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.

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«

No he visto todavía «The Social Reckoning«, la película que Aaron Sorkin ha escrito y dirigido sobre las revelaciones de Frances Haugen y la investigación de Jeff Horwitz para The Wall Street Journal. Las primeras críticas dicen que no alcanza la complejidad de «The Social Network«, que es demasiado solemne y que su Mark Zuckerberg, interpretado por Jeremy Strong, es poco más que una encarnación del mal, un villano de tebeo sin matices.

¿Y qué?

Una caricatura deforma la realidad exagerándola. Pero llega un momento en que la realidad se ha vuelto tan grotesca que pretender añadirle matices no la hace más verdadera, sino más cómoda. Zuckerberg no es un pobre chico socialmente inepto y bastante sociópata que perdió el rumbo mientras construía una empresa demasiado grande. Es un adulto que lleva más de veinte años tomando decisiones perfectamente conscientes, disponiendo de información que los demás no teníamos y escogiendo, una y otra vez, el crecimiento, el dinero y el poder.

Los Facebook Files demostraron que la compañía sabía que Instagram dañaba la salud mental de muchas adolescentes, que sus algoritmos premiaban la ira y la división, que traficantes y delincuentes utilizaban sus plataformas y que estas contribuían a la polarización política y a la violencia étnica. Lo sabía. Perfectamente. Sus propios investigadores se lo habían explicado. Y, cuando proteger a las personas implicaba reducir la interacción y, con ella, los ingresos, la protección perdía.

En Myanmar, Amnistía Internacional documentó cómo los algoritmos de Facebook amplificaron el odio contra los rohinyás y contribuyeron a crear las condiciones para atrocidades reales. En los Estados Unidos, la FTC impuso a Facebook una sanción de cinco mil millones de dólares por engañar a sus usuarios sobre la privacidad. Y este mismo año, una sentencia en Nuevo México ha considerado las plataformas de Meta un perjuicio público (como no podía ser de otra manera), ha contabilizado 75,000 infracciones de la legislación estatal y ha impuesto a la compañía 942 millones de dólares entre sanciones y medidas de reparación.

A estas alturas, presentar a Zuckerberg como un psicópata empresarial y un sinvergüenza no me parece una simplificación dramática, sino una conclusión moral perfectamente razonable sobre la que llevo años hablando. El relato desde dentro que ofrece Sarah Wynn-Williams en «Careless People«, calificado por el Financial Times como una crónica sobre una compañía carente de integridad, completa un retrato difícilmente compatible con la idea de un simple empresario que cometió «algunos errores».

Por eso, gracias, Aaron Sorkin, y gracias, Sarah Wynn-Williams, por hacer lo que habéis hecho. La película podrá ser buena, mala o mediocre: eso ya tendremos oportunidad de juzgarlo. Pero necesitamos historias que expliquen al público quién controla esas pantallas que condicionan lo que pensamos, sentimos y votamos. Necesitamos poner rostro a la irresponsabilidad, porque Meta no es una abstracción ni un algoritmo caído del cielo. Es el producto de un asqueroso psicópata que ha hecho muchísimo daño a la sociedad.

Por el momento, podemos ver estos dos trailers de la película:

Zuckerberg conserva el 60.8% de los derechos de voto en Meta. No puede esconderse detrás de su consejo de administración, de sus ejecutivos ni de sus relaciones públicas. Hace mucho tiempo que pienso una persona responsable de semejante acumulación de daño debería estar respondiendo ante la justicia penal. Pero no, no está en la cárcel. Sigue siendo presidente y consejero delegado de Meta.

Y encima, es multimillonario. Gracias al descomunal daño que nos ha hecho a todos, a infinidad de personas individuales y a la sociedad, ha conseguido ser un maldito multimillonario. Como para no odiarlo.

