La primera etapa de la inteligencia artificial generativa se vendió con una idea muy cómoda para las empresas: probar era barato. Un chatbot interno, un asistente para soporte, un copiloto para programadores o una herramienta de análisis documental podían desplegarse con APIs, sin comprar infraestructura y con costes por token que parecían asumibles. El problema es que muchas organizaciones confundieron
Anthropic ha vivido una de esas semanas que cambian la percepción de una compañía. En apenas unos días ha fichado a Andrej Karpathy, una de las figuras más respetadas del sector; ha confirmado expectativas de crecimiento que apuntan a su primer trimestre con beneficio operativo; y, según Bloomberg, estaría cerrando una ronda superior a 30.000 millones de dólares con una
DeepSeek vuelve a tensar el mercado de la inteligencia artificial generativa con una decisión que puede tener más impacto que muchos anuncios de nuevos modelos: hacer permanente la rebaja del 75 % en el precio de su modelo DeepSeek-V4-Pro. La compañía china convierte así una promoción temporal en nueva referencia comercial, con una tarifa API que deja el coste de
La inteligencia artificial generativa ha vivido sus primeros años empresariales bajo una promesa cómoda: cada modelo sería más potente, cada herramienta más útil y cada token más barato. Esa narrativa empieza a mostrar grietas. El problema no es que las compañías no encuentren valor en la IA, sino que empiezan a descubrir cuánto cuesta cuando deja de ser un piloto
Google DeepMind ha presentado Gemini 3.5 Flash con una promesa que va más allá de la velocidad. El nuevo modelo no se vende solo como una versión más rápida y barata de la familia Gemini, sino como una pieza pensada para ejecutar flujos de trabajo complejos con agentes, programación y uso de herramientas. Y ahí aparece el dato que ha
La Inteligencia Artificial suele ser buena encontrando argumentos para que una idea parezca viable. Si se le pide validar un proyecto, un lanzamiento o una estrategia, con frecuencia devuelve una respuesta razonable, amable y algo optimista. El problema es que muchas decisiones importantes no fracasan por falta de entusiasmo, sino por puntos ciegos que nadie quiso mirar a tiempo. Ahí
Durante meses, muchas empresas han tomado una decisión casi automática: pagar una API comercial, integrar el modelo dominante del momento y dejar para más adelante la discusión sobre costes, dependencia tecnológica o control de datos. Ese enfoque funcionaba cuando la Inteligencia Artificial era un piloto, una capa experimental o una función secundaria. Pero empieza a quedarse corto cuando los modelos
En 1995, Pixar hizo algo que entonces parecía casi imposible: estrenar el primer largometraje animado íntegramente por ordenador. Toy Story duraba 77 minutos, tenía 1.560 planos y necesitó unos 114.000 fotogramas finales. La película requirió cuatro años de trabajo y alrededor de 800.000 horas de máquina solo para producir el corte final. Su granja de render estaba formada por 117
La inteligencia artificial prometía abaratar el desarrollo de software, pero la primera factura seria empieza a contar otra historia. GitLab ha abierto un debate incómodo para CIOs, CTOs, responsables de ingeniería y compras tecnológicas: cuando los agentes de IA empiezan a programar, revisar código, abrir merge requests y disparar pipelines de forma continua, el coste ya no se mide solo
La industria del trading vive rodeada de herramientas caras. Terminales de datos, plataformas de gráficos, backtesting, feeds en tiempo real, simuladores, alertas, ejecución algorítmica y ahora también agentes de Inteligencia Artificial. La factura puede crecer rápido: una suscripción a TradingView, una plataforma de backtesting, un entorno de datos macroeconómicos, herramientas de automatización y, en el extremo institucional, terminales profesionales como
