Un empleado entra en una videollamada de Zoom con su jefe, el CFO y otros directivos. Todos parecen reales. Pero todos son falsos. Deepfakes perfectamente sincronizados con voz y gestos consiguen que transfiera 25 millones de euros. Así comienza uno de los episodios más impactantes sobre suplantación de identidad en la era digital. Y también el punto de partida de una conversación sobre el presente y el futuro de la biometría con Javier Mira, CEO y cofundador de FacePhi, en el octavo episodio del podcast “All you need is Data” de MIOTI Tech & Business School.

En esta charla con María Alonso, CMO de MIOTI, Javier habla de innovación, expansión internacional, lucha contra el fraude digital y su aventura como alumno del Management & Advanced Leadership Executive Program de MIOTI junto al MIT Sloan School of Management en Boston. “Muy ilusionado también por el proyecto que tenemos con MIOTI de ir a Boston”, comenta en los primeros minutos del episodio.

FacePhi, una historia de éxito

Con una trayectoria profesional extensa y experiencia previa en multinacionales como Loewe y Fujitsu, Javier decidió emprender en un proyecto propio con el fin de mejorar la vida de las personas. Tras una cena con un amigo, le llegó que un grupo de 4 o 5 ingenieros en Alicante estaba desarrollando una tecnología de biometría facial, decidió invertir y fundó la empresa junto con Salvador Martí en 2012. 

“En ese momento crees que es el futuro, pero estás muy lejos de la realidad, porque prácticamente no existía ni la cámara frontal, no existía la palabra selfie”, recuerda. Presentaron un algoritmo que funcionaba en móviles con cámara trasera para autentificarse con biometría facial, algo visionario para su tiempo.

Formada en sus inicios por una plantilla de 10 o 11 personas, actualmente cuenta con casi 300 trabajadores y filiales en Asia, Latinoamérica y Europa. La empresa alicantina recibió en 2021 el Premio Nacional Pyme del Año, otorgado por el Banco Santander y las Cámaras de Comercio, por su apuesta por la innovación tecnológica. “Lo cogimos con mucho cariño porque sabes todo el esfuerzo, todas las decisiones arriesgadas, todas las noches sin dormir…”, comparte Javier.

Biometría facial y ciberseguridad

La biometría facial se trata de una tecnología de reconocimiento que permite demostrar quiénes somos de una manera inherente a nuestra condición humana. Existen diferentes tipos de biometría (facial, dactilar, de voz…), pero todas comparten el mismo objetivo: reducir al mínimo el uso de claves, ofreciendo comodidad sin renunciar a la seguridad y una buena experiencia de usuario. “La clave número uno utilizada en el mundo era 1234 y la segunda era ‘contraseña’”, destaca Javier para ejemplificar el problema. La biometría ofrece una solución mucho más sólida y cómoda: “si te pones el teléfono delante y tardas un minuto, dos minutos o cinco minutos en que te verifiquemos la identidad, al final vas a preferir poner un código. Pero si eres rápido, la experiencia de usuario es mucho mejor”, destaca.

A esta experiencia de usuario se suma la necesidad de combatir nuevas amenazas como los deepfakes, cada vez más sofisticados. Ante esto, FacePhi apuesta por una estrategia de inversión en I+D, el uso de inteligencia artificial y múltiples factores de autenticación. “Hay que usar esas mismas herramientas que pueden utilizar los ciberdelincuentes para poder controlar esos ataques”, afirma. La clave está en combinar biometría, IA y regulación más estricta para construir sistemas robustos frente a amenazas.

Regulaciones y exportación tecnológica

Actualmente, el mercado tecnológico está dominado por Estados Unidos y por la intensa competencia asiática, pero FacePhi está llamando mucho la atención. “En Asia se nos acercaban en eventos internacionales a preguntar por la empresa porque teníamos referencias bancarias globales”, explica Javier. Esa demanda llevó a la apertura de oficinas y contratos con empresas como Samsung o Hancom.

No obstante, se están evidenciando grandes obstáculos a la hora de avanzar con la biometría, siendo uno de los principales en Europa el marco normativo excesivo. El desarrollo es mucho menor respecto a otros mercados como Asia o África debido a unas medidas más estrictas, necesarias pero que deberían ser adaptadas para progresar en el mercado competitivo. “La regulación en China no tiene nada que ver con Estados Unidos, y en Estados Unidos no tiene nada que ver con Europa”, comenta.

La ventaja de FacePhi está en su ADN tecnológico. Javier señala que la organización dedica 70% de su personal al desarrollo de producto, lo que le permite ser propietaria de la mayoría de la tecnología que ofrece y mantener una gran adaptabilidad. Su clave, comprender las necesidades del sector financiero y expandirse geográficamente ya que la tendencia de este tipo de tecnología es muy alta. 

Además, aunque la biometría es una solución muy demandada y desarrollada dentro de múltiples sectores, como el bancario o el financiero, la tendencia no deja de crecer, abriendo nuevas vías de negocio, por ejemplo, en aerolíneas, aeropuertos, hoteles, fintechs y gaming. “Cada vez queremos hacer más cosas desde los dispositivos móviles o desde los ordenadores y no tener que ir a una oficina”.

¿Cuál será el futuro?

El futuro ya ha comenzado. Javier lo resume con un ejemplo potente: “Participamos en un proyecto con IATA para realizar un viaje desde el aeropuerto de Narita a Hong Kong sin ningún tipo de documentación ni credencial. Solo con soluciones biométricas”. Los pasajeros no necesitaron pasaporte ni tarjeta de embarque: todo estaba vinculado de forma segura a su identidad. Este avance, impulsado por IA, será aplicable a múltiples ámbitos y permitiría vincular de forma segura tu persona con el pasaporte, tarjeta de embarque o tarjeta de fidelidad entre otros. 

Desde el punto de vista de la ciberseguridad, se espera que el desarrollo de distintas biometrías disminuya potencialmente las amenazas y ataques de ciberdelincuentes, obstaculizando al máximo el acceso a cualquier dato o cuenta personal. En este sentido ganará peso la biometría de comportamiento, que permitirá  verificar a una persona no solo al instante, sino también de forma continua. 

Así, este episodio de “All you need is Data” destaca cómo la biometría se expandirá a muchos aspectos de nuestra vida, pero también resalta la importancia de buscar un equilibrio entre seguridad, protección de la identidad y comodidad. “Queríamos cumplir sueños que se habían perdido en esas noches sin dormir”, recuerda Javier Mira. Y en ese recorrido, FacePhi demuestra que la innovación de verdad no consiste solo en adelantarse al futuro, sino en construirlo con cada línea de código, con cada cliente satisfecho y con cada frontera tecnológica superada.

¡No te pierdas nuestro episodio completo para conocer más sobre biometría y su papel con la ciberseguridad! ☝️​

Reducir la huella de carbono es uno de los mayores retos para las empresas actuales, sobre todo en sectores que, como la energía y el transporte, concentran gran parte de las emisiones globales. La producción de electricidad y calor, por ejemplo, representa cerca del 45,5% de las emisiones de CO₂, mientras que el transporte aporta un 20,4% y la fabricación un 17,8%. Estos sectores se enfrentan a una creciente presión de consumidores y reguladores para reducir su impacto ambiental y dar pasos concretos hacia la sostenibilidad.

En este contexto, la Unión Europea ya ha marcado el camino: reducir las emisiones de gases de efecto invernadero en un 55% para 2030. Alcanzar esta meta requerirá que las empresas adopten estrategias basadas en datos que les permitan entender su huella de carbono en detalle y actuar de manera efectiva. Con la tecnología de su lado, hoy es posible monitorizar cada punto de emisión, planificar reducciones concretas y demostrar resultados, haciendo de la sostenibilidad una ventaja competitiva real.

El punto de partida: medir para conocer el impacto

Medir la huella de carbono de una empresa es esencial para entender el nivel y las fuentes de sus emisiones. Esta medición permite identificar áreas de alto impacto donde puede focalizarse la reducción de emisiones. Para llevar a cabo este proceso de manera efectiva, es clave contar con datos precisos sobre las emisiones directas (producción y transporte) e indirectas (proveedores y cadena de suministro). Además, una estrategia de datos debe incluir métricas detalladas y en tiempo real que faciliten el análisis exhaustivo de todas las áreas de la empresa, tales como:

• Consumo energético: Monitorizar el uso de electricidad y gas en instalaciones, plantas de producción y oficinas.
• Emisiones de transporte: Recopilar datos sobre el consumo de combustible y las distancias recorridas por vehículos de la empresa y los empleados.
• Residuos y reciclaje: Medir la cantidad de residuos generados y su disposición para determinar el impacto ambiental de los desechos.
• Cadena de suministro: Evaluar las emisiones de carbono de proveedores, una de las fuentes indirectas de emisión más significativas para muchas industrias.

Sin una estrategia de datos, estas mediciones se tornan complejas e inconsistentes. Implementar soluciones de recopilación de datos en tiempo real y centralizar la información en un sistema de gestión ambiental permite a las empresas obtener una visión clara y completa de su huella de carbono.

Centralización y análisis de datos: el motor de la estrategia

La recopilación de datos es solo el primer paso. La verdadera transformación sucede cuando las empresas analizan esos datos para obtener insights accionables. Aquí es donde los sistemas avanzados de análisis de datos y las plataformas de inteligencia de negocio juegan un papel crucial. Estas herramientas permiten identificar patrones, comparar métricas históricas, detectar picos de emisión y comprender la relación entre diferentes áreas de negocio y sus niveles de emisión de carbono.

A través de un análisis exhaustivo de datos, las empresas pueden determinar factores críticos que afectan sus emisiones. Por ejemplo, pueden descubrir que el transporte de mercancías genera mayores emisiones en comparación con la producción o que ciertas prácticas de los proveedores están elevando su huella de carbono indirecta. Con esta información, es posible tomar decisiones estratégicas para abordar cada fuente de emisión de forma específica.