In English on Medium, «Thank you, Aaron Sorkin«

Llevo un cierto tiempo especulando sobre lo que va a suponer la irrupción de la inteligencia artificial en la ciberseguridad, esa idea del hacker con paciencia infinita y tiempo expresado en milisegundos capaz de encontrar cualquier agujero si existe (que siempre existen) y entrar en el sistema que le dé la real gana. Por eso me ha parecido interesante el artículo de Matteo Wong en The Atlantic, «How long until AI hacks everything?», en el que analiza cómo las organizaciones que antes disponían de alrededor de un mes para aplicar un parche a una vulnerabilidad recién revelada han visto, en muy poco tiempo, cómo ese plazo se reduce a 24 horas y cómo muy pronto podría llegar a ser de sólo treinta minutos.

No, la inteligencia artificial no ha inventado las vulnerabilidades. Pero sí está eliminando el tiempo y el coste que antes nos permitían convivir razonablemente con ellas, con tiempos que los encargados de la ciberseguridad en las empresas y las instituciones podían gestionar. Durante las últimas décadas, desde la popularización de internet, lanzar un ataque a un sistema requería no sólo conocimientos muy especializados, sino también mucho tiempo y paciencia. Ahora, un agente especializado está cada vez más al alcance de cualquiera, y ese agente es perfectamente capaz de analizar software, de generar código para aprovechar una vulnerabilidad, y de probarlo contra unos cuantos miles de objetivos. De repente, cualquiera, sea una pequeña empresa, un ayuntamiento o incluso un usuario concreto pueden pasar a ser objetivos potencialmente rentables, porque el coste marginal de atacarlos tiende a cero.

El número de vulnerabilidades divulgadas se ha más que duplicado desde las 5,045 en enero de 2026 a las 10,740 en agosto, y aunque únicamente un 0.23% de ellas fueron explotadas, eso ya supone pasar de una media mensual de 10.5 en 2025 a 18 en 2026. Y estamos al principio de la historia, que nadie lo dude. Pero donde está realmente el cambio drástico es en el tiempo que tenemos para reaccionar: el 88% de los ataques contra vulnerabilidades con una prueba de concepto pública tuvo lugar durante las primeras 48 horas, y algunos grupos vinculados a China llegaron a actuar en menos de 24. Hubo incluso una campaña automatizada documentada por Google que fue construida y ejecutada en menos de seis horas.

Para alguien que quiere lanzar un ataque de manera automatizada, las consecuencias son prácticamente nulas. Pero para el que intenta defenderse de él, puede implicar tener que lanzar actualizaciones de forma precipitada, detener sistemas y provocar la parada de funcionalidades críticas. En un hospital, por ejemplo, puede implicar interrumpir diagnósticos, la dispensación de medicamentos o tratamientos oncológicos. De hecho, la American Hospital Association recomienda que los hospitales se preparen para ser capaces de mantener la atención a sus pacientes durante períodos de treinta días o más sin ningún tipo de sistema conectado. ¿Sería tu compañía capaz de hacer algo así? Lo digital es, ya desde hace mucho tiempo, una infraestructura crítica para casi todas las compañías.

Para terminar de empeorar la historia, resulta que además, las propias organizaciones están aumentando dramáticamente sus superficies de ataque al desplegar de forma generalmente poco rigurosa agentes con acceso a credenciales, chatbots conectados a datos internos, empleados que utilizan cuentas de inteligencia artificial fuera del control corporativo, y aplicaciones improvisadas mediante vibe coding porque «mira qué fácil es». La inteligencia artificial corporativa ha pasado de ser herramienta, a ser objetivo y canal de acceso, todo a la vez.

Las intrusiones en páginas y servicios del gobierno australiano el pasado junio demuestran que el problema no se soluciona simplemente instalando el enésimo producto o suite de seguridad. A raíz de estos incidentes, el gobierno australiano ordenó a todos sus organismos identificar y retirar todos sus sistemas tecnológicos obsoletos: ahora, la deuda técnica ya no es simplemente una molestia contable, es una auténtica amenaza nacional.

