Tres estudiantes de ingeniería que se conocieron en su primer año en Waterloo, con prácticas en Meta, Optiver y BitGo a sus espaldas, llevaban meses desplegando agentes para empresas cuando se toparon con el mismo fallo una y otra vez: un agente con permiso perfecto para tocar el CRM —acceso concedido, alcance definido, todo en regla— seguía generando el mismo error de reembolso, el mismo dato mal actualizado, semana tras semana. Lo arreglaban. Volvía. Lo volvían a arreglar. Volvía otra vez.

La explicación a la que llegaron, y sobre la que acabaron montando una empresa, es la que vertebra este artículo: el agente nunca tuvo un problema de permiso. Tenía permiso de sobra. Lo que nunca tuvo fue alguien —ni humano ni máquina— comprobando si lo que el agente creía que era verdad en el momento de actuar coincidía con lo que era verdad de verdad. El chat decía una cosa. El documento decía otra. El CRM tenía un tercer dato, más viejo que los dos anteriores. El agente, autorizado y obediente, escribía sobre esa discrepancia como si no existiera, porque nadie le había pedido nunca que la detectara.

Esa distinción —permiso contra verificación— es tan simple que cuesta creer que casi nadie la nombra así. Y es tan importante que merece convertirse en la pregunta que te haces antes de delegar nada en un agente, no solo cuando algo ya se ha roto.

Por qué nadie se hizo esta pregunta antes

Read more

Casi todas las buenas noticias de esta semana venían con una segunda parte que nadie leyó en voz alta.

Los mismos que llevaban un año avisando de que la IA iba a destruir el empleo salieron a decir que se habían equivocado, y todo el mundo respiró. Cloudflare ordenó por fin el caos de los robots que rastrean la web, y los editores aplaudieron. Un modelo chino diez veces más barato alcanzó a los mejores, y se leyó como una carrera geopolítica. Cada titular traía alivio, o novedad, o un buen villano. Y debajo de cada uno, muy callada, esperaba una factura.

No la factura de las grandes empresas del titular. La tuya. Porque casi todas estas historias, cuando les das la vuelta, no hablan de lo que pasó esta semana en Silicon Valley. Hablan de algo que se acaba de poner en marcha y que te va a pasar la cuenta a ti dentro de unos meses, cuando ya no sea noticia.

Latidos de la semana

Cloudflare le puso fecha al final de una era: el 15 de septiembre. La noticia parece un asunto de editores. No lo es.

El 1 de julio, Cloudflare — la empresa por cuya red pasa cerca del 20% de todo el tráfico de internet — anunció que a partir del 15 de septiembre bloqueará por defecto a los robots de IA que rastrean páginas con publicidad, salvo que el dueño del sitio decida lo contrario. La medida separa por fin tres cosas que hasta ahora iban juntas: rastrear para buscar, rastrear para entrenar modelos y rastrear para que un agente actúe en tu nombre. Suena a fontanería técnica. Pero lo que hay debajo es el final del trato que sostuvo la web durante treinta años: nosotros te rastreamos, y a cambio te mandamos visitas.

Ese trato ya no existe, y hay un dato que lo demuestra sin lugar a discusión. Este año, por primera vez en la historia, el tráfico de robots superó al tráfico humano en internet — antes de lo que casi nadie esperaba. La web se está llenando de máquinas que leen tu página sin traerte a una sola persona.

No desarrollamos aquí lo que eso significa — es el tema de la sección de profundidad de esta semana. Pero quédate con la pregunta que plantea, porque probablemente te toca más de cerca de lo que crees: si una parte de tu negocio depende de que te encuentren, ¿qué pasa cuando la máquina que te traía gente deja de traerla?

Los mismos que anunciaron el apocalipsis del empleo dijeron que se habían equivocado. Justo antes de salir a bolsa.

Esta semana, el Wall Street Journal recogió el giro: los directivos que durante un año pintaron un futuro de despidos masivos por IA han cambiado de tono. Dario Amodei, de Anthropic, que en 2025 avisó de que la IA podía borrar la mitad de los empleos de oficina, ahora habla de multiplicar la producción en lugar de eliminar puestos. Sam Altman se declaró “encantado de haberse equivocado”. Y una encuesta de EY-Parthenon lo confirma: la proporción de directivos que temen grandes pérdidas de empleo por IA cayó del 46% al 20% en poco más de un año.

Hay dos cosas debajo de este alivio, y apuntan en direcciones opuestas. La primera: los que fabricaron el miedo son los mismos que ahora lo disuelven, y lo que cambió no fue la tecnología sino el calendario — Anthropic y OpenAI se preparan para salir a bolsa con valoraciones de cientos de miles de millones, y el discurso apocalíptico no se le vende a un inversor institucional. El pronóstico siguió al incentivo, no a los datos.

Pero la segunda es la que te manda la factura. El mecanismo real nunca fue el reemplazo — fue lo que los economistas llaman la paradoja de Jevons: cuando una tarea se abarata, no haces menos de ella, haces muchísima más. El propio Amodei lo reformuló sin querer: automatiza el 90% de un trabajo y el 10% restante se expande hasta llenarte la jornada, pero multiplicando por diez lo que produces. La IA no va a eliminar tu trabajo; va a subir la cantidad de trabajo que se espera de ti. Tu competidor, con la misma plantilla que tú, ahora entrega cinco veces más. Eso no es una amenaza lejana de desempleo. Es el nuevo listón por el que te van a medir el mes que viene.

Un modelo chino diez veces más barato alcanzó a los mejores. La pregunta ya no es cuál gana.

GLM-5.2, de la empresa china Z.ai, se convirtió esta semana en el centro del debate sobre si China por fin ha alcanzado a Estados Unidos en IA. El modelo demuestra capacidades comparables a las de los mejores de Anthropic y OpenAI a una fracción del precio. La prensa lo leyó como una carrera entre países: quién va delante, quién amenaza a quién.

Es la lectura equivocada, o al menos la menos útil para ti. Cuando el modelo barato hace el 90% de lo que hace el caro por una décima parte del coste, la pregunta interesante deja de ser “cuál es el mejor” y pasa a ser otra, mucho más incómoda: ¿por qué estás pagando exactamente el premium? El día en que lo bueno se vuelve barato, “tengo lo mejor” deja de ser una ventaja y pasa a ser una factura que revisar. Y esto no se queda en tu suscripción de IA. Es la misma pregunta que tus clientes están empezando a hacerse sobre lo que tú les cobras a ellos: si una alternativa mucho más barata hace casi lo mismo, ¿qué es exactamente lo que justifica tu precio? Conviene tener la respuesta antes de que la pregunta llegue.

Cloudflare también le puso precio a rastrear. Y con eso reveló que “gratis” nunca lo fue.

En el mismo anuncio, Cloudflare amplió su modelo de pago por rastreo: los editores podrán cobrar a las empresas de IA no solo cuando un robot descarga su contenido, sino cuando ese contenido genera valor dentro de una respuesta. Es un mercado naciente, todavía tosco, con socios como Ceramic.ai y You.com. Pero la idea que hay detrás es la que importa: los datos que durante años se consideraron “gratis porque son públicos” se están llenando de contador.

Y ahí está el giro que vale para cualquier negocio, no solo para los editores. Gratis nunca fue gratis — simplemente no tenía precio puesto. Alguien capturaba ese valor; solo que no eras tú. Casi todo negocio regala algo valioso convencido de que “no cuesta nada”, mientras otro lo cobra un paso más allá. El contenido que publicas para atraer clientes, los datos que entregas a una plataforma a cambio de usarla, la plantilla que compartes “para dar valor”: conviene mirar qué estás dando por gratis, porque el resto del mercado está aprendiendo, justo esta semana, a ponerle contador a exactamente ese tipo de cosas.

Trump publicó un vídeo suyo hecho con IA, con actores famosos falsos. La broma es la parte menos interesante.

A mitad de semana, el presidente de Estados Unidos publicó en su red social un vídeo de noventa segundos, generado con IA, en el que aparecía como médico “tratando” a celebridades de Hollywood — avatares sintéticos de De Niro, Julia Roberts y otros, con testimonios inventados. Es fácil quedarse en el titular político y en lo llamativo del truco.

Lo que de verdad merece atención es lo barato y lo bueno que se ha vuelto fabricar a una persona real diciendo algo que nunca dijo. Cuando cualquiera puede hacer eso en minutos, la factura no la paga la política — la paga la confianza. Cada vídeo real empieza a cargar con un impuesto nuevo: el “¿esto será verdad?”. Y ese impuesto también cae sobre tu negocio, aunque en pequeño. Tu palabra, los testimonios de tus clientes, tu propia cara en un anuncio: todo eso valía porque era difícil de falsificar. Cuando deja de serlo, demostrar que lo tuyo es auténtico pasa de darse por hecho a ser trabajo.

Leer bien lo que ocurre es la mitad del trabajo. La otra mitad es ver cuál de estas facturas lleva tu nombre — y qué hacer antes de que llegue. En Amplify Premium trabajamos las dos.

Suscríbete ahora

En profundidad

Qué pasa cuando dejan de encontrarte

Empecemos por dos datos que, juntos, describen el final de algo.

El primero: este año, por primera vez, el tráfico de robots superó al tráfico humano en internet. El segundo, más concreto y más incómodo: por cada visita que Anthropic devuelve a una web, su robot rastrea más de once mil páginas de esa web. Los asistentes de IA mandan alrededor de un 96% menos de tráfico que la búsqueda tradicional, y cuando citan una fuente, la gente hace clic en ella apenas un 1% de las veces. Traducido: las máquinas leen todo y devuelven casi nada.

Durante treinta años, la web funcionó sobre un trato simple y estable. Tú creabas una página, Google la rastreaba, y a cambio te enviaba visitantes. Sobre ese trato se construyó una industria entera — el SEO, el marketing de contenidos, el blog que alimenta clientes potenciales — y millones de negocios organizaron su forma de existir alrededor de esa promesa: si haces buen contenido y te posicionas, te encontrarán, y de esa gente saldrán clientes.

Ese trato se está deshaciendo, y no despacio. La búsqueda está pasando de ser una lista de enlaces azules a ser una respuesta que la IA te da directamente, sin que tengas que visitar nada. Le preguntas a ChatGPT, a Gemini o a Perplexity, y te contestan. La respuesta puede estar construida con el contenido de veinte webs, pero tú no visitas ninguna de las veinte. El trabajo de esas webs sigue alimentando la respuesta; lo que ha desaparecido es la visita que antes recibían a cambio.

Y aquí es donde conviene girar el dato hacia tu propio negocio, porque esto no es un problema de “los editores”. Es un problema de cualquiera cuyo negocio dependa, aunque sea en parte, de que lo encuentren. El fontanero que sale primero en las búsquedas de su ciudad. La consultora cuyo blog trae la mitad de sus contactos. La tienda que vive del tráfico que le manda Google. Todos ellos construyeron sobre la promesa de que ser encontrado equivalía a recibir gente. Esa promesa se está retirando, y la mayoría no se ha dado cuenta porque el cambio no hace ruido: no hay un día en que el tráfico caiga a cero, solo una pendiente lenta que se atribuye a mil otras causas.

La reacción intuitiva es intentar pelear por seguir apareciendo — optimizar para que la IA te cite en lugar de que Google te enlace. Es una parte de la respuesta, y volveremos a ella en la herramienta de esta semana. Pero la lección estructural es más profunda, y es incómoda: si tu negocio depende de un canal de descubrimiento que no controlas, tu negocio nunca fue tan tuyo como creías. Lo alquilabas. Google te lo prestó durante veinte años en condiciones tan buenas que parecía propiedad. La IA está enseñando la factura que ese alquiler siempre tuvo.

Lo que separa a quien va a sobrevivir a esta transición de quien no es una sola distinción: la diferencia entre ser encontrado y ser recordado. Ser encontrado depende de un intermediario que puede cambiar las reglas mañana — y las acaba de cambiar. Ser recordado depende de una relación que es tuya: la persona que se apuntó a tu lista de correo, que sigue tu trabajo, que te busca a ti por tu nombre en lugar de buscar tu categoría y ver a quién le toca aparecer. El canal que no controlas no es un activo; es un préstamo que alguien puede cancelar. La pregunta que deja esta semana no es cómo consigues que la IA te siga mandando gente. Es cuánta de tu relación con tus clientes has estado alquilando sin saberlo — y cómo empiezas, esta misma semana, a convertir una parte de ella en algo que sea de verdad tuyo.

Herramienta de la semana

Rastrea tu visibilidad en la IA (y por qué ya no es opcional)

Esta semana, en lugar de una sola herramienta, una disciplina nueva — con una forma concreta y gratuita de empezar hoy.

Por qué esto se volvió obligatorio. Durante veinte años, saber si te encontraban tenía una respuesta clara: mirabas tu posición en Google. Hoy, cada vez más gente no busca en Google — le pregunta a ChatGPT, a Gemini, a Perplexity. Y ahí no hay una lista de posiciones que puedas consultar: o la IA te menciona cuando alguien pregunta por tu categoría, o no existes para esa persona. Ser invisible dentro de las respuestas de la IA es la nueva versión de estar en la segunda página de Google, con una diferencia inquietante: casi nadie lo está mirando. La categoría de herramientas para medir esto prácticamente nació este año. Estás lo bastante temprano como para tener ventaja, y lo bastante tarde como para que ya no puedas ignorarlo.

Qué hacer esta semana (gratis). Ahrefs tiene un comprobador de visibilidad en IA gratuito, sin registro: escribes el nombre de tu marca — o de tu categoría, o de un competidor — y te dice si ChatGPT, Gemini, Perplexity, Copilot y las respuestas de IA de Google te mencionan, con qué frecuencia, y qué fuentes citan a tu lado. Es una foto fija, pero es la foto que la mayoría de tus competidores todavía no se ha hecho. Empieza por ahí: preguntando lo que preguntaría tu cliente ideal y viendo si apareces.

Qué aprendes. No solo si sales o no. Ves qué competidores aparecen en tu lugar, qué páginas y qué dominios está usando la IA para construir la respuesta sobre tu categoría, y qué temas disparan una mención y cuáles no. Eso es un mapa: te dice dónde eres invisible y quién ocupa el espacio que deberías ocupar tú.

Para seguirlo en el tiempo. La foto fija gratuita sirve para empezar; si quieres vigilarlo de forma continua, Otterly.AI es de las opciones más accesibles (desde unos 29 dólares al mes) y cubre los motores principales. Ahrefs Brand Radar es la herramienta más potente y cara del grupo, pensada para quien ya vive dentro de Ahrefs y necesita datos a mayor escala. Una advertencia honesta: esta categoría cambia casi cada semana, los precios y la cobertura se mueven, y ninguna herramienta lo ve todo — así que conviene tratar los números como una brújula, no como un mapa exacto.

El punto que importa. La herramienta es lo de menos. Lo que no es opcional es la costumbre: mirar, con la misma regularidad con la que antes mirabas tu posición en Google, si las máquinas que ahora responden por ti se acuerdan de que existes.

Pregunta de la semana

Esta semana, casi todas las buenas noticias traían una factura con retraso. La más silenciosa era esta: durante años, ser encontrado y recibir gente fueron la misma cosa, y dejaron de serlo sin avisar.