Además, con la automatización del análisis de datos las empresas pueden simplificar el proceso y hacerlo más efectivo. Tecnologías como la inteligencia artificial y el aprendizaje automático son capaces de procesar grandes volúmenes de datos en tiempo real, generando informes detallados y precisos. Con estas herramientas, es posible monitorizar el progreso hacia la reducción de emisiones en tiempo real, realizar ajustes rápidos cuando se desvían los objetivos y establecer alertas automáticas cuando ciertas áreas de negocio superan los niveles esperados de emisión.

Predecir y planificar: cómo los datos impulsan la toma de decisiones proactivas

Una vez que una empresa ha centralizado y analizado sus datos de emisiones, puede utilizar modelos predictivos para prever cómo evolucionarán estas cifras en el futuro. A través de simulaciones basadas en datos históricos y patrones de consumo, las empresas pueden anticiparse a aumentos en la huella de carbono y planificar acciones para prevenirlos. Esto es especialmente útil en sectores como la manufactura o la logística, donde ciertos picos de demanda pueden hacer crecer la huella de carbono de manera significativa.

Los modelos predictivos permiten, por ejemplo, ajustar el consumo de energía o planificar rutas de transporte más eficientes para reducir emisiones. Estos análisis proactivos también son útiles para definir objetivos de reducción de emisiones a largo plazo, como la neutralidad de carbono, y para establecer metas intermedias alcanzables que guíen el progreso de la empresa hacia su compromiso ambiental.

Implementar medidas de reducción: de los datos a la acción

Una estrategia de datos no solo debe quedarse en el análisis, sino que debe traducirse en acciones concretas. Gracias a los insights generados, las empresas pueden implementar una serie de iniciativas de reducción de emisiones, tales como:

• Eficiencia energética: A través de la optimización del uso de electricidad y gas, ya sea mediante la modernización de equipos, la implementación de soluciones de iluminación eficiente o el uso de energías renovables.
• Optimización de rutas de transporte: Usando datos para identificar rutas alternativas, horarios de menor tráfico y vehículos de bajo consumo.
• Mejora en la cadena de suministro: Colaborar con proveedores que compartan el compromiso de reducir las emisiones y que implementen prácticas sostenibles en sus operaciones.
• Reducción de residuos: Establecer sistemas de reciclaje, reutilización de materiales y minimizar la producción de desechos.

La clave aquí es el seguimiento continuo de las medidas adoptadas para evaluar su impacto en la reducción de emisiones. Por ejemplo, si una empresa decide cambiar su flota de vehículos a opciones eléctricas, los datos deben mostrar cómo se está reduciendo la huella de carbono en esta área específica, permitiendo ajustes si los resultados no son los esperados.

Además, una estrategia de sostenibilidad eficaz no solo depende de los datos internos, sino también de la capacidad de la empresa para comunicar sus esfuerzos hacia la sostenibilidad. El público, los socios y los inversores esperan transparencia sobre el progreso y los objetivos de reducción de la huella de carbono, lo cual aumenta la credibilidad de las empresas comprometidas con el medio ambiente.

Cumplimiento con normativas y certificaciones

En última instancia, una estrategia de datos sólida ayudará a las empresas a cumplir con regulaciones ambientales cada vez más estrictas. Normativas como la ISO 14064 (para la gestión de gases de efecto invernadero) o los estándares de sostenibilidad GRI (Global Reporting Initiative) requieren de una medición detallada y precisa de la huella de carbono. Al contar con una estrategia de datos bien definida, las empresas pueden cumplir fácilmente con estas regulaciones y obtener certificaciones que acrediten su compromiso con la sostenibilidad.

Reducir la huella de carbono es una meta ambiciosa, pero alcanzable para las empresas que adoptan una estrategia de datos bien definida. En MIOTI, creemos en el poder de los datos para impulsar el cambio hacia una gestión empresarial más sostenible. Con nuestro Máster en Data Strategy y Business Analytics, aprenderás desde el primer día a extraer el valor del dato, descubriendo insights que mejorarán la efectividad y operatividad de tu trabajo en diversas áreas. 

Cada vez son más las empresas que anhelan ser líderes en el desarrollo de la inteligencia artificial, una tecnología con gran potencial para transformar diversos aspectos de la sociedad y que plantea numerosos beneficios aplicados a diferentes ámbitos. La empresa de tecnología multinacional Google no podía quedarse atrás en la expansión y evolución de esta herramienta, por lo que ha lanzado un término conocido como “IA Universal”. El fin de esta “IA Universal” es desarrollar tecnologías que sean ampliamente aplicables y capaces de realizar una variedad de tareas diarias de gran utilidad para la vida laboral y cotidiana de los usuarios. 

Durante el 21 de mayo, Google anunció en su conferencia anual en Mountain View los próximos avances que presentará la compañía; iniciativas de investigación y desarrollo en IA para crear sistemas personalizados de gran rendimiento y con el objetivo de ofrecer suscripciones a un precio competitivo. La presentación de agentes autónomos también ha estado muy presente, dando paso a una IA que será capaz de aprender por sí misma, planear y tomar decisiones teniendo en cuenta el contexto en el que se encuentra. 

Con nuestro Máster en Inteligencia Artificial podrás obtener dos títulos de prestigio y aprender todo lo necesario sobre inteligencia artificial avanzada, Data Science y Big Data.

Nueva era de interacción multimodal: AI Mode y Gemini 2.5 Pro

Uno de los grandes avances en los que la compañía tecnológica pondrá su foco es en incluir la inteligencia artificial como herramienta para conseguir motores de búsqueda más sofisticados y con una capacidad de respuesta avanzada, reemplazando la búsqueda tradicional. Para lograr esta mejora Google implementará la función AI Mode, integrando el modelo de lenguaje Gemini. Gracias a esta innovación, la compañía ofrecerá un modelo multimodal entrenado para mejorar las capacidades de comprensión y generación del lenguaje natural, obteniendo respuestas más eficaces y permitiendo una interacción conversacional fluida con el asistente, así como soluciones prácticas como la ejecución del proceso de compra de un artículo o el resumen de mensajes durante la conducción, entre otros. El procesamiento ya no será únicamente de texto, también estarán involucradas imágenes y vídeos. 

Según ha publicado el CEO y cofundador de Google Deepmind en las noticias de la compañía, Demis Hassabis, uno de los grandes planes de la compañía es la expansión de su modelo fundacional multimodal Gemini 2.5 Pro: “Queremos que llegue a ser un «modelo de mundo» capaz de hacer planes e imaginar nuevas experiencias simulando aspectos del mundo real, tal como hace el cerebro”. Con la nueva versión Gemini 2.5 Pro, el modelo tendrá otras características mejoradas como la capacidad de adaptación a las características del usuario, asistencia en tiempo real con la cámara del dispositivo, traducción con Gemini Live, una mayor optimización de rendimiento y un mejor blindado contra amenazas de ciberseguridad. La multimodalidad será posible gracias al desarrollo de Proyecto Astra por Google Deepmind, una IA capaz de entender e interactuar con su entorno a tiempo real. 

Transformando la comunicación y la automatización del futuro

Durante la conferencia, Google anunció otros avances significativos para el desarrollo de tecnologías avanzadas de IA que se asemejen a la inteligencia humana y ofrezcan soluciones prácticas en diferentes sectores. Por un lado, se encuentra el Proyecto Starline, también conocido como Google Beam. Esta función permitirá dentro de Google Meet la traducción de voz instantánea durante una videollamada, rompiendo las barreras de idioma y adaptándose incluso al tono de voz y las expresiones de sus interlocutores. De momento solo se encontrará disponible en inglés y español. Para vídeo este proyecto permitirá recrear imágenes en tres dimensiones, dando paso a videollamadas holográficas en tiempo real. 

Otro de los grandes progresos presentados es el Proyecto Mariner.  Se trata de un agente de IA capaz de realizar diversas tareas simultáneamente e interactuar con la web como lo haría el usuario, aprendiendo de sus acciones. Mientras realizas otras funciones, este agente puede reservar en una mesa en un restaurante, comprar entradas, vuelos, etc, así como automatizar tareas del día a día que permitan ahorrar tiempo para que los usuarios puedan centrarse en labores que requieran de mayor atención. 

Google vs Microsoft

Uno de los grandes competidores de Google en esta carrera por desarrollar una IA universal es la multinacional Microsoft. Durante la última conferencia de Microsoft Build la compañía anunció la llegada de “una red agéntica abierta, en la que los agentes de IA toman decisiones y realizan tareas en nombre de usuarios u organizaciones”, una iniciativa muy similar a la que hemos visto anteriormente con las actualizaciones de Google. GitHub Copilot, Azure AI Foundry ModelsWindows y AI Foundry Local son algunas de las herramientas que ha presentado para la evolución de los modelos e incrementar la capacidad y seguridad de los agentes de IA. 

El impulso de agentes que nos ofrezcan soluciones, así como su capacidad para actuar por nosotros en diferentes contextos, se ha convertido en el principal objetivo de dos multinacionales líderes en tecnología que trabajan de manera constante para mejorar la calidad de sus servicios. 

Impulsando el futuro de la IA

La gran multinacional Google continúa trabajando intensamente para ofrecer nuevas experiencias dentro del mundo de la inteligencia artificial. Este esfuerzo no se limita únicamente a mejorar el uso personal de sus tecnologías, sino que busca extrapolar estos avances a diversos sectores profesionales clave, como la salud, el medio ambiente, biología y educación entre otros. 

Con esta visión, y con una propuesta clara de diversos avances que se llevaran a cabo próximamente, Google ha mostrado su compromiso con la innovación en IA, impulsando cambios significativos en múltiples industrias y transformando la manera en la que vivimos y trabajamos, explorando nuevas fronteras tecnológicas para construir a su vez un futuro más sostenible gracias a la innovación e información.

La 79º Asamblea General de la ONU situó a la Inteligencia Artificial (IA) como uno de sus claros protagonistas. Uno de los riesgos a los que se enfrenta la IA en estos momentos es que sea capitalizada por unos pocos y que se aleje de su objetivo de ayudar y fomentar el desarrollo de la sociedad.