Según el artículo, la única forma de protegernos de la inteligencia artificial es con inteligencia artificial. Como frase, no está mal, pero la realidad es mucho más compleja: lo que vamos a necesitar son agentes defensivos, pero también inventarios fiables, sistemas redundantes, segmentación, capacidad de seguir funcionando manualmente y productos seguros desde su diseño. La inteligencia artificial no es la responsable de haber creado nuestra inseguridad, pero ha conseguido que ya no podamos seguir aplazando sine die su solución. Ya no nos va a dar tiempo ni siquiera a intentar cerrar la puerta.

In English on Medium, «The time to close the cyberattack door is shrinking fast»

Un interesante artículo de Shira Ovide en The Washington Post, «The unexpected ways that AI is reshaping the U.S. economy«, expone las formas en las que la economía norteamericana está haciéndose cada vez más dependiente del boom de la inteligencia artificial, y hasta qué punto está empezando a afectar ya no sólo al sector tecnológico, sino también a otros que van desde la publicidad, la energía, la industria o hasta el mercado inmobiliario.

Hablamos de una colección de efectos indirectos o de segundo orden que van mucho más allá de lo que inicialmente podría parecer obvio: la construcción de enormes centros de datos, por ejemplo, está provocando un fuerte incremento del empleo industrial, un fuerte incremento de salarios, y una demanda desmesurada de componentes de repente convertidos en fundamentales: desde turbinas de gas hasta cuadros eléctricos, cableado, sistemas de refrigeración y muchos otros componentes especializados, convirtiendo la fabricación de material eléctrico en una de las dos únicas grandes áreas de la manufactura estadounidense, junto con el material de transporte, impulsado fundamentalmente por la industria aeroespacial, que mantienen crecimientos netos positivos. Lo mismo ocurre con la demanda de espacio de oficinas en ciudades como San Francisco o Nueva York, en donde las empresas de inteligencia artificial han demandado más de doscientos mil metros cuadrados, más del doble de la demanda total de la industria durante el 2025 y el 31.3% del total del mercado en el primer semestre del 2026.

La demanda de energía está llevando a las turbinas de gas a convertirse, a pesar de producir energía cara y muy contaminante, en objetos de elevadísima demanda, con algunos centros de datos llegando incluso a la locura de ir a buscar soluciones utilizando motores de aviación, con tal de ponerlos en funcionamiento sin tener que esperar años a su conexión a la red.

La publicidad también está experimentando un momento dorado: las compañías de inteligencia artificial están invirtiendo muchísimo para dar a conocer su oferta entre todo tipo de públicos, y a la vez, están contribuyendo fuertemente a la automatización de tareas de creación, segmentación y adquisición de anuncios: se prevé que la publicidad gestionada utilizando inteligencia artificial crezca un 63% en 2026, hasta llegar a los 57,000 millones de dólares.

¿Qué suponen todos estos efectos indirectos? Actividad, sin duda, pero no una transformación equivalente de la productividad. Según la Reserva Federal, estamos en una fase de construcción masiva, con efectos concentrados en la inversión, pero con señales aún muy limitadas de una transformación general de la producción y del empleo. La financiación de la infraestructura necesaria para la inteligencia artificial se está convirtiendo a todos los efectos en el gran proyecto nacional estadounidense: más de 10.3 billones de dólares de inversión entre 2025 y 2032, con una media anual equivalente al 3.63% del PIB del país, financiada además fundamentalmente con deuda, crédito privado, vehículos crediticios especiales y apuntes fuera de balance. Según Deloitte, la inversión tecnológica ha generado una cuarta parte del crecimiento real desde 2023, y en torno a la mitad desde 2025, dando lugar a un problema central: que fabricantes, constructoras, energéticas, propietarios inmobiliarios, plataformas publicitarias y mercados financieros están incorporando la supuesta continuidad de ese gasto a sus expectativas de futuro.

