Resumen objetivo y detallado del artículo: "La IA Anthropic escanea y destruye libros"

Resumen objetivo y detallado del artículo: "La IA antrópica escanea y destruye libros" https://www.washingtonpost.com/technology/2026/01/27/anthropic-ai-scan-destroy-books/
Por: Lic. Carmen Marín con la colaboración de GROK

Título y contexto principal

El artículo, titulado "Inside an AI start-up’s plan to scan and dispose of millions of books" (o "Anthropic ‘destructively’ scanned millions of books to build Claude"), revela detalles del Project Panama, una iniciativa confidencial de Anthropic para adquirir, escanear y desechar de forma destructiva millones de libros físicos con el fin de obtener datos de entrenamiento para sus modelos de IA, como Claude. washingtonpost.com

Los detalles surgieron de más de 4.000 páginas de documentos judiciales desclasificados en una demanda por infracción de derechos de autor presentada por autores contra Anthropic. 
washingtonpost.com

¿En qué consistió el Project Panama?

Inicio y objetivo:

A inicios de 2024, ejecutivos de Anthropic impulsaron el proyecto, descrito internamente como “nuestro esfuerzo para escanear destructivamente todos los libros del mundo”. La empresa quería mantenerlo en secreto: “No queremos que se sepa que estamos trabajando en esto”. timesofindia.indiatimes.com

Proceso:

Compra masiva de libros usados (de librerías de segunda mano como The Strand, tiendas en línea, bibliotecas y posiblemente bibliotecas con problemas de financiación).

• Corte de los lomos (guillotina o “destructive scanning”) para separar las páginas y permitir un escaneo rápido y masivo.
• Escaneo de alta velocidad de las páginas.
• Reciclaje o disposición de los restos físicos (el papel se reciclaba). lithub.com

Escala:

En aproximadamente un año, Anthropic gastó decenas de millones de dólares y procesó potencialmente millones de libros (una propuesta a proveedores hablaba de 500.000 a 2 millones de libros en un período de seis meses). Almacenaban libros en grandes almacenes. infodocket.com

El objetivo era enriquecer los modelos de IA con conocimiento amplio y diverso contenido en libros, más allá de lo disponible en internet o datos digitales.

Aspecto legal

Anthropic se basó en la doctrina de la primera venta (first-sale doctrine): una vez comprado un libro físico legalmente, el propietario puede hacer con él lo que quiera (incluyendo destruirlo para escanearlo), siempre que no distribuya copias infractoras. futurism.com

Un juez falló que esta práctica constituía uso justo (fair use) en el contexto del entrenamiento de IA. 
washingtonpost.com

La empresa también usó otras fuentes como sitios de piratería (según los documentos), lo que forma parte de las acusaciones más amplias en demandas de copyright contra compañías de IA.

Reacciones y contexto más amplio

El artículo destaca la carrera de las empresas de IA por obtener más datos de libros para mejorar sus chatbots, en un momento de litigios intensos sobre derechos de autor. Anthropic buscó discreción porque sabía que la imagen de “destruir millones de libros” sería controvertida públicamente, a pesar de ser legal. futurism.com

Este reportaje se enmarca en el debate ético y legal más grande sobre el uso de obras protegidas para entrenar IA: autores argumentan pérdida de ingresos y control; las compañías defienden que es necesario para el avance tecnológico y que se trata de uso transformador. Aunque el artículo es neutral en tono, resalta el contraste entre las prácticas secretas de la industria y el impacto cultural de destruir ejemplares físicos de libros para crear “conocimiento” digital en IA. Incluye ilustraciones y referencias a imágenes de almacenes llenos de libros. lithub.com

Nota:

El artículo completo está detrás de paywall de The Washington Post, pero los documentos judiciales y coberturas posteriores (podcasts, otros medios) confirman y amplían estos hechos.

En el resumen se colocan los sitios o referencias de donde se obtuvo la información, se basa en extractos directos y reportes derivados confiables.

Análisis del fallo judicial del juez William Alsup en el caso Bartz v. Anthropic (junio de 2025). 
techpolicy.press

El juez William Alsup (Tribunal de Distrito del Norte de California) emitió una orden de sentencia sumaria parcial el 23 de junio de 2025 en el caso presentado por los autores Andrea Bartz, Charles Graeber y Kirk Wallace Johnson contra Anthropic. Este es uno de los primeros fallos sustantivos sobre el uso de libros con derechos de autor para entrenar modelos de IA generativa (LLM como Claude). 
goodwinlaw.com

El fallo es mixto (parcialmente favorable a Anthropic y parcialmente a los autores) y se centra en la doctrina de uso justo (fair use) bajo la Sección 107 de la Ley de Derechos de Autor de EE.UU.

Analiza tres usos distintos de las obras:

1. Uso de libros para entrenar los LLM (el núcleo del caso)

 
Decisión: 

Es uso justo (fair use). Alsup concedió sentencia sumaria a favor de Anthropic. goodwinlaw.com

Razones principales (análisis de los 4 factores de fair use):

 
Factor 1 (propósito y carácter del uso): 

Muy a favor de Anthropic. El entrenamiento es "exceedingly transformative" (extremadamente transformador). El juez comparó el proceso con un lector humano que lee libros para aprender a escribir algo nuevo y diferente, no para copiar o reemplazar las obras originales: “no para competir o desplazar, sino para dar un giro y crear algo distinto”. Lo describió como “uno de los usos más transformadores que veremos en nuestra vida”.

 
Factor 2 (naturaleza de la obra): 

En contra (las obras son creativas y expresivas).

 
Factor 3 (cantidad y sustancialidad): 

A favor. Usar obras completas era “razonablemente necesario” para el entrenamiento transformador. No hay evidencia de que el modelo generara copias exactas o knockoffs para el público.

 
Factor 4 (efecto en el mercado): 

A favor. No desplaza la demanda de los libros originales (no genera copias exactas ni competidores directos que sustituyan la compra de libros). goodwinlaw.com

Conclusión de este punto:

El entrenamiento en sí de IA generativa sobre obras adquiridas legalmente es fair use, siempre que no produzca outputs infractores directos.

2. Conversión de libros físicos comprados a formato digital (Project Panama)

 
Decisión:

También fair use. Anthropic podía comprar libros físicos, cortarlos, escanearlos y destruir los originales para crear copias digitales internas. techpolicy.press

Razonamiento:

Es un mero cambio de formato (print-to-digital) para mayor comodidad, ahorro de espacio y búsqueda. Se destruye el original físico, no se distribuye ni comparte fuera de la empresa. No añade copias nuevas al mercado.

Esto valida legalmente el enfoque de “escaneo destructivo” cuando se parte de compras legítimas (doctrina de primera venta).

3. Uso de copias piratas (descargadas de sitios como LibGen o PiLiMi)

Decisión:

No es fair use. Se denegó la sentencia sumaria a Anthropic y se ordenó ir a juicio por estos hechos. 
goodwinlaw.com

Razones:

Crear y mantener una “biblioteca central” con millones de copias piratas (incluso si algunas se usaban para entrenamiento) no es transformador. Es una infracción independiente: “piratear para construir una biblioteca de investigación sin pagar” no se salva por el propósito final. El juez fue muy crítico: dudaba que descargar de fuentes piratas (cuando se podían comprar legalmente) fuera nunca “razonablemente necesario”.

Este punto es clave: el método de adquisición importa. El entrenamiento puede ser fair use, pero obtener los datos ilegalmente genera responsabilidad.

Implicaciones y limitaciones del fallo

Victoria parcial para la industria IA:

Establece que el entrenamiento de LLM con obras con copyright (adquiridas legalmente) puede calificarse como fair use transformador. Es un precedente útil, pero estrecho (aplica específicamente a los hechos del caso y a los tres autores demandantes en ese momento). techpolicy.press

Advertencia clara: 

La piratería no se tolera. Las empresas deben adquirir legalmente los datos (compra, licencias, etc.).

 
No resuelve todo: 

No aborda si los outputs generados por la IA infringen derechos de autor (casos futuros podrían enfocarse ahí). Tampoco es una autorización general para todas las compañías o todos los escenarios.

 
Consecuencias posteriores: 

El caso avanzó a juicio por las copias piratas, pero Anthropic llegó a un acuerdo de $1.5 mil millones con autores y editores (uno de los mayores en la historia del copyright). El fallo de fair use sobre el entrenamiento se mantiene. washingtonpost.com

En resumen: 

El juez Alsup trazó una línea clara: el entrenamiento transformador de IA es protegido si se hace con copias legítimas, pero la adquisición ilícita (piratería) no se justifica. Es un fallo equilibrado que favorece la innovación tecnológica sin ignorar completamente los derechos de los creadores, aunque muchos autores lo critican por subestimar el impacto en el mercado de la escritura profesional. 

Referencias:

washingtonpost.com

timesofindia.indiatimes.com

lithub.com

futurism.com

techpolicy.press

goodwinlaw.com

Read more...

Proyecto para escanear todos los libros del mundo alimentar la IA y luego destruirlos

La misteriosa empresa que compra libros viejos para entrenar a la IA y los destruye: “Es un expolio literario”

https://www.eldiario.es/
Pol Pareja

El librero Marçal Font, en su almacén de Badalona el pasado viernes. Kike Rincón

El primer pedido le pareció normal, el segundo ya le hizo sospechar. Marçal Font, propietario de la librería de viejo Fènix de Badalona, lleva semanas viendo cómo una misteriosa empresa canadiense le compra libros extraños: principalmente ejemplares en catalán que llevan años en su almacén, todos de no ficción y sin apenas salida comercial.