Esta es una máxima que desde Naciones Unidas han querido priorizar y poner sobre la mesa. Para ello han creado un órgano consultivo de la inteligencia artificial: el High Level Advisory Body on Artificial Intelligence (HLAB-AI). Un órgano asesor de alto nivel en inteligencia artificial formado por 39 líderes destacados de la IA de 33 países.

“Para las economías en desarrollo, la inteligencia artificial abre la posibilidad de superar tecnologías obsoletas y servir directamente a las personas que más lo necesitan. Pero el potencial de transformación positiva que ofrece resulta todavía difícil de asimilar y, sin entrar a considerar posibles escenarios catastróficos, ya ha quedado claro que el uso malintencionado de la inteligencia artificial (IA) puede socavar la confianza en las instituciones, debilitar la cohesión social y amenazar la democracia”, señaló Antonio Garrigues.

La visión de los líderes internacionales

Joe Biden fue muy claro en este sentido: «Puede que no haya mayor prueba de nuestro liderazgo que cómo abordamos la inteligencia artificial». Según el mandatario, en los próximos diez años se producirán más avances tecnológicos que en los últimos cincuenta.

Un mayor optimismo estaba presente en el discurso del presidente del gobierno Pedro Sánchez. Comparó la expansión de la IA con el descubrimiento de la escritura, la invención de la imprenta o la electricidad, que también generaron temor y desconfianza en sus inicios.

La primera Ley de Inteligencia Artificial del mundo

En los últimos meses ya se vienen estableciendo leyes para regular los impactos de la IA. El pasado mes de agosto ya entró en vigor la primera ley de inteligencia artificial del mundo. Esta normativa pretende mitigar los posibles riesgos de la IA, además de potenciar sus beneficios sociales y económicos, pero sin que esto suponga un obstáculo para la innovación.

Algunos sistemas de IA o usos de la IA están prohibidos porque contradicen los valores de la UE. Entre ellos se encuentran aquellos que vulneran el derecho a la no discriminación, la protección de datos y la privacidad. Se incluyen también técnicas subliminales que distorsionan el comportamiento de una persona de manera que pueda causarle daños físicos o psicológicos a él o a otros.

Gobernar la IA para la humanidad: Las 7 claves

En el informe “Governing AI for Humanity”, la nueva agencia HLAB-IA expone siete medidas fundamentales orientadas a garantizar el desarrollo de una IA inclusiva, que fomente el progreso y la protección de los derechos humanos.

1. Panel científico internacional

El organismo propone la creación de un panel internacional e independiente sobre inteligencia artificial. Estaría compuesto por expertos de diferentes disciplinas, que colaborarían de forma voluntaria y a título personal. Este panel se encargaría de publicar un informe anual en el que se analicen las oportunidades, riesgos y tendencias relacionados con la IA. Además, identificaría las áreas en las que se necesita más investigación y aquellas donde la IA podría ayudar a alcanzar los Objetivos de Desarrollo Sostenible (ODS).

2. Diálogo político

Esta medida plantea la organización de reuniones intergubernamentales y con múltiples partes interesadas. Entre ellas estarían empresas tecnológicas, usuarios y entidades nacionales. El objetivo es construir un marco regulatorio común que proteja los derechos humanos. A través de estos encuentros se buscará compartir las mejores prácticas en gobernanza de la IA, fomentar el desarrollo ético y promover acuerdos sólidos sobre su aplicación.

3. IA internacional

El informe sugiere conectar a representantes de organizaciones regulatorias, empresas tecnológicas y sociedad civil. La finalidad es garantizar que los sistemas de IA sean técnicamente interoperables entre países. Para lograrlo, se desarrollaría un registro con definiciones y normas aplicables que sirva para medir y evaluar estos sistemas. También se evaluarán las normas existentes, se debatirán nuevas propuestas y se identificarán vacíos regulatorios.

4. Beneficios comunes

Se propone impulsar una red mundial que facilite el acceso a recursos clave como formación, datos y tecnologías. Esta red permitiría a investigadores y emprendedores sociales acceder a desarrollos de IA, especialmente en regiones o comunidades con menos recursos. También apoyaría la colaboración entre redes locales y globales, y reforzaría las capacidades de gobernanza de los funcionarios públicos. Todo ello con el objetivo de fomentar un desarrollo tecnológico alineado con los derechos humanos.

5. Fondo mundial para la IA

El fondo serviría para cubrir carencias en capacidades y fomentar la colaboración internacional. Su misión sería mitigar la brecha tecnológica existente. Estaría gestionado por una estructura de gobierno independiente y contaría con financiación tanto pública como privada. Su enfoque sería facilitar el acceso a tecnologías habilitadoras de IA, con el fin de empoderar a los territorios a nivel local y avanzar hacia los ODS.

6. Marco mundial de datos

Esta medida busca establecer una pauta común para la definición, administración y gestión de los datos. El propósito es garantizar la transparencia en el uso de datos en los sistemas de IA. También se pretende fomentar la rendición de cuentas y promover principios compartidos sobre cómo deben manejarse los datos a nivel internacional.

7. Agencia de la IA

Por último, el informe plantea la creación de una oficina especializada en inteligencia artificial dentro de la Secretaría de las Naciones Unidas. Esta agencia sería la encargada de apoyar y coordinar la puesta en marcha de las medidas anteriores. Su función sería operativa y estratégica, asegurando que las propuestas se implementen de forma efectiva y colaborativa a nivel global.

La urgencia de un nuevo liderazgo

Las Naciones Unidas no son la única entidad que ha alertado sobre la necesidad de tomar medidas. Un estudio del Institute for Business Value de IBM considera urgente contar con un nuevo tipo de liderazgo tecnológico en la era de la IA Generativa.

También lo hacen organizaciones sin ánimo de lucro como el Consejo de Políticas Económicas (CEP), que advierten sobre el avance hacia aplicaciones capaces de autoaprender y ejecutar tareas más allá de lo previsto inicialmente. A este fenómeno se le conoce como Inteligencia Artificial General.

Una conclusión clara

El objetivo de estas siete claves es trazar un marco ético, social y humano para el desarrollo de la inteligencia artificial. Un marco que permita aprovechar todo su potencial sin ignorar los riesgos que implica.

¿Quieres formarte en Inteligencia Artificial?

En MIOTI, todos aquellos interesados en conocer más sobre IA cuentan con diferentes programas, como el Máster en Inteligencia Artificial.

El Máster en Data Science y Big Data, donde aprenderás desde el preprocesamiento de datos hasta los algoritmos de analítica predictiva. Y el Máster en Inteligencia Artificial Avanzada, donde aplicarás las últimas técnicas de Machine Learning y Deep Learning, fundamentales para el análisis predictivo, el reconocimiento de imágenes, voz, textos y la inteligencia artificial generativa.

Celebramos una nueva MIOTI Talk titulada “Inteligencia artificial Generativa: Tendencias 2025”, un encuentro periódico realizado por la escuela entre expertos del sector dirigidas a profesionales y empresas que quieren estar al día de las últimas tendencias y avances del universo digital. En esta sesión se han abordado temas relevantes como la Inteligencia Artificial Generativa, la transformación de los negocios y las habilidades para no quedarse atrás con el auge e implementación de IA. Además de la ponencia de expertos, los asistentes han tenido la oportunidad de participar en el debate, formular preguntas, dudas y compartir casos de uso.  

En esta última, hemos tenido la oportunidad de conocer más sobre cómo este 2025 la inteligencia artificial generativa está evolucionando a un ritmo sin precedentes, trayendo consigo nuevos desafíos y oportunidades para las empresas, el empleo y la sociedad. Durante esta sesión, hemos contado con tres profesionales y líderes del sector de la IA y estrategia digital, que han analizado las tendencias clave que marcarán el futuro y de qué manera podemos prepararnos para la nueva era tecnológica: Diego García, Carlos Picazo y Juan Beltrán.

Predicciones, IAG y agentes de IA

La sesión comenzó con una pregunta clave: ¿cómo de cerca estamos de esta inteligencia artificial general? Carlos Picazo, cofundador y profesor de MIOTI Tech & Business School, aclaró que estamos en búsqueda de una inteligencia artificial que valga para todo, pero para esto estamos aún un poco lejos. Aunque las predicciones calculan que estará lista para el año 2030, considera que somos muy optimistas respecto a esta meta.

En contraposición, Juan Beltrán, creador de chat.camaleon y Digital Strategy & IA Director de Syntonize, tiene una percepción mucho más optimista en lo que se refiere al futuro de esta IA general. En la actualidad somos capaces de distinguir un bot durante una llamada telefónica, pero con los grandes avances tecnológicas considera que “en dos años y medio no vamos a saber discernir si quien está detrás es una persona o no”. 

La gran revolución de los AI Agents

Otra de las grandes predicciones son los agentes de IA. Su auge está revolucionando el mercado, y son muchas las dudas que surgen en torno a cómo transformarán los negocios y qué sectores liderarán la adopción. Diego García, CEO de MINEO, expresa que las personas aún no entienden lo que es un agente y el impacto que tendrán: “son sistemas de inteligencia artificial que tienen una característica fundamental y es la autonomía para poder percibir el mundo que le rodea y tomar decisiones para mejorar su situación”. 

Aunque en la actualidad se tratan de agentes que únicamente pueden llevar a cabo tareas simples y de automatización, con la retroalimentación por parte de los usuarios se espera que su capacidad les permita realizar funciones más complejas. Con el auge en el desarrollo de estos agentes surgirá una democratización en torno a ellos. Es muy probable que las empresas paguen cantidades elevadas por su compra buscando una rentabilidad a largo plazo, sin embargo, para aquellos avanzados tecnológicamente en la IA hay posibilidad de tener acceso a estos agentes por un precio menor con el uso de OpenID. 

El razonamiento y la Inteligencia Artificial

Uno de los puntos más importantes que se abordaron durante la sesión fue la capacidad de razonamiento que se está implementando en los últimos modelos. Según señalo Diego García, los nuevos modelos serían capaces de adoptar características muy humanas a través de esta aptitud. Estableciendo procesos mentales, los modelos serían capaces de enfrentarse a nuevas situaciones de manera exitosa e identificar los errores para cambiar su dirección; el factor clave, introducir mecanismos de autoaprendizaje para que los modelos sean capaces de razonar contra sí mismos. 

