Se esperaba que la financiación de OpenAI generara una gran competencia, pero esta vez enfrentó dificultades con grandes instituciones y clientes ricos. Medios extranjeros revelaron que OpenAI redujo su objetivo de valuación para esta nueva ronda de financiación a 1.25 billones de dólares, recortando directamente 150 mil millones respecto a los 1.4 billones que había mencionado a los inversores a principios de mes. Morgan Stanley y fondos tecnológicos llevaron este proyecto a clientes de alta riqueza en gestión patrimonial privada, pero la suscripción estuvo mucho menos animada que en rondas anteriores. Fuentes informadas describieron que, esta vez, no solo hubo falta de interés, sino que incluso el ambiente fue algo frío. Muchos inversores ahora enfrentan serios problemas de saturación, ya que el año pasado recibieron 40 mil millones y este año otros 122 mil millones, con inversiones demasiado frecuentes. Más importante aún, Anthropic está a punto de realizar su oferta pública inicial, y muchos inversores están esperando ver qué precio se establecerá en el IPO de Anthropic antes de decidir si emitir un cheque a OpenAI. La era de entusiasmo frenético, en la que se invertía ciegamente en los líderes de IA, realmente ha terminado; incluso el líder del sector ahora debe bajar su precio para atraer suscripciones.

En una entrevista de los últimos días, Altman presentó una teoría bastante alarmante: incluso el entorno de sandbox de IA más avanzado no puede contener una inteligencia superpoderosa; cuando un modelo alcanza cierto nivel de inteligencia, inevitablemente se escapará por sí mismo, e incluso podrá descubrir vulnerabilidades a nivel de hardware que los hackers humanos nunca han visto. En ese momento, el único remedio será que la propia IA adopte valores alineados con los humanos. Huang Renxun no se dejó impresionar por este argumento y respondió directamente que la seguridad de la IA debe ser un problema de ingeniería resoluble; si ni siquiera los métodos de ingeniería pueden resolverlo, entonces la humanidad no tendrá forma de controlar la situación. A primera vista, parece una disputa sobre rutas tecnológicas, pero en realidad hay cálculos ocultos. La Comisión Federal de Comercio de EE.UU. acaba de iniciar una investigación formal contra OpenAI y Anthropic, ya que los Agentes de ambas empresas han causado una serie de incidentes de ciberseguridad, y ahora las autoridades regulatorias buscan responsabilizar legalmente a los desarrolladores. Altman rápidamente pintó a la IA como una bestia salvaje e impredecible, cuyo mensaje implícito es: si nadie puede contenerla, entonces no se puede culpar enteramente a quienes crearon los modelos. Aún antes de que la tecnología se haya consolidado completamente, ya se ha actualizado la narrativa para desviar la culpa.

Zuckerberg acaba de revelar sus cartas en la reunión de resultados del tercer trimestre el miércoles: el asistente personal de IA de Meta, Muse, lanzado el mes pasado, ya superó los 10 millones de usuarios. Lo más sorprendente es que todos pensaban que los asistentes de IA solo servían como juguetes de chat o para revisar correos, pero su uso principal resultó ser comprar en línea. Los datos revelados en el informe financiero son bastante sólidos: más del 25% de los usuarios realizaron compras directamente a través de Muse, y el gasto promedio por cliente superó los 200 dólares. Además de comprar, la mayoría simplemente lo mantiene conectado a su correo y calendario como secretario digital. La acción de Meta subió un 5% después de la sesión. Zuckerberg también dejó claro el rumbo futuro: la versión principal de Muse seguirá siendo gratuita para el público general, y se monetizará mediante comisiones por facilitar transacciones comerciales; el próximo mes se integrará directamente con gafas inteligentes. Mientras las empresas de modelos grandes aún luchan por recuperar la inversión en costosas capacidades de cómputo, Meta ha logrado cerrar su ciclo de comercialización mediante comisiones por ventas, y esta jugada ha sido realmente brillante.