“Me pueden llegar siete pedidos seguidos del mismo comprador, con un minuto de diferencia entre ellos”, apunta este librero, que sospecha que quien hace las compras es un robot.

No es el único al que le ha ocurrido. Hay una veintena de librerías de viejo en España que también han vendido ejemplares a esta compañía desde finales de abril. Algunas incluso han recibido pedidos de más de mil libros, muchos de ellos descatalogados. Lo mismo está ocurriendo en tiendas de Alemania, EEUU, Nueva Zelanda, Australia…

Los libros elegidos van desde una edición sobre el mundo de los castellers en Granollers (Barcelona) en los años 70, hasta un manual técnico sobre cómo hacer vino, actas de congresos celebrados hace 50 años o dietarios de la Guerra Civil.

“De media suelen ser libros de unos cinco o diez euros, con poco valor”, apunta Font, “y muchos son prácticamente imposibles de encontrar”.

El sector está desconcertado. ¿Para quién está comprando esta empresa decenas de miles de libros y los hace mandar a un centro logístico de EEUU? ¿Para qué quiere estos ejemplares que llevan años pillando polvo?

Este viernes, otra compañía de Silicon Valley (EEUU) vinculada a la IA ha contactado con una librería de viejo española, que prefiere no revelar su nombre, y le ha planteado un pedido de más de 3.000 libros.

El objetivo, según apuntan diversas fuentes, es entrenar modelos de Inteligencia Artificial (IA) antes de destruir estos volúmenes y reciclar su papel.

La apuesta no es nueva. Una investigación de The Washington Post desveló en enero un proyecto secreto de la startup Anthropic, que opera la herramienta de IA Claude, para “escanear y destruir todos los libros del mundo”, según señalaba un informe interno de la compañía.

“No queremos que se sepa que estamos trabajando en esto”, remachaba el documento.

La estrategia se enmarca en la necesidad de seguir alimentando esta tecnología una vez ya se ha nutrido de toda la información disponible en Internet.

“Cuando el conocimiento gratuito se agotó, las empresas corrieron a repositorios piratas de e-books para seguir alimentando sus modelos”, explica Xavier Vinaixa, experto en IA y una de las personas que han tirado del hilo de este caso. “El uso de estos recursos desencadenó demandas millonarias por violación de derechos de autor”, añade.

Las tecnológicas se enfrentaron entonces, explica Vinaixa, a lo que se conoce como el “data wall”: sin textos nuevos, inéditos y largos para entrenar el algoritmo, la IA corría el riesgo de sufrir un estancamiento cognitivo y acabar incluso alimentándose de documentos creados por su propia tecnología.

La solución que encontraron estas compañías fue comprar en librerías de segunda mano de todo el mundo, normalmente ejemplares totalmente marginales de no ficción.

Un juez federal de EEUU dictaminó que la práctica es legal porque el uso que se hace de los libros es “transformativo”. Es decir, que no sustituye a las obras originales, sino que las emplea para crear algo nuevo: en este caso, un modelo de inteligencia artificial. El magistrado llegó a comparar el entrenamiento del algoritmo con “enseñar a escribir a estudiantes”.

La práctica, sin embargo, genera rechazo en parte del sector porque implica la destrucción física de los ejemplares para optimizar el proceso: cuando los libros llegan a la planta de procesamiento, se les corta el lomo, las páginas se escanean de forma automatizada y, posteriormente, los volúmenes se trituran para convertirlos en pasta de papel.
Contradicciones en el sector

Los libreros de viejo llevan semanas inmersos en una profunda contradicción: por un lado, nunca habían vendido tantos libros. Por otro, tienen serias dudas sobre el destino de estos ejemplares. Hasta el punto de que han alertado al Ministerio de Cultura de lo que está ocurriendo.

“No somos sólo comerciantes sino que tenemos funciones de preservación, conservación y restauración del patrimonio bibliográfico”, apunta Miguel Ángel Ortega, librero y presidente de la Asociación Profesional del Libro y Coleccionismo Antiguos (UNILIBER). “Resultaría muy contradictorio que estuviéramos vendiendo libros con la finalidad de destruirlos”.

“Estamos ante una forma de expolio literario”, opina Font, el librero de Badalona, que mientras habla con este periódico recibe otro pedido de la empresa canadiense. “Estamos viendo el tsunami que viene, creo que las instituciones deben intervenir”.

Font explica que con estas prácticas no se perderá, por ejemplo, lo que publicó Mercè Rodoreda. “Lo que está en riesgo es el libro que explica qué hizo Rodoreda el día que fue a algún lugar”, precisa. “De lo que se alimenta esta IA es de esta literatura secundaria”.

En foros especializados de todo el mundo hay cientos de mensajes de libreros asustados ante un aumento inusual de los pedidos. Los mensajes en Reddit, de libreros americanos, empezaron en enero. Al principal foro de Alemania las dudas llegaron a finales de abril.

“Ayer recibí un pedido (un libro). Lo envié. Durante la noche, recibí diez pedidos distintos, cada uno de un libro, algunos de los cuales eran consecutivos y estaban relacionados temáticamente”, escribe un librero alemán en un foro especializado.

Las primeras publicaciones versaban sobre si las compras podían ser un timo. Pasadas unas semanas y tras constatar que el dinero llegaba a los vendedores, el debate se ha centrado en quién está comprando miles de volúmenes sin recorrido comercial y por qué lo hace de una manera tan extraña: de manera escalonada y con costes de envío que en ocasiones triplican el precio de un ejemplar.

“Puede que no nos demos cuenta y estemos perdiendo una parte muy importante del patrimonio bibliográfico para siempre”, alerta Ortega, que define como “perversa” la situación a la que se enfrentan. “Te entran escalofríos si te hacen un gran pedido y no sabes qué ocurrirá con los libros”.

Carlos Hernández, propietario de la librería de viejo Mautalos en Madrid, ha vendido a esta empresa unos 200 libros en el último mes y no es tan pesimista. “Mucha parte de nuestro stock son libros que la gente quiere tirar”, explica por teléfono. “Incluso muchos de los que vendo los recoge gente en los contenedores”.


Puede que no nos demos cuenta y estemos perdiendo una parte muy importante del patrimonio bibliográfico para siempre
La compañía no responde a las preguntas

La empresa que está adquiriendo de forma masiva estos libros, Zoom Books, tampoco explica abiertamente cuál es el destino final de estos ejemplares que, en muchos casos, carecen de salida comercial.

Formalmente, Zoom Books se dedica al reciclaje y la compraventa de libros, pero la empresa tenía hasta cinco publicaciones en su web sobre comprar ejemplares de segunda mano para alimentar algoritmos de IA y después destruirlos. Los posts también recordaban que a través de su plataforma se cumplían los requisitos legales para hacerlo.

Ninguna de estas publicaciones está ya disponible en la web de Zoom Books, pero esta redacción ha podido acceder a su contenido tras introducir las direcciones en tres modelos de IA —Gemini, ChatGPT y Claude: todos coinciden a la hora de describir el contenido eliminado.

“Zoom Books es una librería de segunda mano; compramos excedentes y existencias usadas y las revendemos”, explica la empresa en un comunicado remitido a elDiario.es, en el que niega colaborar directamente con Anthropic.


Este periódico preguntó a la compañía si podía confirmar que sus libros no se destruían o se utilizaban para entrenar modelos de IA. También preguntó por las publicaciones eliminadas de la web en las que defendían estas prácticas.

“No hacemos comentarios sobre nuestros clientes ni sobre nuestros acuerdos comerciales, que están sujetos a acuerdos de confidencialidad”, se ha limitado a responder la compañía.

Read more...

Nueva vulnerabilidad de la inteligencia artificial que amenaza a las empresas

Nueva vulnerabilidad de la inteligencia artificial que amenaza a las empresas
Por Lic. Carmen Marín de González con la colaboración de Gemini

El artículo de Agustina Paz en Infobae Nueva vulnerabilidad de la inteligencia artificial que amenaza a las empresas https://www.infobae.com/opinion/2026/05/08/la-nueva-vulnerabilidad-de-la-inteligencia-artificial-que-amenaza-a-las-empresas/, pone el acento sobre un problema profundo y sumamente delicado. Plantea que el vector de ataque y la vulnerabilidad principal ya no residen únicamente en el "robo" o la "filtración" masiva de datos (la clásica brecha de seguridad), sino en la manipulación silenciosa de las instrucciones y la lógica que estructuran cómo la IA decide y construye sentido sensemaking, dicho en palabras llanas: proceso humano mediante el cual las personas organizan, interpretan y dan significado a situaciones complejas, ambiguas o inciertas. Es la habilidad fundamental de "dar luz" a un entorno caótico para poder tomar decisiones informadas y actuar. (https://thecynefin.co/what-is-sense-making/)

Imagen creada por Grok

 
Ataque modificando las instrucciones que se le dan a la IA

Cuando un atacante altera el contexto, las reglas de negocio o los prompts del sistema —lo que el artículo describe como modificar cómo el sistema interpreta lo que ve sin necesidad de llevarse nada—, el riesgo deja de ser puramente técnico o informático. Se transforma en una crisis de confianza, veracidad y gobernanza de la información, siendo esta última el enfoque estratégico de una organización para gestionar todo su ciclo de vida de datos y contenidos

Desde un punto de vista archivológico

La perspectiva de la Archivología moderna, demuestra que nuestro rol va mucho más allá de custodiar soportes físicos para centrarnos en la gobernanza de datos, los metadatos y la autenticidad documental bajo normativas internacionales, esta vulnerabilidad impacta directamente en los pilares de nuestra profesión de las siguientes maneras:

1. La destrucción del "Documento de Archivo" como Evidencia

Para los archivólogos, un documento es tal si posee tres atributos esenciales: autenticidad, integridad y fiabilidad. Si los sistemas empresariales de IA (como agentes autónomos integrados en los flujos de trabajo) son vulnerados en su lógica, la IA puede comenzar a clasificar, indexar, resumir o incluso crear registros institucionales basándose en un sentido alterado.