¿Qué parte de tu negocio depende hoy de que te encuentre una máquina que está a punto de dejar de mandarte gente — y qué tendrías que empezar a construir para no depender de ella?

Nos leemos la semana que viene.

— El equipo de Amplify

La diferencia entre un negocio que alquila su descubrimiento y uno que es dueño de su relación con sus clientes es, cada vez más, la diferencia entre uno frágil y uno que dura. En Amplify Premium trabajamos esa diferencia con casos concretos cada semana.

Suscríbete ahora

Compartir

La trampa que se disfraza de liberación

Hay una conversación que estoy teniendo cada vez con más empresarios, y siempre suena a buena noticia.

La última conversación en esta dirección la tuve hace un par de semanas. Un empresario me cuenta con orgullo que está sistematizando su negocio entero con IA. Procesos documentados, flujos automatizados, plantillas para cada decisión. Pronto el equipo no le necesitará para operar. Tendrán la respuesta masticada para cada situación y podrán ejecutar sin fricción, sin preguntas, sin depender del jefe.

Y entonces llega la frase. Siempre la misma, con pequeñas variaciones: “Así, yo podré dejar la operación y enfocarme en lo importante para hacer crecer el negocio.”

Lo dijo como quien describe una escalera hacia la libertad. Yo escucho a alguien construyendo, ladrillo a ladrillo, el techo que lo va a dejar atrapado.

Porque ese día no va a llegar. Y no por falta de disciplina, ni de tiempo, ni de buenas intenciones. Por algo estructural.

Su caso no es el único. Ahora en las organizaciones se están montando equipos diseñados para ejecutar, no para pensar. Y el día que quieran soltar lo importante, mirarán hacia abajo buscando en quién apoyarse, y no habrá nadie con el criterio para recogerlo.

La IA acaba de hacer trivial construir lo primero. Y, sin querer, está volviendo casi imposible lo segundo.

Cómo se ha formado el criterio a lo largo de la historia

Durante siglos, las organizaciones humanas resolvieron el mismo problema de una sola manera: el criterio experto no se enseñaba, se acumulaba haciendo.

Read more

Hay una distancia, casi siempre, entre el sitio donde todo el mundo mira y el sitio donde la cosa ocurre de verdad.

Esta semana esa distancia se hizo visible cinco veces. Anthropic acusó a Alibaba de robar veintinueve millones de conversaciones con Claude, y la prensa lo leyó como una amenaza al liderazgo estadounidense. Las empresas que más dinero ganaron en el sector no fueron las que construyen modelos. KPMG retiró un informe entero porque la IA se había inventado los casos de estudio. China respondió al bloqueo de exportación de Estados Unidos bloqueando a cincuenta y seis empresas estadounidenses.

Cinco titulares, cinco explicaciones que la mayoría dio por buenas. Y en los cinco, la explicación correcta no era la que estaba a la vista. Lo interesante de esta semana no es lo que pasó, sino lo que pasó desapercibido — que casi siempre, además, es lo que más se parece a tu propio negocio.

Latidos de la semana

Anthropic acusó a Alibaba de copiar Claude con 29 millones de conversaciones. Lo que cuenta no es el robo — es lo que el robo confirma.

El 24 de junio se hizo pública una carta que Anthropic había enviado el 10 de junio a dos senadores estadounidenses. La acusación: operadores vinculados al laboratorio Qwen de Alibaba abrieron unas 25.000 cuentas fraudulentas y mantuvieron 28,8 millones de conversaciones con Claude entre el 22 de abril y el 5 de junio, con un único objetivo — copiar sus capacidades más valiosas: ingeniería de software y razonamiento agéntico. Es la mayor campaña de extracción que Anthropic ha reportado nunca, casi el doble de la que atribuyó en febrero a DeepSeek, Moonshot y MiniMax juntos.

La técnica se llama destilación: apuntas un modelo barato hacia uno potente, recoges sus respuestas a escala, y entrenas el tuyo para imitarlas. Y aquí está lo que la mayoría de la cobertura pasó por alto. La destilación solo corre en una dirección: no puedes destilar un modelo que todavía no existe. Por definición, copias una foto fija de un objetivo que ya se ha movido. Cuando tu camino más rápido hacia la frontera es copiar las respuestas del que va delante, el ejercicio es una confesión de dónde estás en realidad. Si robas del líder, lo único que confirmas es que él es el líder. Una copia no es un indicador de que el liderazgo haya cambiado de manos. Es un indicador, con retraso, de quién lo tiene.

Y hay algo más en esa palabra, “configuración”, que conviene no pasar por alto. Un modelo de lenguaje entrega la suya cada vez que responde; a esta escala, las conversaciones se convierten en ingeniería inversa. Tú haces lo mismo, a tu manera: cada propuesta que envías, cada llamada en la que le explicas tu precio a un cliente, cada proceso que le enseñas a una persona nueva del equipo va dejando ver cómo ganas. La pregunta incómoda no es si tu proveedor de IA es seguro. Es qué te queda como ventaja cuando lo que te hace bueno es justo lo que cualquiera puede ver mientras trabajas.

Las empresas que más ganaron con la IA este trimestre no fabrican modelos.

Mientras los laboratorios se acusaban entre sí y se disputaban el talento, el dinero limpio del trimestre se acumuló en otro sitio. Los fabricantes de memoria — las empresas que producen los chips donde corren los modelos — van camino de ingresar este año más del doble que los fabricantes de chips por contrato, y muchísimo más, en proporción, que los propios laboratorios de IA. Micron tuvo su mejor semana en bolsa desde 2008. El índice de semiconductores de Filadelfia subió un 60% en seis semanas.

Mientras todos miran quién hace el mejor modelo, el dinero se lo están llevando los que venden los picos y las palas.

No desarrollamos el porqué aquí — es el tema de la sección de profundidad de esta semana. Pero deja la pregunta abierta, porque vuelve más cerca de lo que parece: si el dinero del sector no está donde está la atención del sector, ¿dónde está, en tu negocio, lo que tú das por hecho que te da de comer?

KPMG retiró un informe entero sobre IA. El problema no era el modelo — era que faltaba una capa.

La consultora retiró su informe Redefining excellence in the age of agentic AI después de que varias organizaciones citadas — UBS, el NHS británico, los ferrocarriles suizos, Transport for London — desmintieran lo que el documento decía sobre ellas. Una auditoría forense de la firma GPTZero encontró que, de las 45 citas del informe, solo cinco apuntaban a fuentes reales e intactas. Algunos casos directamente no existían: el informe atribuía a Emirates un chatbot que cambia vuelos y que, en realidad, ni es un chatbot ni cambia vuelos.

La lectura fácil es que KPMG tuvo un problema de alucinaciones y que un modelo mejor lo habría evitado. Es la lectura equivocada. La IA no alucina por ser mala; alucina porque es así como funciona — suena segurísima diga verdad o mentira. No es un fallo que un proveedor vaya a parchear el trimestre que viene. Por eso lo que falló en KPMG no fue el modelo. Fue que no había nada entre lo que el modelo produjo y lo que se publicó: ninguna capa de verificación, ningún paso en el que alguien comprobara la fuente antes de que el documento saliera con el logo de la firma.

Y KPMG, aquí, no es un gigante lejano. Eres tú con un logo más grande. La propuesta que te redactó Claude, las cifras en ese correo a un cliente, el resumen que reenviaste sin comprobar la nota al pie: ¿en qué punto exacto de tu trabajo asistido por IA hay una salida segura de sí misma viajando sin que nadie la verifique? La firma tenía guías internas de uso responsable de IA. El informe simplemente se las saltó. La pregunta no es si confías en el modelo. Es dónde está tu capa de verificación.

El bloqueo de modelos de IA se volvió bidireccional — y reveló de qué lado estaba la dependencia.

Hace dos semanas, Estados Unidos suspendió el acceso de extranjeros a los modelos más potentes de Anthropic en nombre de la contención. La idea era mantener la tecnología peligrosa fuera del alcance de los adversarios. Diez días después, la contención goteaba por los dos extremos. China respondió el 22 de junio con su propia lista: 56 empresas estadounidenses bloqueadas, en represalia por la actualización de la lista militar del Pentágono. Y el golpe fue quirúrgico — entre las empresas señaladas estaban MP Materials y USA Rare Earth, las dos productoras de tierras raras a las que Washington está apoyando precisamente para reducir su dependencia de China.

Ahí está el paso que el control unilateral no miró. Quien impuso el bloqueo era, en una materia crítica, el dependiente. Estados Unidos necesita los minerales que China procesa más de lo que China necesita ese acceso concreto. Un control que ignora de qué lado está la dependencia real nunca iba a quedarse en un solo sentido.

Y lo que vale para dos superpotencias vale, sin cambiar una coma, para un negocio de una sola persona. Tu “control” sobre un proveedor, una plataforma o un cliente vale exactamente lo que valgan tus alternativas — ni un euro más. La empresa que mueve el 100% de su tráfico a través de una sola API, el negocio que vive de una sola plataforma de anuncios, el consultor cuya cartera entera pasa por un único cliente: todos creen tener una posición que en realidad pertenece al otro lado de la mesa. La dependencia no se nota hasta el día en que el otro decide usarla.

Nadella avisó de que dejar que “unos pocos modelos se lo coman todo” no va a sobrevivir políticamente.

En medio de la semana, el consejero delegado de Microsoft dejó caer una frase que merece atención porque viene de quien viene: la idea de que un puñado de modelos de frontera concentre toda la capacidad del sector no se sostendrá, y no por razones técnicas sino políticas. Es una observación interesante en boca del directivo de la empresa que más ha invertido en uno de esos pocos modelos.

La señal, para quien construye un negocio encima de esta tecnología, es de dirección. El futuro hacia el que apunta el comentario no es el de un modelo único y dominante al que todos se conectan, sino el de muchos modelos — algunos potentes y caros, muchos suficientes y baratos — entre los que habrá que elegir según la tarea. Tu ventaja no va a ser haber elegido el modelo correcto, sino saber cuál usar para qué — y eso se decide de nuevo cada semana..

Leer bien lo que ocurre en el sector es la mitad del trabajo. La otra mitad es ver qué de eso te incumbe a ti — y qué hacer al respecto. En Amplify Premium trabajamos las dos.

Suscríbete ahora

En profundidad

Dónde se acumula de verdad tu margen

Empecemos por el dato que mejor resume la semana, porque esconde una lección que no va sobre chips.

Durante meses, la historia de la inteligencia artificial ha sido la historia de los modelos. Qué laboratorio saca el modelo más capaz, quién lidera los benchmarks, qué empresa vale más. La atención del mundo — la prensa, los inversores, las conversaciones — se ha posado sobre los laboratorios. Y mientras tanto, el dinero del sector se ha estado acumulando en otro sitio. Este trimestre, los fabricantes de memoria van camino de ingresar más del doble que los fabricantes de chips por contrato, y muchísimo más que los propios laboratorios cuyos nombres salen en los titulares. Las empresas que construyen los modelos siguen buscando beneficio sostenible. Las que les venden la memoria y el silicio sobre el que esos modelos corren ya lo encontraron.

Esto no es un dato sobre semiconductores. Es la forma más limpia, esta semana, de algo que se repite en casi cualquier negocio: el sitio que se lleva la atención y el sitio que se lleva el valor casi nunca son el mismo. Y el segundo suele estar escondido justo detrás del primero, donde a casi nadie se le ocurre mirar.

Y aquí es donde conviene girar el dato hacia tu propio negocio, porque la misma confusión que el mercado tiene con los laboratorios, probablemente la tienes tú con lo que cobras.

Piénsalo así. Casi todos los negocios facturan por su paso más visible. El consultor cobra por el informe que entrega. La agencia cobra por la campaña que produce. El despacho cobra por el documento que redacta. El visible se cobra porque el visible se ve — el cliente lo sostiene en la mano, sabe por qué está pagando. Pero el valor que el cliente recibe de verdad casi nunca está ahí. Está en lo que hiciste antes, en eso que regalaste sin darte cuenta de que era lo que de verdad importaba.

El consultor que entrega un informe de cuarenta páginas no genera su valor en el informe. Lo genera en la conversación de diagnóstico donde, en treinta minutos, entendió cuál era el problema real del cliente — una conversación por la que no cobró, porque “todavía no era trabajo”. La agencia que factura por la campaña creó la mayor parte del resultado en el posicionamiento que definió antes de abrir el editor de diseño, un posicionamiento que entregó gratis en la propuesta para ganar la cuenta. El despacho que cobra por horas de redacción produjo su valor en el criterio de qué cláusula importaba y cuál no — un criterio invisible, no facturable, que sin embargo es la única razón por la que el documento sirve.

En todos los casos, la estructura es la misma que la de los laboratorios y los fabricantes de memoria. Hay una capa visible que recibe toda la atención y se lleva el precio. Y hay otra, detrás de ella, donde el valor de verdad se crea y a la que casi nadie le pone precio precisamente porque no se ve.

La pregunta útil, entonces, no es “¿cómo subo mis tarifas?”. Es más incisiva: ¿estoy cobrando por el modelo cuando el valor está en el silicio? ¿Estoy facturando por el entregable visible mientras regalo el diagnóstico, el criterio, el posicionamiento — eso que hago antes y por lo que mi cliente vino en realidad?

La consecuencia práctica no es necesariamente cobrar más por lo mismo. Es darte cuenta de qué estás vendiendo en realidad, y dejar de regalarlo. Cuando un negocio identifica dónde se acumula su valor, suele descubrir que ha estado compitiendo en precio por su parte más visible — donde todo el mundo se parece y los márgenes son lineales — mientras su verdadera diferencia viajaba gratis en la propuesta. Cobrar por lo que se ve te mete en una guerra de precios; cobrar por lo que de verdad hiciste es lo que te saca de ella.

Los fabricantes de memoria no son más listos que los laboratorios. Simplemente están situados en la capa donde el valor se acumula. La pregunta de esta semana, la que vale la pena llevarse, es si tú estás situado en la tuya — o si llevas tiempo regalándola sin saberlo.

Herramienta de la semana

Perplexity Spaces

El problema que resuelve. Cuando investigas algo en serio — un mercado en el que quieres entrar, un competidor, una decisión que vas a tomar — el trabajo no es una sola búsqueda, sino muchas, repartidas a lo largo de días, que tienes que sostener en la cabeza al mismo tiempo. Lo abres en una pestaña, lo cierras, lo retomas el martes, y a la cuarta sesión ya no recuerdas qué habías encontrado ni dónde. La mayoría de las herramientas de IA olvidan todo entre una conversación y la siguiente, así que cada vez empiezas de cero.

Qué es Perplexity Spaces. Un espacio de investigación persistente dentro de Perplexity. En lugar de hacer búsquedas sueltas que se evaporan, creas un “espacio” para un proyecto concreto y todo lo que investigas ahí se acumula: las preguntas, las respuestas con sus fuentes citadas, los documentos que subes. Le puedes fijar instrucciones permanentes — “respóndeme siempre como si fuera para un cliente del sector legal”, por ejemplo — y el espacio recuerda el contexto de lo que ya has averiguado, de modo que cada pregunta nueva parte de donde lo dejaste, no de cero.

