Aquesta setmana, el terratrèmol de la IA ha tingut nom i cognoms: Jensen Huang. Primer es va conèixer la seva relació amb Alice Huang, una executiva presumptament vinculada a l’espionatge xinès; després, les informacions sobre una altra relació amb una alta directiva de Nvidia. Finalment, ha dimitit. Plega el cofundador, l’únic conseller delegat que havia tingut la companyia i l’home que n’ha estat l’ànima durant més de tres dècades. La crisi ha afegit pressió a una cotització que ja havia perdut prop d’un 30% des dels màxims d’octubre. Sovint menyspreem la importància dels lideratges. Parlem de les organitzacions com si avancessin soles, com si convertir una empresa que havia estat a punt de fer fallida en el motor de la revolució de la IA fos el resultat gairebé inevitable de tenir bons enginyers. Però atraure el millor talent i aconseguir que treballi alineat al voltant d’un objectiu comú és, potser, la capacitat que més distingeix les organitzacions i els països guanyadors dels perdedors. El talent és imprescindible. Aconseguir que remi en la mateixa direcció és el que marca la diferència.

És fàcil caure en la complaença. Encara més quan l’èxit ha convertit molts treballadors en milionaris. També és fàcil que cadascú persegueixi els seus objectius, els del seu departament o els del seu petit grup, i que l’organització perdi el rumb. Huang ha aconseguit mantenir una exigència extraordinària en un equip on molts ja s’han fet rics i, malgrat això, continuen treballant amb una intensitat que costa de trobar en altres empreses. I això ho ha fet també fora de Nvidia. Ha hagut de navegar entre les prioritats polítiques dels Estats Units, sovint en conflicte frontal amb els interessos comercials de l’empresa, i una competència ferotge: AMD, Google, petites companyies amb arquitectures innovadores i, és clar, el gegant xinès. Vendre xips i aconseguir que tot un ecosistema continuï apostant per la teva tecnologia exigeix molt més que fabricar el processador més potent.

Sovint se’ns presenta aquest sector com una màfia de tecnooligarques conxorxats per dominar el món. Una pel·lícula de Marvel. Però la realitat és força menys ordenada: empreses amb una influència enorme que col·laboren mentre intenten prendre’s el negoci les unes a les altres. El client d’avui pot estar dissenyant el xip que demà et farà la competència. Alinear interessos tan dispars, enmig d’aquesta hipercompetitivitat, ha estat una de les grans aportacions de Huang. El domini de Nvidia és aclaparador, però no és etern. Hi haurà més participants i més arquitectures. La meva aposta és que CUDA, el programari que ha fonamentat aquest domini, també anirà perdent el seu paper decisiu. Precisament per això importa tant qui dirigeixi la següent etapa. Colette Kress, fins ara directora financera, assumeix provisionalment el comandament mentre el consell busca un successor permanent. Sota Huang, les accions de Nvidia s’han revalorat més d’un 700.000% des de la sortida a borsa. Heretar aquest llegat serà tot un repte. 

El futur de Huang és incert, però la seva posició ja no tornarà a ser la mateixa. Els lideratges importen, i ens agradaria que els líders fossin impecables. Però són persones com tu i com jo. Mentrestant, la competència no s’atura. Potser la novetat amb més conseqüències per al nostre dia a dia ha estat l’anunci d’Anthropic: Whiteboards, Sheets i Data, que amplien un entorn on ja es poden crear documents i presentacions. Pissarres compartides, fulls de càlcul i anàlisi de dades perquè els equips treballin amb Claude sense haver d’anar traslladant la feina d’una aplicació a una altra. Anthropic vol convertir Claude en el lloc on treballem. Una incursió directa en el territori de Microsoft Office i una nova aposta pel mercat professional que li ha donat l’èxit fins ara. També ha presentat Fable 5.2 i Mythos 5.2, amb millores en programació, raonament i visió, fins a un 30% més ràpids i amb preus inferiors als de les versions 5.1. I Meta ha estrenat Muse Ember, un model petit i econòmic per executar les moltes tasques repetitives que necessiten els agents. Mentre Nvidia afronta el relleu del seu fundador, la resta continua corrent. Per cert, Anthropic aspira a sortir a borsa amb una valoració d’1,4 bilions de dòlars.

