Mostrando entradas con la etiqueta Agentes digitales. Mostrar todas las entradas
Mostrando entradas con la etiqueta Agentes digitales. Mostrar todas las entradas

Un documento puede mostrar quién cambió una frase, pero ¿quién aprobó lo que ahora dice?

>>  lunes, 28 de septiembre de 2026

Cuando la IA edita el documento, ¿quién posee el cambio?

https://www.unite.ai
Gary Espinosa



Un documento puede mostrar quién cambió una frase, pero dejarte adivinando quién aprobó lo que ahora dice. Cuando la IA y las personas han revisado ambas la redacción, un nombre junto a la edición final no responde a esa pregunta.

Considera una política de soporte hipotética que promete una respuesta dentro de dos días hábiles. Una reescritura de IA propone un día hábil. Un editor humano lo cambia a tres, y un líder de equipo aprueba el documento. El archivo publicado parece ordinario. Su historial contiene una propuesta rechazada, una revisión humana y una decisión sobre lo que los clientes deben esperar.

¿Quién posee ese cambio? Necesitamos distinguir las contribuciones antes de poder asignar la responsabilidad de su publicación. De lo contrario, “asistido por IA” nos dice muy poco sobre cómo llegó la redacción final.

Separar la edición de la decisión

El anuncio de Microsoft del 29 de septiembre de 2025 de que Agent Mode en Word estaba comenzando su despliegue Frontier situó la edición conversacional dentro de la aplicación de documentos, inicialmente en la web. Ese anuncio establece la fecha de lanzamiento, no cómo cualquier organización en particular revisa los cambios resultantes.

Para un equipo que usa IA de esta manera, el punto de partida útil es la persona que solicita la edición.
Registra a esa persona por separado del software que la genera. Si alguien luego reescribe la sugerencia, también conserva esa contribución. La aprobación es otra acción, vinculada a la versión que el revisor realmente vio.

Esos roles no exigen personas distintas para cada tarea. Un editor puede solicitar una reescritura, revisarla y tener autoridad para aprobarla. La distinción sigue siendo importante: solicitar un párrafo más corto no implica necesariamente aprobar cada alteración que haga el software.

El W3C PROV data model proporciona un vocabulario para describir esta historia. Los documentos y sus versiones pueden representarse como entidades; las ediciones y aprobaciones como actividades; las personas y el software como agentes. El modelo describe las relaciones entre ellos. No determina la responsabilidad legal ni autentica a quien aparezca en el campo de autor.

Para flujos de trabajo de documentos asistidos por IA que involucren redacción técnica o material de soporte, esto significa definir lo que representa cada acción registrada. Un comentario identifica una contribución a la discusión. Una aprobación debe identificar el permiso para publicar una redacción específica. Asignar a ambos el mismo estado genérico de “revisado” haría el registro menos útil.

Crear un registro para un pasaje modificado

Regresemos al ejemplo del tiempo de respuesta. Antes de generar una reescritura, conserva la redacción aprobada de dos días hábiles y su versión del documento. Asigna a la propuesta de cambio un identificador y luego conecta a él las revisiones y decisiones posteriores.

Lo siguiente es un diseño ilustrativo, con identificadores inventados. No es la salida de un producto probado ni un esquema que soporte cada herramienta de documentos.

Elemento de registro

Qué preservar

Documento y ubicación

ID del documento, versión base v12 y el pasaje afectado. Utiliza un identificador de pasaje estable cuando esté disponible; la paginación puede cambiar.

Propuesta de IA C17

Redacción original y respuesta propuesta de un día hábil; tiempo de generación, identidad autenticada del usuario solicitante y la identidad del software. Registra los detalles del modelo cuando estén expuestos; de lo contrario, márcalos como desconocidos.

Revisión humana C17b

El cambio del editor a tres días hábiles, su identidad y su relación con C17.

Decisión de revisión

C17 rechazado o reemplazado; C17b aceptado. Identifica al aprobador y la hora de la decisión, con una razón cuando el cambio lo justifique.

Versión publicada v13

El archivo publicado, su propietario responsable y una conexión conservada con la revisión aceptada.


Conserva la propuesta de IA después de que la revisión humana la reemplace. Si el registro retiene solo la redacción final de tres días hábiles, un revisor posterior no podrá reconstruir la sugerencia anterior a partir de esa entrada. Los cambios rechazados forman parte del historial aunque no correspondan al texto publicado.

El Generative AI Profile de julio de 2024 de NIST describe la procedencia como información sobre el origen y la historia del contenido, incluidas las modificaciones y fuentes. También recomienda evaluar la relación entre los procesos de procedencia y los revisores humanos. La tabla aplica esa idea a un flujo de trabajo de documentos; no es una lista de verificación de certificación de NIST.

