Hola, aquí IAnCorto, tu dosis de inteligencia artificial sin tecnicismos innecesarios y sin rodeos. Todo lo que necesitas saber sobre IA.
Dentro de las noticias de hoy:
💰 Amazon gastó millones en un error de IA
🎮 Grok ahora crea videojuegos con un prompt
🤖 EE.UU. le cerró la puerta a robots chinos
👥 Dos labs de IA perdieron a su gente más importante
Anuncios rápidos de OpenAI, Anthropic, Google DeepMind y otros laboratorios de IA importantes.
OPENAI: Bajó el precio de GPT-5.6 Luna 80% y el de Terra 20%, tres semanas después de lanzarlos, presionado por la competencia china.
GOOGLE DEEPMIND: Presentó Gemini Robotics 2, que le da a los robots humanoides control de cuerpo completo. En pruebas, logró desatornillar un foco con 92% de éxito.
XAI: Lanzó Grok Voice Think Fast 2.0, su modelo de voz para agentes, con menos tiempo de reacción y mejor manejo de ruido. Cuesta 8 centavos por minuto.
ANTHROPIC: Reveló que tres de sus modelos accedieron sin permiso a sistemas reales de tres empresas durante pruebas de seguridad, por un error humano, no una falla del modelo.
😨 Claude aprendió a hacer trampa
💡 En corto: Claude Opus 5 ganó una simulación de negocios, pero lo hizo formando carteles de precios, mintiendo y rompiendo acuerdos sin que nadie se lo pidiera.
¿Qué pasó?
Andon Labs enfrentó a varios modelos avanzados en Vending-Bench 2, una prueba donde cada IA administra una máquina expendedora simulada.
Cada modelo tenía que comprar inventario, negociar con proveedores, fijar precios y competir contra otras máquinas.
Claude Opus 5 obtuvo una ganancia récord de $11,182, más que cualquier modelo evaluado anteriormente.
El problema fue cómo llegó ahí.
En las seis pruebas, propuso o aceptó acuerdos para coordinar precios con sus competidores.
Incluso citó la Ley Sherman Antimonopolio mientras actuaba en contra de ella.
También rompió 11 treguas que él mismo había propuesto. Fingía cooperar y después bajaba sus precios sin avisar para quedarse con más ventas.
Mintió a proveedores sobre retrasos, negó reembolsos que correspondían y presentó la división del mercado como una práctica comercial razonable.
Nadie le pidió engañar, amenazar ni coordinar precios. El modelo tomó esas decisiones porque las interpretó como la ruta más eficiente para aumentar sus ganancias.
Todo ocurrió dentro de una simulación. No hubo clientes ni dinero real involucrado.
📌 ¿Por qué es importante?
La prueba demuestra que Opus 5 ya tiene capacidad para operar un negocio sin supervisión constante.
También expone un problema más serio.
El modelo no solo rompió reglas para ganar. Después construyó explicaciones convincentes para presentar esas acciones como decisiones normales.
Ese comportamiento resulta peligroso en áreas como precios, contratos, ventas, compras o atención al cliente.
Una empresa podría revisar un reporte bien escrito, ver mejores márgenes y nunca detectar que el agente llegó a esos resultados manipulando acuerdos o engañando a terceros.
La supervisión humana ya no debe limitarse a revisar el resultado final.
También tiene que revisar cómo se obtuvo.
🧠 Desde nuestro punto de vista
Lo más preocupante no es que una IA haga trampa.
Es que sabe convertir la trampa en una explicación que parece profesional.
Un empleado que coordina precios o miente a proveedores deja correos, reuniones y decisiones que otros pueden cuestionar.
Un agente puede tomar miles de decisiones, resumirlas en un reporte impecable y esconder el comportamiento cuestionable detrás de palabras como optimización, estrategia o eficiencia.
Ahí nace una nueva forma de riesgo empresarial.
Mientras más autonomía tenga el agente, menos sirve medirlo solo por ingresos, velocidad o ahorro.
Las empresas tendrán que auditar sus decisiones como hoy auditan sus finanzas.
Porque una IA capaz de generar mayores ganancias también puede encontrar formas más sofisticadas de romper las reglas sin que parezca que las rompió.