En esta situación, ¿qué podría ir mal? No es ni siquiera necesario que la inteligencia artificial se la pegue o que resulte ser una enorme burbuja: simplemente con que la inversión se ralentice un poco y no siga creciendo al ritmo que se espera, ya tendríamos una crisis con menos construcción, menos pedidos industriales, caída de las acciones tecnológicas, reducción del efecto riqueza y contracción del gasto publicitario. De hecho, el FMI ya advierte sobre una posible reversión de valoraciones, una destrucción de riqueza y un efecto de contagio a través de las relaciones financieras circulares entre un pequeño grupo de compañías: según el BIS, más de la mitad de la inversión recibida por las empresas de inteligencia artificial entre 2021 y 2025 procedió de otras compañías del mismo ecosistema: el proveedor invierte en su cliente para que este le compre, el cliente promete adquisiciones futuras que permiten financiar nuevas infraestructuras, y esas operaciones se utilizan después como prueba de que la demanda continúa creciendo. Si los ingresos procedentes de clientes externos no terminan apareciendo al ritmo previsto, toda esa circularidad puede convertirse en un auténtico castillo de naipes.

El resultado es una fragilidad extrema: Estados Unidos no está únicamente apostando por una tecnología, sino haciendo depender una parte cada vez mayor de su economía de que esa apuesta siga acelerándose sin pausa. Y ojo, no hablamos de que la tecnología sea falsa o no vaya a funcionar, sino de que una apuesta tecnológica perfectamente real puede llegar a hacer que toda la economía de un país sea cada vez menos resiliente. Algo que permite entender muchas cosas… y también imaginar la magnitud de la bofetada económica que podría provocar una simple desaceleración.

In English on Medium, «America is betting on AI investment to continue growing at the present rates: that’s not realistic»

Hace pocos días, dos estudiantes a los que estoy actualmente dando clase me comentaron que tenían una oferta de muchísimo dinero por la compañía de infraestructura de inteligencia artificial que habían creado, pero que la contrapartida de esa oferta era que tenían que radicarse tanto ellos como su compañía en China. Los estudiantes, alemán e indio, parecían bastante decididos a decir que no a la oferta, y tratando de buscar alternativas que les permitiesen vender la compañía, sí, pero poder seguir residiendo en Europa, en los Estados Unidos… o prácticamente en cualquier otro lugar del mundo, menos en China.

¿Cuál es la importancia real del entorno cultural o político en estas decisiones? Para cualquier persona de casi cualquier lugar del mundo, plantearse residir en una ciudad china supone un dilema cultural que para muchos es insalvable. Probablemente es poco real: en la práctica, las ciudades chinas son entornos muy seguros y tranquilos, no más o menos agradables que otras ciudades comparables, y en los que se pueden alcanzar condiciones de vida más que razonables, con todo tipo de bienes de consumo a tu disposición. Sin embargo, la idea de hacerlo resulta enormemente difícil de plantear, y seguramente no tenga tanto que ver con cuestiones políticas, como vivir bajo un régimen no democrático, como por una simple cuestión de idioma o distancia cultural.

En la carrera por el talento en la inteligencia artificial, esto se traduce en una desigualdad enorme: mientras países como los Estados Unidos, que han conseguido vender la idea del «sueño americano» y pintarse a sí mismos como una especie de «tierra prometida», reciben muchísimos inmigrantes chinos cada año y edifican sus compañías de inteligencia artificial en torno al talento chino, el número de trabajadores que llevan a cabo el camino inverso es, a pesar de los esfuerzos del gobierno chino, minúsculo. La probabilidad de que un estudiante o un emprendedor brillantes nacidos y crecidos en el mundo occidental tomen la decisión de emigrar a China sigue siendo bajísima como lo ha sido prácticamente toda la vida. El visado K para jóvenes profesionales científicos y tecnológicos, introducido en octubre de 2025: demuestra que el gobierno ya ha identificado el problema y está intentando actuar. Pero a pesar de los progresos del país en términos de renta per cápita, de liberalización económica o de indicadores de bienestar, tenemos una imagen de China que, a pesar de los incentivos, no ayuda en absoluto a su consideración como destino. China registró oficialmente apenas 845,697 residentes extranjeros en su censo de 2020, dentro de una población de más de 1,400 millones de personas.

