasladar electricidad entre regiones y horas. China necesitará invertir 3.9 billones de dólares en su red hasta 2049, además de ampliar baterías y almacenamiento hidráulico por bombeo.

En el caso de China, esto supone aún un problema: la electricidad está gestionada de forma centralizada, con precios opacos y contratos de carbón a largo plazo que aún desplazan a energías renovables más baratas y obviamente menos dañinas. El país se ha fijado como objetivo crear un mercado eléctrico nacional unificado para el año 2030, que eliminará muchas de las ineficiencias que hoy aún hacen que se utilicen energías fósiles que, económicamente, carecen de sentido.

Cuando la combinación de renovables y baterías se convierte en la opción de generación más barata de todas y van surgiendo cada vez más fuentes renovables de bajo impacto, seguir insistiendo en turbinas de gas o en energía nuclear es, sencillamente, una estupidez, y los que lo hagan terminarán pagándolo caro con desventajas en costes imposibles de compensar de forma competitiva. La abundancia energética a la que puede dar lugar un sobredimensionamiento en las renovables va a contribuir a alcanzar una posición ventajosa en la carrera de la inteligencia artificial a todos los niveles, aunque el resultado, lógicamente, dependerá de la integración de esas renovables con el necesario almacenamiento, la transmisión y la demanda, así como de eliminar los incentivos perversos que aún protegen la generación fósil.

La capacidad adicional sólo crea ventaja si el sistema está preparado para absorberla y entregarla. En el caso de China, un problema que únicamente tiene solución a largo plazo. Pero en el de España, un país con unas condiciones ideales para la generación solar, no debería de serlo. Solo es una cuestión de aplicar las estrategias adecuadas.

In English on Medium, «The power of too much: why renewable energy overcapacity makes sense from China to Spain»

En la noche del 11 al 12 de octubre, entre las once de la noche y las cuatro de la madrugada, algo se cocía en un montón de supermercados franceses: sus alimentos congelados. Un ciberataque logró manipular a distancia los sistemas de frío de cientos de establecimientos de distintas cadenas, y llevaron congeladores y cámaras hasta los 50ºC, provocando desde la rotura de la cadena de frío de los alimentos para convertirlos en invendibles, hasta en muchos casos estropearlos y derretirlos, además de fallos en las conexiones de diversos equipos. En algunos casos, la temperatura llegó hasta los 80ºC.

El ciberataque afectó a las cadenas Intermarché y Netto, que forman parte del Groupement Les Mousquetaires, y a los de la cadena U, que pertenecen a una cooperativa de comerciantes independientes. Según Le Monde, hablamos de unos trescientos puntos de venta de Intermarché/Netto, alrededor de cien U, unos ochenta de Carrefour y algunas tiendas de otras cadenas. Se trata de un golpe amplio a la distribución alimentaria francesa, que afecta gravemente a las operaciones y a los alimentos perecederos y da lugar a pérdidas económicas importantes. La ausencia de una demanda de rescate hace inusual el ataque, pero no permite saber todavía cuál era su objetivo, pero la hipótesis actual es que se pretendía probar probar que se pueden atacar funciones críticas como las cadenas de distribución de alimentos de todo un país. Esa hipótesis del sabotaje, en cualquier caso, no está comprobada todavía.

El objeto del ataque fueron los controladores conectados que regulan la temperatura y el proceso de deshielo de instalaciones comerciales. Aparentemente, no solo se alteró su funcionamiento, sino también la configuración de sus alarmas, lo que retrasó su activación y la detección del problema. Los controladores afectados fueron los delas marcas Danfoss, Dixell y Copeland, y la alerta del CERT francés recomienda retirar su exposición directa a internet, revisar sus configuraciones y usar accesos protegidos. Muchos supermercados no administran por sí mismos sus controles de frío, sino que lo hacen a través de proveedores y especialistas externos que instalan, conectan y mantienen esos equipos, por lo que la función puede tener varios posibles puntos de ataque.

Todo indica que la ciberseguridad de algunas cuestiones, simplemente, no era adecuada, y se estaba tratando como una cuestión técnica sin aparente importancia, en lugar de entenderse, en agregado, como una parte de la seguridad de la cadena alimentaria de un país. Todo parece indicar que los controladores afectados tenían interfaces de gestión que estaban disponibles a través de internet, algo claramente contrario a las buenas prácticas de ciberseguridad. Para intentar que no vuelva a pasar algo así, si es que garantizar eso es posible, habrá que implantar controles básicos y verificables, asegurar que los componentes del sistema reciben las correspondientes actualizaciones de seguridad, que tienen sus accesos adecuadamente restringidos, que sus alarmas funcionan y no pueden ser eliminadas o convertidas en inútiles, y por supuesto, depurar responsabilidades claras entre las tiendas y sus proveedores, llevando a cabo una revisión completa de toda la cadena de suministro.