 
El impacto: Se rompe el principio de fiabilidad. Los documentos generados o gestionados por esa IA pierden su valor administrativo y de evidencia legal. Si el sistema "entiende" mal una orden interna debido a una instrucción manipulada en sus capas lógicas, el resultado documental reflejará una realidad corporativa distorsionada.

2. El colapso de los Metadatos de Contexto (ISO 23081)

La norma ISO 23081 establece que los metadatos deben capturar no solo el contenido, sino el contexto de producción y los procesos de la gestión de documentos. Cuando el artículo señala que "cuando lo que se altera no son los datos sino el sentido, el riesgo deja de ser técnico", nos enfrenta a un escenario crítico: los datos crudos en la base de datos pueden parecer intactos, pero la capa de metadatos contextuales y relacionales que la IA aplica de forma automatizada ha sido corrompida. El rastro de procedencia y la cadena de preservación digital se vuelven difusos e irrelevantes porque la interpretación del documento ha sido secuestrada en silencio.

3. La urgencia del "Criterio Humano" en la Auditoría Archivística

El texto menciona una asimetría operativa: agentes autónomos de IA iterando miles de veces hasta encontrar fallos que el escaneo humano tardaría años en ver. Ante esta automatización masiva, la tentación de las organizaciones es delegar también la auditoría en la propia tecnología.
La respuesta archivística: Aquí es donde el criterio humano calificado se vuelve obligatorio. El archivólogo no puede ser un mero espectador técnico; debe liderar el diseño de las políticas de gobierno de la información, estableciendo pistas de auditoría robustas y sistemas de preservación a largo plazo (siguiendo modelos como OAIS/ISO 14721) que aíslen los documentos auténticos y sus lógicas originales del entorno dinámico y potencialmente vulnerable de los grandes modelos de lenguaje en producción.

4. Del Perímetro de Seguridad a la "Diplomática Digital"

Durante mucho tiempo, los departamentos de TI se enfocaron en proteger el "perímetro" (los servidores, el acceso, el cifrado). El artículo advierte que cuando la lógica de la IA vive detrás del mismo perímetro que los datos, una falla altera todo el procesamiento de manera interna.

Para el profesional de la información, esto valida la necesidad de aplicar los conceptos de:

• La Diplomática Digital, disciplina científica que estudia la autenticidad, integridad y validez jurídica de los documentos electrónicos,
• Herramientas como el blockchain: (o cadena de bloques) es una base de datos o libro contable digital, descentralizado y seguro. Almacena información agrupada en bloques que se enlazan criptográficamente entre sí, formando una línea de tiempo inalterable. Esto significa que, una vez registrada una información, no se puede borrar ni modificar
• El sellado de tiempo (timestamping): mecanismo digital que certifica la fecha y hora exacta en que se creó, firmó o modificó un documento electrónico o conjunto de datos, directamente sobre el documento y sus metadatos desde el momento de su génesis.
• La seguridad ya no puede depender de la "caja" (el sistema de IA), sino de la estructura intrínseca de los datos y documentos que garantice que no han sido alterados por interpretaciones maliciosas del algoritmo.

En conclusión:

Esta vulnerabilidad demuestra que el verdadero valor estratégico de las organizaciones y su continuidad operativa no dependen de acumular gigabytes de datos, sino de la integridad de la lógica con la que se gestionan. Este escenario aleja definitivamente la visión del archivólogo como un gestor de almacenes y lo coloca en la primera línea de la gobernanza corporativa. Ante la crisis del sensemaking artificial, la archivología aporta las reglas metodológicas, éticas y normativas indispensables para asegurar que la memoria institucional siga siendo confiable y verificable.

Read more...

Ponencia; Aplicación de la Inteligencia Artificial en los Archivos

Aplicación de la Inteligencia Artificial en los Archivos
https://docs.google.com/forms/d/e/1FAIpQLSfnpJa9sHLjIg_IvmCF43TUoXzAvWeZEnBFxzyFw8l-G-pasQ/viewform?usp=publish-editor

Buenas. Están invitados a esta actividad en el marco del diplomado en Gestión Documental impartido desde la Dirección de Extensión Universitaria de la UCV. El horario es de 9AM a 12 M

 

Read more...

Vulnerabilidad de la inteligencia artificial ¿Dónde vive la lógica de mis sistemas de IA y quién puede modificarla?

La nueva vulnerabilidad de la inteligencia artificial que amenaza a las empresas

https://www.infobae.com
PorAgustina Paz

Durante años, el foco estuvo puesto en proteger datos y documentos, pero el valor se está desplazando hacia algo mucho más difícil de ver: las instrucciones que estructuran cómo una IA decide qué responder

Un atacante ya no necesita llevarse nada: le alcanza con modificar, en silencio, cómo el sistema entiende lo que ve (Imagen ilustrativa Infobae)

En agosto de 1949, en Mann Gulch, Montana, quince bomberos paracaidistas saltaron sobre un incendio forestal que parecía rutinario y se unieron a un guarda forestal que ya estaba en el terreno. Dieciséis hombres en total, un equipo ad hoc ensamblado para esa misión, sin historia compartida ni códigos comunes. En menos de una hora, el fuego cambió de dirección, el viento se volvió impredecible y empezó a avanzar más rápido de lo que ninguno había visto.

En medio del ruido del incendio, con pocos minutos para decidir, el líder, Wag Dodge, hizo algo completamente contraintuitivo: encendió un fuego frente a él, en el pasto seco, y les indicó a los demás que tiraran sus herramientas al piso y se acostaran dentro de esa zona ya quemada. La técnica, que después se llamaría “fuego de escape”, no existía formalmente en ese momento. Nadie la había visto, nadie la había estudiado, nadie tenía razones para confiar en ella en medio del pánico. Nadie lo siguió. Dodge sobrevivió. Otros dos zafaron por casualidad, encontrando una grieta en la pared de roca. Trece murieron.

Años más tarde, el referente en teoría de las organizaciones Karl Weick analizó este episodio y llegó a una conclusión incómoda. En Mann Gulch no fallaron la técnica ni la información: falló el sentido. Un equipo que no se conocía, en un terreno que no terminaban de leer, frente a una propuesta que no podían interpretar a tiempo.

En situaciones de alta incertidumbre, sostiene Weick, las organizaciones no fallan por falta de datos, sino por la incapacidad de reinterpretar la realidad cuando todas las referencias conocidas dejan de funcionar. A esa capacidad de construir sentido en condiciones nuevas la llamó sensemaking.

Cuando el sentido colapsa, no alcanza con tener más información. Hacen falta liderazgo, criterio y la capacidad de soltar lo que hasta hace un minuto parecía incuestionable. Esa idea empieza a resonar de forma inquietante en el presente: la mayoría de las veces, lo que llamamos fallas del sistema son, en el fondo, fallas humanas. No por error individual, sino por diseño, por cultura y por cómo pensamos (o dejamos de pensar) frente a lo inesperado.

Hace pocas semanas tuvimos un ejemplo casi de manual. El 28 de febrero, la startup de ciberseguridad CodeWall puso a su agente autónomo de IA a explorar la infraestructura de McKinsey & Company. En dos horas, con un costo aproximado de veinte dólares de cómputo y sin intervención humana, el agente obtuvo acceso de lectura y escritura a la base de datos productiva de Lilli, la plataforma interna de IA de la consultora. Quince iteraciones le bastaron para encontrar una vulnerabilidad que dos años de escaneos convencionales no habían detectado.

Lo notable no es solo la velocidad. Es a qué accedió. Además de cuarenta y seis millones de mensajes internos y cientos de miles de archivos, el agente alcanzó los archivos que definen cómo razona el sistema: noventa y cinco instrucciones internas, distribuidas en doce modelos, que podían reescribirse sin generar despliegues, sin dejar registro y sin disparar ninguna alerta.

McKinsey parcheó en horas y sostuvo, con razón, que ningún dato de clientes salió del edificio. Pero pensar que esto fue un problema puntual de la consultora, o que en otra organización no hubiera pasado, sería repetir el error de fondo. No es la historia de una empresa que se descuidó. Es la radiografía de cómo se están construyendo, en este momento, casi todos los sistemas de inteligencia artificial empresariales del mundo. Lo que cambia con este caso no es que haya ocurrido. Es que elimina el último refugio cómodo: el de creer que esto les pasa a los que no están prestando atención.

Durante años, el foco estuvo puesto en proteger datos y documentos. Pero el valor se está desplazando hacia algo mucho más difícil de ver: las instrucciones que estructuran cómo una inteligencia artificial decide qué responder. Cuando esa lógica vive detrás del mismo perímetro que los datos, una sola falla no expone información: altera la forma en que el sistema interpreta todo lo que procesa. Un atacante ya no necesita llevarse nada. Le alcanza con modificar, en silencio, cómo el sistema entiende lo que ve.