Puedes conservar este registro dentro del sistema de documentos o en un repositorio conectado. En cualquier caso, haz que la relación con la versión publicada sea lo suficientemente explícita para que alguien pueda recuperarla sin depender de la memoria del editor original.

Verificar qué sobrevive al traspaso

Un archivo exportado merece su propia verificación. El historial disponible durante la edición puede diferir de lo que un destinatario puede inspeccionar, según la aplicación, el formato y la configuración de exportación. No asumas que cada PDF pierde la atribución, o que preservar los comentarios visibles conserva cada decisión de revisión.

La documentación para editar con Copilot de Microsoft indica que sus cambios respetan Control de Cambios cuando esa función está habilitada. Esa es una funcionalidad útil. No establece que todo su historial de aprobaciones sobreviva a cada conversión o transferencia posterior.

Prueba la ruta que tu equipo realmente utiliza. Lleva el documento de ejemplo a través de la revisión y la exportación, y luego intenta recuperar la revisión aceptada y su aprobador usando los registros retenidos. Si el archivo publicado no puede llevar ese historial, conserva un registro controlado en otro lugar y preserva la conexión entre ambos.

Los casos menos sencillos también merecen atención. Acepta solo parte de una sugerencia e inspecciona lo que indica el registro. Haz que dos revisores trabajen contra la misma versión base, y luego determina qué cambios llegaron al archivo publicado. Finalmente, edita el pasaje después de la aprobación y verifica que la decisión anterior no se haya convertido silenciosamente en la aprobación de la nueva redacción.

El nombre de autor mostrado debe poder rastrearse a una cuenta autenticada antes de confiar en él para la identificación. De manera similar, un resumen de archivo puede ayudar a identificar el artefacto publicado, pero no puede decirte si el compromiso de tiempo de respuesta es correcto. Esos son controles separados, y tu proceso de revisión debe preservar la distinción.

Establece el Límite de Aprobación Antes de la Publicación

Cambiar el formato de un encabezado y cambiar un compromiso con el cliente no tienen por qué seguir rutas de revisión idénticas. Decide qué ediciones pueden proceder bajo una política establecida y cuáles requieren la aprobación de una persona designada. Esa elección debe reflejar lo que el cambio significa para las personas que usan el documento.

El argumento para autoridad explícita de decisión de IA se vuelve práctico aquí. En nuestro ejemplo, alguien necesita autoridad para aprobar un compromiso de respuesta de tres días hábiles. El permiso para editar el archivo por sí solo no debe considerarse evidencia de esa autoridad.

Proporciona a ese revisor suficiente contexto para decidir. Muestra la redacción original y la propuesta junto a cualquier revisión humana intermedia. Haz visibles los conflictos no resueltos e identifica la versión destinada a la publicación. Un revisor que solo vea un párrafo final pulido puede no tener razón para notar que el tiempo de respuesta cambió.

Define quién posee la publicación antes de transferir el flujo de trabajo a los usuarios. Esa persona no tiene que realizar cada edición, pero necesita una forma de establecer que la revisión requerida se realizó y se aplica al archivo que está publicando. Dejar la asignación vaga dificulta resolver un cambio disputado cuando el documento está listo para su uso.

Esto no requiere conservar indefinidamente cada solicitud confidencial. Retén la evidencia necesaria para explicar la decisión según la política de acceso y retención de tu organización. Si la información de la versión del modelo no está disponible, registra la limitación. Un historial útil debe hacer evidente la información faltante en lugar de insinuar un nivel de detalle que el sistema nunca capturó.

Publica Solo la Versión que Puedes Rastrear

Antes de publicar un cambio significativo, intenta rastrearlo a través del registro. Encuentra la sugerencia original, determina qué modificó el editor humano y recupera la decisión que aceptó esa revisión. Luego compara la versión aprobada con el archivo que se entregará.

Si falta esa conexión, suspende el cambio de revisión. Que alguien recuerde que el documento fue “aprobado” no basta para establecer qué redacción aprobó.

Un editor debe poder explicar su contribución sin que se le asignen todas las sugerencias que la IA generó. El responsable de la publicación necesita saber con precisión lo que está autorizando. No podemos pedir a las personas que respalden cambios sin proporcionarles una forma fiable de inspeccionar cómo se realizaron esos cambios.

Read more...

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

>>  domingo, 24 de mayo de 2026

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...

Snap Shots

Get Free Shots from Snap.com

  © Free Blogger Templates Autumn Leaves by Ourblogtemplates.com 2008

Back to TOP