La semana ha estado marcada por el DevDay de OpenAI, una edición especialmente importante por lo que anticipa sobre nuestra forma de trabajar con la inteligencia artificial. La compañía ha presentado Dots, agentes de IA concebidos para convertirse en nuestros asistentes tanto en el ámbito personal como en el profesional, con capacidad para dar continuidad a los proyectos y trabajar mientras nosotros nos dedicamos a otras cosas. Estamos justo al principio. En cierto modo, recuerda el momento inicial de ChatGPT: intuimos el potencial, pero todo todavía se tambalea y a menudo funciona peor de lo que querríamos. El camino exigirá adaptar plataformas y servicios de una web pensada sobre todo para humanos. En el futuro, es posible que circulen más agentes que personas. También podemos imaginar entornos como WhatsApp o Slack donde estos agentes nos representen, coordinen tareas e interactúen en nuestro nombre.

OpenAI también ha presentado ChatGPT Space, un entorno colaborativo donde personas y agentes comparten archivos y contexto de trabajo. La voz gana protagonismo como forma de relacionarnos con los asistentes. Probablemente tardaremos unos años en incorporar todo esto con naturalidad a la vida cotidiana, pero el potencial transformador es enorme: podemos empezar a delegar proyectos enteros y supervisar los resultados. La semana también ha traído nuevos modelos. OpenAI ha presentado GPT-6.1 Sol, que, según la compañía, ofrece capacidades próximas a las de Astra con más velocidad y un coste muy inferior. También ha introducido el modo Ultrafast para Astra, que acelera la generación de respuestas. La velocidad cambia la interacción: cuando la espera se reduce, podemos probar más ideas, corregir sobre la marcha y trabajar con más continuidad. Algunas tareas todavía nos dejan tiempo para tomar un café; a medida que estos sistemas se aceleren, este margen se irá acortando.

Google, por su parte, ha presentado Gemini 4 Argon, con resultados en las pruebas que lo sitúan entre los modelos líderes. Después de un período largo sin renovar su propuesta más potente, habían crecido las dudas sobre si estaba perdiendo terreno frente a OpenAI y Anthropic. Argon apunta a que Google continúa plenamente dentro de la carrera. Ahora habrá que comprobar si las buenas puntuaciones se traducen en un rendimiento igualmente convincente en el uso real, porque, de momento, el acceso es restringido. Finalmente, Trump ha impulsado un acuerdo entre las principales empresas estadounidenses de IA para reforzar la seguridad de sus modelos. Es un pacto voluntario de autorregulación, centrado en la prevención, los controles internos, las auditorías externas y la supervisión de los consejos de administración. La apuesta es continuar avanzando mientras se desarrollan salvaguardas más sólidas. Podría contribuir a una IA más segura, pero su eficacia dependerá de cómo las empresas apliquen estos compromisos y de la capacidad de verificar su cumplimiento.

Las noticias clave

Dots, el agente de OpenAI 
OpenAI ha presentado Dots, una nueva generación de agentes personales que prometen seguir trabajando cuando cerramos la conversación. Anunciados el 29 de septiembre, funcionan con GPT-6 Astra, disponen de un ordenador propio en la nube y pueden conectarse a más de 4.000 aplicaciones mediante conectores. El objetivo es que aprendan nuestras preferencias y asuman tareas completas: investigar errores de programación, preparar materiales de comunicación, actualizar análisis o gestionar documentación. OpenAI explica que, en una prueba, un agente detectó una factura pendiente, la preparó y la envió después de recibir la autorización del usuario. Se puede interactuar desde ChatGPT, Slack y Teams, y el despliegue comienza en determinados planes de pago y mercados. La propuesta apunta a un cambio en la relación con la IA: delegar trabajo en un asistente que mantiene el contexto y da continuidad a los proyectos.

La presentación abre una nueva batalla por los agentes personales, con el Muse de Meta como rival destacado. Wired sitúa esta competición en torno a asistentes cada vez más proactivos, mientras que Business Insider subraya una consecuencia comercial: cuanto más conozcan nuestros hábitos y más integrados estén en nuestras herramientas, más difícil puede resultar cambiar de proveedor. OpenAI también prepara agentes especializados para responsabilidades empresariales como la facturación, las compras o la atención al cliente, inicialmente en pruebas piloto. El reto será demostrar que esta autonomía aporta resultados fiables sin perder el control sobre las decisiones. La compañía prevé permisos configurables, revisiones de acciones y aprobaciones; además, la búsqueda proactiva en segundo plano queda limitada a consultar información. La promesa es recuperar tiempo y atención, pero la confianza dependerá de cómo estos agentes trabajen en situaciones reales. 