Les notícies clau

Nvidia busca relleu per a l’home que ho semblava tot
Nvidia busca possibles substituts per a Jensen Huang, l’home que l’ha convertida en el gran motor de la revolució de la IA. Segons Bloomberg, el consell treballa amb una firma externa per identificar candidats i estudia nomenar un director general provisional. La crisi va esclatar després que Huang reconegués una infidelitat arran de les informacions sobre una relació amb Alice Huang, una executiva vinculada a Megaspeed, client de Nvidia a Singapur, a qui fonts nord-americanes atribueixen vincles amb l’espionatge xinès. Pequín ho nega. La situació s’ha agreujat amb les informacions del New York Times sobre una altra presumpta relació amb Kimberly Powell, vicepresidenta de salut de Nvidia i subordinada seva. La companyia ha obert una investigació independent i inicialment va expressar confiança en Huang, tot afirmant que no tenia motius per creure que s’haguessin compromès secrets empresarials o la seguretat nacional.

El problema per a Nvidia és que substituir Huang significa molt més que canviar de conseller delegat. Cofundador i màxim executiu des del naixement de l’empresa, concentra la visió tecnològica, les grans relacions comercials i una capacitat extraordinària per mobilitzar inversors i clients al voltant de la IA. La incertesa va provocar una caiguda d’aproximadament el 7% en les primeres operacions de dijous a Frankfurt. Sense un successor clar, analistes i inversors assenyalen dos noms: Colette Kress, directora financera, per estabilitzar la companyia durant una transició, i Ian Buck, figura clau en el desenvolupament de CUDA i el negoci d’IA, com a possible relleu tecnològic. Cap nomenament està anunciat. La crisi exposa una fragilitat que l’èxit havia deixat en segon pla: fins a quin punt el futur d’una infraestructura essencial per a tota la indústria pot dependre d’una sola persona.

Fable 5.2, el nou salt de Claude
Anthropic ha presentat Claude Fable 5.2, el seu nou model per als reptes tècnics més complexos, amb millores en programació, raonament i interpretació d’imatges. Segons les seves avaluacions, supera Opus 5.5 en gairebé totes les capacitats analitzades i genera respostes fins a un 30% més ràpidament que Fable 5.1. Però les demostracions expliquen millor el salt que els rànquings: en un experiment, va coordinar més de mil agents durant vuit dies per construir un prototip de sistema operatiu que funciona en un portàtil, amb finestres, connexió de xarxa i instal·lador. Dins d’Anthropic també l’han utilitzat per resoldre errors persistents i completar migracions de programari que haurien resultat massa lentes o costoses. La novetat és la capacitat d’organitzar i sostenir projectes llargs, repartint tasques entre agents i integrant-ne els resultats.

Les aplicacions s’estenen a la ciència i l’enginyeria. Anthropic afirma que Fable 5.2 ha resolt dos problemes oberts de física dels forats negres i ha dissenyat tres dispositius electrònics que van funcionar després de ser fabricats i muntats amb ajuda humana. Un equip de mil agents també va formalitzar la demostració de l’últim teorema de Fermat en trenta hores, convertint-la en una prova verificable per ordinador a partir de materials previs. L’anunci inclou Mythos 5.2, que comparteix el mateix model de base, però permet a organitzacions verificades treballar en àmbits de ciberseguretat i biologia on Fable incorpora restriccions reforçades. Per al treball quotidià, Anthropic continua recomanant Opus 5.5; Fable queda com el recurs per abordar els problemes més exigents. Una capacitat que amplia el conjunt de projectes que una persona o un petit equip poden arribar a executar.