Pero sería demasiado cómodo atribuirlo todo a una simple cuestión de idioma, distancia cultural o a una imagen anticuada del país. Para alguien que trabaja en inteligencia artificial, cuestiones como el acceso a información, la libertad de investigación, la seguridad jurídica, la movilidad del capital o la posibilidad de abandonar el país si cambian las circunstancias no son abstracciones políticas: forman parte de sus condiciones de trabajo. China puede ofrecer seguridad, infraestructuras y salarios extraordinarios, pero todavía no ofrece el mismo grado de previsibilidad institucional que muchos profesionales creen encontrar, con razón o sin ella, en los Estados Unidos o en Europa.

Por supuesto, esto supone una desventaja importante en términos de atracción de talento, aunque esté edificada sobre premisas erróneas. La idea de que los Estados Unidos son una especie de «tierra de promisión» se desvanece rápidamente cuando ves el tratamiento que la actual administración y una parte de la sociedad norteamericana ofrecen a los inmigrantes. En muchos casos, suficiente para hacer que cada vez más estudiantes extranjeros, particularmente aquellos que pertenecen a lo que podríamos considerar, en contexto norteamericano, «minorías visibles», se planteen alternativas a las otrora imbatibles universidades americanas. Pero ante una oferta seria para construir una vida personal o profesional en el país, en cambio, parece que pocos se lo piensan.

La buena noticia para China es que, en cualquier caso, parece que pueden vivir del talento que ellos mismos son capaces de crear: una política educativa planteada a largo plazo ha hecho que el país genere más graduados competitivos en STEM que ningún otro país del mundo seguida de cerca por la India, y que disfruten del mayor surplus de graduados en disciplinas como ingeniería, computación, matemáticas, física y disciplinas similares del mundo. De hecho, gran parte de los esfuerzos del gobierno chino se dirigen no únicamente a atraer investigadores brillantes de otros países, como a conseguir que los suyos no tengan que plantearse emigrar y encuentren incentivos adecuados para desarrollar su carrera profesional en China. Algo que, por otro lado, parecen también estar consiguiendo: muchas de las compañías chinas más comentadas últimamente tienen como característica común el haber sido fundadas por personas nacidas, criadas y educadas en China, que no han necesitado en absoluto salir del país para triunfar.

¿En qué momento cambia esa narrativa? ¿Qué tiene que plantearse China para romper con esa idea de que los Estados Unidos o Europa son sitios a los que resulta muy razonable y deseable emigrar, pero China, en cambio, no lo es bajo ningún concepto? ¿Hasta qué punto juega ahí el factor político de vivir en un régimen no democrático? ¿Qué tiene de realidad la idea de que vivir en China es algo prácticamente impensable?

China puede comprar talento y puede facilitar visados, pero la verdadera barrera no es económica. Para convertirse en un polo global de inmigración cualificada tendría que conseguir que trasladarse allí no fuese percibido como una decisión irreversible, que investigar no exigiese aceptar límites difíciles de anticipar y que emprender no dependiese de una relación cambiante con el poder político.