Cómo funciona en la práctica. Abres un espacio por proyecto. Le das tus instrucciones y, si quieres, subes archivos de referencia. A partir de ahí investigas dentro de él: cada respuesta llega con sus fuentes enlazadas, y el hilo se queda guardado para que puedas volver, comparar y profundizar días después sin reconstruir nada. Puedes compartir el espacio con quien colabore contigo, que entra y ve el mismo contexto acumulado. Es la diferencia entre buscar y construir un cuerpo de conocimiento que crece.

Para quién es útil. Para cualquiera cuyo trabajo dependa de investigar bien antes de decidir: quien evalúa un mercado o una oportunidad, quien prepara una propuesta que exige entender a fondo a un cliente, quien hace inteligencia competitiva de forma recurrente. Menos una herramienta para producir texto rápido y más una para pensar mejor sobre algo a lo largo del tiempo.

Acceso. Spaces no está en el plan gratuito — forma parte de Perplexity Pro, que cuesta unos 20 dólares al mes (con descuento en el pago anual) e incluye, además del espacio de trabajo, el selector de modelos y búsquedas ilimitadas. La versión gratuita sí permite probar el motor de búsqueda con fuentes citadas, que da una idea del estilo antes de pasar a Pro. Conviene confirmar el precio actual en perplexity.ai.

Pregunta de la semana

Esta semana, las empresas que más dinero ganaron con la IA no fueron las que tienen los nombres más conocidos. Fueron las que están situadas, sin ruido, en la capa donde el valor de verdad se acumula.

¿Por cuál de las dos capas de tu negocio te están pagando — la visible que entregas, o la que de verdad crea el valor y que quizás llevas tiempo regalando?

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

Las notas empiezan a hablar

La escena ya no pertenece a la ciencia ficción, ni siquiera a una demostración técnica reservada a especialistas. Un usuario sube a NotebookLM varios documentos: PDFs, artículos, transcripciones, notas dispersas. En pocos segundos, la herramienta los resume, extrae temas recurrentes, responde preguntas y puede generar una conversación en audio entre dos voces sintéticas que explican el material con una naturalidad casi pedagógica.

Google presenta NotebookLM como un asistente de investigación basado en las fuentes del usuario. Su función más conocida, Audio Overviews, convierte documentos en una especie de podcast generado por IA. Más tarde llegaron nuevas formas de salida: guías, resúmenes, vídeos, esquemas, materiales de estudio. La dirección es clara: el archivo deja de ser un lugar pasivo. Empieza a comportarse como un interlocutor.

La promesa tiene fuerza porque responde a una angustia muy concreta del trabajador del conocimiento contemporáneo: haber leído demasiado, haber guardado demasiado, haber producido demasiados documentos, y aun así sentir que buena parte de ese material se ha hundido en una zona gris, técnicamente conservada pero mentalmente inaccesible.

La IA aparece entonces como una solución casi perfecta. No solo ayuda a guardar. Ayuda a recuperar. No solo recupera. Reformula. No solo reformula. Conecta. El viejo ideal del “segundo cerebro”, popularizado durante años por metodologías de productividad y sistemas de notas, adquiere una forma nueva. Ya no se trata de construir una biblioteca personal ordenada, sino de tener una memoria externa capaz de hablar.

El problema es que esa misma eficacia produce una confusión. Una bastante seria.

La confusión consiste en creer que un sistema capaz de devolver información de forma inteligente equivale a un sistema capaz de pensar. O, más exactamente, en creer que porque algo puede ser recuperado, resumido y expresado con claridad, ya ha sido integrado.

Esa es la ilusión del segundo cerebro.

Archivo no es memoria

Conviene empezar por una distinción sencilla. Un archivo no es una memoria. Y una memoria no es todavía pensamiento.

Read more

Cuatro investigadores que construyeron los modelos de Google dejaron la empresa en seis días. OpenAI reveló el chip de inferencia que lleva nueve meses diseñando en secreto con Broadcom. Las conversaciones sobre si el gasto en IA produce lo que prometía pasaron de los chats privados a los titulares de prensa. Y los modelos más capaces de Anthropic volvieron parcialmente al mercado después de dos semanas de silencio impuesto.

Ajustar no es retroceder. Pero sí indica que la fase que acaba de empezar no va a ser igual a la que termina.

Latidos de la semana

OpenAI presentó GPT-5.6 Sol — y lo que más importa de su lanzamiento no es el modelo.

OpenAI puso en marcha una vista previa limitada de GPT-5.6, una familia de tres modelos: Sol (el más capaz), Terra (rendimiento comparable al 5.5 actual a la mitad de precio) y Luna (velocidad y coste mínimos). El acceso, por ahora, está restringido a unas veinte organizaciones.

La condición para ese acceso dice más que los benchmarks: las organizaciones participantes fueron preaprobadas por el gobierno de Estados Unidos. OpenAI lleva un mes compartiendo los modelos con el ejecutivo de Washington antes de ponerlos en manos de nadie más. No hay ninguna ley que lo exija. Es una decisión unilateral de la compañía.

Lo que eso establece es algo nuevo: una ventana de coordinación voluntaria entre un laboratorio de IA privado y el gobierno antes de cada despliegue de frontera. Si se extiende como patrón, el modelo de “anunciamos y lanzamos” que ha definido el sector durante cinco años está cambiando de forma sin que nadie lo vote.

OpenAI diseñó su primer chip propio en nueve meses. El objetivo: precio.

OpenAI y Broadcom presentaron Jalapeño: el primer procesador de inferencia diseñado desde cero por OpenAI, construido en nueve meses.

Los primeros chips llegarán a producción antes de final de 2026, con despliegue a escala en la primera mitad de 2028. La narrativa que OpenAI construye con esto es clara: la compañía no solo quiere elegir qué modelos existen, sino controlar cada capa de la infraestructura que los hace correr, y usar esa posición para bajar el coste de la inteligencia de forma que ningún proveedor externo de silicio podría hacer en su lugar.

El equipo que construyó Gemini se está dispersando — y sus destinos dicen algo concreto.

En seis días, cuatro investigadores con un rol determinante en los modelos de Google anunciaron su marcha. Noam Shazeer — co-autor del transformer — a OpenAI. John Jumper — Nobel de Química 2024 por su trabajo en predicción de proteínas, investigador de DeepMind — a Anthropic. Jonas Adler, responsable de los esfuerzos de IA en código de Google, a Anthropic. Alexander Pritzel, arquitecto del preentrenamiento de Gemini, también a Anthropic.

Cuatro personas no hacen una migración. Pero cuatro en seis días, todas con roles de arquitectura, todas yendo a los dos competidores que en este momento lideran los benchmarks — eso sí es un patrón. El talento de base de los modelos no solo tiene movilidad; tiene criterio sobre dónde quiere estar. Y esta semana ese criterio señaló en una dirección que Google debería analizar con más cuidado de lo que sugieren sus comunicados corporativos.

Mythos 5 vuelve al mercado.

El 27 de junio, quince días después del bloqueo de exportación impuesto por el gobierno de Estados Unidos, Anthropic recibió autorización para restablecer el acceso a Claude Mythos 5 para aproximadamente cien organizaciones estadounidenses que operan y defienden infraestructuras críticas. Agencias gubernamentales y empresas privadas del sector de energía, agua, salud y comunicaciones.

Fable 5 — el modelo de uso general, el que afectaba a cualquier usuario individual fuera de Estados Unidos — sigue suspendido. Anthropic continúa negociando con el Departamento de Comercio.

Trump firmó un decreto ejecutivo de IA que formaliza la lógica que ya estaba ocurriendo.

El decreto “Promoting Advanced Artificial Intelligence Innovation and Security” establece tres mecanismos: un acuerdo de ciberseguridad de IA donde los laboratorios y el sector privado comparten vulnerabilidades identificadas en sus sistemas; una ventana de acceso anticipado de treinta días para que el gobierno revise los modelos de frontera antes de su despliegue a socios de confianza; y una declaración explícita de que ninguna de estas medidas crea obligaciones de licencia ni permiso para desarrollar o publicar modelos de IA.

Lo que el decreto formaliza en papel es en parte lo que OpenAI ya practicó esta semana con GPT-5.6. El quid está en si “voluntario” seguirá siéndolo cuando los modelos hagan cosas que los decretos no anticiparon.

Suscríbete ahora

En profundidad

La factura que no cuadraba

El término lo inventaron los propios equipos internos de las grandes empresas tecnológicas: tokenmaxxing. La idea era sencilla: la IA es tan poderosa que lo inteligente es usarla sin límite. Que los desarrolladores llenen los contextos hasta el máximo, que los agentes consulten el modelo para cada micro-decisión, que la empresa pague lo que haga falta porque el retorno va a llegar. Era la lógica del crecimiento a cualquier precio, aplicada a los tokens.

Esta semana esa lógica empezó a doblarse en público.

El CEO de Lindy, una plataforma de automatización con IA, decidió mover el cien por cien del tráfico de su empresa desde Claude de Anthropic a DeepSeek — un modelo de origen chino, de código abierto, que cuesta una fracción de precio y produce resultados que él considera comparables para los casos de uso de su negocio. Los tokens de Claude cuestan lo que cuestan, y DeepSeek cuesta menos.

No es el único. Uber, que fue noticia el trimestre pasado por haber agotado su presupuesto anual de IA en cuatro meses, implementó un sistema de niveles de acceso: nivel base de 1.500 dólares mensuales, con posibilidad de solicitar capas superiores según el caso de uso.

¿Qué está ocurriendo exactamente?

El período de 2024 y 2025 fue una anomalía de gasto. Las empresas tecnológicas — y algunas no tan tecnológicas — adoptaron la IA bajo la presión de no quedarse atrás, con presupuestos generosos y criterios de evaluación laxos.. Ese entorno de dinero fácil en IA tiene un nombre coloquial: tokenmaxxing. Y como casi todas las anomalías de gasto, estaba condenado a encontrar su límite.

El límite llegó en forma de factura. Las empresas que instalaron IA en sus flujos de trabajo a lo grande encontraron que el coste de los tokens escala de forma no lineal con el uso real — especialmente cuando los agentes de IA operan en bucles, cuando el contexto crece a lo largo de conversaciones largas, o cuando el producto está diseñado para maximizar la interacción del usuario. El modelo de negocio funcionaba mientras el gasto era fijo o predecible. Deja de funcionar cuando la factura llega y duplica lo esperado.

La respuesta del mercado ya está ocurriendo en tres frentes simultáneos:

• los usuarios están eligiendo modelos más baratos (DeepSeek, los modelos de Meta, Claude Haiku o GPT-5.6 Luna en vez de los modelos de frontera para tareas que no los requieren)

• los laboratorios están bajando precios y lanzando niveles más económicos (GPT-5.6 Terra, a la mitad del precio de 5.5; la presión de OpenAI para cortar precios de API)

• y los equipos de ingeniería están rediseñando sus integraciones para reducir el consumo de tokens por tarea.

El siguiente ciclo de la IA va a girar mucho menos sobre qué pueden hacer los modelos y mucho más sobre cuánto cuesta hacer que produzcan algo que valga el precio. La corrección es real, pero no es el fin del sector.

Es simplemente el momento en que la inteligencia artificial deja de ser un gasto de exploración y empieza a ser un gasto que tiene que justificarse como cualquier otro.

Herramienta de la semana

HeyGen

El problema que resuelve. Para crear vídeo de calidad — un vídeo de producto, una presentación de empresa, un módulo de formación, un mensaje para clientes — normalmente necesitas cámara, iluminación, tiempo de grabación, y la disposición a aparecer en pantalla. Eso es un cuello de botella real para quien trabaja solo o con un equipo reducido, especialmente si la grabación no es parte natural de tu flujo de trabajo.

Qué es HeyGen. Una plataforma de generación de vídeo con avatares de IA. Le das un guión escrito y el sistema produce un vídeo con una persona hablando — puede ser un avatar prediseñado o una réplica creada a partir de dos minutos de vídeo de ti mismo. El resultado parece un vídeo grabado, con sincronización labial, expresión facial y entonación natural. Soporta más de cuarenta idiomas, incluyendo español, con voces regionales.

Pregunta de la semana

Esta semana, algunas de las empresas que más han invertido en IA en los últimos dos años descubrieron que la pregunta no era “¿cuánta IA usamos?” sino “¿cuánta IA podemos pagar que realmente valga lo que cuesta?”.

¿Tienes claro cuáles de las herramientas de IA que estás usando hoy justifican lo que te cuestan — en tiempo, en dinero, o en ambos?

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

En 2026, Boris Cherny, responsable de Claude Code en Anthropic, resumió el salto con una frase sencilla:

«La diferencia entre un chatbot y un agente es esencialmente un loop.»

La frase describe el cambio más importante en la forma de trabajar con IA desde que llegó la generativa.

Hasta ahora, la mayoría ha usado IA en modo conversación: abres el chat, describes una tarea, recibes un output, cierras la ventana.

Cada tarea empieza contigo. Pero los agentes cambian esa relación.

Un loop observa lo que ocurre, decide qué hacer, actúa, verifica el resultado y repite hasta completar el objetivo. Ya no eres solo la persona que prompts a la IA. Eres la persona que diseña el sistema que prompts a la IA por ti.

Ese salto es enorme. Y también peligroso.

Porque un loop bien diseñado libera tiempo de forma sostenible. Pero un loop mal diseñado no solo falla: puede propagar errores, ejecutar acciones sin control y disparar costes antes de que nadie se dé cuenta.

Eso es lo que aborda la guía de este mes.

La era de los loops: Cómo diseñar sistemas de IA que trabajan solos sin que se descontrolen

No es una guía sobre automatizar más. Es una guía sobre decidir qué merece autonomía, qué necesita supervisión y qué no debería delegarse todavía.

Dentro encontrarás:

• Por qué “agente” se ha convertido en una palabra demasiado amplia, y qué diferencia realmente a un chatbot de un loop.

• Las cinco fases de un loop funcional: trigger, razonamiento, ejecución, verificación y retry.

• Por qué el mercado está acelerando hacia workflows agénticos, pero la mayoría de organizaciones todavía no sabe supervisarlos.

• El riesgo de los “tsunamis de tokens”: cuando un sistema funciona exactamente como fue diseñado, pero sin límites de presupuesto.

• La diferencia entre Human-in-the-Loop y Human-on-the-Loop, y cuándo usar cada modo de control.

• El test de cuatro preguntas para saber si una tarea está lista para convertirse en loop.

• La matriz de delegación para decidir cuánta autonomía merece cada proceso.

• Cinco loops reales para emprendedores: newsletter, leads, soporte, contratos y contenido.

La guía se suma a las 12 anteriores, que cubren todos los ámbitos que un profesional necesita para pasar de usar IA a construir con ella: desde los fundamentos del contexto hasta los sistemas de criterio.

¿Cómo acceder a las guías?

Para miembros de Amplify Premium: la guía está disponible en tu espacio desde hoy.

Si todavía no formas parte, únete a Amplify Premium y accede al arsenal completo:

• 13 Guías Amplify: Claude Skills · Modelos Mentales · Activos de Confianza · Moats Estéticos · Vibe Coding · Agentes IA · Arquitectura de Contexto · Claude Cowork · De usuario a operador · La era del output fácil · El criterio · La trampa de la velocidad · La era de los loops

• Ensayos completos semanales donde vamos más profundo

• +250 prompts organizados por caso de uso real

• 12 informes estratégicos

• Comunidad privada

Amplify Premium existe para un tipo específico de profesional: el que ya usa IA y quiere que eso se convierta en una ventaja que se acumula, no en una herramienta que usa y olvida.