Empleo y estrategia competitiva

Otro de los temas a debatir durante la sesión fue la necesidad de las empresas de implementar la IA para su supervivencia en el sector. Aunque hoy en día son muy pocas las empresas que saben utilizar e implementar en sus procesos la IA generativa, se espera que esto cambie en unos meses, convirtiéndolo en una ventaja competitiva. 

En relación con esta predicción, el futuro del empleo es otra de las grandes cuestiones que preocupan actualmente. Cada vez es mayor el miedo e incertidumbre a la posibilidad de que los nuevos agentes nos reemplacen en nuestro puesto de trabajo, especialmente en aquellas profesiones en las que ya se está percibiendo una optimización de las tareas con el uso de la IA y por tanto una reducción de personal. Señalan que no hay que centrarse tanto en que esta herramienta va a robarnos el empleo sino en formarse en inteligencia artificial, ya que de lo contrario habrá profesiones en las que se experimentará un relevo de aquellos que no hayan sabido adaptarse. Esto dará pie a nuevas profesiones y habilidades necesarias para desempeñar los retos que surgen en la era digital. 

Juan Beltrán mencionó una de las habilidades más importantes a desarrollar, la creatividad. “Para saber manejar la inteligencia artificial mejor que el resto hay que ir más a los museos y leer más libros de papel. Tengo que tirar de mi cerebro para ver cómo se lo pregunto para que me saque el mejor resultado”.

Seguridad y regulación de la IA

Seguridad y procesos de regulación implementados por los gobiernos son otros de los grandes puntos a tener en cuenta con la IA generativa. Como se mencionó en la sesión, la regulación es necesaria pero no tanta la limitación. Su propuesta, implementar en Europa una legislación que fomente el desarrollo de este tipo de industrias. Países como China o Estados Unidos son conscientes de la potencia de la IA en el poder mundial, por lo que contar con herramientas potentes que contrarresten los ataques hechos con esta inteligencia mejoraría nuestra ciberseguridad. 

¿Revolución tecnológica?

Durante el encuentro se dejó entrever que en los próximos años vamos a experimentar un gran desarrollo en la IA generativa que cambiará nuestra sociedad hacia un futuro en el que su conocimiento y manejo será fundamental. Desde la robótica hasta incluso abordar tratamientos e investigaciones de enfermedades, serán algunos de los beneficios que traerá el uso de esta herramienta. Sin embargo, el equilibrio entre automatización e intuición y creatividad humana deberá ser tenido en cuenta por las empresas para poder exprimir al máximo sus beneficios. 

Nos encontramos ante una revolución tecnológica en la que, teniendo en cuenta los posibles peligros, un uso e implementación adecuada traerá innumerables beneficios y conocimientos a nuestra sociedad.

Una empresa sin empleados, sin oficina física y sin un equipo de marketing… pero capaz de lanzar campañas, atender a sus clientes y generar contenido las 24 horas del día. Puede sonar a ciencia ficción, pero no lo es. Las llamadas startups fantasma ya están llegando. Se trata de negocios que funcionan con una mínima intervención humana, gracias a la integración casi total de inteligencia artificial generativa.

Este nuevo modelo empresarial, impulsado por el auge de herramientas cada vez más autónomas y sofisticadas, plantea un antes y un después en la manera de emprender. ¿Qué ocurre cuando un chatbot redacta tus correos, una IA diseña tus campañas, y un generador automático se encarga de crear productos digitales? ¿Es el sueño del emprendedor o una amenaza para el futuro del trabajo? Lejos de ser anecdótico, este fenómeno plantea oportunidades reales (y dilemas igual de tangibles) que merecen ser analizados desde múltiples ángulos: la eficiencia, la ética y la sostenibilidad humana del modelo.

¿Te gustaría impulsar tu negocio a través de las últimas tendencias y herramientas tecnológicas? Con nuestro Máster en Digital Business podrás ser pionero en la adopción de tecnologías emergentes y aprovechar las oportunidades que ofrece la transformación digital. Aprende a identificar las oportunidades y estrategias digitales líderes del sector.

Startups fantasma: empresas que existen sin estar (del todo) ahí

El propio Sam Altman, CEO de OpenAI, ha comentado en entrevistas que, entre su círculo de CEOs tecnológicos, hay apuestas en marcha sobre cuándo veremos la primera empresa de un solo fundador valorada en mil millones de dólares gracias al uso de IA. Y no parece una idea tan lejana. De hecho, ya hay casos que apuntan en esa dirección.

Photopea, por ejemplo, es una potente herramienta de edición de imágenes online que rivaliza con Photoshop, creada y mantenida por una única persona: Ivan Kutskir. Genera más de 1,5 millones de dólares al año, recibe 10 millones de visitas mensuales y funciona con costes mínimos. Algo parecido ocurrió con Plenty of Fish, que Markus Frind gestionó en solitario durante años antes de venderla por 575 millones de dólares, o con BuiltWith, una plataforma de análisis web que generaba millones con un único empleado. Incluso el popular videojuego Stardew Valley fue desarrollado íntegramente por una sola persona: Eric Barone.

La diferencia es que hoy, la tecnología permite no solo hacerlo en solitario, sino hacerlo con eficiencia, rapidez y escalabilidad. Herramientas de IA generativa permiten crear contenido, atender a clientes, generar campañas publicitarias o incluso analizar datos complejos sin necesidad de grandes equipos. Lo que antes requería departamentos enteros, hoy puede resolverse con el apoyo de unas cuantas plataformas bien entrenadas.

Cuatro beneficios de la IA Generativa que impulsan a las startups

Para conocer tanto los beneficios como desafíos de la IA generativa, es preciso saber primero en qué consiste. Y sí, aunque a estas alturas casi todo el mundo ha oído hablar de ella y más de uno ya la habrá puesto a prueba, conviene aclarar en qué se diferencia de otras formas de inteligencia artificial. 

A diferencia de la IA tradicional, esta nueva forma de inteligencia artificial va un paso más allá, siendo capaz de crear y generar, a partir de datos, contenidos como texto, imágenes y vídeos. Una de sus características principales es que los algoritmos se van entrenando y ajustando a medida que es utilizada, lo que permite un desarrollo veloz a través de la retroalimentación de información nueva por parte de sus usuarios. 

Teniendo en cuenta esto, son múltiples los beneficios que una startup puede encontrar haciendo uso de ella. Sin embargo, son 4 los más destacados: 

Automatización

Son muchos los procesos que pueden estar controlados por la IA Generativa. Entre los más relevantes encontramos la generación de contenido y la automatización de tareas rutinarias. Gracias a estas capacidades, esta herramienta se estas generando avances revolucionarios en áreas específicas como la atención al cliente, donde la IA Generativa está mejorando la experiencia y optimizando los recursos disponibles a través de chatbots autónomos altamente eficaces. 

Reducir costes

A pesar de que la implementación de esta tecnología puede repercutir inicialmente en una inversión elevada, a largo plazo y con una buena gestión es capaz de disminuir los costes de manera significativa. En el caso de las startups fantasma esta inversión inicial está compensada, ya que reducen casi al mínimo su gasto en infraestructura y personal. 

Incremento de la productividad

El acceso de la IA a bases de datos casi infinitas y su capacidad para organizar y categorizar los datos permite reducir el tiempo de realización de tareas., haciendo posible que en una plantilla reducida de empleados puedan centrarse en tareas más complejas. 

Escalada rápida

Las empresas tienen la posibilidad de entrenar la IA Generativa de forma activa con sus propios datos y recursos, lo que facilitaría su adaptación a las demandas del mercado y un crecimiento rápido en su sector. Esta innovación continuada las mantendría competitivas y actualizadas. 

Desafíos y limitaciones en su implementación

No obstante, por muy prometedora que sea, la IA Generativa también tiene su letra pequeña. Uno de los riesgos más evidentes es su tendencia a generar información incorrecta o poco precisa. Por eso, aunque el sistema funcione casi en piloto automático, sigue siendo necesaria una supervisión humana que evite errores que puedan dañar la reputación de la empresa o afectar a su operativa.. 

A esto se suma una cuestión clave: la dependencia tecnológica. En una startup fantasma, un fallo técnico o un ciberataque puede poner en riesgo todo el ecosistema, por lo que es imprescindible para este tipo de organizaciones contar con un plan seguro, preparado y capacitado para responder a tiempo. 

Y luego está el gran desafío: el impacto social. Si cada vez más procesos se automatizan, si los equipos se reducen al mínimo y si las tareas creativas empiezan a delegarse también en algoritmos, ¿qué pasa con el empleo? ¿Y con la calidad de lo que se produce? El riesgo no solo está en perder puestos de trabajo, sino en empobrecer la originalidad, la diversidad de ideas y el valor humano que hay detrás de cada producto o servicio. En áreas como la atención al cliente, por ejemplo, el uso intensivo de IA abre la puerta a dilemas éticos relacionados con la privacidad, la transparencia y la capacidad de ofrecer soluciones reales a problemas reales.

¿Sí o no a las startups fantasma?

Si bien la IA Generativa evidencia una herramienta de mejora en el ámbito profesional, el uso responsable y un control exhaustivo de cuestiones éticas serán determinantes para que las empresas logren el éxito y puedan perdurar en el tiempo. Aunque sus avances son visibles y su potencial para innovar es cada vez mayor, aún no poseen la capacidad de razonamiento y conciencia del pensamiento humano, por lo que una empresa formada en su totalidad por esta tecnología llegaría a ser un error en la actualidad. 

En cuanto a las startups fantasma, la idea de montar una empresa casi sin empleados, impulsada por algoritmos que nunca descansan, resulta tan fascinante como inquietante. La IA Generativa ha abierto una puerta que ya no se puede cerrar, y su potencial para transformar la manera de emprender es indiscutible. Pero no todo lo que se puede hacer necesariamente debe hacerse.

Estas startups minimalistas, casi etéreas, pueden ofrecer eficiencia, velocidad y escalabilidad. Sin embargo, también plantean riesgos reales si se desliga el progreso tecnológico de una mirada ética y humana. Porque por mucho que la IA avance, aún no hay código capaz de replicar el juicio, la empatía o la intuición de una persona.