Gemini 4 Argon
Google vuelve a disputar el liderazgo de la inteligencia artificial con Gemini 4 Argon, presentado el 30 de septiembre. El nuevo modelo está orientado a trabajos complejos de programación, análisis jurídico y financiero y ciberseguridad, con capacidad para sostener procesos largos de razonamiento. Según los datos publicados por la compañía, alcanza un 77,9% en una prueba de desarrollo de software (DeepSWE) y encabeza el índice Vals, que evalúa tareas en finanzas; también es muy bueno en legal. Una novedad destacada es la ampliación del límite de salida de 64.000 a un millón de tokens, las unidades de texto que procesa el modelo: más margen para razonar y completar trabajos extensos. Google también afirma que Argon ya ha ayudado a optimizar sus centros de datos y a detectar una vulnerabilidad crítica en software hospitalario que otros modelos habían pasado por alto.

El lanzamiento, sin embargo, llega con acceso restringido e interrogantes sobre el rendimiento fuera de las pruebas. Inicialmente, solo pueden acceder colaboradores seleccionados de ciberseguridad del programa Fairwind, que lo recibirán sin las restricciones específicas contra usos cibernéticos para aprovechar toda su capacidad defensiva. Google prepara protecciones adicionales antes de abrirlo a los clientes de pago, todavía sin una fecha pública. Mientras tanto, The Next Web recoge informaciones de Bloomberg según las cuales algunos trabajadores cuestionan los resultados del modelo en tareas reales, una valoración que Google rechaza. Argon puede representar un retorno de la compañía al frente de la carrera, pero habrá que comprobar si las buenas puntuaciones se traducen en una herramienta fiable. La misma potencia que permite encontrar y corregir vulnerabilidades también plantea el reto de evitar que se utilice para atacar.

AMD apuesta por los modelos mundo 
AMD ha anunciado un acuerdo para adquirir World Labs, la empresa cofundada por Fei-Fei Li, por 8.200 millones de dólares en acciones. La operación, pendiente de autorización reguladora, se prevé completar antes de acabar el año, y Li se incorporará como vicepresidenta ejecutiva y directora científica. La investigadora, conocida por su papel en la creación de ImageNet, una pieza clave en el desarrollo de la visión artificial, trabaja ahora en los llamados modelos del mundo: sistemas de IA que buscan representar y comprender entornos tridimensionales. Marble, el primer producto de World Labs, genera espacios virtuales persistentes a partir de textos, imágenes o vídeos, con aplicaciones en cine, videojuegos, arquitectura y simulación para robótica. Con esta compra, AMD incorpora investigación en modelos de IA para orientar el desarrollo de sus futuros chips y sistemas.

La compra refuerza la competencia con Nvidia en uno de los campos con mayor potencial: la IA física, que permite a robots y vehículos autónomos percibir el entorno y actuar en él. Nvidia ya dispone de Cosmos, una plataforma de modelos del mundo, y de Omniverse para simulación. Estos entornos permiten generar datos y ensayar situaciones antes de desplegar las máquinas en el mundo real, reduciendo el coste y el riesgo del aprendizaje. Medios como Ars Technica y Cinco Días interpretan la operación como un movimiento de AMD para reforzarse ante su rival. La apuesta sugiere que la competición se extiende al conjunto de modelos, software y herramientas que hacen útiles los procesadores. Los 8.200 millones son, así, una apuesta para que una parte creciente del negocio de la IA pase de generar contenidos en una pantalla a interactuar con el mundo físico.

Trump y la regulación de la IA 
Donald Trump ha anunciado un pacto con Google, Anthropic, Meta, OpenAI, xAI y Nvidia para que las empresas asuman compromisos voluntarios de seguridad en el desarrollo de la IA. Presentado el 29 de septiembre, el Acuerdo de la Casa Blanca sobre Superinteligencia prevé cuatro niveles de supervisión: controles internos sobre las capacidades y el comportamiento de los modelos, equipos responsables de detectar y corregir problemas, auditorías externas independientes y un comité independiente del consejo de administración que supervise estos procesos. Entre las prioridades está prever riesgos cibernéticos, biológicos y químicos, así como evitar que los sistemas accedan sin autorización a infraestructuras informáticas. Trump lo considera "moralmente vinculante", pero los compromisos no tienen fuerza legal obligatoria. El mismo documento deja abierta la posibilidad de convertirlos más adelante en leyes o regulaciones.