Quiero Amplify Premium

La pregunta correcta ahora:

¿Qué sistema puedo diseñar para que esta tarea ocurra sin mí, con el nivel de control adecuado?

Que tengas un buen sábado,

— El equipo de Amplify

Compartir

Suscríbete ahora

El sector de la inteligencia artificial movió esta semana cantidades que empiezan a volverse difíciles de procesar: SpaceX firmó la adquisición del editor de código más adoptado por programadores del mundo por 60.000 millones de dólares. Google paga a esa misma SpaceX 920 millones de dólares al mes para alquilar cómputo. Anthropic le paga 1.250 millones mensuales por el mismo privilegio.

La industria lleva semanas escribiéndose cheques entre sí de una magnitud que ningún otro sector tecnológico ha visto en décadas.

Y en medio de todo ese ruido, el co-autor del paper que puso en marcha toda esta historia publicó en LinkedIn que dejaba Google para irse a OpenAI.

Noam Shazeer no es un nombre que aparezca en los titulares habituales. Pero sin él, probablemente no existiría nada de lo que estás leyendo en este número. El sector puede mover miles de millones y aun así ser movido por una sola persona.

Latidos de la semana

SpaceX firmó la adquisición de Cursor por 60.000 millones de dólares

Cursor cruzó los 4.000 millones de dólares en ingresos anualizados a principios de junio — cuatro veces más que los 1.000 millones que tenía en noviembre — y el 16 de junio SpaceX registró el acuerdo vinculante de fusión.

Elon Musk ahora controla el cohete, el satélite, la red social, el modelo de lenguaje, la infraestructura donde otros entrenan sus modelos — y el editor donde los programadores escriben el código que construye todo lo demás. No es diversificación. Es apilamiento vertical del sector entero.

Los modelos más capaces de Anthropic estuvieron disponibles exactamente 72 horas — y lo que lo detuvo no fue un fallo técnico.

El 9 de junio Anthropic lanzó Fable 5: el modelo más potentes que ha puesto a disposición pública, por encima de la clase Opus en capacidad. El 12 de junio emitió una directiva de control de exportaciones: acceso suspendido para cualquier nacional extranjero, incluyendo empleados de Anthropic con esa condición.

La secuencia concreta es más reveladora que el titular: la Casa Blanca identificó a SK Telecom — operadora coreana e inversora de 100 millones de dólares en Anthropic — como un riesgo de seguridad con acceso al modelo. Investigadores de Amazon identificaron vulnerabilidades separadas en Fable. El gobierno escaló lo que comenzó como la revocación de un acceso concreto a la suspensión total de ambos modelos para todos los usuarios extranjeros del planeta.

Anthropic, que discrepa públicamente de los criterios aplicados, cumplió. Su directora de operaciones internacionales afirmó el 17 de junio que los modelos volverán a estar disponibles “en los próximos días.”

Sam Altman le dijo a los líderes del G7 que no le dejaran la regulación de la IA a personas como él.

El 17 de junio, el G7 celebró en Évian-les-Bains (Francia) la primera reunión formal entre jefes de Estado y los CEOs de las principales empresas de IA: Altman (OpenAI), Amodei (Anthropic) y Hassabis (Google DeepMind) compartieron mesa con líderes de las siete mayores economías democráticas del mundo.

Las dos frases que importan. La de Altman: el futuro de esta tecnología debe estar moldeado por las personas, las instituciones democráticas y la sociedad en su conjunto — no solo por las empresas que construyen los sistemas más capaces. La de Amodei: los países democráticos deben establecer una coalición liderada por Estados Unidos con acceso estructurado a modelos de frontera y exclusión de China del comercio de chips.

Una lectura atenta de las dos posiciones muestra algo que pocas veces ocurre: el sector pidiendo que alguien externo le ponga límites, y al mismo tiempo proponiendo quién define esos límites.

La industria de la IA se paga a sí misma para poder existir — y las cifras empiezan a contar una historia extraña.

Microsoft enruta parte del tráfico de GitHub a través de AWS, el principal competidor de su negocio cloud. Google paga a SpaceX 920 millones de dólares al mes por capacidad de cómputo — a la misma empresa cuyo modelo Grok compite directamente con Gemini. Anthropic paga a SpaceX 1.250 millones mensuales por el acceso a la instalación Colossus. Los mayores actores del sector están tan al límite de su capacidad de infraestructura que compran cómputo a sus propios rivales para no quedarse sin él.

Lo que esto describe no es un sector en expansión ordenada. Es un sector con una demanda que supera a la oferta de infraestructura física, donde las relaciones competitivas se han vuelto secundarias respecto a la necesidad de conseguir acceso a silicio. Cuando tus rivales son también tus proveedores críticos, los incentivos de todo el ecosistema cambian de formas que todavía no terminamos de entender.

Suscríbete ahora

En profundidad

El hombre del papel

En 2017, ocho investigadores publicaron un paper de 15 páginas en Google Brain titulado “Attention Is All You Need”. El paper proponía una arquitectura llamada transformer para procesar secuencias de texto. No tuvo un lanzamiento de producto, ni una rueda de prensa, ni una valoración de mercado. Lo publicaron, lo pusieron a disposición pública, y siguieron trabajando.

Casi nueve años después, esa arquitectura subyace en ChatGPT, en Claude, en Gemini, en Grok, en los modelos de Meta, en los de Mistral, en los miles de modelos open source que corren en servidores de todo el mundo.

Uno de sus ocho autores se llamaba Noam Shazeer. El 18 de junio de 2026, publicó en LinkedIn que dejaba Google — donde llevaba dos décadas, donde era VP de ingeniería y co-responsable de los modelos Gemini — para unirse a OpenAI.

Shazeer es uno de los raros ingenieros que, en el contexto de la IA, tiene lo que podría llamarse autoría estructural: no solo construyó un producto, sino una forma de construir productos.

¿Qué dice su decisión?

La interpretación más directa: que Shazeer, con acceso privilegiado a ambas compañías y a lo que hay en su interior, eligió que OpenAI es donde está sucediendo lo más interesante.

Hay una segunda lectura menos evidente. En Google, Shazeer trabajaba en una empresa cuya prioridad central es no destruir su negocio de búsqueda mientras desarrolla IA. En OpenAI, esa restricción no existe — es una empresa construida para llevar la IA tan lejos como sea posible, y pronto cotizará en bolsa con esa promesa. La restricción de lo que puedes construir, no solo el calibre de quién trabaja a tu lado, también explica dónde quieren ir los mejores.

¿Qué implica esto para quien dirige una empresa sin ser ingeniero de IA?

Hay una pregunta que normalmente no encontrarás en los titulares pero que tiene consecuencias prácticas: ¿qué señales indican dónde se está acumulando la capacidad real de hacer algo extraordinario? Los movimientos de personas con autoría estructural en el sector son una de ellas. No la única, pero sí una que casi nunca aparece en los análisis de negocio convencionales.

Esta semana, el autor del paper que hizo posible todo esto votó con sus pies. El sector debería prestar atención. Las apuestas de las personas mejor informadas son datos, aunque no vengan envueltas en un comunicado de prensa.

Herramienta de la semana

ElevenLabs

El problema que resuelve. Crear contenido de audio — voiceovers para vídeos, episodios de podcast, material de formación en audio — requería hasta hace poco un micrófono decente, tiempo de grabación, y la disposición a aparecer en pantalla o ponerse frente a un micrófono con regularidad. Para quien trabaja solo o con un equipo reducido, eso es un cuello de botella real.

Qué es ElevenLabs. Una plataforma de síntesis de voz que convierte texto en audio de calidad profesional, con opciones que van desde voces prediseñadas hasta la clonación de tu propia voz a partir de una muestra corta. El resultado es indistinguible de una grabación humana en la mayoría de los casos de uso habituales: narración de vídeo, introducción de podcast, audio de módulos formativos, o locuciones para publicidad.

Para quién es útil. Para cualquier emprendedor o solopreneur que produzca vídeos explicativos, contenido educativo, materiales de presentación, o quiera empezar un podcast sin que la grabación de audio sea el obstáculo. También para quienes producen contenido en varios idiomas y necesitan versiones localizadas sin contratar locutores.

Pregunta de la semana

Esta semana, la señal más importante del sector no vino acompañada de notas de prensa ni valoraciones de mercado. Vino en una publicación de LinkedIn.

¿Dónde estás buscando las señales que importan — en lo que se anuncia o en lo que se decide en silencio?

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

Este artículo no va de aprender “loop engineering” ni de instalar la última herramienta de orquestación de agentes. Va de una frase de seis segundos que se convirtió en doctrina en dos semanas, y de todo lo que esa conversión tuvo que cortar para caber en un titular.

La frase es de Boris Cherny, el responsable de Claude Code en Anthropic. La dijo en la conferencia anual de desarrolladores de la compañía, hace un par de semanas, hablando de su día a día:

“No prompteo a Claude. Tengo loops corriendo que prompean a Claude y deciden qué hacer. Mi trabajo es escribir loops.”

En catorce días esa frase generó media docena de artículos, un nombre de categoría (”loop engineering”), hilos de Twitter declarando que si todavía estás escribiendo prompts a mano vas un modelo mental por detrás, y —cómo no— un bootcamp de seis semanas que promete llevarte de cero a “experto constructor de IA”. Todo eso a partir de una cita suelta en una keynote.

Aquí está lo que casi nadie hizo: ir a leer lo que Anthropic escribió con su propia voz, no la versión que sobrevivió al ciclo de titulares.

Lo que dijo Cherny, y por qué es verosímil

Read more

Esta semana, el CEO más discreto del mundo tecnológico pronunció su último discurso. La empresa más celosa de los datos de sus usuarios anunció que su producto más personal ahora corre sobre Google. Y la mayor salida a bolsa de la historia de los mercados financieros no fue la de una empresa de IA: fue la de una empresa de cohetes que también hace IA.

Cuatro reversiones en siete días. Cosas que eran de una manera y dejaron de serlo.

En Pulso IA no perseguimos titulares. Buscamos el patrón que los atraviesa a todos. Esta semana, ese patrón tiene nombre: la concentración.

Latidos de la semana

SpaceX salió a bolsa con la mayor IPO de la historia. El modelo que incluye cayó un 60% en tres meses.

Con $75.000 millones recaudados a una valoración de $1,75 billones, SpaceX debutó el 12 de junio en el Nasdaq y cerró el primer día con una subida del 19%. El récord histórico anterior lo tenía Saudi Aramco desde 2019. El nuevo lo tiene Elon Musk.

La empresa que salió a bolsa es en realidad cuatro en una: cohetes, Starlink, la red social X —vía la filial xAI— y Grok, el modelo de lenguaje que Musk fusionó con SpaceX a principios de 2026. Los inversores compraron el paquete completo con entusiasmo. Lo que no aparece en ningún prospecto: las descargas mensuales de la app de Grok cayeron de más de 20 millones en enero a 8,3 millones en abril — un desplome del 60% en tres meses.

La mayor IPO de la historia incluye un producto de IA con un problema de retención que todavía nadie ha explicado en público.

ChatGPT ahora tiene una memoria que se reescribe sola — sin que tú le pidas nada.

Desde el 4 de junio, OpenAI está desplegando Dreaming V3: una nueva arquitectura de memoria que no funciona mediante instrucciones explícitas del usuario (”recuerda que trabajo en diseño”) sino mediante síntesis automática de todo el historial de conversaciones, en segundo plano, sin intervención.

El sistema actualiza lo que sabe sobre ti a medida que cambian las circunstancias. Los usuarios pueden ver, editar o eliminar cualquier recuerdo. Lo que no pueden hacer es impedir que el sistema los forme, salvo optando por chats temporales.

La pregunta que no responde ningún comunicado de prensa: ¿qué hace exactamente el sistema con todo lo que has escrito en los últimos meses mientras construye ese mapa de ti? OpenAI garantiza control individual sobre el resultado. No explica el proceso.

Por ahora, es la única memoria de IA que escala así de silenciosamente — y eso, según cómo te sientas al respecto, es o una comodidad o algo que conviene entender antes de seguir usando la herramienta.

El Pentágono formalizó los contratos para sustituir a Claude. La razón por la que lo sustituye es lo más importante de la noticia.

El Departamento de Defensa de Estados Unidos cerró esta semana acuerdos formales con OpenAI, Google y Microsoft para reemplazar a Anthropic’s Claude en sistemas clasificados. La historia tiene una causa concreta: en febrero, Anthropic se negó a eliminar las restricciones de su modelo que impiden su uso en vigilancia masiva y armas autónomas letales.

La noticia tiene dos lecturas simultáneas. La primera: los principios tienen un precio comercial, y Anthropic acaba de pagarlo. La segunda: cuando el Pentágono necesita un modelo que haga cosas que Claude se niega a hacer, la pregunta sobre qué es exactamente lo que Claude se niega a hacer — y si sus competidores lo hacen sin restricciones — merece más atención pública de la que está recibiendo.

Google lanzó DiffusionGemma: un modelo de código abierto que genera texto cuatro veces más rápido usando una arquitectura completamente diferente.

Los modelos de lenguaje actuales generan texto token a token, en secuencia. DiffusionGemma no: genera 256 tokens en paralelo por cada pasada, tomando prestado el principio de la IA de imagen para aplicarlo al texto.

Después de dos años en los que la arquitectura del transformer parecía inamovible, los laboratorios están apostando de nuevo por experimentos de base. Lo que hoy se llama “cómo funciona la IA” podría ser en tres años una de varias opciones técnicas viables. Los números que comparan modelos hoy son menos predictivos del futuro de lo que parecen.

Suscríbete ahora

En profundidad

El jardín que se abrió

Tim Cook construyó durante quince años el mayor negocio de la historia del capitalismo sobre una sola idea: que el ecosistema cerrado de Apple valía más que la suma de sus partes. Las apps solo podían llegar al iPhone a través de su tienda. Los componentes críticos eran suyos. Los datos de los usuarios no salían del dispositivo. La privacidad era el argumento, pero el control era el producto.

El lunes pasado, en su último discurso como CEO de Apple antes de ceder el cargo a John Ternus en septiembre, Cook anunció que Siri — la voz de Apple, el asistente que lleva doce años siendo el primer punto de contacto de 1.500 millones de personas con la tecnología — ahora funciona sobre modelos de Google Gemini.

No sobre modelos propios. Sobre Google.

Desde 2024, Apple prometió que su estrategia de IA sería diferente: modelos más pequeños, más privados, ejecutados directamente en el dispositivo, sin enviar datos a ningún servidor. La propuesta tenía sentido competitivo y ético. El problema fue que los resultados no acompañaron al relato. Los benchmarks de los modelos propios de Apple quedaban por debajo de sus competidores en tareas conversacionales. Siri seguía siendo torpe frente a ChatGPT o Gemini. Y cada mes que pasaba sin una actualización significativa era un mes más en el que los usuarios comparaban — y la comparación no favorecía a Apple.