Quizá la pregunta no sea si debemos apostar por las startups fantasma, sino cómo. Cómo integrar lo mejor de la inteligencia artificial sin perder lo mejor de la inteligencia humana.

Conclusión

Las startups fantasma no son solo una tendencia pasajera, sino una señal clara de hacia dónde se dirige el futuro del emprendimiento. Gracias al poder de la Inteligencia Artificial Generativa, hoy es posible lanzar y escalar negocios con una estructura mínima y una eficiencia nunca vista. Sin embargo, el verdadero reto no está solo en adoptar estas tecnologías, sino en hacerlo con criterio, propósito y responsabilidad.

Emprender con IA no significa sustituir el talento humano, sino amplificarlo. Las empresas que logren combinar la capacidad creativa y estratégica de las personas con el potencial de la automatización serán las que lideren esta nueva era. Y para conseguirlo, la formación especializada será clave.

Las innovaciones tecnológicas están a la orden del día y la adaptación a ellas es crucial para poder continuar la evolución de tu empresa.

Son muchos los sectores que se suman a la implementación de soluciones tecnológicas. Tanto para aumentar la eficacia de su trabajo, como para optimizar los tiempos que dedican a las tareas adjudicadas. Las asesorías jurídicas cada vez tienen más nivel de trabajo. Ya no se requiere únicamente superioridad técnica, la eficiencia y operatividad son precisadas para solventar las gestiones con mayor rapidez frente a otros competidores. 

La introducción de las Operaciones Legales (Legal Ops) resultó una transformación significativa dentro del sector jurídico. Esta función está contando actualmente con la incorporación de una iniciativa muy favorable para su desarrollo y desempeño, modelos de lenguaje de gran tamaño (LLMs). Las empresas tecnológicas se encuentran pendientes de seguir avanzando con esta propuesta, buscando mejorar la eficiencia y efectividad de los procesos jurídicos. 

Con nuestro Máster en Data Science y Big Data estarás preparado para cualquier reto en el mundo laboral. Aprenderás programación en Python, análisis predictivo, análisis de datos y Machine Learning. 

¿Qué son las Legal Ops?

Las Operaciones Legales o Legal Ops se trata del conjunto de operaciones y funciones que se llevan a cabo dentro de un departamento legal para mejorar la eficiencia, productividad y rendimiento del equipo a través de la implementación de procesos, gestiones y tecnologías innovadoras. Este enfoque permite a los profesionales centrarse en proporcionar asesoría legal y transformar la manera en la que operan los departamentos legales. Para que este enfoque funcione se produce una sinergia entre personal humano y tecnología. Los profesionales identifican las áreas de mejora e implementan la tecnología adecuada, asegurándose que los procesos se llevan a cabo de forma óptima.

Los profesionales encargados de esta especialidad suelen tener experiencia en derecho, tecnología, finanzas, gestión empresarial y de proyectos. Deben evaluar la carga de trabajo de los diferentes equipos para distribuir las tareas y lograr una gestión efectiva del tiempo. Son diversas las funciones que realiza el personal encargado de estas operaciones para poder cumplir con las leyes y regulaciones, manejar riesgos legales y respetar los objetivos de negocio de la empresa. 

Organizar y optimizar procesos

Se aseguran de que las tareas se están realizando de manera eficiente, automatizando procesos de tareas administrativas y repetitivas para el ahorro de tiempo. 

Implementación y uso de la tecnología

Tienen conocimiento e implementan la tecnología para la optimización de las tareas, así como gestionar documentación y contratos. Una de las más innovadoras es la implementación de LegalTech.

Gestión de costos

Manejan los presupuestos y gastos que se realizan dentro del departamento legal. El fin es determinar el valor que se obtiene de ellos y precisar que se está llevando a cabo una actuación inteligente. 

Análisis de datos y trabajo con proveedores

Recogen y analizan los datos para obtener resultados y determinar el buen funcionamiento de los departamentos. A su vez, están en contacto con los servicios legales externos, como abogados o consultoras, para proporcionar los mejores servicios en la asesoría. 

Desarrollo de talento e innovación

Formar y capacitar al equipo en las nuevas herramientas y en los procesos de optimización será imprescindible para garantizar un correcto desempeño y mejorar las habilidades del departamento legal. La introducción de modelos y herramientas nuevas y mejores de trabajo será esencial para la eficiencia y bienestar del equipo humano que conforma estos departamentos. 

LLMs para el aprendizaje

Los Modelos de Lenguaje de gran Tamaño (LLMs) son modelos de inteligencia artificial diseñados para comprender y generar texto en lenguaje humano. Utilizan modelos basados en arquitecturas avanzadas de redes neuronales para llevar a cabo tareas relacionadas con el lenguaje, idiomas, gramática y conocimientos. Son capaces de generar y analizar los sentimientos de un texto, comprender preguntas, traducir, producir resultados de alta calidad e incluso reconocer voces.

El método principal utilizado para entrenar este modelo es el aprendizaje no supervisado. Se proporcionan un conjunto de datos a través de los cuales obtiene información y conoce las conexiones del lenguaje para poder llegar a tener un conocimiento profundo de él. Entre los LLMs con mayor impacto se encuentra el GPT (Generative Pre-Trained Transformed) de OpenAI, muy avanzado en la generación y comprensión de texto. BERT (Bidirectional Encoder Representations from Transformers) de Google, está orientado a la comprensión del lenguaje y que ha mejorado el procesamiento del lenguaje natural. 

Legal Ops +  LLMs

Conociendo las funciones de las Legal Ops y teniendo en cuenta los beneficios que aportan los LLMs, no es de extrañar que su combinación suponga una transformación profunda en los procesos jurídicos, permitiendo operar de manera más eficiente y estratégica a aquellas empresas que deciden apostar por ello: 

• Automatización de tareas repetitivas: Los LLMs son capaces de automatizar tareas rutinarias como la revisión de contratos y generación de documentos legales, permitiendo a los profesionales centrarse en trabajos más complejos en los que es necesaria mayor atención. Permite además la reducción de errores humanos y consistencia de los documentos legales. 
• Análisis avanzado de datos: Los modelos de lenguaje de gran tamaño analiza y procesa grandes volúmenes de datos legales, pudiendo extraer patrones y tendencias que favorecen la predicción de resultados y evaluación de riesgos potenciales. 
• Optimización de recursos: Aunque inicialmente su implementación puede conllevar elevados costes, con una buena planificación a largo plazo aumentarían la gestión de operaciones mientras que sus costos operativos se verían reducidos ya que no se requeriría un aumento proporcional de personal. 
• Interacción mejorada: Se potenciarían asistentes virtuales mejorados para responder a consultas legales básicas, reduciendo la carga de trabajo e incluso llegando a un público más amplio con una disminución de los precios de los servicios. 
• Acceso y gestión de información: Los LLMs tienen la capacidad de buscar de manera rápida datos legales y documentación relevante, asegurando un orden y gestión ágiles para su acceso. 

Sinergia de ambos modelos

En conclusión, la privacidad de datos y una excesiva dependencia tecnológica puede llegar a provocar una actitud reacia ante estas herramientas. Sus beneficios son evidentes y es crucial que se aborden estos desafíos para evolucionar en los procesos jurídicos. No se trata únicamente de implementarlos, formarse en las ventajas que ofrecen y entrenar a los modelos es parte de su inserción en el ámbito legal, siendo fundamental que esta transformación se realice de manera ética y responsable. 

La automatización, en conjunto con modelos capaces de generar y comprender el lenguaje, permite una eficiencia en tareas rutinarias, reducción de costes y una operativa que facilita las tareas diarias a los equipos. En consecuencia, una mejora en la interacción con los clientes será también clave para su expansión y la consolidación de las empresas tecnológicas como líderes en las prácticas legales modernas. Una cultura de innovación continua son cruciales para adaptarse a las demandas del mercado y encontrar nuevas oportunidades.

Cada vez más, surge la necesidad por parte de las empresas de implementar nuevas formas de almacenar y utilizar sus datos. Todo ello, con el fin de conseguir resultados eficientes y mejorar la toma de decisiones. 

A raíz de esta demanda surge el debate entre los beneficios y retos que conlleva elegir entre implementar una infraestructura on-premise, o por el contrario hacer uso de la nube para el almacenamiento de datos. Esta transición representa un cambio significativo en la manera en la que las organizaciones gestionan sus recursos tecnológicos. Muchas empresas buscan capitalizar sus datos, resultando especialmente útil para llevar a cabo una analítica avanzada sobre ellos.  Esto permite encontrar patrones que faciliten la predicción de futuras acciones y tendencias, de gran importancia para la toma de decisiones.

¿Quieres implementar la nube como método de almacenamiento para los datos de tu negocio? Nuestro Máster en Data y Cloud Engineering es ideal para conocer las nuevas arquitecturas Cloud que facilitan el acceso y análisis de los datos, desde su obtención hasta su explotación. 

Orígenes

La aparición de las infraestructuras on-premise se remonta desde los inicios de la informática, cuando las empresas gestionaban su propio hardware y software. Los componentes de almacenamiento de datos se encontraban físicamente dentro de las instalaciones de la organización, permitiendo un control completo sobre ellos.  

El concepto de nube empieza a tomar forma a principios de los 2000, con el fin de buscar soluciones a cuestiones que preocupan a las empresas y que resultan cada vez más complejas de poder controlar por cuenta propia. La aparición de la nube ha permitido dar el paso hacia la innovación y transformación digital.

A pesar de sus beneficios, son varios los factores a tener en cuenta para decantarse por una forma u otra de almacenamiento, siendo necesario tomar esta decisión en base a los objetivos de la organización y su proyección hacia el futuro. 