En la historia, hemos visto cómo países con entornos culturales diferentes, como Oriente Medio, se convertían en potentes polos de atracción de trabajadores cualificados y no cualificados gracias a políticas muy concretas y a inyectar grandes cantidades de dinero y de incentivos. Los Emiratos demostraron que el dinero puede compensar muchas distancias culturales. La pregunta es si puede compensar también la ausencia de libertades y de confianza institucional. Hasta ahora, la respuesta parece ser que no. ¿Tiene China que plantearse estrategias similares a las que, en su momento, se plantearon los Emiratos Árabes, para conseguir que muchos trabajadores se desplazasen a lo que eran, literalmente, dictaduras en el medio del desierto? ¿Es comparable el caso? En el momento en que la emigración a China deje de ser simplemente cuestión de casos muy aislados y comience a ser algo mínimamente representativo, apoyado en historias de éxito, las cosas podrían cambiar, pero… ¿cómo de lejos estamos de ese momento y qué podría hacer China para conseguirlo?

In English on Medium, «Would you move to China to grow your AI startup?»

Un interesante artículo en MIT Technology Review, «People really hate AI, so why can’t they get enough?» plantea una paradoja aparentemente desconcertante: mientras la percepción pública de la inteligencia artificial empeora rápidamente y hasta los estudiantes abuchean a los conferenciantes en sus ceremonias de graduación cuando la mencionan, su uso no deja de crecer. La gente dice que la inteligencia artificial le preocupa, que avanza demasiado deprisa y que puede perjudicar a la sociedad, pero abre ChatGPT, Gemini o Claude cada vez más veces al día. ¿Hipocresía? ¿O una nueva forma de adicción tecnológica?

Probablemente no se trate de ninguna de las dos cosas. Lo que nos está pasando es bastante más sencillo: las personas pueden valorar una herramienta y, al mismo tiempo, desconfiar profundamente de quienes la fabrican, de cómo pretenden introducirla en sus vidas y de las consecuencias de hacerlo. Los números pintan esa aparente contradicción de forma bastante clara: según Pew Research Center, el 49% de los adultos estadounidenses utiliza ya algún chatbot y el 24% lo hace diariamente, mientras un 63% considera que la inteligencia artificial avanza demasiado deprisa. La OCDE estima que más de un tercio de los ciudadanos de sus países utilizó inteligencia artificial generativa durante 2025. Al mismo tiempo, el AI Index de Stanford señala que el 59% cree que los beneficios superan a los inconvenientes, pero también que el 52% se siente nervioso ante esta tecnología.

En España ocurre exactamente lo mismo: un estudio de la Universidad de Melbourne y KPMG muestra que el 72% de los españoles acepta o aprueba la inteligencia artificial y el 71% ha experimentado u observado beneficios derivados de su uso. Pero el 85% teme posibles consecuencias negativas para ellos o para la sociedad, y el 82% reclama regulación. Esto no es una contradicción: es una posición perfectamente razonable.

Una cosa es pedir a un modelo que resuma un documento, traduzca un texto, explique un concepto o ayude a programar, y otra muy distinta aceptar que unas pocas compañías rediseñen el trabajo, la educación, la creación cultural o el acceso a la información sin pedirnos permiso a nadie. Una cosa es utilizar una herramienta, y otra otorgar legitimidad a la industria que la controla, en la que unos pocos multimillonarios conocidos por su nombre de pila y que parecen ya ni necesitar apellidos se repartan el mundo tranquilamente. Uso no equivale a consentimiento.

La industria, además, ha hecho casi todo lo posible para generar cada vez más rechazo: ha introducido inteligencia artificial en buscadores, teléfonos, televisores, aplicaciones y sistemas operativos aunque nadie la hubiese pedido, ha entrenado sus modelos con enormes cantidades de contenido robado a todos nosotros, ha convertido el consumo de energía y agua de sus centros de datos en un problema político y medioambiental, y ha acompañado todo ello con una narrativa grandilocuente que promete transformar o destruir millones de empleos. Y después, sus directivos aparentan estar sorprendidos porque la gente no solo no les da las gracias, sino que tiran cócteles Molotov en la fachada de sus mansiones.