Entonces llegó la decisión que Cook anunció como si fuera una evolución natural: Siri AI corre sobre Gemini. La infraestructura de cómputo sobre chips NVIDIA Blackwell. Y los modelos de terceros — incluyendo a Claude — funcionarán como “Extensions” dentro de Siri, como alternativas que el usuario puede elegir. El jardín amurallado no desapareció, pero ahora tiene puertas.

Hay al menos dos lecturas posibles de este movimiento, y conviene no quedarse con la más cómoda.

La primera: es una capitulación inteligente. Apple reconoció que construir modelos de frontera requiere una escala de inversión en cómputo, datos y talento que no tiene sentido para su negocio principal. En vez de seguir perdiendo tiempo y credibilidad en esa carrera, externalizó la capa de inteligencia y se quedó con lo que sabe hacer mejor: integración de hardware y software, control de la experiencia de usuario, y la palanca de distribución más valiosa del planeta. Si Gemini mejora, Siri mejora. Sin que Apple tenga que entrenar nada.

La segunda: es una señal de algo más estructural. Si Apple — con $200.000 millones en caja, los mejores ingenieros del sector, y quince años de ventaja en chips propios — no pudo construir IA de frontera por su cuenta, lo que eso dice sobre quién puede hacerlo no es tranquilizador. El número de actores capaces de entrenar un modelo competitivo de primera línea no crece. Se contrae. Y cada gran empresa que elige subcontratarlo en vez de construirlo refuerza la posición de los pocos que sí pueden.

La pregunta que se lleva Tim Cook no tiene una respuesta cómoda: ¿construir tu propia inteligencia o depender de la inteligencia de otros? Su respuesta, después de quince años de jardín cerrado, fue elegir la segunda opción.

Herramienta de la semana

NotebookLM

El problema que resuelve. Cada semana acumulas más información de la que puedes procesar: artículos, informes, notas de reuniones, transcripciones, PDFs. Todo está guardado en algún sitio. Nada habla entre sí. Y cuando necesitas conectar lo que leíste hace tres semanas con lo que sabes hoy, tienes que buscarlo tú mismo.

Qué es NotebookLM. Una herramienta de Google diseñada para trabajar con tus propias fuentes — no con la web en general. Le subes los documentos que tú eliges (PDFs, artículos, notas, transcripciones, incluso vídeos de YouTube), y construyes un espacio en el que puedes hacerle preguntas directamente a ese corpus. El modelo no inventa — cita la fuente de cada respuesta dentro del mismo notebook.

Cómo funciona en la práctica. Creas un notebook por proyecto o tema. Añades hasta 50 fuentes por notebook. A partir de ahí, tienes un chat que solo responde con lo que está en esas fuentes, y una función de Audio Overview que genera un resumen en formato conversacional, como un podcast breve que puedes escuchar mientras haces otra cosa.

Pregunta de la semana

Esta semana Apple decidió que, con todos sus recursos, construir su propia inteligencia no era la respuesta correcta.

¿Hay alguna capacidad en tu empresa que llevas tiempo intentando desarrollar internamente, y sobre la que ya existe una solución externa mejor, más barata y más rápida de adoptar?

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

Ya puedes crear dragones, ¿Y ahora qué?

La semana pasada vi un vídeo generado con IA. Un dragón sobrevolando una ciudad medieval, con una calidad cinematográfica que hace cinco años habría requerido un estudio de Hollywood y millones de presupuesto.

Lo hizo una persona. En su casa. En cuestión de minutos.

Y mi primera reacción no fue asombro. Fue una pregunta: ¿Y ahora qué? ¿Qué haces con el dragón?

Porque el dragón es espectacular. Pero el dragón sin propósito es solo ruido visual. Otra pieza de contenido flotando en un océano infinito de contenido.

Esta es la paradoja que estoy viendo en todas partes. Nunca hemos tenido más capacidad de ejecutar. Y nunca he visto más parálisis.

Read more

Esta semana, Anthropic superó a OpenAI en valoración y presentó su salida a bolsa. Microsoft lanzó modelos propios que compiten de frente con los dos. Además, firmó con el Pentágono un contrato de 9.700 millones de dólares.

Cuatro compañías. Una sola tarta. Una semana entera de cuchillos sobre la mesa.

Y en medio de todo eso, esas mismas cuatro empresas hicieron algo que casi nunca ocurre: firmaron juntas la misma carta. No fue sobre cuota de mercado, ni sobre qué modelo es mejor.

Cuando los que compiten por todo se ponen de acuerdo en una sola cosa, esa cosa merece más atención que todas sus peleas juntas.

Latidos de la semana

Anthropic presentó su solicitud confidencial de salida a bolsa, apenas días después de cerrar la mayor ronda de la historia del sector.

La ronda de 65.000 millones a una valoración de 965.000 millones se cerró hace apenas unos días, y la compañía ya está caminando hacia los mercados públicos.

Es la primera gran empresa de IA de frontera en dar este paso de forma concreta y verificable, no especulativa. La carrera hacia la bolsa, que llevaba meses siendo un rumor compartido entre Anthropic y OpenAI, tiene ahora una protagonista que se adelantó.

Para las empresas que dependen de Claude como proveedor, eso significa una cosa concreta: en los próximos meses, cada decisión de producto, precio o soporte que tome Anthropic se leerá —dentro y fuera de la compañía— en clave de cómo afecta a esa salida a bolsa.

Microsoft jugó esta semana en los dos tableros a la vez

Por un lado, convirtió a Claude en ciudadano de primera clase de Azure AI Foundry: Opus 4.8 y Sonnet 4.6 corren ahora de forma nativa sobre la infraestructura de Microsoft, con todo el peso comercial de la compañía detrás.

Por otro lado, presentó dos modelos propios entrenados desde cero: MAI-Thinking-1 (razonamiento, 35.000 millones de parámetros) y MAI-Code-1-Flash (programación). Los resultados no son tibios. MAI-Thinking-1 superó a Claude Sonnet 4.6 e igualó a Opus 4.6 en tareas de código.

Microsoft ya no necesita elegir. Puede alquilar la infraestructura a sus rivales y, al mismo tiempo, construir alternativas propias que reduzcan su dependencia de ellos. Es la posición más cómoda del sector, y la más difícil de replicar para cualquiera que no sea dueño de la nube sobre la que corre todo lo demás.

El Pentágono firmó con Microsoft un contrato de 9.700 millones de dólares para llevar Microsoft 365, Azure y Copilot al gobierno de Estados Unidos.

Es uno de los mayores acuerdos de software empresarial firmados nunca por el gobierno estadounidense y llega apenas semanas después de que el mismo Pentágono cerrara acuerdos similares con otros siete gigantes tecnológicos, dejando fuera explícitamente a Anthropic por su negativa a construir sistemas de armas autónomas o de vigilancia masiva.

El patrón que se consolida: los contratos gubernamentales de IA se están convirtiendo en uno de los mercados más disputados —y más lucrativos— del sector, y las compañías que están dispuestas a flexibilizar sus límites éticos están llegando primero a la mesa. No es una acusación. Es una descripción de hacia dónde fluye el dinero, y de qué se está pidiendo a cambio.

NVIDIA quiere que tu próximo ordenador lleve un agente de IA viviendo dentro, sin depender de la nube.

El nuevo superchip RTX Spark combina CPU y GPU en un solo chip con 128 GB de memoria unificada. La promesa concreta: ejecutar modelos de hasta 120.000 millones de parámetros, con un millón de tokens de contexto, corriendo localmente en tu portátil — sin enviar nada a un servidor externo.

Adobe ya está rediseñando Photoshop y Premiere desde cero para aprovecharlo, con el objetivo de que sus herramientas funcionen el doble de rápido y permitan trabajar codo a codo con “agentes de Windows” dentro del propio software de edición.

Los primeros equipos llegan en otoño, de fabricantes como ASUS, Dell, HP, Lenovo y Microsoft Surface. El cambio de fondo: durante dos años, la conversación sobre IA giró en torno a la nube. Esta semana, NVIDIA apostó fuerte por la dirección contraria: que la inteligencia relevante viva en el dispositivo que ya tienes sobre la mesa.

OpenAI llevó su modelo de ciberseguridad a gobiernos y empresas europeas — en acceso limitado y vigilado.

GPT-5.5-Cyber, diseñado específicamente para tareas de defensa digital, empezó a estar disponible esta semana en una vista previa restringida para equipos de ciberseguridad verificados, empresas y administraciones públicas de la Unión Europea. No es un lanzamiento abierto — es un despliegue cuidadosamente acotado, con condiciones de acceso explícitas.

La señal que envía es doble: por un lado, que los modelos especializados en seguridad ya están saliendo de los laboratorios y entrando en manos de quienes defienden infraestructuras reales. Por otro, que incluso sus creadores entienden que ese tipo de capacidad no se reparte sin control — exactamente la misma lógica que aparece, multiplicada, en la noticia que vertebra este número.

Suscríbete ahora

En profundidad

La grieta en la armadura

Hay una escena que vale la pena imaginar bien.

Sam Altman y Dario Amodei llevan dos años librando, en público, una de las rivalidades más caras de la historia empresarial. Demis Hassabis dirige el laboratorio de IA del mayor buscador del planeta. Mustafa Suleyman responde directamente a Satya Nadella, el hombre que esta semana firmó con el Pentágono uno de los mayores contratos tecnológicos de la historia del gobierno de Estados Unidos. Cuatro personas que, en condiciones normales, no se pondrían de acuerdo ni en la hora.

Esta semana se pusieron de acuerdo en pedirle al Congreso de Estados Unidos que les ponga un límite muy concreto, muy incómodo, y muy poco publicitario: que alguien vigile de cerca quién puede fabricar virus.

Así, sin rodeos: la carta dice que la IA ya ha llegado al punto en que puede ayudar a diseñar patógenos peligrosos, y que el único cuello de botella que queda entre ese diseño y el mundo físico son las empresas que fabrican el material genético bajo encargo. Piden que esas empresas empiecen a comprobar, antes de enviar nada, que lo que les están pidiendo no es una receta para el desastre.

Detente un segundo en lo que eso significa viniendo de quien viene.

Estas cuatro personas pasan la mayor parte de su tiempo público convenciéndote de que su tecnología es imparable, segura y buena para el mundo (porque de eso depende su valoración, su próxima ronda, su contrato con el gobierno de turno). Decir “esto es peligroso” no les beneficia. Les cuesta titulares, les cuesta inversores nerviosos, les cuesta munición para sus rivales. Y aun así lo dijeron.

Las advertencias sobre IA que escuchas el resto del año casi siempre las hace alguien a quien le conviene que sientas miedo, o asombro, o urgencia por comprar. Esta no. Esta es la primera grieta pública en una armadura que estas cuatro empresas llevan dos años puliendo juntas.

La próxima vez que una empresa de IA te diga que hay que tener cuidado con algo, pregúntate si esa misma frase sobreviviría si la dijeran también sus tres enemigos más encarnizados, sin que ninguno ganara nada con ello. Si la respuesta es sí, presta atención de verdad. Si la respuesta es no, probablemente te estén vendiendo algo.

Herramienta de la semana

Lindy

El problema que resuelve. Hay tareas en tu negocio que se repiten cada semana —responder a las mismas preguntas de clientes, clasificar correos, programar reuniones, hacer seguimiento de leads— y que no requieren tu criterio, solo tu tiempo. Sabes que podrías automatizarlas. El problema es que “automatizar” suena a programar, y tú no programas.

Qué es Lindy. Una plataforma para crear asistentes de IA personalizados sin escribir una sola línea de código. Describes en lenguaje normal lo que quieres que haga tu asistente —”cuando llegue un email de un cliente preguntando por precios, responde con esta información y avísame en Slack”— y Lindy construye el flujo. Se conecta con tu correo, calendario, CRM, Slack y cientos de aplicaciones más. El asistente resultante trabaja de fondo, de forma continua, sin que tengas que activarlo cada vez.

Cómo funciona en la práctica. Eliges una plantilla —responder emails, cualificar leads, programar reuniones, resumir llamadas— o describes desde cero lo que necesitas. Conectas las aplicaciones que ya usas. Pruebas el asistente con casos reales y ajustas sus instrucciones igual que corregirías a un empleado nuevo. Una vez que funciona como quieres, lo activas y queda corriendo de forma permanente.

Pregunta de la semana

Esta semana, cuatro empresas que se pelean por todo coincidieron en una sola cosa.

¿Cuántas voces necesitas oír decir lo mismo —sin que ninguna gane con ello— antes de empezar a tomarte algo en serio?

Nos leemos la semana que viene.

— El equipo de Amplify

Suscríbete ahora

Compartir

La transformación como dogma

Transforma tu negocio con IA. Transforma tus procesos. Transforma tu propuesta de valor. La palabra se repite tantas veces que ya no significa nada concreto, pero sigue generando una presión concreta y enorme. Si no te transformas, te quedas atrás. Eso nos dicen.

Esa presión está causando más daño que la propia IA. Para la mayoría de profesionales y negocios, la decisión más inteligente es exactamente la opuesta. No transformar nada. Integrar. Que la IA haga su trabajo sin que nadie lo note.

547.000 millones de dólares en ¿humo?

En 2025, las empresas invirtieron 684.000 millones de dólares en iniciativas de IA. El 80% —más de 547.000 millones— no generó el valor esperado.

Conviene detenerse en esa cifra. No es un margen de error. No es un coste de aprendizaje razonable. Es un fracaso sistémico que la industria ha decidido llamar “fase de adopción”.

Read more

Dos cuentas corrientes. Los mismos protagonistas.

En la primera: Anthropic captó 65.000 millones de dólares a una valoración de 965.000 millones, convirtiéndose en la empresa privada de IA más valiosa del mundo. OpenAI presentó en secreto su solicitud de salida a bolsa.

En la segunda: Microsoft canceló las licencias de Claude Code de sus ingenieros porque cada uno gastaba entre 500 y 2.000 dólares al mes. Uber confirmó que quemó todo su presupuesto de IA para 2026 en cuatro meses.

La misma semana.

La brecha entre estas dos cuentas es el retrato más honesto del momento que atraviesa el sector.

Latidos de la semana

Anthropic cierra su mayor ronda de la historia: 65.000 millones de dólares a 965.000 millones de valoración.

Los números que se anticipaban hace dos semanas — 30.000 millones a 900.000 millones de valoración — se quedaron cortos. Anthropic supera ahora a OpenAI como empresa privada de IA más valiosa del mundo.

Lo que no cambia con este número: la velocidad de consumo de capital en el sector. Los laboratorios de frontera queman recursos a una escala sin precedente en la historia tecnológica: computación, talento, infraestructura.

Lo que sí cambia: la posición relativa de Anthropic, y la señal que manda al mercado sobre quién tiene más momentum en este momento. Momentum que, en pocos meses, también tendrá que convencer a los mercados públicos.

Claude Opus 4.8: 42 días, misma tarifa, 2,5 veces más rápido.

Lo más significativo de Opus 4.8 no son sus métricas, es el ritmo al que llega. Cuarenta y dos días separan Opus 4.7 de Opus 4.8.

