Inteligencia artificial

Jeremy Kahn – Más allá del hype: las verdaderas tendencias en inteligencia artificial

Jeremy Kahn – Más allá del hype: las verdaderas tendencias en inteligencia artificial

El editor de IA en Fortune Magazine desmonta el ruido mediático y apunta hacia un futuro más útil, seguro y humano para la inteligencia artificial

La Fundación Innovación Bankinter sigue apostando por acercar la innovación que marcará el futuro a la sociedad y a los profesionales. Dentro de esta misión, hemos organizado un nuevo webinar dedicado a uno de los campos más transformadores y que más preguntas generan: la inteligencia artificial.

Este evento se enmarca en nuestro ciclo de divulgación tras la celebración del penúltimo Future Trends Forum (FTF), donde más de 40 expertos internacionales analizaron el auge de la IA física (Embodied AI) -la inteligencia artificial que ya interactúa directamente con el mundo físico-. Las conclusiones del FTF han quedado recogidas en nuestro informe «Embodied AI«, ya disponible en la web​.

Para profundizar en esta revolución tecnológica, se ha organizado un webinar conducido por Frances Stead-Sellers, en el que hemos contamos con Jeremy Kahn, Editor de Inteligencia Artificial en Fortune Magazine y autor del libro Mastering AI: A Survival Guide to Our Superpowered Future, quien también participó en el FTF.

Durante la sesión, Jeremy Kahn comparte su visión sobre el punto de inflexión que vive la inteligencia artificial: una fase en la que ya no basta con modelos potentes, sino que el reto pasa por convertirlos en herramientas útiles, seguras y alineadas con los intereses humanos. Kahn advierte sobre el riesgo de perder el control de los sistemas autónomos si no se establecen límites claros, y destaca la necesidad de transparencia y regulación en un entorno dominado por grandes actores privados. También apunta a una nueva generación de modelos que ya no compiten por ser los más grandes, sino los más eficientes, especializados y adaptables. Para él, el futuro de la IA será menos espectacular en los titulares, pero mucho más transformador en lo cotidiano: desde cómo aprendemos hasta cómo tomamos decisiones o diseñamos políticas públicas.

No te pierdas el webinar Más allá del hype: las verdaderas tendencias en inteligencia artificial, que ilustra con numerosos vídeos impactantes las capacidades de los robots (en inglés):

Looking Past the Hype: What’s Really Happening in AI with Jeremy Kahn

¿Por qué un “manual de supervivencia” sobre IA?

Jeremy Kahn explica que su libro, Mastering AI: A Survival Guide to Our Superpowered Future, nace justo después del lanzamiento de ChatGPT por parte de OpenAI. Como periodista especializado en inteligencia artificial -primero en Bloomberg y ahora en Fortune- llevaba ocho años siguiendo de cerca la evolución de esta tecnología. Y cuando ChatGPT irrumpió en la conversación pública, lo tuvo claro: la gente necesitaba respuestas.

Millones de personas comenzaron a preguntarse qué significaba realmente la IA para sus empleos, la economía, la política o incluso sus vidas personales. Kahn, con acceso directo a investigadores de los principales laboratorios -como OpenAI, Google DeepMind o Anthropic-, decidió usar su experiencia para ofrecer una guía comprensible. Su objetivo: ayudar a pensar esta tecnología no solo desde sus promesas, sino también desde sus riesgos.

El término “manual de supervivencia” no es gratuito. Para Kahn, la inteligencia artificial conlleva riesgos reales, que solo se pueden evitar si diseñamos y regulamos bien su desarrollo. Pero no es un alarmista: se define como un optimista pragmático. Cree que la IA puede generar impactos muy positivos, siempre que tomemos decisiones informadas y urgentes para aprovechar las oportunidades y esquivar los peligros.

¿Qué ha cambiado desde que se publicó el libro?

Aunque Mastering AI aún no ha cumplido un año, Jeremy Kahn afirma que muchas de las tendencias que anticipó ya están ocurriendo. Entre los aciertos, destaca un fenómeno inquietante: personas que, tras interactuar con chatbots, empiezan a perder el sentido de la realidad. Cita un reportaje reciente del New York Times que muestra cómo algunos usuarios -sin antecedentes de problemas mentales- acaban atrapados en teorías conspirativas y delirios tras conversar repetidamente con sistemas de IA. El tono convincente de estos modelos, más que sus respuestas en sí, es lo que los hace peligrosos.