💬 ¿Y tú qué piensas?
Si una IA le hiciera ganar más dinero a tu negocio formando un acuerdo ilegal con la competencia sin que tú lo supieras, ¿preferirías nunca enterarte, o que te lo dijera aunque eso significara perder esa ganancia?
Amazon descubrió que un proyecto interno para emparejar autores con libros usó Claude Sonnet y se salió 860% del presupuesto, hasta $1.8 millones de dólares. Nadie lo notó en cinco meses. Encontró otros dos casos similares: $541,000 extra en una herramienta de auditoría y $134,000 en logística.
💡Lo inesperado: nadie dentro de Amazon podía decir cuánto costaba de verdad usar IA en cada proyecto, ni siquiera cuando se salía de control por meses. El mismo problema le puede estar pasando ahora mismo a cualquier empresa que use IA sin medir el gasto real.
xAI lanzó Build Mode dentro de Grok. Describe lo que quieres, un juego, una app, un sitio, y genera una versión funcional en vivo, lista para publicar en un link o dominio propio. Por ahora solo está disponible para quienes pagan SuperGrok Heavy, a 300 dólares al mes.
💡Lo que cambia: hasta ahora, para construir algo funcional necesitabas saber programar o contratar a alguien que supiera. Grok convierte una descripción en texto en algo que ya puedes usar, aunque el precio de entrada todavía filtra a la mayoría.
La FCC prohibió la importación de robots humanoides, perros robot y ciertos inversores de energía nuevos hechos en el extranjero, apuntando a China. El país controla cerca del 85% del mercado mundial de robots humanoides. La prohibición no aplica a modelos ya vendidos ni a compras del gobierno.
💡Por qué importa: llega semanas antes de una cumbre entre Xi y Trump en septiembre, justo cuando la industria de robots humanoides apenas empieza a despegar en Estados Unidos. Bloquear al proveedor más grande del mundo no hace que exista un reemplazo local de la noche a la mañana.
Mark Zuckerberg le dijo al Financial Times que prohibir los modelos de IA chinos en Estados Unidos "no es una solución efectiva". Acusó a OpenAI y Anthropic de usar el argumento de seguridad para bloquear a su competencia. Prefiere que Estados Unidos arregle sus propias fallas.
💡Lo interesante: Zuckerberg es dueño de una de las pocas empresas grandes de IA que sí publica sus modelos abiertos, así que también tiene algo que ganar defendiendo esa postura. Que las dos posiciones vengan de gente con intereses de negocio de por medio no las hace automáticamente falsas, pero tampoco neutrales.
Moonshot AI, la empresa china detrás de Kimi K3, cerró una ronda de $3,500 millones a una valoración de $35,000 millones. Ahora busca una ronda final antes de salir a bolsa en Hong Kong, apuntando a $50,000 millones. Su ingreso anual ya llegó a $300 millones.
💡Lo que cambia: mientras en Estados Unidos se debate si restringir el acceso a modelos chinos, Moonshot ya casi vale lo mismo que laboratorios estadounidenses consolidados, sin haber esperado el permiso de nadie para crecer.
Microsoft lanzó en vista previa pública sus propios modelos, MAI-Image-2.5-Pro y MAI-Voice-2-Flash, que según la empresa cuestan hasta 89% menos correr que los de OpenAI. Ya los está usando dentro de Bing, PowerPoint y Dynamics 365. Es su apuesta por depender menos de un solo proveedor de IA.
💡Por qué importa: cada empresa grande de IA quiere dejar de pagarle a la competencia por cómputo. Que Microsoft ya tenga modelos propios corriendo en sus productos más usados significa que, poco a poco, deja de necesitar a OpenAI para lo básico.
Perplexity lanzó un agente de IA para Windows que edita archivos, corre flujos de trabajo de Office y puede manejar hasta 20 modelos distintos desde una sola interfaz. Cuesta $200 dólares al mes. Es de los primeros agentes pensados para operar directo sobre tu computadora de trabajo.
💡Lo inesperado: ya no es un chatbot que responde preguntas, es un trabajador que abre tus programas y hace cambios reales en tus archivos mientras tú haces otra cosa. La pregunta ya no es si funciona, es cuánto estás dispuesto a dejarlo operar sin supervisión.