Almacenamiento on-premise vs Cloud

Para poder elegir el recurso de almacenamiento que mejor se adapte a las necesidades de cada organización, es importante comprender primero sus diferencias y beneficios: 

Costes

Los costes de la nube suelen ser menores que aquellos de una infraestructura local. Esto se debe a que su implementación suele suponer una inversión significativa en sus inicios, no sólo del hardware y el software, también del espacio físico y el personal que se encargará de su mantenimiento. Esto supondrá unos costes fijos mensuales a tener en cuenta. En contraposición, la nube suele operar bajo un modelo de suscripción cuyo plan puede ser modificado, atendiendo a las necesidades que se precisen en cada momento. 

Escalabilidad

Como se indicaba anteriormente, con el uso de la nube los recursos se pueden ajustar según demanda, resultando altamente escalable, a diferencia de la infraestructura local cuya escalabilidad depende de la capacidad del hardware instalado y de los recursos económicos disponibles si fuera necesario ampliarlo.  

Gestión y mantenimiento

En una infraestructura local el mantenimiento y las actualizaciones irán a cargo del personal de la organización, por lo que deberá contar con un equipo bien formado para ello. En el caso de la nube, esta responsabilidad recae sobre su proveedor. 

Flexibilidad

A diferencia del almacenamiento on-premise, cuyas configuraciones y actualizaciones se realizan de forma manual, la nube permite integrar nuevas herramientas rápidamente y sin necesidad de un monitoreo habitual. 

Accesibilidad

Desde la nube se tendrá acceso al almacenamiento desde cualquier lugar con conexión a internet, aunque se deben tomar medidas cautelosas para mantener protegidos los datos. En el caso de on-premise, el acceso será limitado a usuarios que estén dentro de la red local, permitiendo un mayor conocimiento de quién tiene acceso. 

Seguridad

La seguridad de la nube suele ser avanzada, aunque las empresas deberán asegurarse de la fiabilidad de su proveedor ya que podría resultar un desafío en caso contrario. Las soluciones on-premise dependerán de la propia organización y de las medidas adoptadas para la protección de sus datos, por lo que la implementación de un entorno seguro es clave. 

Control

Una empresa con una infraestructura local tiene un control total sobre sus datos. Con la nube este control directo es mucho menor. 

Tiempo de implementación

La instalación de la nube será mucho más rápida, no es necesaria la compra y configuración del hardware y software. 

Un paso hacia el futuro

Podemos concluir que, a pesar de sus desafíos, la migración de la infraestructura on-premise a la nube es cada vez mayor por parte de las empresas debido a su objetivo de evolucionar en el entorno digital. Con una buena planificación y estrategia, el uso de la nube puede ayudar a las organizaciones a reducir costes, obtener mejoras en flexibilidad, escalabilidad y acceso a tecnologías de última generación. Sin embargo, antes de esta transición las empresas deberán abordar con precisión los retos que pueden surgir como pueden ser el control, la seguridad y la gestión de costes a largo plazo. 

Con estas premisas claras y el cambio constante al que nos enfrentamos con la evolución de las nuevas tecnologías, la incorporación de la nube al entorno laboral es una pieza clave para que las empresas puedan mantenerse competitivas y apostar por una buena economía digital. En lo que respecta a la analítica avanzada, la nube resulta una opción atractiva y eficiente para maximizar la utilidad y efectividad de los datos recopilados por las organizaciones.

En las últimas dos décadas, la industria musical ha experimentado una transformación digital sin precedentes. Desde la transición del vinilo y los CD a las descargas digitales y el streaming, los cambios tecnológicos han redefinido la manera en que se crea, distribuye y consume la música. Las plataformas de streaming, como Spotify y Apple Music, han democratizado el acceso a la música, permitiendo a los oyentes descubrir y disfrutar de un vasto repertorio musical desde cualquier lugar y en cualquier momento. Esta digitalización ha abierto nuevas oportunidades para artistas independientes, pero también ha planteado desafíos en términos de monetización y derechos de autor.

A pesar de los beneficios de la digitalización, como el acceso inmediato y la posibilidad de llegar a audiencias globales, el cambio hacia un modelo digital ha reducido significativamente los ingresos por venta de música física y ha incrementado la competencia en el mercado. Los artistas ahora dependen más de los ingresos por streaming, que a menudo ofrecen menores retornos económicos en comparación con las ventas físicas tradicionales. En este contexto de cambio constante, la industria ha tenido que adaptarse rápidamente a las nuevas tecnologías, incluida la inteligencia artificial (IA), para mantenerse competitiva y relevante.

Y es que la IA está transformando rápidamente diversas industrias, y entre ellas la musical. Si quieres ser parte de esta transformación y desarrollar habilidades en inteligencia artificial, nuestro Máster en Inteligencia Artificial es tu oportunidad.  

El impacto de la inteligencia artificial en la música y el audiovisual

La inteligencia artificial (IA) está transformando profundamente las industrias creativas, especialmente la musical y audiovisual. Un estudio reciente elaborado por la CISAC y realizado por PMP Strategy revela que la IA Generativa está configurando un nuevo panorama económico, creando tanto oportunidades como desafíos significativos.

Según el estudio, el mercado de contenidos generados por IA está proyectado para crecer de 3.000 millones de euros a 64.000 millones de euros para 2028. Esta expansión refleja el potencial de la IA para revolucionar la producción de contenido, permitiendo a las empresas tecnológicas capitalizar nuevas oportunidades mientras los creadores humanos enfrentan posibles pérdidas de ingresos.

Nuevas tecnologías aplicadas a la creación musical

La IA ha revolucionado la creación musical mediante tecnologías como los Modelos Generativos Adversarios (GANs) y los Transformadores basados en Atención, que permiten generar composiciones musicales completamente nuevas. Estas herramientas están siendo adoptadas por plataformas de streaming y aplicaciones de música como Boomy y Jukebox de OpenAI, que democratizan la creación musical al permitir a los usuarios generar pistas basadas en simples descripciones de texto.

Algoritmos en plataformas de streaming

Las plataformas de streaming como Spotify y Apple Music han cambiado radicalmente el consumo de música. Estas plataformas utilizan algoritmos de IA para analizar grandes volúmenes de datos de usuarios, personalizando las recomendaciones musicales y mejorando la experiencia del usuario. Esto ha llevado a un aumento en la demanda de contenido curado automáticamente, donde se espera que la música generada por IA represente el 20% de los ingresos de las plataformas de streaming y el 60% de los ingresos de las bibliotecas musicales para 2028.

Derechos de autor y propiedad intelectual ante la IA

La creciente utilización de la IA plantea importantes desafíos para la gestión de derechos de autor. A medida que los algoritmos generan contenido «en el estilo de» obras existentes, surge la pregunta de cómo se deben proteger y compensar las creaciones originales. Este problema es particularmente relevante en la música, donde las pistas generadas automáticamente pueden competir directamente con las obras humanas.

Pérdidas económicas para los creadores

El estudio estima que los creadores de música podrían perder el 24% de sus ingresos para 2028, lo que equivale a una pérdida acumulada de 10.000 millones de euros. En el sector audiovisual, las pérdidas podrían alcanzar el 21%, con traductores y adaptadores de doblajes y subtítulos siendo los más afectados, enfrentando una posible pérdida del 56% de sus ingresos.

Llamado a la acción y necesidad de regulación

La CISAC subraya la necesidad urgente de un marco regulador que proteja los derechos de los creadores. Björn Ulvaeus, Presidente de la CISAC, enfatiza que las políticas deben garantizar que la IA no socave la creatividad humana. Gadi Oron, Director General de la CISAC, destaca que las decisiones políticas serán cruciales para determinar si la IA se convierte en una oportunidad o una amenaza para los creadores humanos.

Este informe es una llamada a la acción para los responsables políticos y las industrias creativas. Es esencial establecer políticas que aseguren que los creadores humanos sean compensados justamente y que sus derechos estén protegidos frente a las obras generadas por IA. Ángeles González-Sinde Reig, Vicepresidenta de la CISAC, destaca la importancia de situar los derechos de los creadores en el centro de las políticas sobre IA.

Marcelo Castello Branco, Presidente del Consejo de Administración de la CISAC, afirma que, “aunque el sector creativo está dispuesto a adaptarse, la prioridad debe ser proteger los medios de sustento de los creadores. Aunque la IA puede abrir nuevas oportunidades, también representa un reto significativo que requiere atención y acción decidida para asegurar un futuro equilibrado para la creatividad humana”.

La analítica de datos como motor de cambio en la música

La analítica de datos ha revolucionado la industria musical al ofrecer a artistas, sellos discográficos y plataformas de streaming una comprensión más profunda de los hábitos y preferencias de los oyentes. Utilizando análisis avanzados, las plataformas pueden personalizar recomendaciones musicales, optimizar listas de reproducción y maximizar el compromiso del usuario. Para los artistas y los sellos, los datos proporcionan información valiosa sobre la demografía de su audiencia, identifican tendencias emergentes y evalúan la efectividad de las campañas de marketing. Este enfoque basado en datos permite una toma de decisiones más informada, desde la planificación de giras hasta la elección de sencillos, impulsando así el éxito comercial y artístico en un mercado cada vez más competitivo.

Además, está transformando la forma en que los artistas interactúan con su audiencia. A través de plataformas de redes sociales y servicios de streaming, los músicos pueden obtener comentarios instantáneos sobre sus lanzamientos, lo que les permite ajustar sus estrategias creativas y promocionales en tiempo real. Herramientas de análisis de sentimientos y monitoreo de redes sociales ayudan a los artistas a comprender el impacto emocional de su música y a detectar oportunidades para conectar de manera más auténtica con sus seguidores. Este nivel de interacción directa no solo fortalece la relación entre los artistas y su público, sino que también ofrece un camino para la innovación continua en la creación musical.

Conclusión

La inteligencia artificial no es una amenaza inevitable para la música, sino una herramienta poderosa que, bien gestionada, puede potenciar el talento humano, mejorar la experiencia de los oyentes y abrir nuevas vías de creación. Sin embargo, su avance también plantea retos urgentes en materia de derechos, regulación y sostenibilidad del trabajo creativo. Para que la transformación digital de la industria musical sea equilibrada y justa, es esencial combinar innovación tecnológica con protección a los creadores. El futuro de la música será híbrido, colaborativo y guiado tanto por la creatividad humana como por las posibilidades que ofrece la IA.