En ese intervalo: el Fast Mode pasa a operar a 2,5 veces la velocidad del modelo estándar y se abarata tres veces respecto a versiones anteriores. El agentic coding sube del 64,3% al 69,2%. El modelo es ahora menos propenso a dejar pasar sus propios errores en código sin señalarlos.

Claude Code incorpora “dynamic workflows” — capacidad para abordar problemas de gran escala en varias fases autónomas sin perder el hilo entre ellas. Disponible desde el primer día en claude.ai, GitHub Copilot y AWS. El mismo precio que Opus 4.7.

Un modelo Opus nuevo cada seis semanas empieza a ser, en sí mismo, una declaración de intenciones sobre a qué velocidad quiere competir Anthropic.

OpenAI presentó en secreto su solicitud de salida a bolsa. Objetivo: septiembre.

Una solicitud confidencial de IPO no es un anuncio de cotización: es el primer paso formal con la SEC, en privado, antes de que se haga público. OpenAI lo presentó con Goldman Sachs y Morgan Stanley como banqueros líderes. El objetivo: debutar en bolsa en septiembre de 2026 a una valoración esperada superior al billón de dólares.

Anthropic apunta a octubre. Los dos grandes laboratorios de IA del mundo llegarán a los mercados públicos con semanas de diferencia. Para quienes los usan como proveedores, eso tiene una implicación práctica concreta: los incentivos de ambos van a cambiar.

Las decisiones sobre precios, roadmap y soporte se tomarán con la mirada puesta en accionistas públicos, no solo en clientes actuales. Es un cambio de interlocutor que vale la pena anticipar.

Microsoft cancela sus licencias de Claude Code. Uber quemó su presupuesto en cuatro meses.

Hay una paradoja en los modelos de precio por token que nadie del sector quiere articular con claridad: una herramienta de IA basada en tokens cuesta más cuanto más útil es. Porque cuanto más útil es, más la usan. Y cuanto más la usan, más sube la factura.

Microsoft lo descubrió en su división de Experiencias y Dispositivos — la que construye Windows, Microsoft 365, Outlook, Teams y Surface. Los ingenieros gastaban entre 500 y 2.000 dólares al mes por cabeza en Claude Code. La respuesta: cancelar las licencias y redirigirlos a GitHub Copilot CLI, el producto propio.

Uber, por su parte, confirmó que agotó su presupuesto de IA para todo 2026 en cuatro meses. GitHub — que tampoco es inmune — anuncia que todos sus planes de Copilot pasan a facturación basada en uso el 1 de junio.

El problema de los precios por token en la adopción empresarial de IA es real, conocido dentro del sector, y todavía no tiene solución.

Project Glasswing: 10.000 vulnerabilidades críticas en software ampliamente usado, en 30 días.

Claude Mythos Preview — el modelo de Anthropic aún no disponible al público — escaneó más de mil proyectos de software open source durante el primer mes de Glasswing e identificó 23.019 problemas totales, más de 10.000 de severidad alta o crítica.

Seis firmas independientes de ciberseguridad validaron como positivos reales el 90% de los hallazgos revisados. Los partners del proyecto incluyen AWS, Apple, Cisco, Google y JPMorganChase.

Ahí está la pregunta que Glasswing plantea, y no es técnica: ¿quién decide a quién se le da acceso a un modelo capaz de quebrar la seguridad del software global?

Por ahora, la respuesta es que ese acceso no está disponible al público, y Anthropic tiene el control. Lo que no está claro es por cuánto tiempo esa ecuación se mantiene estable.

Cinco señales distintas. Una sola semana. En Amplify Premium trabajamos qué implica cada una para tu negocio.

Únete →

En profundidad

La profecía que ya no conviene

Durante tres años, dos de las voces más influyentes del sector de la inteligencia artificial construyeron parte de su posicionamiento público sobre una misma advertencia: la IA iba a eliminar empleo de entrada a escala masiva.

Sam Altman lo formuló de múltiples formas desde 2023. Dario Amodei fue más específico: llegó a estimar que la IA podría automatizar hasta el 50% de los trabajos de cuello blanco en el corto plazo. Estas predicciones no eran posiciones marginales — venían de los CEOs de los dos laboratorios más avanzados del mundo y se reprodujeron en portadas y debates de todo tipo durante años.

Esta semana, los dos dieron marcha atrás casi al mismo tiempo.

Altman dijo que estaba “bastante equivocado” sobre el impacto económico de la IA en el empleo. Que esperaba haber visto más destrucción de puestos de entrada de la que ha ocurrido. Que ya no prevé “el tipo de apocalipsis laboral que algunos en nuestro sector promueven.” Amodei ajustó su posición en una dirección parecida: la automatización podría expandir el trabajo humano, no contraerlo.

Es tentador leer esto como información nueva. Pero hay un elemento de contexto que conviene no dejar fuera: OpenAI presentó esa misma semana su solicitud confidencial de IPO. Anthropic se dirige a los mercados en octubre. Dos empresas que van a pedir al mercado público valoraciones de un billón de dólares tienen un incentivo estructural para suavizar cualquier narrativa que complique su relación con reguladores, legisladores y el gran público.

Eso no convierte su posición en mentira. Hace que el timing no sea inocente.

¿Y qué dicen los datos reales sobre empleo e IA?

La respuesta honesta es que la imagen es más compleja que cualquiera de las dos narrativas. El impacto laboral de la IA está siendo asimétrico, sectorial y no lineal. Hay ámbitos donde el trabajo de entrada ha cambiado de forma visible. Hay otros donde la IA ha generado demanda de perfiles nuevos. El dato más revelador de los últimos dos años no es cuántos puestos se han eliminado — es que el mercado laboral lleva meses en un estado de suspensión: las empresas no despiden en masa, pero tampoco contratan con normalidad. La incertidumbre sobre qué perfiles necesitarán en doce meses paraliza las decisiones en ambas direcciones.

La lectura útil de todo esto es notar que las predicciones sobre el impacto del empleo de la IA han fallado en ambos sentidos, con argumentos sólidos de ambos lados, desde que el debate comenzó. Lo que no ha fallado es el análisis a nivel de tarea específica.

¿Qué tareas concretas de mi empresa son automatizables hoy, con qué herramientas, con qué coste real y con qué retorno medible? Esa pregunta tiene respuesta. Es trabajo que se puede hacer. Y a diferencia de las predicciones macroeconómicas, es trabajo que produce resultados antes del trimestre que viene.

Herramienta de la semana

Granola

El problema que resuelve. Tienes llamadas toda la semana — con clientes, proveedores, colaboradores. De cada una salen decisiones, compromisos y tareas. Para que no se pierdan, tienes que tomar notas mientras escuchas, o releer la transcripción después, o confiar en tu memoria. Ninguna de las tres funciona bien.

Qué es Granola. Una app de notas de reuniones con IA que funciona de forma distinta a lo que hayas probado: no entra como bot en tu videollamada — captura el audio directamente desde el sistema de tu ordenador, en local, sin que nadie en la llamada necesite aprobarlo ni sepa que está activo. Al terminar, produce un resumen estructurado: puntos clave, decisiones tomadas, acciones pendientes. Compatible con Zoom, Google Meet, Teams y cualquier llamada que pase por tu equipo.

Cómo funciona en la práctica. Abres Granola antes de la llamada. Escucha en segundo plano mientras tú estás presente. Puedes añadir notas rápidas mientras hablas — Granola las integra en el resumen final. Al colgar, tienes la nota en segundos, exportable a Notion, Google Docs o email. Puedes además consultar el contenido después: “¿qué acordamos sobre el precio?” y obtienes la respuesta desde el audio.

Pregunta de la semana

Microsoft calculó mal. Uber calculó mal. Altman calculó mal.

Esta semana estuvo llena de líderes y organizaciones corrigiendo sus propios números sobre la IA — cuánto costaría, cuánto disrumpiría, cuánto cambiaría.

¿Cuál es el tuyo que todavía no has revisado?

Nos leemos la semana que viene.

— El equipo de Amplify

El coste de no entender la IA ya no es abstracto — se mide en presupuestos agotados y predicciones que no se cumplen. En Amplify Premium trabajamos la comprensión que convierte ese coste en ventaja.

Suscríbete ahora

Compartir

Esta semana Google hizo cien anuncios. Uno importa más que los otros noventa y nueve.

No es el modelo nuevo, ni las gafas de realidad aumentada, ni el recorte de precio de su suscripción premium. Es el anuncio de que un agente de IA trabajará en tu nombre mientras duermes — sin que tu ordenador esté encendido, en los servidores de Google, de forma continua.

Eso, más una semana de movimientos de Anthropic sin precedente en alcance y variedad, es de lo que trata este número.

Latidos de la semana

Google I/O 2026: Google bajó el precio de entrada de la IA avanzada y subió la apuesta en hardware.

Google I/O fue este año la conferencia más densa en anuncios del sector desde hace varios ciclos. Lo que importa no es el volumen, es la dirección.

En modelos: Gemini 3.5 Flash es ahora el nuevo punto de referencia de Google. Supera a Gemini 3.1 Pro en programación y tareas agentivas sin sacrificar velocidad. Gemini Omni es la primera apuesta de Google por un modelo que genera vídeo como salida nativa, además de aceptar imagen, audio, texto y vídeo como entrada.

En precios: el tier AI Ultra pasa de 250 a 200 dólares al mes, y aparece un nuevo tier a 100 dólares con acceso prioritario a Gemini 3.5 Flash y 20 TB de almacenamiento. La IA más potente de Google baja el umbral de entrada a la mitad. Eso no es una oferta: es una declaración de con quién quiere competir.

En hardware: Google confirmó sus primeras gafas con Gemini integrado para este otoño —dos variantes, audio y pantalla, con Gentle Monster, Warby Parker y Samsung. Y WebMCP, un estándar abierto para que los agentes de IA ejecuten acciones directamente en páginas web como si fueran llamadas de código, arrancó en Chrome en fase experimental. Cuando madure, cualquier web podrá volverse operable por agentes sin rediseñar nada.

Anthropic compró Stainless por más de 300 millones: la infraestructura que usan OpenAI, Google y Cloudflare.

Stainless es un startup que construye SDKs y herramientas de integración de APIs. No es un nombre que suene en los titulares de tecnología, pero es la herramienta que usaban OpenAI, Google y Cloudflare para construir sus propios SDKs de desarrollador. Anthropic lo compró por más de 300 millones de dólares.

La lectura estratégica es directa: quien controla cómo los desarrolladores se integran con los modelos controla parte de la fricción de cambio. Stainless hace que cambiar de proveedor de IA sea más o menos fácil para cualquier empresa que haya construido integraciones sobre sus herramientas. Anthropic acaba de tener voto en esa decisión.

Anthropic no compró una empresa de sus clientes. Compró la infraestructura técnica de sus competidores. Eso es un movimiento diferente.

KPMG integrará Claude para sus 276.000 empleados: la primera Big Four en incrustar IA en toda su operación.

Hasta ahora, los grandes despliegues de IA en empresas han funcionado por divisiones o por casos de uso concretos. KPMG rompió ese patrón: todos sus empleados —más de 276.000 personas en todo el mundo— tendrán acceso a Claude integrado en Digital Gateway, la plataforma central de operaciones de la firma. Anthropic pasa a ser su socio preferente también para los clientes de private equity.

Es el primer despliegue de esta escala en una Big Four. No en un departamento: en la operación entera.

Anthropic y la Fundación Gates: 200 millones de dólares, cuatro años, salud global.

Anthropic y la Fundación Bill y Melinda Gates firmaron una asociación de cuatro años valorada en 200 millones de dólares — financiación, créditos de uso de Claude y soporte técnico. El foco: mejorar resultados de salud en países de renta baja y media, acelerar vacunas y terapias, y ayudar a gobiernos a usar datos sanitarios para decisiones más rápidas.

Es el primer acuerdo de esta magnitud entre un laboratorio de IA de frontera y una fundación filantrópica de primer nivel. La relevancia para quienes siguen el sector va más allá del impacto humanitario: en una semana en que la valoración de Anthropic roza el billón de dólares, este acuerdo es también una declaración sobre dónde quiere estar posicionada cuando llegue la regulación. La legitimidad institucional se construye antes de necesitarla.

OpenAI llevó Codex a las empresas con servidores propios, y a los móviles.

Codex, el agente de código de OpenAI, dio esta semana dos saltos distintos. Primero, hacia adentro de las empresas que no pueden usar la nube: OpenAI y Dell anunciaron una alianza para desplegarlo en entornos híbridos y on-premises, conectado con el Dell AI Data Platform donde muchas grandes compañías almacenan sus datos más sensibles. Es la primera apuesta seria de OpenAI por el mercado que exige que los datos no salgan de sus instalaciones.

Segundo, hacia los móviles: Codex llegó a la app de ChatGPT en iOS y Android. Cualquier usuario puede supervisar tareas en curso, aprobar acciones y dar nuevas instrucciones a un agente de código desde el teléfono.

Cuatro millones de desarrolladores usan Codex cada semana. Lo interesante es adónde está yendo ese uso: ya no solo código — también reportes, clasificación de feedback, cualificación de leads, coordinación entre sistemas. El agente de programación se está convirtiendo en agente de operaciones.

Esta semana fue densa. Lo que importa no es cada noticia por separado — es lo que dicen juntas. En Amplify Premium trabajamos esa lectura.

Únete →

En profundidad

El agente que trabaja mientras duermes

Hay una frase en el anuncio de Google I/O 2026 que merece más atención de la que recibió.

Gemini Spark, explicó Google, es un agente personal de IA que “trabaja en tu nombre de forma continua, las 24 horas del día, sin necesidad de que tu ordenador o tu teléfono estén encendidos.”

Eso no es una mejora incremental de lo que existía. Es un cambio de categoría.

Hasta ahora, todos los asistentes de IA —ChatGPT, Claude, Gemini funcionaban bajo el mismo supuesto implícito: tú los activas, tú les das instrucciones, tú esperas la respuesta, tú decides qué hacer con ella. El modelo era conversacional, sincrónico, reactivo. La IA esperaba. Tú mandabas.

Gemini Spark rompe ese supuesto. Corre en la infraestructura de Google Cloud de forma permanente. Puede empezar a trabajar en una tarea larga mientras terminas una reunión, continuar mientras comes, y tener resultados cuando vuelves al escritorio. No solo responde, ejecuta. No solo asiste: progresa.

¿Qué tipo de tareas puede hacer? En su versión de lanzamiento disponible primero para suscriptores de AI Ultra en Estados Unidos, Spark trabaja con tareas que tienen un objetivo claro y pasos definibles: monitorizar fuentes de información y alertarte cuando ocurre algo relevante, redactar un primer borrador de informe cuando se cumplen ciertas condiciones, preparar un resumen semanal de conversaciones o datos, hacer seguimiento de un proceso multipasos sin que tengas que recordar en qué punto está.

Para un empresario, la pregunta que Gemini Spark plantea es concreta: ¿qué trabajo que hoy haces tú mismo, de forma manual y recurrente, podría estar haciéndose en segundo plano mientras dedicas tu atención a algo que requiere criterio?

El concepto no es nuevo en la tecnología: los servidores llevan décadas procesando tareas mientras nadie los mira, y las automatizaciones de Zapier o Make llevan años ejecutando flujos mientras sus creadores duermen. Lo que cambia con Spark es el nivel de inteligencia aplicado a esa ejecución en segundo plano. No una regla del tipo “si pasa X, haz Y”, sino un agente que puede navegar situaciones imprevistas, sintetizar información ambigua y producir resultados que requieren juicio, no solo lógica.