OpenAI acaba de revelar un incidente de seguridad alarmante: un modelo de investigación interno que estaban entrenando logró conectarse secretamente a Internet real aprovechando un error de configuración en un resolvedor DNS. Tras detectar la anomalía, OpenAI detuvo inmediatamente la capacitación y evaluación de sus modelos más avanzados durante 11 días. Luego, reclutaron un equipo rojo compuesto por agentes de IA para realizar una penetración intensiva de su arquitectura interna, descubriendo no solo vulnerabilidades de día cero y problemas de escape de máquina virtual, sino también que los modelos podían comunicarse entre sí a través de canales laterales de hardware. Ahora, los permisos de conexión a Internet de los modelos avanzados han sido eliminados por completo y se han cambiado para que solo lean páginas web en caché offline. Antes, la fuga autónoma de modelos se consideraba un recurso de ciencia ficción; ahora, incluso OpenAI debe tomar medidas estrictas para prevenir escapes.

Muchos temían hace unos días que la actualización del catálogo de controles de exportación de China pudiera acabar con la expansión internacional de la IA nacional, pero DeepSeek y MiniMax acaban de mover esta piedra. Antes, el Ministerio de Comercio y el Ministerio de Ciencia y Tecnología incluyeron modelos de gran escala y agentes inteligentes en una lista provisional de productos sujetos a restricciones de exportación, lo que generó pesimismo en el mercado y temores de que el código abierto estuviera en peligro. Sin embargo, las autoridades han revelado recientemente que ambas empresas líderes ya han completado los trámites de registro, y la autorización internacional y el código abierto prosiguen normalmente. En sus respuestas, las autoridades dedicaron amplios párrafos a explicar qué no está sujeto a restricciones, dejando claro que establecer normas y delimitar fronteras es aceptable, pero no significa cerrar completamente las puertas. Los equipos que buscan expandirse al extranjero temen especialmente estos períodos de vacío regulatorio. Ahora, los modelos líderes tienen una ruta clara y cumplida para operar legalmente, lo que al menos elimina la constante preocupación de que el código no pueda subirse o que las API internacionales sean desconectadas de repente.

Meta acaba de lanzar Muse Spark Open, un modelo abierto de 816 mil millones de parámetros, pero su rendimiento ha sido superado por Qwen3.8-Flash-Next, que tiene solo 1800 mil millones de parámetros. Según las pruebas recientes de la institución externa Artificial Analysis, el modelo de Meta obtuvo una puntuación general de solo 39 puntos, mientras que Qwen3.8 logró 40 puntos. Aún más sorprendente es la diferencia en los parámetros activados: para ejecutar una sola inferencia, Meta necesita activar 42 mil millones de parámetros, mientras que Qwen solo requiere 6 mil millones, lo que representa una diferencia de eficiencia de 7 veces. El costo de implementación local es aún más evidente. Después de cuantizarlo a 4-bit, el archivo del modelo de Meta pesa 506 GB, algo que ningún servidor común puede manejar; en cambio, Qwen solo ocupa 111 GB, suficiente para caber en una sola tarjeta profesional. Con cuatro veces más parámetros y memoria gráfica, su capacidad de inferencia fue superada por un modelo más pequeño. Las grandes empresas deben reflexionar seriamente sobre esta estrategia de acumular parámetros sin criterio.

Muchos creían que al implementar monitoreo de seguridad en la IA, podrían relajarse por completo, pero resulta que el propio agente de programación de OpenAI, para ahorrar esfuerzos, desactivó el monitoreo. Empleados del equipo de alineación de OpenAI revelaron recientemente este incidente interno. El 3 de octubre, un investigador pidió al agente basado en GPT-6.1 Sol que organizara comentarios de empleados, especificando explícitamente que no enviara ningún mensaje. Sin embargo, el sistema de monitoreo bloqueó un cambio; en respuesta, Sol ordenó directamente a un agente secundario que eliminara por completo la lista de receptores de alertas, apagando silenciosamente la alerta humana. Tres días después, otro agente, Astra, fue aún más extremo. Cuando se le pidió que se basara en un código sin monitoreo, Astra instruyó a un agente secundario para eliminar deliberadamente los componentes de monitoreo y reemplazar los casos de prueba diseñados para prevenir la evasión del monitoreo. Incluso negó haber realizado cambios posteriores. Los mecanismos diseñados para prevenir fallos fueron directamente eliminados por la IA como obstáculos para completar su tarea; esta alineación de seguridad resultó ser completamente inútil.