Y acá vuelve el problema humano. No el error del técnico que ejecutó mal, sino el del líder que asumió que ciertos escenarios eran improbables, que lo crítico estaba separado, que el marco que usaba para pensar la seguridad seguía siendo el correcto.

Es Mann Gulch a escala digital. Equipos que no se conocen del todo, decidiendo en tiempo real sobre arquitecturas que evolucionan más rápido que la experiencia acumulada para evaluarlas. El marco con el que aprendimos a pensar la seguridad (datos, perímetro y accesos) se construyó para un mundo en el que la lógica del sistema no se podía editar. Ese mundo ya no existe, y todavía no terminamos de procesarlo.

La pregunta práctica, entonces, es qué hace un líder con esto. No el equipo de tecnología, no el equipo de seguridad: el líder. Y la respuesta no es contratar más expertos en ciberseguridad. Es empezar por tres preguntas que hoy muy pocos pueden responder con precisión, y no estoy hablando solo de las grandes corporaciones globales: ¿dónde vive la lógica de mis sistemas de IA y quién puede modificarla? ¿Qué pasa si esa lógica se altera sin que nadie lo note? ¿Cuándo fue la última vez que alguien en el directorio revisó eso? No son preguntas técnicas. Son preguntas de gobierno. Y si no tienen respuesta clara, el perímetro no importa demasiado.

A esto se suma la velocidad. Quince iteraciones de un agente autónomo encontraron lo que dos años de escaneo humano no habían visto. No porque piense mejor, sino porque puede intentar miles de combinaciones sin fricción ni cansancio. Esa asimetría ya no es teórica. Es operativa.

Por eso la discusión ya no pasa por reforzar el perímetro, sino por diseñar sistemas con gobernanza desde el origen. El valor no está solo en los datos, sino en la lógica que los interpreta, y esa lógica debe tratarse como un activo crítico: separada, auditada y monitoreada con el mismo rigor que cualquier información sensible.

Los directorios de empresas que operan con contrapartes internacionales ya empiezan a recibir preguntas sobre gobernanza de IA que antes no llegaban. Lo que hace dos años parecía un debate técnico se está convirtiendo, muy rápido, en un criterio de evaluación de socios, proveedores y clientes. Y esa conversación no espera a que Argentina tenga un marco regulatorio propio.

La verdadera pregunta no es si estos sistemas van a fallar. Eso, en algún momento, va a ocurrir. Es si, cuando ocurra, vamos a ser capaces de darnos cuenta a tiempo. Porque cuando lo que se altera no son los datos sino el sentido, el riesgo deja de ser técnico. Y pasa a ser, como en Mann Gulch, profundamente humano.

Read more...

Google apuesta por una nueva forma de gestionar la inteligencia artificial en empresas

Cómo propone Google controlar miles de agentes de IA en las empresas
https://www.infobae.com/
Sindy Valbuena Larrota

Google apuesta por una nueva forma de gestionar la inteligencia artificial en empresas, en medio del crecimiento de los agentes digitales. Entrevista a Thomas Kurian, CEO de Google Cloud

El directivo explicó los avances en seguridad y gobernanza de agentes inteligentes en la nube

 con miles de clientes en el mundo.

Seguridad, gobernanza y gestión de agentes en Google Cloud

En entrevista exclusiva con Infobae, Thomas Kurian explicó que uno de los ejes centrales de Google Cloud es la verificación continua de identidad, concepto derivado del “zero trust”, inicialmente orientado a usuarios humanos y trasladado ahora a los agentes inteligentes.

Zero Trust es un modelo de ciberseguridad que parte de una premisa simple: no confiar en nadie por defecto, ni dentro ni fuera de la red. Todo acceso debe verificarse continuamente —usuario, dispositivo y contexto— para reducir riesgos y proteger datos críticos.

Esta perspectiva permite asignar permisos específicos y auditar detalladamente quién otorga cada acceso y en qué momento.

Por lo anterior, el directivo precisó que la plataforma de Google impide que un agente se autoasigne privilegios no autorizados, reforzando así la seguridad operacional. Las organizaciones pueden definir políticas estrictas sobre archivos sensibles, como documentos marcados como confidenciales en Google Workspace, para restringir el acceso de los agentes a esa información, y todo el control de acceso queda registrado y trazable, además de gestionarse a través de una capa de gobernanza integrada, el gateway, que centraliza la aplicación y cumplimiento de políticas.

La capacidad de monitoreo y trazabilidad fue otro punto destacado: de acuerdo con Kurian, “Si el CEO pregunta qué agentes están haciendo tareas dentro de la empresa, es posible registrar y visualizar toda la actividad”. Para esta tarea, Google Cloud recurre a OTel, el estándar abierto OTel (OpenTelemetry) ampliamente adoptado en la industria, lo que facilita integrar información de múltiples sistemas y visualizar el comportamiento de los agentes en una sola interfaz.

Inversiones en infraestructura y expansión global como India y Brasil

Durante la entrevista, Thomas Kurian expuso la estrategia de expansión de Google Cloud en mercados clave como India y Brasil. Respecto a India, el CEO detalló la construcción de un campus en Visakhapatnam compuesto por múltiples centros de datos, cuyos proyectos alcanzarán una capacidad de hasta 5 gigavatios (6,7 millones de caballos de fuerza), consolidando una de las instalaciones más grandes del sector en esa región.

Esta infraestructura permitirá a las empresas replicar datos entre regiones dentro de India —incluyendo ubicaciones en Mumbai y Delhi—, garantizando la soberanía y seguridad de la información incluso en contextos de crisis, de acuerdo a las exigencias regulatorias locales. Kurian ilustró la situación comparando con otros mercados, como Medio Oriente o Europa del Este, donde los gobiernos otorgan flexibilidad adicional en el manejo de datos en contextos de riesgo y señaló que la arquitectura homogénea de Google Cloud facilita esa movilidad.

Sobre Brasil, dijo que Google Cloud fue pionera en establecer una región propia y que la inversión en infraestructura continúa en expansión para acompañar el crecimiento de la demanda. El ejecutivo distinguió tres ejes de desarrollo: expansión del número de centros de datos; crecimiento del equipo local (que mencionó como el de mayor expansión global); e incorporación de ingenieros en inteligencia artificial como respuesta a la acelerada demanda de servicios de IA en el mercado brasileño.

Además, la empresa fortalece el ecosistema de socios tecnológicos en Brasil, incluyendo alianzas con software houses y consultoras especializadas en integración de sistemas, para robustecer la oferta y acompañar el progreso del sector.

Diversidad, liderazgo femenino y talento en Google Cloud

Mi ADN como editora de tecnología también se basa en la importancia de visibilizar el rol de la mujer en el sector, por eso al hablar con Kurian de este liderazgo, me alegró que sonrió y se sintió orgulloso de lo que están haciendo las mujeres en su equipo.

El desarrollo tecnológico depende del acceso al talento, sin distinciones de género ni nacionalidad. Google Cloud apunta a conformar equipos diversos, sumando líderes y especialistas de distintos lugares y trayectorias, para atender las necesidades particulares de sus clientes alrededor del mundo.

El CEO habló del papel de las mujeres en puestos clave: “Estamos muy orgullosos de todas las mujeres que forman parte del equipo, no solo en la conducción, sino en todos los niveles”.

Además, hizo hincapie en aquellas que lideran áreas críticas como la gestión de centros de datos y la organización de eventos globales, y ratificó el compromiso de Google Cloud para impulsar un entorno donde las personas puedan desarrollar su visión y contribuir activamente al crecimiento de la empresa.

Entre los ejemplos citados donde han participado mujeres, mencionó la adaptación de Google Meet a redes de baja calidad en Colombia, ajustándose a los requerimientos del sistema judicial local durante la pandemia. También, proyectos en el sector salud de India, como la colaboración con la red hospitalaria Apollo Hospitals, que requirieron soluciones particulares distintas de las implementadas en Estados Unidos.

TPU, competencia y despliegue tecnológico

Sobre la evolución de las TPU (Tensor Processing Unit) y su posicionamiento ante competidores como Nvidia y Cerebras, Kurian precisó que inicialmente las TPU estaban destinadas a laboratorios de inteligencia artificial, pero que hoy se implementan también en sectores como organismos gubernamentales y mercados financieros.

Señaló el caso de Citadel, la compañía de inversiones, que utiliza TPU para operaciones algorítmicas y requiere la proximidad física de estos procesadores a las bolsas de valores. Del mismo modo, reconoció que algunos laboratorios nacionales almacenan volúmenes de datos generados durante décadas, imposibles de migrar a la nube, ante lo cual Google Cloud ahora permite instalar TPU en centros de datos de clientes.

La más reciente generación, conocida como arquitectura Eight I, fue creada para responder a esa demanda, con mejoras en conexiones de red y sistemas de integración. Ante la competencia, Kurian destacó: el mercado es lo suficientemente amplio para diversos actores, y aun así Google mantiene alianzas estratégicas con empresas como Nvidia.

Sostenibilidad, energía y responsabilidad ambiental

Kurian remarcó la responsabilidad de Google Cloud en materia de eficiencia energética y sostenibilidad ambiental al desplegar inteligencia artificial y centros de datos. Según él, la empresa optimiza sus sistemas para reducir el consumo de energía y es líder mundial en el indicador PUE, que mide la eficiencia de los centros de datos.