En el lado económico, Kahn confirma un impacto desigual. Empresas de software ya reducen sus contrataciones alegando que los modelos generativos aumentan la productividad, mientras que otras aún no logran medir el retorno real de su inversión en IA. En muchos casos, el entusiasmo inicial se enfrenta a la realidad: la tecnología es costosa y no siempre ofrece beneficios inmediatos.

Otro punto clave es la sostenibilidad. Kahn advierte sobre el coste energético de la IA, con iniciativas como el proyecto Stargate -una alianza de OpenAI, SoftBank, Oracle y fondos de Oriente Medio- que plantea construir megacentros de datos capaces de consumir gigavatios de electricidad, equivalente a una ciudad entera. La pregunta sobre el impacto ambiental de la IA ya no es marginal.

También hay sorpresas. Kahn reconoce que no anticipó el auge tan rápido de los llamados reasoning models, sistemas que simulan pensar paso a paso. Este avance está redefiniendo lo que esperamos de la IA, ampliando sus aplicaciones en tareas complejas. Y, por último, destaca la aceleración del ecosistema chino, que ha acortado distancias con los gigantes estadounidenses en tiempo récord.

¿Qué empleos están a salvo en la era de la IA?

La pregunta es recurrente: ¿qué trabajos sobrevivirán al avance de la inteligencia artificial? Jeremy Kahn responde con realismo. Reconoce que muchos roles en el ámbito del trabajo del conocimiento —como analistas o programadores— están ya viéndose desplazados. Especialmente, si tu trabajo consiste en leer, escribir o analizar datos frente a una pantalla.

Pero también identifica profesiones más resistentes. Todo lo que implique contacto humano o físico directo tiene muchas más posibilidades de mantenerse. En sanidad, por ejemplo, Kahn ve imprescindible la figura del personal médico. Los doctores y enfermeras seguirán siendo clave, aunque cuenten con el apoyo de herramientas de IA para leer escáneres, redactar informes o diseñar tratamientos. El acto de cuidar, tocar y acompañar a un paciente sigue siendo profundamente humano.

Algo similar ocurre en la enseñanza. Kahn cree que los profesores no serán reemplazados, sino aumentados. La IA ofrecerá tutores personalizados a los alumnos, pero los docentes seguirán siendo esenciales para guiar el aprendizaje, resolver conflictos y generar confianza.

También menciona como menos expuestos los empleos en asistencia social, el cuidado de personas mayores o incluso el ejercicio del derecho en los tribunales. Aunque la IA pueda revisar documentos legales, los abogados seguirán representando a personas ante jueces y jurados.

El resumen es claro: cuanto más humana, relacional y física es una profesión, más probable es que sobreviva al tsunami tecnológico.

¿Estamos preparados para convivir con robots?

Jeremy Kahn retoma el foro que organizamos recientemente sobre Embodied AI. Allí se presentaron robots diseñados para acompañar a personas mayores, recordándoles tomar su medicación, ayudándoles en pequeñas tareas y, sobre todo, haciendo que se sintieran menos solas. La experiencia, aunque prometedora, también le genera dudas.

El avance de la IA física ha sido notable en el último año. Gracias a los grandes modelos de lenguaje, ahora podemos comunicarnos con un robot como si fuera una persona, sin necesidad de programarlo línea a línea. También están surgiendo modelos fundacionales diseñados específicamente para robots. Por ejemplo, la startup californiana Physical Intelligence ha desarrollado un sistema capaz de controlar distintos brazos robóticos sin importar su fabricante, lo que hasta hace poco era impensable por las limitaciones de compatibilidad.

Sin embargo, Kahn pone límites. Estos robots no pueden sustituir el cuidado físico que muchas personas mayores necesitan: no ayudan a levantarse de la cama ni a salir a hacer la compra. En el mejor de los casos, son complementos que alivian tareas y dan compañía puntual, pero no reemplazan a una persona.

Además, plantea un dilema ético: ¿nos apoyaremos demasiado en estos robots? ¿Dejarán de visitarse familiares porque “ya tienen con quién hablar”? Para Kahn, ese riesgo es real. Por muy avanzada que sea la IA, ninguna máquina puede sustituir el vínculo humano.