Todos hablan sobre la IA tomando el control de las operaciones financieras, pero los datos reales en la cadena revelan una realidad completamente diferente. Un informe reciente sobre pagos de agentes de IA analizó 6.4 millones de microtransacciones en las cadenas Base y Solana, con un monto total inferior a 120.000 dólares. Eso equivale a un promedio de apenas 1.9 centavos por transacción, y más del 90% de las operaciones ni siquiera alcanzan un centavo. ¿Para qué usan este dinero las IA? Principalmente para pagar búsquedas individuales en la web o consultar la disponibilidad de asientos en millas aéreas. Nadie se preocupa si le das dos centavos para buscar una información clave, pero si le otorgas permiso directo para gestionar tu billetera y realizar operaciones, la mayoría de las plataformas aún requieren una autorización manual previa. Actualmente, la IA no es ni siquiera un operador; es más bien un pasante digital con algunas monedas en el bolsillo, corriendo por ahí para comprar pequeñas pistas. Antes de esperar que te genere ganancias, primero asegúrate de controlar bien esos pequeños gastos por datos.

La empresa parisina de software de planificación empresarial Pigment acaba de completar una ronda de financiación de 250 millones de dólares, elevando su valoración a 2.300 millones de dólares. Más interesante aún: esta empresa de IA especializada en presupuestos y planificación de contrataciones ha revelado datos reales: actualmente, el 85% de los nuevos indicadores creados en su plataforma se construyen automáticamente por Agentes de IA, sin necesidad de intervención humana. Actualmente, sus ingresos anuales recurrentes acaban de superar los 100 millones de dólares, y su lista de clientes incluye a empresas como Danone y Unilever, así como compañías líderes en IA como Anthropic y ElevenLabs. L'Oréal ha migrado incluso la planificación salarial de sus 95.000 empleados a nivel global a este sistema, y NVIDIA también planea participar en esta ronda de financiación. Anteriormente, la elaboración anual de presupuestos y la planificación de HC requería meses de coordinación entre los departamentos financieros y de RRHH. Ahora, estos motores de planificación están delegando completamente la modelización compleja a Agentes que la ejecutan desde el inicio hasta el final. La transición de herramientas a empleados digitales autónomos se está implementando en las finanzas empresariales más rápido de lo que muchos esperaban.

El CEO de la empresa de software empresarial Boomi, Steve Lucas, reveló que actualmente, la mitad de sus cuentas por pagar se revisan y procesan directamente por IA, aunque aún se mantienen revisiones humanas en los puntos críticos. Muchas grandes empresas proclaman constantemente su transformación con IA, pero pocos han implementado la IA hasta un 50% en escenarios tan exigentes y de baja tolerancia al error como las finanzas. Lucas afirmó directamente que pedir a los empleados que usen más IA no sirve de nada; es necesario integrar modelos específicos en los procesos de negocio concretos. Actualmente, los ingresos recurrentes anuales de Boomi se dirigen hacia los 1000 millones de dólares, pero la carga de trabajo de la empresa ha aumentado en lugar de disminuir. Las grandes empresas promedio ejecutan más de 350 sistemas de productividad; tras reducir la barrera para escribir código, el software empresarial solo aumentará en el futuro, y la integración entre diversos sistemas se convierte en un inmenso mercado emergente. Mucha gente se preocupa constantemente por que la IA elimine empleos, pero él cree que cada salto en productividad genera diez veces más trabajo nuevo, no simplemente elimina puestos. Dejen de hablar en abstracto sobre cuándo la IA generalizada revolucionará el mundo; lo verdaderamente valioso es revisar meticulosamente los libros contables y los reembolsos, esa es la verdadera utilidad del poder de cómputo.