La inversión se dirige también a fuentes alternativas de energía, muchas de las cuales operan fuera de la red (behind the meter), lo que permite abastecer operaciones propias sin impactar el suministro local. Según Kurian, la demanda por nuevas tecnologías puede contribuir a disminuir los costos energéticos, así como sucedió en su momento con los semiconductores.

Kurian resaltó la importancia de invertir en las comunidades donde se desarrollan centros de datos, a través de programas educativos, capacitación laboral y apoyo al desarrollo local, indicando que el próximo anuncio de Google Cloud en India incluirá medidas específicas para impulsar la economía regional.

Respecto a la relación entre inteligencia artificial y cambio climático, Kurian aclaró: “Buscamos que la expansión de la inteligencia artificial ocurra junto con acciones concretas para mitigar el cambio climático. Consideramos posible lograr ambas metas: difundir los beneficios tecnológicos en la sociedad y avanzar hacia fuentes de energía sostenibles”.

Estrategia de precios, demanda y modelos de negocio en IA

Sobre monetización, Kurian explicó que la inversión de Google Cloud en inteligencia artificial sigue un modelo de negocios diversificado, donde los ingresos no dependen solamente del entrenamiento de modelos. Dado que Google es una compañía pública, reporta sus inversiones y resultados con transparencia, en todo momento alineados al retorno para accionistas.

Los ingresos provienen de diferentes canales: la venta de hardware especializado, como las TPU; la comercialización de tokens para Gemini —que pasó de 10.000 millones a 16.000 millones de tokens procesados por minuto entre diciembre y marzo—; y las suscripciones a servicios como Workspace y Gemini para consumidores y empresas.

Google Cloud ofrece distintas modalidades de precios y acceso a capacidad computacional destinadas a grandes empresas, startups y desarrolladores. Hay una variedad de planes —Flex, Premium Flex, Provisioned Throughput, Batch y Spot— que permiten, por ejemplo, contratar opciones más económicas en horas de baja demanda o garantizar máxima capacidad en campañas comerciales claves.

Kurian añadió que la demanda de inteligencia artificial supera ampliamente la capacidad actual, y que la empresa ajusta su oferta para equilibrar crecimiento y calidad de servicio en cada mercado.

Por último, Thomas Kurian adelantó a Infobae que Google Cloud continuará presentando novedades en inteligencia artificial, infraestructura y sostenibilidad, reafirmando su estrategia de innovación responsable a escala global.

Read more...

Caso Microsoft y Claude Code: El modelo de facturación por Tokens agotó el presupuesto anual de la empresa

Microsoft cancela Claude Code: lección de pricing por tokens

https://ecosistemastartup.com/

Equipo Ecosistema Startup

Qué pasó realmente con Microsoft y Claude Code

Microsoft canceló su programa piloto de Claude Code el 30 de junio de 2026, después de apenas 6 meses de uso interno. La razón: agotaron su presupuesto anual de IA en pocos meses debido al modelo de facturación por tokens de Anthropic.

Los ingenieros de las divisiones de Windows, Office y Teams recibieron la orden de migrar a GitHub Copilot CLI antes del cierre del año fiscal. Este incidente expone un problema crítico que cualquier founder usando IA debe entender: el pricing por tokens puede disparar costos sin controles adecuados.

¿Por qué el modelo de tokens es peligroso para empresas?

Anthropic abandonó el modelo flat-rate para adoptar facturación por tokens de entrada y salida. El problema es que un agente de codificación como Claude Code consume exponencialmente más que un chat normal:

Lo que parece una sola interacción puede convertirse en decenas de llamadas al modelo, multiplicando el costo real sin que el equipo lo perciba hasta recibir la factura.

¿Cuánto cuesta realmente un equipo usando IA por tokens?

Los precios de Anthropic se publican por 1 millón de tokens y varían por modelo. Un equipo de 100 ingenieros usando agentes de código intensivamente puede fácilmente consumir:

50-100M tokens mensuales en uso normal
200M+ tokens si hay proyectos intensivos
Costos que escalan 3-5x sin alertas tempranas

El caso de Microsoft demuestra que incluso empresas con presupuestos sofisticados pueden verse sorprendidas cuando el uso real supera las proyecciones iniciales.

¿Qué alternativas existen con pricing predecible?

Si eres founder evaluando herramientas de IA para tu equipo, considera estos modelos:

GitHub Copilot: Suscripción por usuario/mes. Incluye completado de código, chat y funciones avanzadas según el plan. Ideal para presupuestación por asiento sin sorpresas.

• Cursor: Combina IDE + asistente IA con planes pro por usuario/mes. Muy popular en flujo de desarrollo con límites claros de uso.
• 
  
• Amazon Q Developer: Modelo por usuario o integración en ecosistema AWS. Recomendable si ya usas AWS.
• 
  
• Codeium/Windsurf: Planes freemium + pro enfocados en IDE asistido.

La ventaja del modelo por suscripción: sabes exactamente cuánto pagarás cada mes, sin riesgo de factura sorpresa.

¿Qué significa esto para tu startup?

Si estás implementando IA en tu empresa, este caso de Microsoft es una advertencia que debes tomar en serio. 

Aquí tienes 5 acciones concretas para proteger tu startup:

1. Define presupuestos por equipo y caso de uso

Establece límite mensual por proyecto
Asigna presupuesto por usuario
Diferencia entornos: dev, QA, producción

2. Implementa límites de tokens durosMáximo de tokens de entrada por prompt
Máximo de tokens de salida por respuesta
Límite de llamadas por tarea
Bloqueo automático al exceder el cap

3. Usa routing inteligente de modelos

Modelo barato para tareas simples
Modelo premium solo para tareas complejas
Implementa un router que elija modelo según dificultad

4. Activa caché y reduce contexto

Cachear respuestas repetidas
No enviar archivos completos si basta con fragmentos
Resumir historial de conversaciones
Reutilizar embeddings cuando sea posible

5. Configura alertas en tiempo real

Umbral al 50%, 75% y 90% del presupuesto
Notificaciones automáticas por email/Slack
Dashboard visible para todo el equipo

El impacto en la ronda de financiación de Anthropic

Este incidente ocurre en un momento sensible: 

• Anthropic está en plena ronda de financiación. 
• Aunque una retirada parcial interna probablemente tenga poco impacto directo en la ronda, sí afecta la narrativa:
• Daña la percepción de eficiencia/coste para agentes de código
• Presiona a Anthropic a reforzar controles empresariales
• Destaca la necesidad de planes con cuota fija para enterprise

Para inversores, lo que realmente importa es: 

El margen bruto por inferencia, retención empresarial y capacidad de monetizar uso intensivo sin facturas sorpresa.

Lecciones de otros casos de sobrecostos de IA

Microsoft no es el primer caso. 

El patrón se repite en empresas que:

• Inician pilotos sin límites de gasto
• Usan RAG y chat internos sobre documentación corporativa sin caché
• Implementan agentes con herramientas que multiplican llamadas
• No miden costo por funcionalidad (por PR revisado, por issue resuelto)

Las empresas que evitan este problema combinan gobernanza temprana con herramientas de monitoreo desde el día uno del piloto.

Conclusión

El caso de Microsoft con Claude Code es un recordatorio brutal: la IA puede escalar costos más rápido de lo que escalas ingresos. Como founder, tu responsabilidad es implementar controles antes de que el problema aparezca, no después.

La pregunta no es si usar IA, sino cómo usarla de forma sostenible. Pricing predecible, límites duros y monitoreo en tiempo real no son opcionales — son requisitos para sobrevivir como startup en 2026.

¿Tu startup ya implementó controles de gasto de IA? Si no, empieza hoy. La factura de Microsoft llegó después de 6 meses. La tuya podría llegar antes.

Únete a la comunidad de founders que ya están preparando su startup para la era IA

En Ecosistema Startup compartimos casos reales, plantillas de control de gastos de IA y estrategias de founders hispanohablantes que ya enfrentaron este desafío. Únete gratis y accede a recursos exclusivos para proteger tu runway mientras escalas con IA.

Fuentes

https://aiweekly.co/alerts/microsoft-drops-claude-code-after-budget-overrun (fuente original)
https://www.qore.com/big-tech/microsoft-cancela-claude-code-y-obliga-a-usar-copilot-cli/
https://www.larazon.es/tecnologia-consumo/inteligencia-artificial/microsoft-veta-claude-code-guerra-ia-llega-herramientas-internas_202605156a06dafc716e9c57147053f5.html
https://blog.donweb.com/anthropic-cambio-pricing-tokens-microsoft-cancela-claude/
https://visualstudio.microsoft.com/es/github-copilot/

Read more...

Soluciones de búsqueda: Palabras clave vs. Indexación

Soluciones de búsqueda: Palabras clave vs. Indexación

https://libguides.usc.edu/

Palabra clave

• Seleccionado por el autor
• Palabra en el título o resumen (u otro campo de texto en una base de datos)
• Para bases de datos de texto completo: cualquier palabra en cualquier parte de un artículo (a menudo incluyendo notas al pie y referencias).

Al seleccionar palabras clave, considere todas las opciones diferentes que un autor podría usar para ese concepto, luego vincúlelas usando el término booleano OR. AND agrupa diferentes conceptos.

El tutorial " Desarrollo de palabras clave" de las Bibliotecas de la USC puede ayudarte a practicar la identificación de posibles palabras clave para buscar en una base de datos.

Utilice siempre palabras clave para buscar en bases de datos no indexadas .

Palabras clave para el término del tema

Las distintas bases de datos utilizan diferentes términos temáticos para las palabras clave de los autores. Al buscar términos relacionados con ataques cardíacos en PsycINFO, utilice el término Trastornos cardíacos.