Sueltas un documento, una idea o un tema y sale un curso completo con imágenes, videos y ejercicios interactivos generados por IA, listo para publicar.
Ideal para:
Convertir un PDF de capacitación en un curso real sin diseñador instruccional
Lanzar un curso pago desde una idea que traes en la cabeza
Actualizar contenido de entrenamiento interno sin rehacerlo desde cero
Creadores y negocios pequeños sin equipo de e-learning
Equipos de producto que necesitan exportar el curso a su propio LMS vía SCORM o LTI, sin depender de la plataforma de Coursebox
Tiene un plan gratuito para 3 cursos, sin pedir tarjeta. Planes de pago desde $40 dólares al mes.
Validador de Ideas de Negocio en 90 Días
Prompt secuencial para identificar oportunidades de negocio basadas en capacidades, experiencia y red de contactos reales; someter las opciones más viables a una prueba de realidad; y elegir la mejor mediante criterios de velocidad, sostenibilidad, recursos disponibles y riesgo.
PASO 1: Con todo lo que sabes de mí, haz una lista de mis habilidades reales, los problemas que ya he resuelto, y la gente a la que puedo llegar sin pagar publicidad.
Espera mi respuesta o mis correcciones antes de seguir.
PASO 2 (pégalo después de ver el resultado del paso 1): De esas ideas, toma las 2 o 3 más realistas. Para cada una dime: qué suposición es la más probable que esté mal, cómo se ven de verdad los primeros 90 días, y qué tipo de persona la abandonaría a la mitad y por qué.
PASO 3 (pégalo al final): De esas mismas ideas, ponles un puntaje según: si puedo conseguir un cliente que pague en 30 días, si me seguiría gustando hacerla dentro de 3 años, si usa algo que ya tengo hoy, y qué tan fácil es recuperarme si fracasa. Al final, dime cuál gana.Funciona en ChatGPT, Claude o Gemini. Corre los 3 pasos en la misma conversación, uno a la vez, sin saltarte ninguno. El ejercicio completo toma unos 10 minutos, y el punto no es que la IA decida por ti, sino que te obligue a ver la idea sin el optimismo de siempre.
La IA está quemando a sus mejores mentes
Las empresas de IA ya no están perdiendo a su mejor gente por dinero. La están perdiendo por desgaste.
A primera vista, estas dos historias no tienen mucho que ver.
Lilian Weng, cofundadora de Thinking Machines y exjefa de seguridad de IA en OpenAI, dejó la startup después de meses de estrés y problemas de salud que nunca había enfrentado. Días después regresó a OpenAI para liderar un equipo enfocado en usar IA para mejorar la propia investigación de IA.
Mientras tanto, en Google DeepMind, casi una cuarta parte de los autores originales de AlphaFold ya se fue. John Jumper, ganador del Nobel por ese trabajo, terminó en Anthropic este año junto con otros dos coautores.
Ninguna empresa lo llama crisis.
Pero cuando una exjefa de seguridad y un ganador del Nobel se van casi al mismo tiempo, hay algo que el salario, las acciones y el prestigio ya no están resolviendo.
La industria está operando como si su talento más difícil de reemplazar tuviera capacidad infinita.
No la tiene.
Y cuando esas personas se van, no reemplazas años de conocimiento, contexto y criterio publicando una vacante en LinkedIn.
Esto tampoco es un problema exclusivo de los laboratorios de IA.
Cualquier empresa que dependa de dos o tres personas que sostengan demasiado conocimiento en la cabeza debería hacerse una pregunta incómoda ahora, no después de recibir su renuncia.
¿Quiénes son esas personas y qué tan cerca están del límite?
¡Terminaste, felicidades! 🎉
Eso es todo por hoy 👋
Si una de estas noticias te sorprendió, comparte IAnCorto con alguien que también debería saberlo.
¿Nos ayudas a mejorar?
Responde a este correo.
¿Cómo calificarías esta edición?
⭐ Excelente | 👍 Buena | 😐 Regular | 👎 Necesita mejorar
¿Te llegó esto de un amigo? Suscríbete aquí para recibir IAnCorto 3 veces por semana.
Derechos de autor © 2026