En paralelo, Trump ha firmado una orden ejecutiva que exige sustituir "inteligencia artificial" y "AI" por "superinteligencia" y "SI" en las comunicaciones y los documentos de la Administración federal, siempre que la ley lo permita. El cambio es político y terminológico: la orden aplica inicialmente la nueva denominación a los mismos sistemas que ya cubre la definición legal de IA y encarga una propuesta de definición federal en sesenta días. La cobertura internacional pone el foco en la apuesta por la autorregulación: The Guardian señala que el pacto no exige publicar los resultados de las revisiones, mientras que el Financial Times recoge dudas sobre la eficacia de unos compromisos sin mecanismos obligatorios de cumplimiento. La iniciativa reconoce la necesidad de controlar los modelos más potentes, pero deja buena parte de esta responsabilidad en manos de las empresas que los desarrollan.

¿Cómo la IA nos cambiará la vida?

¿Cómo ha cambiado China con Xi Jinping? 

Taxis sin conductor en Madrid

El avatar de Meta

A China le sobra energía 

La investigación en IA 

What work can robots do?-AI Lab: Anthropic
¿Qué parte de nuestro trabajo pueden hacer los robots? Un estudio de Anthropic, publicado el 30 de septiembre, analiza cerca de 19.000 tareas de 900 ocupaciones en Estados Unidos, utilizando Claude para identificar capacidades robóticas demostradas y estimar sus costes. Los resultados muestran una distancia enorme entre posibilidad técnica y viabilidad económica: los robots pueden ejecutar el 74% de las tareas físicas, equivalentes al 34% del tiempo de trabajo total, pero mayoritariamente en entornos controlados. Cuando se consideran los costes de instalación, mantenimiento y supervisión, solo resultan competitivos con el trabajo humano para el 0,3% del tiempo de trabajo. Conductores y trabajadores de almacén figuran entre los más expuestos; enfermería y reparaciones generales, entre los menos. Sumando robots y modelos de lenguaje, alrededor del 80% del tiempo de trabajo corresponde a tareas expuestas a alguna de estas tecnologías, lo que no significa que puedan desaparecer el 80% de los puestos de trabajo.

Por qué es importante
El estudio es importante porque aporta una perspectiva económica al debate sobre la sustitución del trabajo: demostrar que una máquina puede ejecutar una tarea es solo el primer paso; desplegarla de manera fiable y rentable exige mucho más. Según los autores, si los costes robóticos continuaran bajando al ritmo histórico, se necesitarían unos cuarenta años para que los robots fueran competitivos en tareas equivalentes al 10% del tiempo de trabajo actual. Es un escenario condicionado, que podría acelerarse con avances tecnológicos, y las estimaciones dependen en parte de juicios de Claude. Sin embargo, el mensaje es relevante: la automatización avanzará de manera desigual, según los costes, el entorno y las habilidades necesarias. Además, la exposición robótica se concentra en trabajadores con menos estudios y salarios más bajos, hecho que obliga a considerar cómo se distribuirán los beneficios y los costes de la transformación.

Can Labor Markets Function in the Age of AI? The Evaluation Bottleneck in Hiring-AI Lab: Itai Ashlagi, Ramesh Johari, Jon Kleinberg, Anushka Murthy
La IA facilita buscar trabajo y preparar candidaturas, pero también puede hacer que los currículums y las cartas de presentación sean menos útiles para distinguir quién encaja realmente en un puesto de trabajo. Este estudio desarrolla un modelo teórico que explica cómo reaccionan las empresas cuando las candidaturas pierden valor informativo: dan más peso a indicadores fáciles de observar, como la experiencia previa. Los más perjudicados son los candidatos sin experiencia que, sin embargo, serían adecuados para el trabajo: pierden la oportunidad de demostrar su potencial con una candidatura personalizada. Si evaluarlos es costoso, las empresas pueden acabar examinando solo a personas con experiencia o incluso no evaluar a ninguna. Los autores muestran que incorporar una prueba intermedia, relativamente barata, antes de la evaluación completa puede aportar información sobre las aptitudes y recuperar oportunidades para estos candidatos.

Por qué es importante
El estudio es importante porque identifica una paradoja: facilitar el acceso a las candidaturas puede dificultar el acceso a una oportunidad laboral. Cuando todo el mundo puede presentar materiales convincentes con ayuda de la IA, las empresas pueden refugiarse en la experiencia como filtro, reforzando la barrera que afrontan los jóvenes y las personas que quieren cambiar de profesión. El problema se desplaza así de poder presentarse a poder demostrar de manera creíble el mismo valor. El modelo sugiere que las pruebas prácticas breves y vinculadas al trabajo pueden ayudar a mantener abierta esta puerta. Es una conclusión teórica, que habrá que contrastar con datos, pero señala un reto concreto: adaptar la selección para que el potencial continúe contando cuando una buena carta de presentación ya está al alcance de todo el mundo.