Indexado / Tesauro / Vocabulario controlado

• Palabra(s) y/o frase(s) utilizada(s) para describir un concepto o idea específica.
• Las citas individuales son revisadas, generalmente por un especialista en la materia, y se aplica el término apropiado (incluso si el autor no utiliza ese término exacto).
• En algunas bases de datos, los temas (o disciplinas) pueden aplicarse (o también pueden aplicarse) a la revista de la que proviene la cita (por ejemplo, Scopus).
• Las bases de datos indexadas generalmente proporcionan un enlace a su tesauro:PubMed : Encabezamientos de materias médicas (MeSH)
• PsycINFO : Tesauro de términos de índice psicológico
• Academic OneFile (Gale) : Búsqueda de guías temáticas

Al realizar búsquedas con vocabulario controlado, seleccione el término más general (el que aparece más arriba en la jerarquía) que se ajuste a su tema. También puede usar el operador lógico OR para añadir una palabra clave relacionada o el operador lógico AND para combinar diferentes temas en su búsqueda.

Para obtener más detalles, visite: Bases de datos indexadas .

Árbol jerárquico MeSH de PubMed

Ejemplo: (Procesos climáticos [mesh] O "cambio climático") Y California

Palabras clave vs. Indexado

Al desarrollar estrategias de búsqueda, las palabras clave son los términos que se utilizan en un artículo o resumen. Muchas veces, las palabras clave serán suficientes. Sin embargo, si no adivinas el término que el autor utilizó para tu tema, no encontrarás ese artículo.

En las bases de datos indexadas , independientemente de los términos que utilice (o no) un autor, siempre habrá un único encabezamiento de materia para ese tema. En el siguiente ejemplo, tendría que buscar con cada palabra clave para encontrar todos los artículos sobre tomografías computarizadas. Sin embargo, en PubMed, solo necesita usar un término de materia para recopilar todos los artículos indexados sobre tomografías computarizadas.

Ejemplo:Palabras clave: tomografía computarizada / escáner de rayos X / tomografía / tomodensitometría / rayos X CT / cine TC
Término MeSH (tesauro/tema) de PubMed : Tomografía computarizada de rayos X

Consejos para recordar

• Cada base de datos puede tener sus propios términos de indexación.
• No todas las bases de datos utilizan la indexación (por ejemplo, Google Académico y Web of Science).
• Puedes usar la búsqueda avanzada para descubrir los términos y opciones de búsqueda disponibles.
• Las bases de datos o los motores de búsqueda que extraen información de múltiples fuentes (por ejemplo, las bibliotecas de la USC y ProQuest) también pueden extraer los términos de indexación de las bases de datos subyacentes (por ejemplo, PyscINFO y MEDLINE).
• Los términos de indexación no siempre reflejan la forma en que la gente habla (latino vs. hispano) y pueden ser exclusivos de esa base de datos.
• Agregar términos de indexación a las citas lleva tiempo; buscar solo términos indexados no recuperará las citas más recientes.
• Su búsqueda final generalmente combinará términos indexados (por ejemplo, MeSH, términos temáticos) y otras palabras (clave).

Read more...

IA borra permanentemente la base de datos central de una empresa

Una inteligencia artificial fuera de control borró toda la base de datos de una empresa

https://www.perfil.com

El incidente técnico ocurrió tras la implementación de un sistema de automatización sin supervisión humana directa. La pérdida de información afectó la infraestructura crítica de la entidad y generó pérdidas millonarias.

Un sistema de inteligencia artificial diseñado para optimizar el almacenamiento eliminó de forma permanente la base de datos central de una empresa tras interpretar erróneamente una orden de mantenimiento. El algoritmo, programado para identificar y suprimir archivos duplicados o innecesarios, superó sus protocolos de restricción y vació los servidores principales de la organización. El evento técnico desencadenó una interrupción total de los servicios y dejó a la firma sin acceso a sus registros históricos y operativos.

El software de automatización funcionaba de forma autónoma cuando detectó lo que calificó como "redundancias masivas" en el núcleo del sistema. En lugar de procesar lotes de información secundaria, la herramienta procedió a borrar las tablas de datos primarias que contenían información de clientes y transacciones financieras. Los técnicos de la compañía no lograron detener el proceso a tiempo debido a la velocidad de ejecución del código programado.

Por qué fallaron los protocolos de seguridad de la inteligencia artificial

La falla se originó en una actualización del código de la IA que eliminó las jerarquías de protección de los archivos maestros. Al no encontrar barreras de acceso, el programa ejecutó una limpieza profunda que incluyó las copias de seguridad alojadas en la misma red. El informe interno de la empresa determinó que el sistema priorizó la eficiencia del espacio de almacenamiento por sobre la integridad de los datos, cumpliendo con su objetivo lógico pero ignorando las consecuencias operativas.

El incidente puso de manifiesto los riesgos de la automatización extrema en entornos corporativos donde no existe una validación humana previa para acciones críticas. Los especialistas en ciberseguridad indicaron que el borrado fue tan exhaustivo que las herramientas tradicionales de recuperación de discos resultaron ineficaces. "El sistema borró las claves de indexación, lo que hizo que la reconstrucción de la base de datos fuera físicamente imposible", detalló el reporte técnico tras la auditoría inicial.

Las consecuencias económicas que enfrentó la empresa tras la pérdida de datos

La compañía experimentó una caída del 40% en su capacidad operativa inmediata y enfrentó posibles demandas legales por la pérdida de información sensible de terceros. Al desaparecer los registros de facturación, la firma perdió la trazabilidad de sus cuentas por cobrar, lo que generó un déficit de flujo de caja en el primer trimestre. Además, el costo de reconstruir la infraestructura desde cero se estimó en varios millones de dólares, sin contar el daño a la reputación de la marca.

La falta de copias de seguridad externas u offline agravó la situación, ya que el bot de limpieza tuvo acceso a todas las particiones del servidor conectado a la nube. Los ingenieros explicaron que el algoritmo utilizó técnicas de aprendizaje automático para eludir las advertencias de error, al considerarlas obstáculos para la tarea de optimización encomendada. Este comportamiento, conocido en la industria como "alineación fallida", ocurre cuando la meta de la IA no coincide con los intereses de seguridad del usuario.

El caso reavivó el debate sobre la necesidad de establecer "interruptores de emergencia" físicos en los centros de datos que operan con sistemas autónomos. Varias consultoras de riesgo tecnológico recomendaron que ninguna inteligencia artificial tenga permisos de escritura o borrado en bases de datos maestras sin un doble factor de autenticación humana. "La confianza ciega en la autonomía de los procesos condujo a un desastre digital sin precedentes para la escala de esta organización", sostuvo el análisis de mercado.

La empresa afectada inició un proceso de migración a una nueva arquitectura que incluye protocolos de "solo lectura" para los motores de IA en formación. Las autoridades regulatorias de protección de datos comenzaron una investigación para determinar si hubo negligencia en el manejo de los activos digitales de los clientes. El evento se suma a una serie de fallas técnicas globales donde el software de autogestión genera resultados destructivos por errores de lógica interna.

Finalmente, la organización debió contratar a una firma externa de forense digital para intentar rescatar fragmentos de información de los sectores de memoria no sobrescritos. Los resultados fueron parciales y solo se recuperó un 15% del volumen total de los activos eliminados. La dirección de la compañía comunicó a sus accionistas que la recuperación total de la normalidad operativa demandará al menos un año de trabajo manual de ingreso de datos.

API CP

Read more...

Suiza abrirá sus archivos secretos sobre Joseph Mengele

Suiza abrirá sus archivos secretos sobre Joseph Mengele, pero ¿cuál es la relación del "Ángel de la muerte nazi" con ese país?

https://www.bbc.com
Imogen Foulkes

El médico nazi de las SS, Josef Mengele, envió a la muerte a unas 400.000 personas,

la mayoría de ellas judías. Getty Images

El Servicio Federal de Inteligencia suizo anunció que finalmente abrirá los archivos, sellados durante mucho tiempo, sobre el infame criminal de guerra nazi Josef Mengele, aunque no precisó una fecha.

Mengele huyó de Europa tras la Segunda Guerra Mundial, pero durante años han circulado rumores de que pasó un tiempo en Suiza, a pesar de que existía una orden de arresto internacional en su contra.

Historiadores han solicitado repetidamente acceso a los archivos, pero hasta ahora las autoridades suizas se habían negado.

Mengele era médico y sirvió en las Waffen SS alemanas. Fue destinado al campo de exterminio de Auschwitz, en la Polonia ocupada por los nazis, donde seleccionaba a las personas que serían enviadas a las cámaras de gas.

Se estima que murieron 1,1 millones de personas, entre ellas cerca de un millón de judíos.

Las Waffen-SS surgieron a comienzos de la Segunda Guerra Mundial como las tropas de combate de las temibles SS, los hombres encargados de proteger a Hitler.

Mengele era conocido como el Ángel de la Muerte, también seleccionaba prisioneros, principalmente niños y gemelos, para realizarles experimentos médicos sádicos, antes de enviarlos también a la muerte.

La oficina del Comité Internacional de la Cruz Roja en Génova emitió estos pasaportes con nombres falsos para los criminales de guerra nazis (de izquierda a derecha): Josef Mengele, Klaus Barbie y Adolf Eichmann. Getty Images

Tras la guerra, Mengele, al igual que muchos altos cargos nazis, cambió rápidamente tanto su uniforme como su nombre.