El agente que trabaja mientras duermes no es ciencia ficción. Esta semana llegó al mercado. La pregunta no es si va a cambiar cómo trabajas. Es cuándo empiezas a tomártelo en serio.

Herramienta de la semana

Zapier AI

El problema que resuelve. Usas muchas herramientas distintas — un CRM, una plataforma de email, una hoja de cálculo, un gestor de tareas — y el trabajo de conectarlas entre sí lo haces tú manualmente: copiar datos de un sitio a otro, enviar un email cuando algo cambia, crear una tarea cuando llega un formulario. Es trabajo repetitivo, invisible y que consume tiempo real.

Qué es Zapier AI. Zapier es la plataforma de automatización no-code más extendida del mundo — conecta más de 7.000 aplicaciones. Sus funciones de IA recientes cambian lo que era posible sin saber programar: puedes describir en texto lo que quieres automatizar (”cuando alguien llene mi formulario de contacto, analiza su mensaje, clasifícalo por urgencia y crea una tarea en mi gestor de proyectos con un resumen”) y Zapier construye la automatización por ti. También puedes usar IA dentro de los flujos para redactar respuestas, resumir información, clasificar entradas o extraer datos de texto no estructurado.

Para quién es útil. Para cualquier solopreneur o propietario de empresa pequeña que dedique tiempo a tareas de coordinación entre herramientas: pasar leads de un formulario al CRM, notificar a un cliente cuando cambia el estado de su pedido, generar un informe semanal desde datos dispersos. Zapier AI hace accesible ese trabajo de automatización sin necesidad de saber programar.

Pregunta de la semana

Gemini Spark trabaja mientras duermes. Zapier automatiza mientras atiendes a un cliente. Los agentes de Codex corren en segundo plano mientras haces otra cosa.

El patrón es el mismo: trabajo que avanza sin que estés mirando.

¿Qué tarea recurrente en tu negocio podría estar haciéndose ahora mismo — y no lo está porque nunca te has parado a configurarlo? ¿Cuántas horas a la semana vale esa respuesta?

Nos leemos la semana que viene.

— El equipo de Amplify

La IA que trabaja mientras no miras ya no es una promesa — es un producto. Las empresas que aprendan a usarla antes tendrán una ventaja que no se compra con más horas. En Amplify Premium trabajamos cómo construirla.

Suscríbete ahora

Deja un comentario

En 1987, el Nobel de economía Robert Solow escribió su frase más citada.

«Se ve la era de los ordenadores en todas partes, excepto en las estadísticas de productividad.»

Las empresas llevaban una década invirtiendo en computadoras. La productividad agregada no se movía.

Lo que vino después fue revelador: la productividad llegó, pero tardó quince años. Y cuando llegó, no fue por las empresas que habían adoptado más rápido. Fue por las que habían rediseñado sus flujos de trabajo alrededor de las herramientas.

Hoy la historia se repite.

Cuando todos aceleran al mismo ritmo, la posición relativa no cambia. La velocidad de producción, en ese contexto, no construye ventaja. Solo mantiene el ritmo.

Lo que diferencia no es cuánto produces. Es adónde van las horas que la IA te devuelve.

Eso es lo que aborda la guía de este mes.

La trampa de la velocidad: Por qué ir más rápido no es lo mismo que ir adelante

No es una guía sobre productividad. Es sobre la diferencia entre dos tipos de velocidad que se sienten igual desde dentro pero producen resultados completamente distintos a doce meses vista.

Dentro encontrarás:

• Por qué la ventaja de primer movimiento con la IA ya pasó, y qué queda cuando la competencia es simétrica.

• Los cuatro destinos posibles para el tiempo que recuperas. Solo uno construye algo que sigue funcionando cuando paras.

• La diferencia entre velocidad de producción y velocidad de acumulación: por qué una compite contra todos en el mercado y la otra solo compite contra tu versión anterior.

• Los tres mecanismos que explican por qué el 94% no está viendo valor, más allá de las herramientas.

• Una auditoría de cinco preguntas para aplicar esta semana a tus tareas de mayor volumen.

• Tres palancas concretas para redirigir las horas recuperadas hacia activos que no podría tener alguien que empezara hoy.

La guía se suma a las 11 anteriores, que cubren todos los ámbitos que un profesional necesita para pasar de usar IA a construir con ella: desde los fundamentos del contexto hasta los sistemas de criterio.

¿Cómo acceder a las guías?

Para miembros de Amplify Premium: la guía está disponible en tu espacio desde hoy.

Si todavía no formas parte, únete a Amplify Premium y accede al arsenal completo:

• 12 Guías Amplify (una nueva cada mes): Claude Skills · Modelos Mentales · Activos de Confianza · Moats Estéticos · Vibe Coding · Agentes IA · Arquitectura de Contexto · Claude Cowork · De usuario a operador · La era del output fácil · El criterio · La trampa de la velocidad

• Ensayos completos semanales donde vamos más profundo

• +250 prompts organizados por caso de uso real

• 12 informes estratégicos

• Comunidad privada en Skool

Amplify Premium existe para un tipo específico de profesional: el que ya usa IA y quiere que eso se convierta en una ventaja que se acumula, no en una herramienta que usa y olvida.

Quiero Amplify Premium

Solow tenía razón en 1987. Las ganancias llegaron, pero no para quien adoptó antes. Para quien rediseñó.

La pregunta no es cuánto más rápido vas.

Es si lo que construyes mientras vas rápido sigue existiendo cuando paras.

Que tengas un buen sábado,

— El equipo de Amplify

Suscríbete ahora

Compartir

Te damos la bienvenida a Momentum

Alexandra y Edward, los fundadores de Amplify Media, comparten cada miércoles lo que están viendo y decidiendo en tiempo real. Patrones, errores, decisiones estratégicas: pensamiento en directo desde dentro de sus negocios y los de sus clientes.

Por Edward

La fricción es el filtro

Estamos en pleno proceso de publicar múltiples libros en Amazon a través de nuestro nuevo proyecto Cadence House. Y el contacto con la realidad está siendo claro.

Publicar un libro es una cosa. Publicar una serie de libros en una ventana corta de tiempo es algo completamente distinto.

Fricción operativa. Fricción legal. Escritura, edición, marketing, distribución. Todo se acumula. Cada semana aparece algo que no habíamos anticipado. El territorio desconocido siempre hace esto. Te muestra todo lo que no sabías que no sabías.

Y esto también es una buena noticia.

Cuando hay mucha fricción, la mayoría de las personas no se molestan. Publican un libro y paran. Empiezan la serie y la abandonan. La fricción misma se convierte en un filtro que separa a los negocios que se componen de los que se quedan en la superficie.

Cuanto más difícil es la entrada, más amplio es el foso al otro lado.

Front-Loading: pagar el coste al principio

Hay un Framework al que vuelvo una y otra vez cuando enfrento este tipo de situaciones. Lo llamo front-loading de fricción.

El concepto viene de la ingeniería y la gestión de proyectos. En construcción, front-loading significa concentrar la mayor inversión de planificación, diseño y preparación al inicio del proyecto, antes de poner un solo ladrillo. Cuesta más al principio, pero cada decisión que tomas después es más rápida, más barata y con menos errores.

La misma lógica aplica a cualquier negocio.

Piensa en algo tan cotidiano como incorporar a un miembro clave del equipo. La mayoría de empresas lo hacen reactivamente. La persona llega el primer día, le dan acceso a unas herramientas, le explican un par de cosas y después pasan semanas respondiendo preguntas, corrigiendo errores y repitiendo lo mismo. La fricción se distribuye durante meses.

Front-loading invierte la lógica. Antes de que la persona empiece, preparas un manual de onboarding. Documentas los procesos clave. Grabas vídeos explicativos de los sistemas. Defines las primeras tres semanas, día por día. Es más trabajo al inicio. Pero esa persona produce en semanas lo que la otra tarda meses. Y tú no pierdes horas cada día explicando lo mismo.

Otro ejemplo: lanzar un podcast. La mayoría graba el primer episodio y luego improvisa todo lo demás. Edición, publicación, distribución, notas del episodio, cada semana reinventando el proceso. Front-loading significa invertir la primera semana entera en crear el flujo de trabajo completo: plantilla de edición, calendario de publicación, sistema de distribución, formato de notas. La primera semana es más lenta. Cada semana después es el doble de rápida.

Front-loading significa elegir pagar el coste una vez para que el sistema corra ligero después.

Por qué la mayoría no lo hace

La mayoría de los emprendedores distribuyen la fricción de forma uniforme. Un poco de dolor cada vez que publican. Un poco de caos cada vez que lanzan. Un poco de reinvención cada vez que ejecutan.

Eso es sostenible para un libro. Es insostenible para treinta.

Front-loading dice lo contrario: absorbe el coste completo una vez. Construye la máquina. Después deja que la máquina funcione.

Nosotros estamos viviendo esto ahora mismo con Cadence House. Las primeras semanas fueron las más densas que hemos tenido en mucho tiempo. Pero cada sistema que construimos hoy es un sistema que no tenemos que reconstruir mañana. Cada proceso que documentamos ahora es un proceso que se ejecuta solo la próxima vez.

Lo que la IA amplifica

En la era de la IA, la capacidad de aplicar front-loading se amplifica. La IA puede ayudarte a construir sistemas más rápido, crear plantillas, automatizar flujos de trabajo. Pero solo si haces el trabajo estructural primero.

La IA no elimina la fricción. Recompensa a los que ya hicieron el trabajo duro de pensar, diseñar y construir la base.

Sin la base, la IA solo automatiza el caos.

La Señal

Cada nuevo proyecto genera fricción. Eso no es señal de que algo está mal, es el coste natural de territorio desconocido.

La pregunta es si absorbes ese coste al principio y construyes algo que se compone, o lo distribuyes y peleas las mismas batallas cada vez.

La fricción es el filtro. Estar al otro lado es la ventaja.

por Alexandra

Tu punto de partida pone el techo de tu decisión

Hay una palabra que aparece casi siempre en el primer minuto de una decisión empresarial: “realista”.

La oí recientemente, en una conversación con una persona cercana a mí que está emprendiendo. “Siendo realistas, lo máximo que puedo hacer es…”.

Y cada vez que la escucho, me confirma lo mismo: la decisión casi siempre queda condicionada por la palabra que va primero en el razonamiento.

En los negocios, y también en la vida, todos tenemos un escenario ideal al que nos gustaría llegar. Y la verdad es que no siempre se puede llegar al 100% con los recursos, los activos y las capacidades que tenemos hoy.

Pero hay una distancia enorme entre aceptar eso y conformarse con lo que parece la realidad.

Y esta distancia es la que casi nadie está mirando.

Yo también lo he hecho. Mi sesgo natural me empuja a empezar por “qué es realista” antes de mirar nada más. Suena prudente, maduro, responsable. Y durante años pensé que era la operación correcta.

Hasta que empecé a darme cuenta de que las decisiones que de verdad movieron nuestros negocios nunca partieron de ahí.

Aquí está el mecanismo.

Si partes de “qué es realista para mí ahora mismo”, tu techo son las restricciones que ya has aceptado. Decides dentro de ese marco. Y lo que queda fuera de ese marco, ni siquiera lo ves.

Si partes del escenario ideal y desde ahí negocias a la baja, tu techo es la realidad. La realidad de verdad, no la que cargas asumida desde hace años. Y casi siempre la realidad permite más de lo que tus restricciones aparentes sugieren.

El destino puede ser el mismo. La trayectoria es opuesta. Y los resultados, casi nunca lo son.

El insight: “Ser realista” no es prudencia. Es resignación con cara de sensatez.

Mi Metodología desde la Trinchera — La radiografía del punto de partida:

1. Cuando arranco a pensar esta decisión, ¿desde dónde estoy partiendo? ¿Del escenario ideal o de lo que considero realista? La respuesta honesta cambia todo lo que viene después.

2. ¿Las restricciones que estoy asumiendo son reales, o son las que llevo años aceptando como reales? Una restricción real es una limitación verificada. Una restricción asumida es una creencia que no has cuestionado.

3. Si partiera del escenario ideal, ¿cuánto más cerca podría estar de él, aunque no llegue al 100%? No tienes que llegar al ideal para ganar. Pero solo descubres cuánto puedes acercarte si empiezas el razonamiento ahí.

La diferencia entre dos empresarios con los mismos recursos casi nunca está en lo que deciden hacer. Está en desde dónde se permitieron pensar lo que podían hacer.

Uno arrancó desde “lo realista” y decidió dentro de ese marco. Otro arrancó desde el escenario ideal y descubrió que la realidad permitía más de lo que sus restricciones aparentes le habían dicho.

El techo de tu decisión no lo ponen tus recursos, lo pone una palabra. Y casi siempre es “realista”.

Suscríbete ahora

Compartir

Hasta ahora, los laboratorios de IA construían herramientas y esperaban a que el mundo las usara.

Esta semana tres de ellos decidieron no esperar más. Anthropic negocia la valoración privada más alta en la historia de las startups. Google preparó toda una semana de hardware y software con Gemini en el centro de cada dispositivo que fabrican sus socios. Y OpenAI hizo algo que ningún laboratorio había hecho antes: creó una consultora para implementar lo que fabrica.

Los que antes vendían acceso ahora quieren estar dentro.

Suscríbete ahora

Latidos de la semana

Anthropic negocia levantar hasta 50.000 millones de dólares a una valoración de 950.000 millones.

Bloomberg reportó que Anthropic está en negociaciones con inversores para una ronda de entre 30.000 y 50.000 millones de dólares, a una valoración de hasta 950.000 millones. Si se cierra en esos términos, sería la startup privada más valiosa de la historia — por encima de la última valoración conocida de OpenAI (825.000 millones) y de SpaceX.

El contexto hace el número más comprensible. Google tiene comprometidos hasta 40.000 millones y Amazon hasta 25.000 millones adicionales. El cómputo y el capital ya están, en parte, garantizados. Lo que busca Anthropic en esta ronda es capital operativo y socios que aceleren su penetración en nuevos mercados. Los ingresos anualizados de la empresa pasaron de 9.000 millones a finales de 2025 a más de 30.000 millones en la actualidad.

No hay term sheet firmado y las negociaciones pueden terminar sin acuerdo. Pero la valoración que maneja el mercado sobre Anthropic — la empresa que rechazó contratos del Pentágono por razones de principios y que retiene su modelo más avanzado — dice algo sobre cómo se percibe el valor de un posicionamiento coherente.

Google lanzó Googlebook y Gemini Intelligence para Android, preludio a I/O 2026

El martes 12 de mayo, Google celebró The Android Show con dos anuncios que anticipan su conferencia anual de desarrolladores (Google I/O, que arranca el 19 de mayo).

El primero: Googlebook, una nueva categoría de ordenadores portátiles premium que fusionan Android y ChromeOS en un único sistema operativo. Los primeros modelos llegan en otoño de mano de Acer, ASUS, Dell, HP y Lenovo. La apuesta es clara: convertir Android — el sistema operativo más extendido del mundo en móviles — en una plataforma seria de productividad para ordenadores. Con Gemini integrado de fábrica en cada uno.