Parece que en la economía conectada, hasta el frío necesita un cortafuegos.

In english on Medium, «France has just learnt how frighteningly easy it is to disrupt nationwide food distribution»

Un artículo en The Economist, «The jobs apocalypse is postponed. An AI jobs boom is here«, viene a decir que por el momento, la inteligencia artificial está creando más empleos de los que destruye, sobre todo al hilo del enorme auge de la construcción derivado de los muchos proyectos de data centers que se están poniendo en marcha todos a la vez, en una loca carrera en la que nadie quiere quedarse atrás, y con la fuerte oposición de muchas comunidades locales, que ahora se oponen a la construcción de este tipo de instalaciones con más fuerza que si se tratase de centrales nucleares.

Mi pregunta, de manera creo que bastante obvia, es sobre el tipo de empleos que se están destruyendo frente a los que se están creando, en términos de sueldos, de seguridad y de proyección de carrera. El artículo estima que se han creado en torno a un millón de puestos de trabajo relacionados con la inteligencia artificial en los Estados Unidos frente a los cerca de 200,000 que se han destruido, pero una parte muy significativa de esa creación de puestos de trabajo tiene que ver, efectivamente, con la construcción de data centers, en ámbitos que van desde las instalaciones eléctricas y los equipos hasta la construcción. Cuenta también algunos puestos emergentes en inteligencia artificial y algunas ocupaciones profesionales que crecen más que la media, pero lamentablemente, se queda en contar puestos, sin entrar en si son puestos duraderos, accesibles a las personas cuyos puestos se están perdiendo, o capaces de reemplazar la formación y la progresión que esos puestos generaban. Por otro lado, mientras el millón de puestos incluye empleos asociados a la expansión de infraestructura y nuevos puestos vinculados a la inteligencia artificial, los 200,000 destruidos son despidos atribuidos explícitamente a ella. No son categorías construidas con el mismo criterio: el recuento no sólo trata los empleos como intercambiables, sino que compara cifras obtenidas de maneras distintas.

Muchos de los puestos generados en construcción están basados en proyectos. Algunos pueden ser razonablemente duraderos (instalaciones, energía o mantenimiento, por ejemplo) y en algunos casos, The Economist habla de salarios atractivos para lograr ocuparlos con la velocidad que se requiere. Pero un puesto de electricista en un proyecto de data center, por bien pagado que esté, tiene poco que ver con el trabajo de un graduado, y no me refiero tanto a salario como a proyección profesional futura o a duración del empleo: la diferencia que me interesa es la trayectoria, en temas como formación previa, continuidad y posibilidades de progresión.

Los datos recientes del mercado son especialmente significativos: el empleo full-time cayó en 6.6 puntos porcentuales entre 2022 y 2024 para graduados en los campos más expuestos a la inteligencia artificial, comparado con un 1.5 puntos para los considerados menos expuestos. Esto no es una prueba de que ese declive sea causado por la inteligencia artificial, pero sí viene a decirnos que en un mercado con cifras globales crecientes pueden aparecer circunstancias como una entrada mucho más difícil para numerosos perfiles.

En 2025, ya comenté, al hilo de un artículo de Erik Brynjolfsson, cómo el primer empleo estaba evaporándose a medida que algunas compañías renunciaban a contratar becarios o trabajadores en prácticas argumentando que el tipo de trabajo que les pedían era precisamente el que los chatbots podían llevar a cabo de manera razonablemente satisfactoria, con un «pequeño detalle sin importancia»: si no contratas perfiles junior hoy y no los formas en el trabajo, ya veremos de dónde van a salir los perfiles senior del futuro. En enero de este año, extendí ese razonamiento a muchas trayectorias profesionales: cuando la inteligencia artificial elimina el trabajo analítico en el nivel de entrada, elimina también los sistemas de formación informales que dan lugar a muchos profesionales con experiencia. Y el pasado abril, hablé de cómo las ganancias de productividad pueden convertirse en despidos, y de cómo esos beneficios fluyen de manera desigual entre los trabajadores y los empresarios. Obviamente, dado que trabajo en una escuela de negocios, tendré una visión razonablemente sesgada, pero creo que la cuestión se explica por sí sola.