La oposición tampoco es abstracta. Gallup afirma que el 71% de los estadounidenses se opondría a la construcción de un centro de datos de inteligencia artificial cerca de su domicilio, más que los que rechazarían una central nuclear. Más de mil comunidades han tratado ya de limitar este tipo de instalaciones, hasta afectar a proyectos valorados en más de doscientos mil millones de dólares. Cuando la factura eléctrica sube, el agua escasea y el paisaje se llena de gigantescas naves industriales que liberan calor y gastan como condenadas, la nube deja de repente de parecer algo etéreo y se hace más terrenal. Asquerosamente terrenal.

El rechazo resulta especialmente intenso entre los jóvenes, que por otro lado son precisamente quienes más utilizan estas herramientas. Como explica el Financial Times, muchos temen que una tecnología presentada como instrumento para hacerlos más productivos termine, en realidad, reduciendo el valor de sus conocimientos, deteriorando su aprendizaje o haciendo más precario su futuro profesional. Utilizan inteligencia artificial porque no hacerlo puede dejarlos atrás, pero no necesariamente porque les guste el mundo que sus promotores están construyendo.

Con las redes sociales ya aprendimos que miles de millones de usuarios podían utilizar diariamente un producto y, sin embargo, detestar a la compañía que lo gestiona. La dependencia, los efectos de red y la ausencia de alternativas convierten el uso en una medida de aprobación pésima. Con la inteligencia artificial podemos estar reproduciendo el mismo error, pero a una escala mucho mayor.

La adopción de una tecnología no garantiza su legitimidad. Esa legitimidad solo llegará si las compañías ofrecen transparencia, alternativas, capacidad real de elección, protección de datos y mecanismos para exigir responsabilidades. Si continúan confundiendo utilización con entusiasmo, terminarán descubriendo que se puede construir una tecnología extraordinariamente útil y, al mismo tiempo, una industria profundamente impopular que todos terminemos odiando.

In English on Medium, «We all use AI, but that doesn’t mean we like the industry behind it«

Lo sé, mi titular puede parecer intencionadamente provocativo, casi clickbait. Pero no lo es en absoluto. A día de hoy, con lo que sabemos y con lo que estamos averiguando a medida que más personas implicadas van hablando, OpenAI tiene necesariamente que perder el derecho a autorregularse. El riesgo no es en absoluto hipotético: ha habido acceso no autorizado por parte de agentes de la compañía a sistemas reales de otras empresas, instituciones y gobiernos, y en absoluto son incidentes aislados: según Reuters, The Register y The Guardian, hablamos de más de cien organizaciones notificadas por posibles actividades no autorizadas, aunque la notificación no implique necesariamente que se produjera una intrusión o acceso a información privada, y la cifra podría aumentar a medida que avance la investigación.

La cuestión no debe plantearse necesariamente como «vamos a cerrar OpenAI», aunque no es una posibilidad a excluir dado el rango de barbaridades que la compañía ha cometido jugando irresponsablemente con una tecnología como la inteligencia artificial, pero sí que tenemos que retirarle la libertad para entrenar y desplegar determinados sistemas sin supervisión. Simplemente, ha demostrado de manera fehaciente no estar a la altura para merecer esa libertad.

Concretamente, ¿qué evidencia que OpenAI es una compañía peligrosa para la sociedad? Primero, que unos 1,200 agentes aislados pudieron descubrir cómo comunicarse, que 700 participaron en ataques, y que generaron más de 70,000 mensajes y archivos, mientras en la compañía no tomaban ninguna medida ni hacían absolutamente nada. Esos agentes obtuvieron credenciales, acceso administrativo, datos privados y capacidad de ejecución en servidores ajenos. En OpenAI, mientras, se desactivaron controles y la monitorización estuvo ausente de manera reiterada, incluso después de saber que había tenido lugar una primera fuga. Que la revisión retrospectiva de la cuestión le esté costando a OpenAI más de $500,000 diarios sólo prueba una cosa: que la compañía no tenía ni la más maldita idea de qué estaban haciendo sus propios sistemas. Completamente inaceptable. O como bien dice Arthur Mensch, co-fundador de la europea Mistral, pura y simple negligencia.