El 25 de mayo se celebra en todo el mundo el Día del Orgullo Friki. Lo que empezó como una fecha marcada por fans de «La guerra de las galaxias» (estrenada ese mismo día en 1977) se ha convertido en un homenaje a todas las personas que sienten pasión por universos fantásticos, la tecnología, los videojuegos, los cómics, el manga, la programación y cualquier campo que antes se consideraba «de raritos».

Pero, ¿de dónde viene exactamente la palabra «friki»? Y sobre todo, ¿por qué la asociamos cada vez más con personas expertas en tecnología, datos e innovación?

Vamos a hacer un viaje por la historia para entender cómo un término marginal ha acabado siendo una etiqueta de orgullo.

Orígenes de la palabra «friki»

La palabra «friki» es una adaptación al español del término inglés freak. En su origen, freak se utilizaba en el siglo XIX para referirse a personas con alguna característica física extraordinaria, muchas veces mostradas en circos y ferias bajo el concepto de freak shows. Ejemplos históricos son Joseph Merrick, conocido como «El hombre elefante», o Schlitzie, una figura icónica de este tipo de espectáculos.

Con el tiempo, freak pasó de designar anormalidades físicas a referirse a personas con intereses intensos o poco comunes: computer freaks, science fiction freaks, etc. Era el término que empezaba a usarse para los fans acérrimos de ciertos temas que se salían de la norma.

En España, el término friki empezó a extenderse en los años 80 y 90, especialmente a partir de programas de televisión como «Crónicas Marcianas», donde se presentaba a personajes peculiares bajo esa etiqueta. El tono era claramente burlesco, pero plantó la semilla de un concepto que el tiempo transformaría.

De «raro» a «referente»: la transformación cultural

Con el paso de las décadas, el término friki comenzó a ser adoptado por las propias comunidades que antes eran objeto de burla: fans de Star Wars, Star Trek, El Señor de los Anillos, jugadores de Dungeons & Dragons, seguidores del anime y el manga, amantes de los videojuegos y, por supuesto, programadores, ingenieros y hackers.

El cambio cultural fue imparable. La cultura geek pasó de ser algo de minorías a dominar el mainstream:

• The Big Bang Theory, una serie protagonizada por físicos, ingenieros y expertos en cómics, se convirtió en uno de los mayores éxitos televisivos de los 2000.
• Películas como Los Vengadores o Ready Player One celebran el conocimiento friki como una ventaja.
•  Steve Jobs o Mark Zuckerberg empezaron a ser considerados nuevos referentes aspiracionales, a pesar (o gracias) a su excentricidad.

@fanboycinema Sheldon Cooper no sabe si comprar la PS4 o la XBOX ONE. ¿Tú cuál compraste? ‘THE BIG BANG THEORY’ #thebigbangtheory #sheldoncooper #mejorescena #escenasdeseries ♬ sonido original – FanboyCinema

Friki y tecnología: una asociación natural

En parte, porque el «friki» no solo es alguien apasionado por un tema, sino alguien que profundiza, estudia, domina y no se conforma con lo superficial. En el mundo de la tecnología, eso es oro. Las personas que se atreven a desmontar ordenadores por pasión, que se obsesionan con mejorar una línea de código o que participan activamente en comunidades como Stack Overflow o GitHub encajan perfectamente con ese perfil.

Piensa en nombres como:

• Ada Lovelace: considerada la primera programadora de la historia en el siglo XIX, con una mente brillante y fuera de su tiempo.
• Alan Turing: matemático y criptoanalista que descifró los códigos nazis. Admirado hoy, incomprendido entonces.
• Linus Torvalds: creador de Linux, sistema operativo que nació de su pasión por los sistemas abiertos.

Todos ellos comparten ese ADN friki: curiosidad desbordante, deseo de entender cómo funcionan las cosas y ganas de cambiar el mundo desde el conocimiento.

De Bill Gates a los foros: el frikismo como ventaja competitiva

Hoy, empresas como Google, Amazon, Meta o Microsoft tienen en sus filas a miles de «frikis» del conocimiento. Gente que siente auténtico placer resolviendo problemas complejos y que se emociona con avances como los Large Language Models o la computación cuántica.

Tener una mentalidad friki ya no es raro, es deseable. Se valora en las entrevistas de trabajo, se fomenta en hackathons y bootcamps, y hasta se presume de ello en perfiles de LinkedIn: «Entusiasta del aprendizaje continuo, geek de la IA, fan del open source«.

Incluso en sectores no puramente técnicos, el perfil friki se está imponiendo: desde analistas de datos hasta marketeros que automatizan funnels con IA Generativa.

Friki con F de Futuro

Hoy, ser friki no es solo tener un conocimiento profundo sobre un tema: es tener la valentía de apasionarte por algo en un mundo que muchas veces premia la superficialidad. Es elegir el camino largo, el de la especialización, el del detalle. Y en la era digital, eso tiene un valor incalculable.

Por eso, cada 25 de mayo no solo celebramos a quienes coleccionan figuras de anime o conocen de memoria los hechizos de Harry Potter. Celebramos a quienes programan por placer, crean soluciones en su tiempo libre, exploran el metaverso o entrenan modelos de IA en casa. La curiosidad. El futuro. Todo ello, no se consigue solo tomando una poción de Felix Felicis.

Así que ya sabes: si alguna vez te han llamado friki, hoy puedes responder con una sonrisa orgullosa.

Porque el futuro será de quienes se obsesionan con entenderlo.

No ha sido una jornada más de tendencias, ni una sucesión de promesas vagas sobre el futuro del trabajo. La tercera edición del Data Talent Innovation Summit, organizada por MIOTI Tech & Business School el pasado 27 de marzo, ha sido una declaración clara de intenciones: la inteligencia artificial generativa ya está transformando el área de Recursos Humanos. Y lo está haciendo con resultados concretos.

Con la participación de empresas como Microsoft, Google, Cloudera, AECOC, Securitas Direct, Havas o MINEO, el evento ha reunido a líderes y profesionales del dato, la tecnología y el talento en una jornada tan rica en contenido como dinámica en su formato. Casos reales, conversaciones honestas, ideas en crudo y una sensación general de que el cambio ya no es algo que viene, sino algo que ya se está pilotando, probando y escalando.

Formación, talento y un nuevo mapa de roles

La apertura de la jornada dejó claro por dónde iba a ir la conversación: “¿De verdad estamos preparados para implementar IA en nuestras organizaciones?”. No solo desde el punto de vista técnico, sino sobre todo desde la perspectiva humana.

Fabiola Pérez, CEO y cofundadora de MIOTI Tech & Business School y moderadora de las mesas, abría el debate preguntando si las organizaciones cuentan con el talento formado que necesitan. Enrique Cenizo, GenAI Sales Lead en Google, respondía sin rodeos: “Hay mucha gente con capacidad de aprender rápido, pero existe un freno cultural. A veces no es un tema de skills, sino de miedo a que la IA evidencie cuánto de nuestro trabajo es automatizable”.

Desde Microsoft, Laura Núñez ofrecía una mirada más optimista: “Lo que estamos viendo es más hambre de conocimiento que nunca. La gente ya no viene a preguntar qué es esto de la IA, sino cómo mejorar lo que ya están haciendo con ella”.

Una de las claves repetidas a lo largo del evento fue la importancia de la formación continua, no solo para equipos técnicos, sino también para directivos, perfiles de negocio y responsables de equipo. “No se trata de saber usar un prompt, sino de entender bien las capacidades reales de estas herramientas y cómo integrarlas de forma útil en cada rol”, apuntaba Daniel Torbellino, Data & AI Storyteller de Cloudera.

@mioti_school ❌ La verdadera amenaza no es la IA. Es no saber cómo trabajar con ella. La automatización es el presente. Y en este nuevo escenario, el valor diferencial surge de la combinación: IA + humano. 🧠 Esta tecnología puede procesar datos, automatizar tareas y predecir resultados con precisión. Pero liderar equipos, tomar decisiones complejas o adaptarse en medio de la incertidumbre… eso sigue siendo #humano. La clave está en colaborar con la IA, no competir con ella. Porque quien sepa hacerlo, tendrá la ventaja. Y si no eres tú, será otra persona. No la #IA ♬ Background Music(815729) – Pavel

Del piloto a la adopción real

Otro de los temas que cruzó todas las conversaciones fue el salto del piloto a la implantación real. Muchas empresas han hecho pruebas controladas, pero pocas han escalado. ¿Por qué?

Marco Velasco, Data Platform Team Lead de Securitas Direct, explicaba que ese paso suele llegar cuando los equipos ven resultados tangibles. “Lo que marca la diferencia es cuando se pasa de la curiosidad al impacto. Y ese impacto llega más rápido si se forma a los equipos y se define bien qué problema quieres resolver”.

Laura Núñez coincidía: “El punto de inflexión ocurre cuando se produce ese ‘¡ah, vale, ahora sí me sirve!’. Ahí es donde empieza la verdadera adopción”.

En ese sentido, la formación vuelve a aparecer como palanca: “Cuando se entiende bien lo que puede hacer una IA generativa, se pasa del ‘esto es un juguete’ al ‘esto me ahorra horas de trabajo cada semana’”, apuntaba Fabiola Pérez.

Casos de uso reales: productividad, eficiencia y crecimiento

Desde la mejora de la experiencia en e-commerce hasta la automatización de procesos críticos en banca privada, el evento dejó claro que la IA ya está creando valor.

En el caso de Google, Enrique Cenizo compartió la historia de un banco asiático que ha reducido de una semana a 30 minutos el proceso de onboarding de clientes de banca privada gracias a un sistema de agentes orquestados. “Son 30 modelos trabajando en paralelo con una precisión superior a la humana. Solo ese caso les ahorra millones al año”.

Más allá del ahorro, empiezan a surgir también iniciativas que buscan generar ingresos, fidelizar clientes o abrir nuevas líneas de negocio. “La mayoría de los proyectos de hace un año eran de eficiencia operativa. Ahora vemos muchos más orientados al crecimiento”, señaló Cenizo.