La cuestión, para mí, está en la composición del empleo: contar puestos como si fuesen intercambiables o comparables, cuando muchos de los puestos creados están vinculados a contratos temporales de construcción de una infraestructura y dependiendo de un crecimiento demencial en inversión completamente coyuntural cuyo ritmo futuro no está en absoluto garantizado, me parece bastante poco riguroso si lo comparamos con un puesto en inteligencia artificial o con un junior que estaría, generalmente, comenzando una carrera profesional larga. Contar tan solo puestos de trabajo sin más oculta completamente esas diferencias.

El propio The Economist parece tenerlo también relativamente claro: comparemos la advertencia de mayo con el optimismo de septiembre. Mientras el editorial de mayo instaba a los gobiernos a prepararse antes de que las pruebas fueran concluyentes y hacía hincapié en áreas como el desarrollo de software, el informe de septiembre describe la situación actual del empleo en Estados Unidos. El auge actual de la construcción y la contratación no resuelve qué sucederá cuando la inteligencia artificial se integre en los flujos de trabajo habituales de consultoras, editoriales, bancos, bufetes de abogados y departamentos administrativos. Los dos artículos están por tanto contemplando horizontes completamente distintos.

La hipótesis que me parece más plausible es que la inteligencia artificial esté generando empleos en este momento coyuntural, mientras debilita los sistemas que, a largo plazo, forman a trabajadores cualificados. Un auge del empleo, por tanto, que para nada estaría cubriendo o sustituyendo las carreras que destruye, con un desfase importante entre puestos creados y carreras sostenidas. Mientras el crecimiento visible se concentra en la construcción y dotación de personal de la nueva infraestructura, la pérdida menos evidente podría estar en los puestos de nivel inicial, los programas de aprendizaje y las trayectorias profesionales mediante los cuales las personas se convertían en los profesionales experimentados que las empresas seguirán necesitando. Entre simplemente «puestos creados» y «carreras sostenidas» hay una gran diferencia, y creo que la vamos a notar.

In English on Medium, «Will the jobs AI is creating replace the careers it’s destroying?»

Llevo ya bastante tiempo hablando con compañías que están intentando incorporar la inteligencia artificial a sus procesos de negocio. La mayoría sigue en lo que yo llamo «la fase administrativa», o como escuché en un evento reciente y me hizo mucha gracia, «la IA del oficinista»: automatizaciones modestas que permiten a algunos trabajadores redactar documentos o presentaciones, responder correos o hacer búsquedas sobre determinados temas. Pero después de mis últimos artículos, cada vez recibo más preguntas de empresas que quieren ir mucho más allá y conseguir que la inteligencia artificial se vuelva verdaderamente «estratégica».

Para estas empresas, la principal preocupación se formula en forma de pregunta: ¿será la inteligencia artificial suficientemente inteligente? Pero mi impresión es que hay una pregunta mejor y más útil: ¿cómo sabe la inteligencia artificial si lo que hizo mejoró realmente el negocio?

Los ejemplos son conocidos y nada teóricos: desde optimizar a un comercial para maximizar ingresos, margen o retención, hasta una fábrica en la que podemos mejorar la producción, pero también la calidad, o reducir los defectos. En los negocios, «optimizar» rara vez significa una sola cosa: dedicarse a mejorar una métrica puede fastidiar fácilmente otra. Así que, del mismo modo en que la dirección ya funciona a través de objetivos y retroalimentación, los agentes de inteligencia artificial necesitan exactamente lo mismo. De hecho, OpenAI ya enmarca explícitamente la evaluación empresarial como «especificar → medir → mejorar», y al hacerlo puede convertir objetivos de negocio vagos en expectativas accionables y medibles.

Los outputs son fáciles de medir, los resultados son más difíciles

Las métricas actuales de inteligencia artificial suelen medir variables como la calidad de las respuestas, la finalización de tareas, la latencia o el coste. Pero lo que a las empresas realmente les importa son cosas como la tasa de abandono de clientes, el margen, la conversión, la precisión en la gestión de reclamaciones, los plazos de entrega o el valor del ciclo de vida del cliente.