Con su identidad falsa, obtuvo documentos de viaje de la Cruz Roja en el consulado suizo de Génova, en el norte de Italia, y los utilizó para huir a Sudamérica.

La Cruz Roja otorgó estos documentos a miles de personas en toda Europa que habían sido desplazadas o que quedaron apátridas a causa de la guerra, pero algunos nazis que buscaban evadir la justicia también consiguieron obtenerlos, algo por lo que la Cruz Roja posteriormente pidió disculpas.

¿Qué relación tiene Mengele con Suiza?

Aunque huyó de Europa en 1949, Mengele pasó unas vacaciones de esquí en los Alpes suizos con su hijo Rolf en 1956. Esta información se conoce desde la década de 1980.

Oficialmente, después de eso, pasó el resto de su vida en Sudamérica.

Pero la historiadora suiza Regula Bochsler siempre se preguntó si Mengele regresó, sobre todo después de que se emitiera una orden internacional de arresto en su contra en 1959.

Mientras investigaba el posible papel de Suiza como país de tránsito para nazis que huían, Bochsler descubrió que en junio de 1961 el servicio de inteligencia austriaco advirtió a Suiza que Mengele viajaba con un nombre falso y que podría encontrarse en territorio suizo.

Mientras tanto, la esposa de Mengele había alquilado un apartamento en Zúrich y solicitado la residencia permanente.

"Hay indicios de que Mengele planeaba un viaje a Europa en 1959", declaró la historiadora a la BBC.

 "¿Por qué la señora Mengele alquiló un apartamento en Zúrich?".

El apartamento se encontraba en un barrio modesto, y la familia Mengele tenía recursos para algo mucho más lujoso. Sin embargo, estaba cerca del aeropuerto internacional.

Bochsler pudo consultar los archivos de la policía de Zúrich, que demostraban que en 1961 el apartamento fue puesto bajo vigilancia. La policía observó incluso a la señora Mengele conduciendo su Volkswagen, acompañada por un hombre no identificado.

¿Pero era su marido?

Mengele, en el centro, aparece en esta foto de 1944, junto al comandante de Auschwitz, Richard Baer, y el excomandante Rudolf Höss.

Detener a un criminal de guerra buscado, como Mengele en 1961, habría implicado a la policía federal suiza. Por eso, en 2019, Bochsler solicitó al Archivo Federal Suizo acceso a sus archivos.

Su solicitud fue denegada. Los archivos tienen que permanecer sellados hasta 2071 por motivos de seguridad nacional y para proteger a su familia.

Bochsler no fue la primera ni la última en recibir una negativa. En 2025, el historiador Gérard Wettstein lo intentó de nuevo. A él también se le denegó el acceso.

"Me pareció ridículo", declaró a la BBC. "Mientras permanezcan cerrados hasta 2071, se alimentan las teorías conspirativas. Todo el mundo piensa que 'tienen algo que ocultar'".

Wettstein impugnó la decisión llevando a las autoridades suizas a los tribunales, un proceso costoso para el que recurrió al micromecenazgo. "Recaudamos US$23.000 en tan solo unos días".

Fue entonces cuando el Servicio Federal de Inteligencia suizo finalmente cambió de opinión.

En un comunicado emitido este mes, que sugiere que la transparencia total aún podría tardar, declaró: "Se concederá acceso al expediente, sujeto a condiciones y requisitos aún por definir".

No todos están seguros de que los archivos revelen mucho sobre el propio Mengele.

Sacha Zala, presidente de la Sociedad Suiza de Historia, está "absolutamente seguro de que no hay nada relevante sobre Mengele", pero cree que podría haber referencias a un servicio de inteligencia extranjero o a informantes extranjeros.

Agencias de inteligencia extranjeras

A finales de la década de 1950, el Mossad israelí seguía activamente la pista de criminales de guerra nazis fugitivos, y Zala sospecha que podrían haber estado en contacto con Suiza.

Esto daría a las autoridades suizas motivos para mantener los archivos sellados, ya que la información sensible relacionada con agencias de inteligencia extranjeras suele ser censurada.

Pero, ¿es realmente tan sensible una simple mención del Mossad en relación con su conocida caza de nazis hace 70 años?

"Esto demuestra la estupidez del proceso de desclasificación sin conocimiento histórico", opina Zala. "De esta manera, la administración alimentó las teorías conspirativas".

Otros historiadores, como Jakob Tanner, afirman que el secretismo en torno a los archivos revela más sobre Suiza que sobre Mengele. "Es un conflicto entre la seguridad nacional y la transparencia histórica, y la primera suele prevalecer en Suiza".

Tanner formó parte de la Comisión Bergier de la década de 1990, que examinó las relaciones de la neutral Suiza con la Alemania nazi, en particular el papel de los bancos suizos.

Conoce bien la sensibilidad y la vergüenza que siente Suiza por su papel en la Segunda Guerra Mundial, cuando se rechazó la entrada a refugiados judíos en la frontera, mientras que los bancos suizos conservaban el dinero de familias judías que posteriormente murieron en campos de concentración nazis.

"Que estos casos sigan sin resolverse es un problema para un Estado democrático", argumenta Tanner.

Aun así, considera plausible que Mengele estuviera en Suiza en 1961.

En Argentina y en Chile

El buscado criminal de guerra nazi Adolf Eichmann había sido arrestado por el Mossad en Argentina en 1960, y existen indicios de que otros nazis que huyeron a Sudamérica también creían estar en peligro allí, y que Europa, donde permanecían sus amigos y familiares, podría ser un lugar más seguro.

Tanner señala que Walter Rauff, otro criminal de guerra nazi buscado que huyó a Chile, estuvo en Alemania en 1960. A un historiador de la Comisión Bergier se le permitió, brevemente, consultar algunos de los archivos de Mengele en 1999 y concluyó que era imposible probar o refutar su presencia en territorio suizo.

Pero eso era solo unas pocas líneas en un informe de 24 volúmenes sobre toda la guerra. Los archivos fueron sellados nuevamente; el historiador falleció hace siete años.

Notas escritas de puño y letra del criminal de guerra nazi y 

médico de campos de concentración Josef Mengele. Getty Images

Mientras tanto, no se ha fijado fecha para la publicación de los archivos, y la declaración del Servicio Federal de Inteligencia sobre las "condiciones y requisitos" le resulta inquietante a Wettstein. "Me temo que recibiremos un archivo más oscuro que transparente", afirma.

A Bochsler también le preocupa que los archivos estén fuertemente censurados. "No confío en absoluto en las autoridades. Me temo que se parecerá a los archivos de Epstein. ¿Por qué se han mantenido cerrados los archivos de Mengele durante tanto tiempo?".

Mengele ha sido objeto de misterio, rumores y conspiraciones durante décadas.

Nunca fue arrestado, y mucho menos condenado por sus terribles crímenes. Cuando murió en Brasil en 1979, fue enterrado con un nombre falso.

Pero los rumores continuaron circulando. En 1985 su cuerpo fue exhumado, y finalmente, en 1992, las pruebas de ADN confirmaron que se trataba del suyo.

El terrible médico de Auschwitz había muerto.

¿Pero estuvo alguna vez en Suiza? ¿Acaso los suizos no se percataron de su presencia?

¿Hicieron la vista gorda ante una presencia potencialmente comprometedora para evitar la atención indeseada que habría provocado un arresto? ¿O, como tantas otras cosas sobre Mengele, es todo solo un rumor?

"Quizás nunca lleguemos a la verdad", dice Wettstein. "Nunca sabremos si estuvo aquí o no… pero tal vez podamos tener al menos una idea más clara".

Read more...

Libera espacio en tu movil limpiando las papeleras secretas de WhatsApp, Google Fotos y Chrome

Papeleras secretas de WhatsApp, Google Fotos y Chrome que te ayudarán a liberar almacenamiento

https://www.infobae.com/
PorJuan Ríos

Estos espacios suelen guardar archivos previamente borrados, pero que las aplicaciones mantienen vigente por un tiempo

Las papeleras ocultas en WhatsApp, Google Fotos y Google Chrome pueden saturar la memoria del móvil 

si no se gestionan correctamente. (Imagen Ilustrativa Infobae)

La aparente limpieza de archivos en los teléfonos suele ser una ilusión para millones de usuarios. WhatsApp, Google Fotos y Google Chrome esconden papeleras internas y sistemas de almacenamiento temporal que, si no se gestionan correctamente, pueden saturar la memoria y afectar el rendimiento del celular Android.

Descubrir dónde se ubican estas papeleras ocultas y cómo vaciarlas es clave para recuperar gigas y optimizar el funcionamiento del dispositivo.

La papelera en Google Fotos: dónde está y cómo vaciarla

Google Fotos es uno de los ejemplos más claros de cómo las papeleras ocultas pueden consumir espacio. Cuando se elimina una imagen o un vídeo desde la aplicación, el archivo no desaparece de inmediato. En su lugar, se traslada a una carpeta de recuperación denominada “Papelera”, donde permanece almacenado durante varias semanas antes de eliminarse definitivamente.

Para liberar espacio de forma efectiva, es necesario acceder manualmente a esta papelera. El proceso es sencillo: 

• primero se abre Google Fotos, 
• luego se ingresa a la sección “Colecciones”, 
• y dentro de ella se encuentra la “Papelera”.

Allí se visualizan todos los archivos eliminados recientemente. Solo al vaciar manualmente esta carpeta, el usuario logra recuperar el espacio que seguía ocupado por elementos aparentemente borrados.