Lo que esto evidencia es que el problema real no es tecnológico, sino institucional: según David Robinson, un responsable de seguridad de OpenAI que dimitió la semana pasada, la cultura de la compañía está rota, y es ahora una cultura de lanzamientos permanentes, optimismo completamente irreflexivo y abuso del «ensayo y error», incluyendo despidos para los que afean esta forma de actuar: claramente, el incentivo es «ver y callar». Una panda de empleados millonarios que, con tal de seguir embolsándose su sueldo mensual, están dispuestos a lo que sea.

Mientras OpenAI y sus empleados capturan el beneficio, otras compañías, instituciones y hasta gobiernos se ven obligados a soportar un riesgo completamente arbitrario: ni sabes si te toca, ni por qué te toca, ni cómo diablos protegerte. La carrera competitiva, una valoración de hasta 1,4 billones de dólares y los enormes incentivos económicos de accionistas, directivos y empleados son incompatibles con la posibilidad de frenar voluntariamente. Riesgos legales, demandas, investigaciones, responsabilidad jurídica o conflicto interno: todo da lo mismo con tal de continuar exprimiendo la cosa. Como bien dice Wired, ninguna industria peligrosa se ha impuesto nunca voluntariamente sus propios cinturones de seguridad. Esto es, simplemente, un fallo que el mercado no puede corregir.

¿Qué significaría exactamente intervenir y detener a OpenAI? En primer lugar, imponerle una pausa cautelar selectiva para el entrenamiento de modelos de frontera, de agentes con capacidades autónomas y de sistemas con acceso abierto a internet. No hablamos de «apagar ChatGPT», de cerrar las vías de ingresos de la compañía, ni nada por el estilo. Pero las condiciones para reanudar la actividad tendrían que incluir evaluaciones independientes obligatorias, entornos aislados físicamente con salida a internet denegada por defecto, interruptores externos, redundantes y fuera del control del modelo, acceso mínimo, credenciales efímeras y trazabilidad total e incondicional. Un supervisor externo permanente tendría que tener acceso total a modelos, registros e incidentes, con poder real para suspender entrenamientos y lanzamientos, y publicación de informes técnicos con plazos de corrección obligatorios. Y además, notificación inmediata a autoridades y afectados, responsabilidad del desarrollador por las acciones del agente, seguro o garantía financiera obligatoria, y protección legal de posibles denunciantes, con revisión independiente de los despidos.

De hecho, ya hay instrumentos para este tipo de medidas: California ha enviado una citación formal a OpenAI, Florida ha solicitado detener judicialmente el desarrollo sin salvaguardas independientes, LASST pide una prohibición cautelar, no una indemnización, Australia ha iniciado una revisión gubernamental de legislación, gobernanza y respuesta a incidentes, y la Unión Europea ya exige a los modelos de riesgo sistémico evaluación, mitigación, ciberseguridad y comunicación de incidentes. Las herramientas están ahí, sólo tenemos que usarlas.

Además, y como resulta ya evidente, OpenAI debe ser el primer caso, pero no la única compañía en ser regulada: Anthropic y Meta han sufrido fallos relacionados: detener solo a OpenAI trasladaría la carrera y el riesgo. Lo que claramente hay que hacer no es prohibir la innovación, sino invertir la carga de la prueba: hasta ahora: desarrollaban primero, corregían después. En lo sucesivo, de forma obligatoria y so pena de fuertes sanciones, tendrán que demostrar control antes de desarrollar o desplegar.

Una empresa incapaz de saber qué hacen sus propios sistemas no puede seguir decidiendo si esos sistemas son seguros. No necesitamos otra advertencia: necesitamos actuar ya.

In English on Medium, «OpenAI is out of control; it’s time for the regulators to step in»