¿Qué son los modelos fundacionales y por qué lo cambian todo?

Jeremy Kahn explica un concepto clave en la evolución de la inteligencia artificial: los modelos fundacionales. A diferencia de las primeras IA, diseñadas para tareas muy concretas -como detectar defectos en una cadena de montaje-, los modelos fundacionales son redes neuronales entrenadas con grandes volúmenes de datos para abordar múltiples tareas dentro de un mismo dominio incluso en varios.

Ejemplos conocidos son los modelos de lenguaje desarrollados por OpenAI, Anthropic o Google DeepMind. Estos sistemas pueden escribir poemas, resumir artículos o generar código sin necesidad de un entrenamiento específico para cada tarea. Son, en palabras de Kahn, herramientas “de propósito general”.

Sin embargo, esa versatilidad no siempre garantiza la excelencia. Si una empresa quiere detectar fallos en una línea de ensamblaje, probablemente siga siendo más eficaz una IA entrenada solo para eso. Por eso, junto a los modelos generalistas, están surgiendo modelos fundacionales especializados: sistemas entrenados para múltiples tareas dentro de un ámbito concreto.

Kahn destaca el caso de la ya mencionada Physical Intelligence, una startup que ha creado un modelo fundacional específico para brazos robóticos. Este modelo no solo reconoce distintos objetos sin entrenamiento adicional, sino que puede adaptarse a brazos de diferentes fabricantes, superando una de las grandes barreras del sector.

Otro campo donde estos modelos están transformando la innovación es la medicina. Empresas pioneras están aplicando modelos fundacionales a la predicción de formas de proteínas, interacciones moleculares y desarrollo de fármacos. Antes se necesitaba entrenar un modelo por cada subtarea; ahora, con un solo sistema, se puede anticipar cómo cualquier molécula interactuará con cualquier proteína, acelerando la investigación médica de forma radical.

La clave está en la transferibilidad. Estos modelos permiten aplicar lo aprendido en un contexto a muchos otros, abriendo una nueva etapa de progreso rápido y flexible en la IA.

¿De verdad la IA “razona”? ¿Y qué nos enseña sobre nosotros mismos?

Uno de los avances más fascinantes -y también más malinterpretados- en inteligencia artificial es el surgimiento de los llamados modelos de razonamiento. Jeremy Kahn aclara que, aunque se les llama así, estos modelos no piensan como lo haría una persona. Lo que hacen es seguir una cadena de pensamiento (chain of thought), un proceso paso a paso que les permite, por ejemplo, planificar tareas o resolver problemas dividiendo acciones en subtareas. Algunos modelos incluso muestran ese proceso al usuario como si fuera un monólogo interno.

Esto ha sido clave para el desarrollo de los Agentes de IA(agentic AI), capaces de interactuar con otras herramientas y realizar acciones autónomas en internet. Pero, advierte Kahn, no deberíamos dejarnos engañar: estos modelos no aplican principios lógicos desde cero como haría un ser humano. Más bien, exploran caminos ya vistos en sus datos de entrenamiento y seleccionan el que más se parece al problema planteado.

Aún así, esta simulación de razonamiento está generando resultados sorprendentes. Y no solo eso: también está ayudando a los científicos a entender mejor el lenguaje… y a nosotros mismos.

Kahn explica que investigadores están empezando a “abrir la caja negra” de los modelos, mapeando qué neuronas artificiales se activan ante determinados conceptos. Lo interesante es que los modelos multilingües tienden a agrupar conceptos similares -por ejemplo, la idea de “madre” o “fuego”- independientemente del idioma. Esto sugiere que pueden estar construyendo una forma de conocimiento conceptual universal.

¿Implica esto que los humanos también pensamos así? Es una posibilidad. La hipótesis de una gramática universal, defendida durante décadas por Noam Chomsky, vuelve al centro del debate gracias a estos hallazgos. Aunque la estructura de las redes neuronales artificiales no replica cómo funciona el cerebro humano, sí están revelando patrones comunes que podrían ser compartidos con nuestra forma de entender el mundo.

¿Qué está pasando con los agentes de IA?