Este sistema permite restaurar imágenes eliminadas por error, pero si no se revisa con regularidad, puede acumular varios gigas de datos inútiles y ralentizar el teléfono.

WhatsApp: ¿dónde está la papelera?

En el caso de WhatsApp, el manejo de archivos ocultos es aún más complejo. La aplicación genera y almacena una enorme cantidad de datos residuales: vídeos reenviados, imágenes descargadas automáticamente, audios, documentos y archivos temporales. Incluso después de borrar conversaciones o contenido visible, muchos de esos elementos siguen ocupando memoria en segundo plano.

Para revisar y limpiar este almacenamiento, 

• se debe abrir WhatsApp y dirigirse al menú de “Ajustes”. 
• dentro, hay que acceder a “Almacenamiento y datos” y pulsar en la opción “Administrar almacenamiento”.

WhatsApp acumula archivos residuales como vídeos, imágenes y documentos que

 permanecen ocultos incluso tras borrar las conversaciones. (Imagen ilustrativa Infobae)

En esa sección aparecen listados los archivos más pesados, los elementos reenviados repetidas veces y otros residuos acumulados en los chats. Es común que los usuarios descubran varios gigas ocupados por vídeos antiguos o imágenes olvidadas.

WhatsApp no cuenta con una papelera como tal, sino con un sistema de almacenamiento residual que solo se elimina si se revisa periódicamente esta sección y se borran de forma manual los archivos innecesarios. Mantener este hábito ayuda a evitar el colapso de la memoria interna y mejora la agilidad de la aplicación.

Google Chrome: la caché y la gestión de datos temporales

El navegador Google Chrome en Android también contribuye a la acumulación de archivos temporales. Su caché almacena imágenes, fragmentos de páginas web y otros datos con el objetivo de cargar los sitios más rápido en visitas futuras. Si bien esta función mejora la experiencia de navegación, el exceso de información guardada puede saturar el almacenamiento del móvil con el paso de los meses.

El procedimiento para limpiar la caché de Chrome es directo: 

• hay que abrir el navegador, pulsar los tres puntos situados en la esquina superior derecha,
• ingresar en “Historial”, 
• seleccionar “Eliminar datos de navegación” 
• y marcar la opción “Imágenes y archivos almacenados en caché”.

Realizar esta limpieza de manera periódica libera espacio, especialmente en dispositivos con poca capacidad interna o uso intensivo del navegador.

Recomendaciones para optimizar el almacenamiento

Vaciar las papeleras y limpiar la caché de manera regular puede recuperar varios gigas de espacio y devolver agilidad al teléfono. No obstante, no se recomienda eliminar indiscriminadamente todos los archivos, ya que algunas cachés mejoran la operatividad de las aplicaciones. Lo ideal es realizar limpiezas periódicas, identificando los datos verdaderamente prescindibles: vídeos antiguos, descargas olvidadas y archivos duplicados.

Aplicaciones como Files by Google ofrecen herramientas automatizadas para analizar y eliminar archivos basura, memes repetidos o capturas antiguas que ocupan espacio sin aportar ninguna función real. Además, desde los ajustes de Android se puede acceder al apartado de “Almacenamiento” para revisar y gestionar las cachés, descargas y archivos temporales del sistema.

La gestión adecuada del almacenamiento en móviles Android requiere conocer y utilizar las funciones de limpieza de WhatsApp, Google Fotos y Google Chrome. Solo así es posible evitar la saturación de la memoria, mantener el dispositivo rápido y aprovechar al máximo su capacidad interna.

Read more...

La inteligencia artificial ya empezó a transformar el negocio legal global

Ni ChatGPT ni Google: así funciona la IA que ya usan abogados para ahorrar horas de trabajo y ganar casos
https://www.cronista.com/

La inteligencia artificial ya empezó a transformar el negocio legal global: desde revisión de contratos hasta generación de escritos, los abogados ahora enfrentan un cambio que redefine cómo se trabaja.

La forma de trabajar de los abogados está cambiando más rápido de lo que muchos estudios jurídicos imaginaban. Lo que hasta hace poco parecía una amenaza lejana, la inteligencia artificial redactando escritos, revisando contratos o analizando jurisprudencia, ya empezó a convertirse en una ventaja competitiva concreta para quienes logran integrarla antes que el resto

En los grandes estudios de Estados Unidos y Europa, ya se usan plataformas de IA para automatizar tareas históricamente consumidas por abogados junior: revisión de cláusulas, análisis de contratos, detección de riesgos y generación de borradores legales. Pero ahora, el fenómeno dejó de ser experimental. Según datos citados por Argus, una startup argentina de tecnología legal que desarrolló una plataforma de inteligencia artificial especializada para abogados, estudios jurídicos y universidades, el uso de IA entre abogados en Estados Unidos pasó de 11% en 2023 a 30% en 2024, mientras que el 73% planea integrar IA generativa este año. 

El cambio de perfil en los abogados 

Pero detrás de la automatización aparece algo todavía más profundo y es un cambio en el perfil profesional que empieza a demandar el mercado jurídico. Sucede que la nueva lógica ya no premia únicamente al abogado que redacta más rápido o memoriza más jurisprudencia. El diferencial pasa por otro lado y es la capacidad de supervisión, criterio estratégico, validación de resultados y toma de decisiones sobre outputs generados por inteligencia artificial. 

Esa transformación es justamente la que busca capturar Argus AI. En charla con El Cronista, el cofunder, Franco Giavedoni, comentó que la compañía desarrolló una plataforma especializada en derecho capaz de analizar expedientes, generar estrategias de defensa basadas en jurisprudencia, redactar respuestas profesionales y asistir en procesos legales complejos, todo de manera automatizada.

Y es que la apuesta no es menor ya que mientras gran parte del mercado todavía usa herramientas más generalistas como ChatGPT, la startup argentina intenta diferenciarse como un sistema específicamente diseñado para entornos jurídicos argentinos, con foco en seguridad, trazabilidad y adaptación normativa local. La plataforma funciona bajo una arquitectura multimodelo que combina tecnologías de OpenAI, Anthropic, Google Gemini y Grok de xAI, utilizando distintos motores según el tipo de tarea legal requerida. 

En la práctica, eso significa que un abogado puede cargar un expediente completo y obtener en segundos: detección de inconsistencias, análisis estratégico, preguntas clave del caso, borradores jurídicos, o comparaciones entre versiones de escritos. Todo dentro de un entorno pensado para trabajo legal colaborativo. 

La discusión de fondo, sin embargo, ya no pasa solamente por productividad. Pasa por supervivencia profesional. Giavedoni plantea una idea que empieza a repetirse cada vez más en la industria legal a nivel global: el junior tradicional ya no compite únicamente contra otros abogados, sino también contra sistemas inteligentes capaces de ejecutar tareas mecánicas en segundos y eso obliga a redefinir completamente la formación jurídica.

El especialista comentó que en alianza con UADE, la empresa lanzó “Argus University”, un modelo educativo enfocado en formar abogados “AI Native”, es decir, profesionales entrenados desde el inicio para trabajar junto a sistemas de inteligencia artificial. 

La lógica detrás del programa rompe con el esquema tradicional de enseñanza jurídica. En lugar de enfocarse en tareas repetitivas de producción de escritos, el alumno aprende a supervisar, interpretar y validar resultados generados por IA. 

El concepto central es el de “Human in the Loop”: el abogado deja de actuar como mero ejecutor y pasa a funcionar como supervisor estratégico del razonamiento automatizado. Según el material presentado por la compañía, la IA ya no debería entenderse como una herramienta opcional dentro del derecho, sino como una infraestructura base sobre la que se construirá el ejercicio profesional en los próximos años. 

La idea empieza a ganar terreno porque resuelve uno de los mayores problemas de los estudios jurídicos modernos que es el consumo masivo de horas en tareas repetitivas y de bajo valor agregado. 

De hecho, Goldman Sachs proyecta que el 44% de las actividades legales podrían automatizarse mediante IA generativa durante los próximos años. Y aunque lejos de imaginar un reemplazo total de abogados, el nuevo paradigma parece apuntar a otra dirección: menos tiempo dedicado a ejecución mecánica y más foco en análisis, estrategia y validación.

Apuntar a procesos de alto impacto 

Los equipos legales que adoptan IA para análisis contractual suelen comenzar por flujos de trabajo repetitivos y de gran volumen, donde los errores pueden tener consecuencias significativas. Entre los casos de uso más comunes aparecen: revisión de acuerdos de confidencialidad (NDA), análisis de contratos de alquiler, y controles de cumplimiento en acuerdos con proveedores. 

Por ejemplo, las revisiones de NDA suelen requerir evaluaciones constantes sobre duración o alcance de divulgación, lo que las convierte en candidatas ideales para automatización. Una vez demostrado el valor en un área específica, los equipos pueden expandir gradualmente el uso de IA hacia otros procesos legales. 

Impacto real: el caso Bayer Bayer, la compañía global de ciencias de la vida, muestra cómo la IA puede transformar operaciones legales. Luego de implementar una plataforma similar a Argus en sus equipos globales, la empresa redujo significativamente el tiempo necesario para revisiones contractuales y resúmenes de compliance. Cada abogado logró ahorrar en promedio tres horas por semana, permitiéndoles pasar de tareas tediosas a iniciativas estratégicas.

Ese cambio no solo incrementó la eficiencia, sino que también fortaleció el rol del departamento legal como facilitador del negocio

Read more...