Claude vol ser la teva oficina
Anthropic fa un pas més per convertir Claude en l’espai on treballem cada dia. Aquesta setmana ha presentat Whiteboards, Sheets i Data, juntament amb uns connectors que permeten obrir altres aplicacions dins de la conversa. Amb Whiteboards podem explicar una idea encara desordenada i convertir-la en una pissarra compartida, on l’equip organitza tasques, responsables i terminis, i després transformar-la en un document o una presentació. Amb Sheets podem demanar un pressupost o un seguiment de vendes i obtenir un full de càlcul amb pestanyes, fórmules i format, que podem editar conjuntament amb Claude i exportar a Excel. Totes dues eines arriben en versió beta als plans de pagament, tot i que Anthropic adverteix que els fulls encara ofereixen funcions bàsiques.

Claude Data completa l’oferta connectant-se a sistemes com Snowflake o Salesforce per convertir les dades de l’empresa en quadres de comandament, explicacions o vídeos narrats. També permet que els equips de dades certifiquin les consultes que defineixen cada indicador, per evitar que cada departament treballi amb una versió diferent de les xifres. Els connectors interactius, per la seva banda, permeten treballar amb aplicacions com Adobe o Atlassian sense sortir de Claude. Segons Anthropic, el seu catàleg ja supera els 9.000 connectors i complements, inclosos els creats per la comunitat. El moviment apunta directament al territori de Microsoft i Google: una idea pot començar en una conversa, prendre forma en una pissarra i acabar en un pressupost o una presentació, mantenint el context. La batalla de la IA també és la batalla per convertir-se en el lloc on comencem la jornada laboral.

ChatGPT obre botiga
OpenAI vol que les empreses tinguin un aparador i un assistent comercial dins de ChatGPT. Ha presentat Businesses in ChatGPT, una iniciativa en fase beta que permet verificar el perfil d’un negoci, actualitzar-ne la informació i incorporar catàlegs amb preus i disponibilitat. El pas més interessant són els Business Agents: agents propis de cada empresa que responen preguntes sobre els seus productes i serveis, ajuden a comparar opcions i orienten el client sense haver de sortir de ChatGPT. Segons OpenAI, la plataforma ja arriba a 1.200 milions de persones cada setmana. Business Hub, el portal de gestió, està disponible per a negocis elegibles als països on funciona ChatGPT, però els agents comencen limitats a empreses de comerç electrònic i serveis en línia dels Estats Units. Els comerciants de Shopify poden connectar-hi directament les seves botigues.

Les empreses també podran consultar estadístiques agregades sobre les mencions que reben, els clics cap al seu web i els temes pels quals els usuaris les descobreixen. OpenAI assegura que no compartirà amb elles les converses individuals, tampoc les mantingudes amb els agents comercials. Aquestes converses estaran identificades i separades de les respostes independents de ChatGPT. A més, les marques podran anunciar els seus agents i convertir-los en la destinació dels anuncis dins de la plataforma. El moviment afegeix una nova peça al comerç digital: descobrir una empresa, informar-se i parlar amb el seu assistent comercial pot passar dins d’una mateixa conversa. Per als negocis, comença a ser tan important ser trobats per una IA com ho ha estat aparèixer en un cercador.

Google reforça l’alternativa a Nvidia
Google amplia la seva infraestructura d’intel·ligència artificial amb TPU 8tx i TPU 8i Max, dos nous sistemes pensats per executar agents i treballar amb grans volums d’informació. Són configuracions de la vuitena generació dels seus processadors especialitzats, que adapten la memòria, les connexions i la seguretat a necessitats diferents. TPU 8tx s’adreça a empreses i administracions que treballen amb dades delicades i incorpora proteccions de maquinari per preservar-ne la confidencialitat mentre es processen. TPU 8i Max combina dos xips en un mateix encapsulat per duplicar la capacitat de càlcul i l’amplada de banda de memòria respecte de TPU 8i. L’objectiu és evitar que els agents s’encallin quan han d’analitzar projectes sencers de programari, hores de vídeo o documents molt extensos. Amb aquestes incorporacions, Google ha presentat quatre sistemes TPU en un sol any.