Un agente podría estar completando perfectamente la tarea que se le ha encomendado y, aun así, perjudicar a la empresa al hacerlo. Las empresas no se preocupan en último término por los outputs generados: se preocupan por los resultados. Merece la pena repetirlo varias veces, porque eso cambia toda la conversación: las empresas no se preocupan en último término por los outputs, se preocupan por los resultados. Lo que exigimos en las implementaciones corporativas de inteligencia artificial es completamente distinto de lo que necesitamos en el uso individual.

Un ejemplo empresarial sencillo es el conocido «descuento con éxito»: si le das a un agente el objetivo de conseguir que un cliente renueve, el agente podría ofrecerle un descuento del 20%. Cuando el cliente renueva, eso se vería inicialmente como un éxito aparente, pero obviamente, tiene un coste: el margen se hunde, el cliente aprende a esperar a los descuentos y clientes similares pueden empezar a exigir lo mismo. Lo que cuenta como éxito depende del marcador. Como dice la ley de Goodhart, que uso en todos mis cursos: cuando una métrica se convierte en un objetivo, deja de ser una buena métrica. Las métricas mal elegidas se vuelven peligrosas cuando se optimizan de manera agresiva.

La industria empieza a darse cuenta de que la evaluación tiene que ser continua

Las directrices de OpenAI para flujos de trabajo ponen mucho énfasis en capturar flujos completos, evaluar el comportamiento, detectar regresiones y mejorar prompts, enrutamiento y guardrails. La traducción directiva de todo esto es que la inteligencia artificial no puede simplemente aprobarse una vez y olvidarse: la evaluación tiene que convertirse necesariamente en una parte activa de las operaciones.

El mundo real es nuestro examen final: los benchmarks se producen antes de que los sistemas se desplieguen, pero las empresas operan en entornos cambiantes. Según el NIST, las pruebas controladas antes del despliegue no pueden capturar todos los comportamientos o consecuencias inesperadas que pueden emerger en el uso real. Como en «El aprendiz de brujo«, pero en la vida real: esa varita mágica con la que optimizas algo puede volverse fácilmente en tu contra.

La pregunta útil es si el sistema funcionó en el negocio, no solo en la prueba. Básicamente, hay que pasar de «¿tuvo éxito el agente?» a «¿mejoró la empresa?» Según un trabajo reciente de McKinsey, muchas organizaciones están escalando agentes más rápido de lo que pueden rediseñar el trabajo que hay debajo, y los consejos de administración y los directores financieros empiezan a exigir un valor más claro. Y cuando hablamos de valor, hay que tener en cuenta que los costes de tokens son solo una de las piezas: los flujos de trabajo agénticos deben juzgarse económicamente a nivel de flujo de trabajo completo.

El punto directivo es sencillo: completar la tarea no es lo mismo que tener éxito en el negocio.

AlphaZero como precedente intuitivo

Pensemos en AlphaZero, el brillante algoritmo diseñado por DeepMind: AlphaZero no se volvió invencible porque pudiera describir el ajedrez, sino porque actuaba, veía las consecuencias de sus acciones y tenía un objetivo inequívoco: ganar.

DeepMind explica que aprendió, mediante ensayo y error repetido, a favorecer movimientos que aumentaban sus posibilidades de ganar. Las empresas tienen objetivos mucho más complicados que el ajedrez, evidentemente, pero el principio se mantiene: aprender requiere retroalimentación vinculada a un objetivo.

La parte difícil es elegir el marcador: «aumentar las ventas» claramente no basta. ¿Y el margen? ¿Y la tasa de abandono, o las devoluciones, o el cumplimiento normativo, o la imagen de marca? Al establecer objetivos, múltiples objetivos pueden (y de hecho suelen) entrar en conflicto. Y esos conflictos no son solo problemas de ingeniería: son problemas de dirección. Por tanto, los consejos y los directivos tienen que decidir qué debe mejorar, qué no puede sacrificarse nunca bajo ninguna circunstancia, o qué compromisos podrían aceptarse. En cuanto los sistemas puedan optimizar continuamente, el propio objetivo se convierte en una decisión de gobernanza.

Como vimos en mi artículo anterior, algo tiene que llevar el timón. Pero no solo eso: llevar el timón solo tiene sentido si hay un destino claro y una forma de medir el progreso hacia él. Así que estamos pasando de la inteligencia, a la dirección, al establecimiento de objetivos y, finalmente, al aprendizaje. La función de control que falta debe aprender de episodios empresariales repetidos orientados a un objetivo explícito.