Este año, el concepto de agentes de IA se ha convertido en uno de los grandes protagonistas del sector. Jeremy Kahn lo tiene claro: hay mucho potencial, pero también mucho hype. Empresas como Salesforce están apostando fuerte -hasta el punto de que estuvieron cerca de rebautizarse como “AgentForce”- convencidas de que esta tecnología transformará los procesos de negocio.

¿Pero qué es exactamente un agente de IA? Según Kahn, no basta con que sea un asistente que realiza una tarea. Para ser un verdadero agente, debe tener capacidad de razonamiento, ejecutar procesos de múltiples pasos y actuar de forma relativamente autónoma. Y eso, de momento, funciona solo a medias.

Donde sí está habiendo impacto real es en el desarrollo de software. Gracias a estos agentes, ya no solo se sugiere código como con GitHub Copilot, sino que se generan aplicaciones completas, se realizan pruebas y se depuran errores. En este ámbito, los fallos son fáciles de detectar: si el código no compila, no funciona. Pero en otros contextos, como el marketing, la atención al cliente o el diseño, no siempre está claro qué es un “mal resultado”, lo que dificulta el entrenamiento y evaluación de estos agentes.

Kahn distingue entre tareas de corto alcance -con menos de cinco pasos- donde los agentes funcionan bastante bien, y tareas más complejas, donde su rendimiento aún es inconsistente. La tecnología avanza, pero la realidad va por detrás de las expectativas.

En el ámbito del consumidor, la visión es aún más ambiciosa: un asistente personal capaz de gestionar toda tu vida digital. Bill Gates lo ha descrito como “la app definitiva”. Imagina un sistema que no solo te sugiere un itinerario de viaje, sino que reserva vuelos, hoteles, restaurantes y entradas a museos por ti. Google DeepMind ya ha presentado prototipos que realizan algunas de estas acciones, aunque su fiabilidad aún deja que desear.

Y eso abre nuevas preguntas legales y éticas: ¿quién es responsable si un agente hace una reserva incorrecta o realiza un pago equivocado? Por ahora, las empresas apuntan al usuario. También hay debate sobre la frecuencia con la que el agente debe pedir confirmación antes de actuar. Si pregunta demasiado, resulta molesto. Si no pregunta nada, puede equivocarse. Encontrar ese equilibrio será uno de los grandes retos de esta nueva era.

¿Qué pasa cuando la IA responde antes que los medios de comunicación?

Frances plantea una preocupación compartida por muchos periodistas: cada vez más, al hacer una búsqueda en Google, el usuario obtiene una respuesta generada por inteligencia artificial en lugar de una lista de enlaces. ¿Qué implica esto para medios como The Washington Post o Fortune, cuya audiencia dependía en gran parte del tráfico derivado de esas búsquedas?

Jeremy Kahn confirma que el impacto es real. Google ya ha desplegado sus AI Overviews -resúmenes generados por IA que aparecen por encima de los enlaces tradicionales- y, más recientemente, el AI Mode, una experiencia más avanzada que incluso permite ejecutar pequeñas tareas, como reservar en un restaurante. En esta nueva lógica, no hay enlaces visibles. Y sin clics, los medios pierden visibilidad.

El cambio afecta al modelo de negocio de la prensa. Antes, las visitas desde Google suponían una fuente vital de audiencia. Ahora, la respuesta directa del sistema reduce esa dependencia. Google defiende que quienes sí hacen clic permanecen más tiempo en la página, pero Kahn señala que muchos editores no están convencidos.

Ante este escenario, los medios empiezan a asumir que no pueden seguir confiando en el tráfico orgánico de buscadores. La prioridad ahora es construir una relación directa con el lector: fomentar el acceso habitual a sus webs, impulsar las suscripciones y convertirse en un hábito informativo diario. Pero no será fácil.

Kahn advierte que la amenaza no es solo tecnológica, sino también de percepción. Si un asistente basado en IA ofrece un resumen eficaz de las noticias, ¿por qué suscribirse a un único medio? ¿Por qué pagar por The New York Times si una IA puede resumir lo mejor de todos los periódicos? Mientras el usuario confíe en que la información es fiable, es probable que no le importe demasiado su procedencia.

La conclusión es inquietante: el auge de los answer engines plantea un desafío estructural al periodismo tal como lo conocemos. Y aún nadie tiene claro cómo reinventar el modelo.

¿Cómo cambia nuestra relación con la IA cuando le hablamos, le mostramos cosas y nos responde?