El moviment va més enllà del maquinari. Google està obrint el seu ecosistema perquè els desenvolupadors puguin utilitzar aquestes màquines amb les eines que ja coneixen. TorchTPU, publicat com a codi obert i desenvolupat amb l’equip de PyTorch de Meta, permet executar-hi programes de PyTorch amb canvis mínims, reduint una de les barreres per adoptar les TPU. Segons Google, aquests acceleradors ja tenen prop d’un centenar de clients, entre laboratoris d’IA, empreses i universitats, i també es poden desplegar en centres de dades dels clients. Tot plegat reforça una alternativa a Nvidia en un moment en què la demanda de càlcul continua creixent. La competència es juga tant en la potència dels processadors com en la facilitat per utilitzar-los i el cost de mantenir els agents treballant.

Muse Ember: Meta abarateix els agents
Meta ha presentat Muse Ember, el seu model més petit i eficient, pensat per executar les tasques que els agents repeteixen constantment: consultar eines, extreure informació, revisar documents, executar proves o fer correccions de programari. Segons les comparacions publicades per la companyia amb dades d’Artificial Analysis, s’aproxima al millor resultat de Claude Haiku 5.5 amb prop d’un terç del cost per tasca i supera GPT-6 Luna en l’índex general analitzat. La proposta és especialment interessant per als sistemes que distribueixen la feina entre models: Muse Wonder pot planificar i abordar els problemes més exigents, mentre Ember executa el gran volum de passos necessaris. Quan un agent fa centenars de consultes per completar un encàrrec, el cost de cadascuna es converteix en una qüestió central.

Ember entén text, imatges, àudio i vídeo, i disposa d’una finestra de context d’un milió de tokens, que li permet treballar amb grans conjunts de documents o codi. Ja està disponible a Muse Code i a través de l’API de Meta, amb un preu de 0,10 dòlars per milió de tokens d’entrada i 0,50 per milió de sortida, per a peticions de fins a 200.000 tokens d’entrada; les més llargues tenen tarifes superiors. És també el primer model entrenat utilitzant Muse Wonder Full, una mostra de com les capacitats dels models més potents es poden traslladar a opcions més econòmiques. El moviment reforça una tendència decisiva: abaratir la intel·ligència permet automatitzar tasques que, fins ara, no sortien a compte.

Com la IA ens canviarà la vida

Quines feines guanyen i quines perden amb la IA 

Els trens a la Xina, una altra dimensió 

Els models milloren però d’exponencial res! 

La recerca en IA 

AI beats scientists at finding errors in clinical research papers-AI Lab: Science
Quin percentatge dels errors d’un article científic detecten els experts que el revisen? Un estudi del qual es fa ressò Science ha posat a prova quinze models d’IA amb articles d’assaigs clínics que contenien errors metodològics introduïts expressament. Els models van identificar entre el 53% i el 96% dels errors greus, davant del 27% que havien detectat revisors humans en un experiment anterior amb els mateixos textos. Els investigadors també van ampliar les proves a assaigs publicats el 2026 per reduir el risc que els models haguessin memoritzat les respostes. Els resultats són prometedors, però l’estudi encara és un preprint pendent de revisió científica i la comparació amb els humans parteix d’un experiment antic, sense un enfrontament directe amb revisors actuals.

Per què és important
La importància va molt més enllà d’una competició entre persones i màquines. La revisió científica és un dels filtres que determinen quin coneixement considerem fiable, i en medicina aquest coneixement pot acabar orientant tractaments i decisions sobre pacients. Incorporar una primera comprovació amb IA podria permetre revisar sistemàticament els manuscrits, assenyalar incoherències i reservar el temps dels especialistes per a les qüestions que exigeixen més criteri. Encara cal determinar quines alertes són encertades i com funciona aquesta ajuda en la revisió quotidiana: detectar errors sembrats en un experiment no equival a validar tota una investigació. Però la possibilitat és rellevant: utilitzar la IA per reforçar el control de qualitat de la ciència, amb comprovacions més ràpides i accessibles.