Las preguntas del CEO

Lo que creo que los CEO deberían preguntarse es: «¿qué está optimizando exactamente nuestra inteligencia artificial?», o «¿cómo sabremos si sus acciones mejoraron el negocio?», o «¿cambia lo que aprende de esos resultados lo que hace la próxima vez?» Si los directivos no pueden responder a esas preguntas de manera adecuada y competente, me temo que «autónomo» puede significar simplemente «actividad no supervisada». Buena suerte.

«Suficientemente inteligente» no es lo mismo que «apuntando en la dirección correcta». La próxima generación de inteligencia artificial empresarial necesitará más que inteligencia y más que autonomía. Necesitará un cuadro de mando y, sobre todo, la capacidad de aprender de él.

Tenlo en cuenta.

(This article was previously published on Fast Company)

Una comunicación de OpenAI en la que anunciaba la previsión de obtener unos 50,000 millones de dólares de ingresos anualizados a finales de septiembre, frente a los aproximadamente 70,000 millones de dólares anunciados anteriormente, se ha convertido en toda una tormenta bursátil y en inversores buscando refugio ante un supuesto estallido de la burbuja. Como ya he dicho anteriormente, sí, existe una burbuja, pero el anuncio de OpenAI no prueba eso, ni mucho menos. Esa cifra no corresponde a los ingresos reales de 2026 ni mucho menos a una previsión formal anual: es, simplemente, el resultado de extrapolar a doce meses el ritmo observado en un período muy breve, y no se trata de que OpenAI haya «perdido» 20,000 millones de dólares.

En la práctica, esos 20,000 millones de dólares simplemente han cambiado de definición. Mientras Anthropic contabiliza como ingreso bruto todo lo que sus clientes pagan a través de AWS o de Google Cloud, y después anota la comisión de esos proveedores como un coste, OpenAI contabiliza sólo su parte. La cifra original de 70,000 millones se corresponde en realidad con un intento de comparar la cifra de OpenAI con Anthropic cuando, aunque ambas prácticas contables cumplan las reglas, no dan lugar a cifras comparables.

Pero ahora mismo, el dato verdaderamente importante no es ese, sino la reacción del mercado: siguiendo a ese anuncio, el Nasdaq 100 perdió un 1.4%; Nvidia bajó un 2.9%, Oracle un 5.5%, Micron un 4.8% y CoreWeave casi un 8%. Decenas de miles demillones de dólares en capitalización se van a paseo por una simple aclaración contable que, aunque cuantitativamente importante, carece completamente de trascendencia. ¿En qué tipo de mercado estamos cuando nos llevamos semejante bofetada por culpa de un anuncio de una cifra no auditada por parte de una compañía privada?

Por otro lado, OpenAI pretende captar otros 30,000 millones con una valoración que ronda los 1.4 billones de dólares, unas 28 veces sus ingresos anualizados, antes de empezar a hablar de beneficios (que no tiene). Según el Financial Times, va a quemar 278,000 millones entre 2026 y 2030 solo para mantener su actividad y los suntuosos sueldos de sus empleados, mientras gasta alrededor de 856,000 millones en computación e infraestructura. Los 122,000 millones que captó en marzo solo le dan un colchón financiero que termina en 2028. Y para terminar de fastidiar la cuestión, si OpenAI no alcanza su crecimiento esperado, no está claro cómo va a pagar los contratos a compañías como Nvidia, Oracle, Microsoft o Amazon. El riesgo es cada vez más generalizado y más sistémico.

Las cifras, esos 50,000 millones anualizados, siguen siendo una cifra importante. El ritmo total creció un 77% en el último trimestre, y el del mercado empresarial, un 107%. La demanda no está desapareciendo, la inteligencia artificial no es ni mucho menos humo calentito. Pero que una tecnología funcione no implica que no pueda estar rodeada de chalados que hacen valoraciones exageradas, que se endeudan irracionalmente o que pretenden sostener expectativas demenciales. De hecho, todo indica que estar chalado es lo que se lleva.

Lo vimos con internet: transformó completamente el mundo, aunque también se llevó por delante muchas fortunas y generó muchas otras. Muchos inversores están empezando a reducir su exposición a las acciones más vinculadas a la inteligencia artificial y a buscar refugio en sectores y mercados menos correlacionados. Al final, lo preocupante no son esos 20,000 millones de desfase, sino constatar la cantidad de compromisos financieros muy reales que se han levantado sobre cifras que nadie puede auditar ni comprobar.

In English on Medium, «When OpenAI appears to falter, Wall Street panics«