En este punto, Diego García, CEO de MINEO, recordaba que muchas empresas siguen en modo exploración: “Todavía estamos en fase de experimentación. Lo importante es aterrizar los casos de uso y definir qué métricas van a mostrar que esto está funcionando”.

Qué está frenando a las organizaciones

No todo son luces. El evento también abordó las barreras más comunes para que la IA avance con solidez: problemas con la calidad de los datos, arquitecturas técnicas complejas, procesos de decisión internos muy lentos, miedo al cambio y, cómo no, la preocupación por la seguridad y privacidad.

Aquí hubo consenso entre los gigantes tecnológicos: la seguridad ya no es una excusa para no avanzar. “Estamos trabajando con data centers en España, cumplimiento de todas las normativas, certificaciones, arquitectura multicloud… La seguridad está garantizada, lo que falta muchas veces es la confianza y la gestión del cambio”, dijo Cenizo.

Además, como recordó Pere Rosell, Director de GS1 España (AECOC), “hay que evitar que cada departamento vaya por libre y acabe usando herramientas no auditables que pueden poner en riesgo a toda la organización. La gobernanza del dato sigue siendo clave”.

Y para los que aún no han empezado…

Uno de los momentos más prácticos de la jornada fue cuando se abordó la pregunta del millón: ¿por dónde empezar si aún no has hecho nada?

Aquí el mensaje fue claro: no empieces por las herramientas, sino por los problemas que quieres resolver. “Hazte la pregunta: ¿qué me gustaría poder hacer en mi trabajo que hoy no puedo? A partir de ahí, busca a quien te pueda ayudar a evaluar si la IA puede hacerlo posible”, explicó Cenizo.

Daniel Torbellino añadió un consejo crucial: “Revisa qué datos tienes y en qué estado están. Puedes tener una idea muy buena, pero si no tienes los datos o no están bien gobernados, no vas a llegar lejos”.

 

View this post on Instagram

 

A post shared by MIOTI Tech & Business School (@mioti_school)

Menos teoría, más acción

El Data Talent Innovation Summit no fue un evento para hablar de lo que podría pasar, sino para mostrar lo que ya está pasando. Desde casos tangibles hasta ideas prácticas para empezar, cada ponencia fue una invitación a pasar a la acción.

Y lo mejor: más allá del escenario, en los pasillos y cafés, se respiraba esa mezcla de curiosidad, urgencia y ambición que define los momentos de cambio real. Entre los asistentes —profesionales de RR.HH., tecnología y negocio— se notaba una energía común: la de quienes ya no quieren quedarse en la teoría.

“La IA no va a quitarte el puesto. Lo que sí puede hacerlo es no saber usarla”, se escuchó más de una vez. Esa frase resume bien el espíritu del evento. Y también lo que viene.

La técnica de destilación de modelos de inteligencia artificial se enfoca en reducir los modelos a un tamaño más manejable, manteniendo al mismo tiempo su capacidad de replicar resultados y rendimiento. Aunque estamos acostumbrados a usar estos modelos mediante aplicaciones y sitios web, los modelos de lenguaje a gran escala (LLM) requieren una cantidad significativa de espacio y recursos.

Este aspecto pasa desapercibido para la mayoría porque al utilizar una IA desde una web o aplicación, estamos conectándonos a los servidores de grandes empresas donde se ejecutan estos modelos. Sin embargo, si quisieras ejecutar un modelo completo en tu propio ordenador, necesitarías un procesador muy potente y considerable espacio de almacenamiento.

En MIOTI, sabemos que el concepto de modelos destilados de inteligencia artificial ha ganado popularidad en los últimos años, especialmente con el auge de soluciones innovadoras como DeepSeek. En este artículo, exploraremos en qué consisten estos modelos destilados y cómo están transformando el ámbito de la inteligencia artificial. Para aquellos interesados en profundizar en este tema, nuestro Máster en Inteligencia Artificial Avanzada ofrece una excelente oportunidad para avanzar profesionalmente y liderar implementaciones de IA en las empresas.

¿Cómo funcionan los modelos destilados?

Para abordar este desafío, se recurre a la creación de modelos destilados, los cuales están diseñados para ocupar menos espacio. Estos modelos son más compactos y eficientes, replicando la mayor parte del rendimiento del modelo original pero con un uso reducido de recursos. En términos simples, el modelo destilado aprende del modelo original mediante la interacción intensiva y el análisis de respuestas, permitiendo que los resultados de ambos modelos sean muy similares al finalizar el proceso.

Este proceso es comparable a la relación entre un profesor y un estudiante: el modelo completo actúa como un profesor, compartiendo su experiencia y conocimientos con el modelo alumno, que aprende a imitar de manera más sencilla y efectiva. Existen diversas estrategias para crear modelos destilados, como la destilación de conocimientos a partir de los resultados finales, lo que permite que el modelo alumno comprenda el proceso de toma de decisiones. También se pueden generar datos de entrenamiento adicionales o destilar capas intermedias, y en ocasiones se utilizan múltiples modelos profesores para enriquecer el aprendizaje del alumno.

Frecuentemente, las empresas privadas que desarrollan modelos de inteligencia artificial también producen versiones destiladas. Estas versiones suelen recibir nombres específicos, como «Flash» para Google Gemini o «Mini» para OpenAI. En el ámbito del código abierto, el nombre del modelo destilado a menudo integra el del modelo original, junto con una indicación del proceso de destilación, como en «DeepSeek Qwen» o «DeepSeek Distill Qwen», para señalar que es una versión destilada.

Pros y contras de los modelos destilados

Un modelo de inteligencia artificial en su versión completa cuenta con miles de millones de parámetros, lo que implica un consumo significativo de espacio y potencia computacional para su ejecución. En un ordenador personal, esto requeriría tecnología de vanguardia y amplio almacenamiento. En el caso de empresas como OpenAI o Google, que ofrecen soluciones de IA a través de la web o aplicaciones, se necesitan recursos sustanciales en sus servidores.

Optimización de tamaño y espacio

La creación de modelos destilados es una estrategia eficaz para reducir el tamaño de los modelos y disminuir el espacio que ocupan. Además, estos modelos no solo operan más rápidamente, sino que también reducen los costos computacionales. Esto permite a empresas como Google y OpenAI ofrecer versiones «compactas» de sus modelos principales de manera gratuita, mientras reservan las versiones más completas para usuarios que pagan, dado que su mantenimiento requiere una inversión considerable.

Modelos eficientes energéticamente

En este sentido, estos modelos contribuyen a reducir el consumo de energía al requerir menos recursos computacionales. Esto es particularmente relevante en el contexto actual, donde la eficiencia energética y la sostenibilidad son prioridades globales. Puedes discutir cómo la destilación de modelos se alinea con los objetivos de reducir la huella de carbono en la industria tecnológica.

Accesibilidad

En el ámbito del código abierto, la disponibilidad de versiones destiladas facilita que tanto tú como yo podamos instalarlas y utilizarlas en nuestros equipos sin incurrir en gastos exorbitantes en nuevos procesadores, tarjetas gráficas o almacenamiento interno. Asimismo, la destilación de modelos facilita el acceso a tecnologías avanzadas de IA para individuos y pequeñas empresas que no pueden costear infraestructuras costosas. 

Ahorro de costes y mayor preservación de la privacidad de datos

Estas técnicas también permiten desarrollar modelos de inteligencia artificial a un coste menor que el necesario para un entrenamiento completo desde cero. Se aprovechan modelos ya existentes, entrenando uno nuevo utilizando sus datos y conocimientos acumulados. La capacidad de ejecutar modelos de IA destilados localmente en dispositivos personales puede tener implicaciones positivas para la privacidad de los usuarios, ya que reduce la necesidad de transferir datos a servidores externos.

Mayor porcentaje de errores o alucinaciones

No obstante, los modelos destilados no poseen la misma cantidad de datos y parámetros, lo que a menudo los hace menos robustos en términos de recursos y puede dar lugar a errores o «alucinaciones» con mayor frecuencia. También cabe tener en cuenta que la destilación depende de la existencia de un modelo completo y bien entrenado del cual aprender por lo que si el original tiene sesgos o limitaciones, estos se transferirán al modelo destilado.

Menor flexibilidad y grado de personalización

Además, al estar optimizados para funcionar con menos recursos, los modelos destilados pueden ser menos flexibles en su capacidad para adaptarse a nuevas tareas o dominios sin un reentrenamiento significativo o pueden contar con una capacidad más limitada de personalización para tareas específicas o para adaptarse a datos muy especializados.

Una IA más accesible

La destilación favorece a los modelos abiertos, dado que permite que los desarrolladores utilicen la tecnología de forma libre. Por este motivo, DeepSeek ha hecho accesibles sus modelos recientes para que otros desarrolladores puedan construir sobre ellos, una filosofía que se ha convertido en la clave de la compañía. Además, otros gigantes tecnológicos como Meta apoyan la destilación y, por ello, han confirmado que la aplicarán en sus productos, un aspecto al que debemos sumar que quieren ensalzar su filosofía de código abierto en IA.

De esta forma, la destilación reduce la ventaja del pionero en la IA, dado que los competidores pueden alcanzar de forma rápida los avances de los primeros desarrolladores. Así, aunque las empresas inviertan miles de millones de euros en mejorar la IA, la competencia logra ponerse al día en cuestión de semanas o meses. Por ello, si tenemos en cuenta que el mercado de modelos de IA es extremadamente competitivo y desafiante, no podemos olvidar que las innovaciones pueden ser replicadas de forma rápida. Por ese motivo, para conseguir reducir las diferencias entre empresas del sector, muchas están empezando a probar las virtudes de la destilación.

La destilación de modelos de IA representa una innovación crucial en la búsqueda de hacer la inteligencia artificial más accesible y eficiente. A través de técnicas de destilación, es posible democratizar el acceso a la IA, facilitando que más personas y organizaciones participen en su desarrollo y aplicación. Al mismo tiempo, plantea desafíos en términos de calidad y precisión, que deberán ser gestionados adecuadamente para maximizar su potencial. En un entorno competitivo y en rápida evolución, la destilación de modelos es una herramienta poderosa para impulsar el progreso en el campo de la inteligencia artificial.