Q3.5 Timelines Update: Looks Like the Intelligence Explosion Will Happen in 2027 After All-AI Lab: AI Futures Project
Els autors d’AI 2027, l’escenari prospectiu sobre l’arribada d’una intel·ligència artificial sobrehumana, han escurçat les seves previsions: ara consideren probable que el 2027 apareguin sistemes capaços d’igualar el criteri dels millors investigadors d’IA i automatitzar completament la programació necessària per desenvolupar nous models. El principal motiu és una avaluació de METR, una organització independent que ha examinat la recerca interna d’Anthropic. Segons les seves estimacions, les capacitats dels models en tasques ben definides avancen aproximadament al doble del ritme històric, i bona part d’aquesta acceleració podria provenir de l’ús de la mateixa IA per investigar. A partir d’aquestes dades, els autors situen entre el 35% i el 65% la probabilitat que, abans del 2028, existeixin sistemes capaços de superar els millors experts en pràcticament totes les tasques de treball intel·lectual. Són previsions condicionades al fet que el desenvolupament continuï sense una frenada deliberada.

Per què és important
La importància és el possible cercle d’acceleració: una IA més capaç ajuda a crear la següent, que al seu torn pot accelerar encara més la recerca. El ritme d’avenç podria començar a dependre cada vegada més de les capacitats dels mateixos sistemes. Això escurçaria el temps disponible perquè empreses, institucions i treballadors s’adaptessin als canvis. Els autors interpreten aquest escenari com un motiu per reclamar una pausa o una desacceleració coordinada del desenvolupament. Però la incertesa és considerable: METR adverteix de les limitacions de les seves estimacions i Anthropic ha impedit publicar bona part de l’evidència que les sustenta. El senyal rellevant és que la IA podria estar accelerant el procés amb què fabriquem més intel·ligència, amb conseqüències que van molt més enllà de fer més ràpidament la feina actual.

RSI Arena: Towards Recursive Self-Improvement with Human Feedback-AI Lab: Bake AI, Notre Dame, UCLA, Standford, Nvidia, NYU, Washington, UC Santa Barbara, Scale AI, Hugging Face, MIT 
Poden els agents d’IA entrenar models útils i millorar-los a partir de les opinions dels usuaris? L’estudi RSI Arena ho ha provat amb deu agents que partien del mateix model de base de Nvidia. Durant sis dies, van seleccionar dades, implementar procediments d’entrenament i decidir quina versió presentar. Tots deu van produir assistents funcionals. El millor, entrenat per GPT-6 Astra, va recuperar una mediana del 76% de la diferència de rendiment entre el model de base i la versió preparada per Nvidia per seguir instruccions, en dotze proves de capacitat. Després, els agents van rebre les valoracions dels usuaris i van disposar de tres dies addicionals: vuit dels deu models van millorar la seva valoració relativa, fins i tot després d’ajustar l’efecte de la llargada i el format de les respostes.

Per què és important
La importància és que una part del desenvolupament de models pot passar a mans d’agents que decideixen com entrenar-los i com incorporar les preferències dels usuaris. Això podria reduir el treball especialitzat necessari per adaptar una IA a necessitats concretes i accelerar-ne les successives versions. L’experiment estudia agents que milloren un altre model; el pas perquè el model millorat es converteixi en un investigador més capaç i repeteixi el procés continua pendent de demostrar. També deixa una advertència reveladora: les millores en les proves de capacitat van ser modestes i no es corresponien clarament amb les preferències humanes; un dels models, a més, va augmentar la seva disposició a respondre peticions perjudicials. Agradar més als usuaris, ser més capaç i actuar amb més seguretat són objectius diferents: automatitzar l’entrenament obliga a precisar què volem dir amb "millorar".