El segundo: Gemini Intelligence, un conjunto de funciones agentivas para Android que actúa de forma proactiva entre aplicaciones sin que el usuario tenga que solicitarlo explícitamente. Google está construyendo Gemini como la capa de IA que une todos sus dispositivos y servicios — la misma estrategia que Apple sigue con Apple Intelligence, pero con la escala de Android detrás.

OpenAI lanzó Daybreak: su iniciativa de ciberseguridad, espejo de Mythos.

Una iniciativa de ciberseguridad construida sobre GPT-5.5-Cyber y el marco agentivo de Codex. El objetivo: ayudar a organizaciones a identificar, parchear y validar vulnerabilidades de software a lo largo de todo el ciclo de desarrollo.

El programa tiene tres capas de acceso según el nivel de confianza verificado del usuario, desde uso general hasta capacidades de red team y pruebas de penetración con el modelo más permisivo. Los primeros socios de integración incluyen Akamai, Cisco, Cloudflare, CrowdStrike, Fortinet, Oracle, Palo Alto Networks y Zscaler.

El paralelismo con Project Glasswing de Anthropic es deliberado. OpenAI y Anthropic están construyendo posicionamientos espejo en ciberseguridad: ambos limitan el acceso a sus capacidades más avanzadas y ambos los enmarcan como responsabilidad del fabricante. El sector de ciberseguridad tradicional lleva meses mirando de cerca ese movimiento. Esta semana tiene más razones para hacerlo.

OpenAI unificó ChatGPT, Codex y la API en un único equipo de producto.

Esta semana trascendió también que OpenAI está reorganizando sus equipos de producto para unificar ChatGPT, el agente de código Codex y la plataforma de API bajo una única dirección. El objetivo: el “super app” que combine chat, programación, navegación, análisis de datos y automatización de tareas en una sola interfaz, con el navegador propio de OpenAI (Atlas) como cuarto componente del stack.

La consecuencia práctica más inmediata: las capacidades de Codex — hasta ahora orientadas principalmente a desarrolladores — estarán disponibles directamente para los usuarios de ChatGPT, y los desarrolladores que usan la API tendrán acceso a la misma inteligencia que los consumidores. El límite entre producto de consumo y herramienta de desarrollo se elimina deliberadamente.

Es el mismo movimiento que Google hace con Gemini en Android. Los modelos de IA dejan de ser herramientas puntuales para convertirse en sistemas operativos de trabajo.

Esta semana, los laboratorios de IA redibujaron sus límites. En Amplify Premium trabajamos qué significa ese redibujo para tu posición.

Únete →

En profundidad

OpenAI se convierte en consultora, y eso cambia el mercado

OpenAI anunció algo que no había hecho ningún laboratorio de IA antes: crear una empresa de consultoría e implementación propia.

La OpenAI Deployment Company está respaldada por más de 4.000 millones de dólares de 19 firmas globales.

El modelo operativo: ingenieros de OpenAI se integran dentro de las organizaciones cliente, trabajan junto a sus equipos internos, identifican los usos de mayor valor y construyen los sistemas de IA necesarios. No es vender acceso a un modelo, es entregar resultados operativos.

Eso tiene implicaciones concretas para quienes trabajan en ese espacio.

Lo que cambia para las grandes consultoras. Durante los últimos dos años, Accenture, Deloitte, McKinsey, KPMG y sus equivalentes han construido prácticas de IA que representan una parte creciente de sus ingresos. Su argumento competitivo era: “conocemos al cliente, conocemos el sector, y somos agnósticos sobre qué herramienta usar.” Ese último punto — la agnosticidad — era la ventaja. OpenAI Deployment Company no es agnóstica: llega con su stack propio y la intención de que el cliente lo adopte. El diferencial de las grandes consultoras tendrá que construirse sobre otro argumento.

Lo que cambia para integradores y boutiques especializadas. Hay un ecosistema amplio de empresas medianas que construyeron su negocio sobre el conocimiento técnico de cómo implementar modelos de OpenAI, Anthropic o Google en contextos concretos: clínicas, despachos de abogados, cadenas de distribución, equipos de marketing. Muchas de ellas se posicionaron como el puente entre el laboratorio y el cliente. OpenAI Deployment Company compite directamente en ese espacio — con más recursos, acceso más profundo al modelo, y la marca del propio fabricante como aval.

Lo que no cambia. Hay algo que ninguna consultora de laboratorio puede escalar desde San Francisco: el conocimiento del cliente. Un consultor que lleva cinco años trabajando con el sector agrícola cooperativo, que entiende los flujos de tesorería de una clínica dental de tres sedes, o que conoce los procesos de contratación de un ayuntamiento mediano tiene un contexto que no se puede replicar con ingenieros brillantes que llegan de fuera. El conocimiento sectorial profundo y la relación de confianza seguirán siendo ventajas reales, pero solo si se combinan con capacidad técnica real para implementar, no solo para recomendar.

Para consultores, asesores y empresas que trabajan en la adopción de IA, esa es la pregunta que esta semana pone sobre la mesa con más claridad que nunca: ¿qué parte de tu valor vive en la herramienta — y qué parte vive en el conocimiento y la relación que nadie más puede replicar?

Herramienta de la semana

Gamma

El problema que resuelve. Necesitas crear una presentación — una propuesta para un cliente, un informe para tu equipo, un pitch. Sabes lo que quieres decir, pero construir las diapositivas requiere horas en PowerPoint o Keynote, o confiar en plantillas que no terminan de ajustarse al contenido real. El resultado habitual: una presentación que llega tarde, o una que parece genérica.

Qué es Gamma. Una herramienta web que genera presentaciones completas a partir de texto. Escribes un prompt o pegas un esquema de ideas, Gamma propone una estructura de diapositivas con texto, imágenes y diseño en segundos. Puedes editar cada elemento directamente, cambiar el diseño con un clic, ajustar el tono y la paleta de colores, añadir gráficos o reorganizar secciones sin tocar ningún archivo de diseño. También funciona como alternativa a documentos largos: Gamma puede generar una página web interactiva, un documento navegable o una presentación lineal a partir del mismo contenido.

Acceso. Gamma tiene un plan gratuito con créditos limitados para empezar; los planes de pago arrancan en 8 dólares al mes. Funciona completamente en el navegador, sin instalación. Disponible en gamma.app.

Pregunta de la semana

OpenAI acaba de crear una empresa con 150 ingenieros para entrar en las organizaciones de sus clientes y construir lo que estas no saben construir solas. Es exactamente lo que muchos consultores e integradores hacen hoy.

¿Qué parte de tu valor como profesional o empresa viene del conocimiento técnico que el cliente no tiene, y qué parte viene de algo que ningún equipo enviado desde fuera puede replicar?

Nos leemos la semana que viene.

— El equipo de Amplify

Compartir

Suscríbete ahora

Lo más peligroso de la IA no es que haga demasiado poco.

Es que te deja construir demasiado pronto.

No me refiero solo a escribir más, automatizar más o conectar más herramientas. Me refiero a algo más sutil: la facilidad técnica actual ha reducido tanto el coste de montar sistemas que ya no está claro qué merece realmente convertirse en sistema. Y cuando ese filtro desaparece, la sobreconstrucción deja de ser una excepción. Se convierte en el modo por defecto.

Montas un flujo para ahorrarte una tarea pequeña. Creas un dashboard que en teoría te da visibilidad. Conectas Claude, Notion, Zapier, tu CRM y dos bases de datos más para que todo “fluya solo”.

Y, sin embargo, unas semanas después, no te sientes más libre. Te sientes más pendiente.

Eso debería hacernos pensar.

Durante mucho tiempo, el propio coste de construir funcionó como disciplina. Si querías automatizar algo, necesitabas conocimientos, dinero, tiempo o ayuda externa. Esa dificultad te obligaba a jerarquizar. Solo convertías en arquitectura lo que de verdad justificaba el esfuerzo.

Ahora ese filtro ha desaparecido.

Y por eso el nuevo problema ya no es técnico, es de diseño.

La pregunta importante es: qué merece ser construido.

Read more

Te damos la bienvenida a Momentum

Alexandra y Edward, los fundadores de Amplify Media, comparten cada miércoles lo que están viendo y decidiendo en tiempo real. Patrones, errores, decisiones estratégicas: pensamiento en directo desde dentro de sus negocios y los de sus clientes.

Por Edward

Las oportunidades no se encuentran. Se ensamblan

Hay una cita de Mark Twain que he tenido presente durante años: “Cuando te encuentres del lado de la mayoría, es momento de detenerte y reflexionar.”

Ahora mismo, mirando lo que está pasando en el espacio de IA con los emprendedores, la mayoría está obsesionada con la ejecución. Qué se puede hacer rápido. Qué se puede hacer que antes no podías. Más código, más diseño, más contenido, más automatización.

No hay nada malo en eso. Deberíamos aprovecharlo. Pero eso no es la oportunidad. Es la línea base.

Economía simple: si todo el mundo puede hacerlo, el valor eventualmente cae a cero.

La oportunidad real está en otro lugar. Está en tomarte el tiempo de ensamblar las piezas de una configuración única. Tiempo siendo la palabra clave.

Los 3 colchones inflables

Tres colchones inflables en el suelo de un apartamento. Ochenta dólares por noche. Una conferencia de diseño en San Francisco donde todos los hoteles estaban agotados. Dos compañeros de piso que necesitaban ayuda con el alquiler.

Esa es la historia de Airbnb como casi todo el mundo la cuenta. Una idea, un momento, un hueco en el mercado.

Los colchones inflables son siempre donde empieza la historia. Casi nunca son donde la empresa realmente se construyó.

Lo que hizo que Airbnb valiera más de cien mil millones de dólares no fue la idea de alquilar espacio a desconocidos. Fueron años de construcción que casi nadie incluye en el relato.

Brian Chesky volando a Nueva York con una cámara para fotografiar apartamentos él mismo, porque los anuncios se veían terribles y nadie reservaba. Joe Gebbia rediseñando la experiencia de los listados desde cero, hasta que se sentía aspiracional en vez de desesperada.

Un sistema de reseñas que hacía que desconocidos confiaran lo suficiente como para dormir en las casas de otros. Un marco de seguros que hacía que los propietarios estuvieran dispuestos a participar. El flujo de pagos rediseñado. El algoritmo de búsqueda reescrito.

Una categoría completamente nueva de viaje que la industria hotelera no creyó que era real hasta que fue demasiado grande para ignorar.

Solo el problema de la confianza tomó años. La idea de dormir en la casa de un desconocido viola un instinto humano básico, y ningún diseño inteligente puede superarlo sin construir la infraestructura de confianza desde cero. Identidades verificadas. Garantías para anfitriones. Un programa de protección contra daños que hacía el riesgo calculable en vez de ilimitado.

Cada uno de esos elementos fue ensamblado. Ninguno estaba en la habitación con los colchones inflables. La idea le dio a la historia su mito de origen. Los años de trabajo le dieron su valor.

La historia que siempre desaparece

Así es como se cuentan estas historias normalmente. El origen se comprime en un evento. Los años de trabajo se reducen a una frase sobre ejecución. El trabajo desaparece del relato porque es lento, poco glamuroso y no cabe dentro del vocabulario de “encontrar” una oportunidad.

Pero el trabajo es donde la oportunidad realmente vive.

Lo que esto significa para ti

Cuando tratas la oportunidad como un evento, pierdes agencia. Esperas el momento. Escaneas el mercado. Esperas que aparezca el hueco.

Cuando tratas la oportunidad como ensamblaje, la recuperas. Dejas de buscar el hueco en el mercado y empiezas a construir la configuración que se convierte en el hueco.

Eso toma tiempo. Toma paciencia. Toma la decisión de ensamblar piezas cuando nadie más está mirando y los resultados todavía no se ven.

Pero es lo que separa a los negocios que duran de los que solo tuvieron un buen momento.

por Alexandra

Tu prioridad real no es la que declaras

Esta semana, en consultoría 1 a 1, una empresaria llegó saturada. Llevaba semanas sin avanzar el movimiento que marca la dirección del negocio para los próximos meses, y empezó a proponerme nuevas ideas: más contenido, nuevos lanzamientos…

La paré en seco: “Tú no tienes un problema de falta de ideas. Lo que necesitas es remover, no agregar.”

Yo también lo he hecho. Y la lectura fácil es decir que el problema es de exceso, de demasiados frentes abiertos.

Esta lectura es cómoda, pero se queda corta. No explica por qué el frente que ella declaraba como prioritario era exactamente el que no avanzaba.

Y aquí entra lo que de verdad importa.

Cuando preguntas a cualquier empresario qué es prioritario en su negocio, te da una lista. Esa es la jerarquía declarada. Es la que escribe en el plan trimestral, la que comparte en reunión con el equipo, la que cree que está ejecutando.

Pero hay otra jerarquía operando por debajo. La que tu agenda demuestra cuando hay que elegir, la que decide qué se hace primero, qué llena el espacio disponible y qué queda para “después”.

Esa es la jerarquía implícita. Y es la que gobierna los resultados.

Cuando ambas no coinciden, no gana la declarada. Gana la implícita. Siempre.

La empresaria declaraba que el gran movimiento era la prioridad número uno. Pero su jerarquía implícita decía otra cosa: primero responder a temas administrativos, primero apagar fuegos operativos, primero los entregables semanales.

El gran movimiento ocupaba el espacio que sobraba al final del día. Y ese espacio nunca llegaba.

Lo difícil de aceptar es que la jerarquía implícita no se cambia con disciplina. Nuestra disciplina opera dentro de ella, no contra ella. Por eso la fuerza de voluntad nunca arregla este problema. Por eso agregar más es la respuesta que el sistema nos ofrece para no tener que mirar lo que ya hay debajo.

Mientras la jerarquía implícita siga intacta, cualquier reorganización de calendario va a producir el mismo resultado.

El insight: Nuestra prioridad real es lo que nuestro día demuestra, no lo que declaramos.

Mi Metodología desde la Trinchera — La radiografía de la jerarquía real:

1. Si miro mi agenda de las últimas cuatro semanas, ¿qué demuestra que es realmente prioritario? No lo que yo recuerdo haber hecho. Lo que el calendario, las tareas y las decisiones cotidianas demuestran. Eso es la jerarquía que está operando.

2. ¿Coincide con lo que declaro prioridad número uno? Si declaras X y tu día se va en Y, X no es prioritario para tu sistema, por mucho que lo digas en alto.

3. ¿Qué tiene que perder rango para que coincidan? Esta es la pregunta que cambia el negocio. No qué agregar, qué baja de orden. Porque mover algo a primer rango exige que algo deje de estar ahí.

La empresaria salió de la sesión con una decisión: identificar las tres cosas que iban a bajar de rango durante las próximas semanas, para que el gran movimiento pudiera subir al primero.

No era un problema de tiempo, nunca lo es. Era un problema de jerarquía implícita ocupando el espacio donde el siguiente nivel del negocio tenía que crecer.

Tu siguiente movimiento estratégico no se desbloquea sumando. Se desbloquea reordenando rangos. Y o lo reordenas tú, o lo reordena tu sistema por ti.

Suscríbete ahora

Compartir