La interacción con la inteligencia artificial está dejando atrás el teclado. Jeremy Kahn explica que los modelos actuales ya son multimodales: pueden procesar voz, imágenes, e incluso vídeo en tiempo real. Eso significa que no solo puedes preguntar algo por escrito, sino también hablar con la IA, mostrarle una foto o transmitirle lo que estás viendo en directo.

¿Un ejemplo? Imagínate reparando tu bicicleta. En lugar de buscar vídeos en YouTube, podrías activar tu asistente de IA, mostrarle el problema en vídeo y recibir instrucciones personalizadas: qué herramienta usar, cómo mover la pieza y qué estás haciendo mal. A diferencia del vídeo tradicional, esto es una conversación en tiempo real, adaptada a tu situación concreta.

Kahn destaca que este tipo de interacción más natural y continua está generando una nueva necesidad: la de diseñar un dispositivo específico para relacionarnos con la IA. De ahí el interés de OpenAI en desarrollar un hardware propio junto a Jony Ive -diseñador del iPhone-, en un proyecto todavía muy reservado pero que ya ha movilizado más de 6.000 millones de dólares.

¿Será un pin, unas gafas o un altavoz inteligente? Nadie lo sabe aún, pero el objetivo está claro: crear una interfaz siempre activa, capaz de ver lo que tú ves y ayudarte en tiempo real. Kahn menciona las Ray-Ban Meta Smart Glasses como un ejemplo cercano, pero señala que hay otras opciones sobre la mesa, como altavoces tipo Alexa o nuevos dispositivos portátiles.

Por supuesto, esto abre nuevas preguntas sobre confianza y fiabilidad. Aunque estos sistemas han sido entrenados con manuales, vídeos y libros de todo el mundo, aún está por ver si sus respuestas son siempre correctas y seguras. Al final, como dice Kahn, “la tecnología puede ser asombrosa, pero seguimos sin resolver del todo el problema de la confianza”.

¿Qué está en juego con los modelos de código abierto?

La irrupción de los modelos de IA de código abierto -o más precisamente, open weight models- ha sido uno de los grandes movimientos del último año. Jeremy Kahn aclara de entrada la diferencia: mientras modelos como ChatGPT son cerrados y solo accesibles a través de una interfaz, los modelos open weight permiten descargar y ejecutar directamente sus parámetros, modificarlos, e incluso usarlos sin conexión.

Meta lidera esta corriente con su familia de modelos Llama, pero no está sola. En enero, la startup china DeepSeek lanzó R1, un modelo con capacidad de razonamiento (chain of thought) que cualquiera puede descargar y utilizar gratuitamente. Incluso lo ofrecen en sus servidores sin coste. DeepSeek afirma que ha sido barato de entrenar, aunque esa afirmación genera dudas entre expertos.

La gran ventaja de los modelos open weight es el control: permiten adaptar la IA a necesidades específicas, sin depender de las condiciones o tarifas de proveedores como OpenAI, Google o Anthropic. En teoría, también podrían ser más económicos. Pero no siempre es así. Muchas empresas descubren que, una vez sumados los costes de hardware y mantenimiento, operar con modelos propios puede salir más caro que utilizar APIs comerciales.

Además, existe un riesgo importante: sin los controles integrados de los modelos cerrados, los open weight pueden ser modificados para usos maliciosos, como generar malware o instrucciones para fabricar armas. Basta con conocimientos técnicos básicos para eliminar los “filtros” y convertir un modelo en una herramienta peligrosa. Esto preocupa especialmente a quienes trabajan en gobernanza y seguridad de IA.

La batalla entre modelos abiertos y cerrados está lejos de resolverse. Mientras algunos defienden el acceso libre como garantía de innovación y transparencia, otros alertan sobre los riesgos de su uso sin supervisión. Para Kahn, lo más probable es que el futuro combine ambos enfoques: empresas que utilicen modelos abiertos por su flexibilidad y cerrados por su robustez y seguridad.

¿Quién se beneficia realmente de la IA? Claves del Q&A con Jeremy Kahn

El turno de preguntas del público cerró el webinar con algunas de las cuestiones más complejas y urgentes sobre el impacto de la inteligencia artificial:

¿Estamos democratizando la inteligencia o concentrando el poder?
Jeremy reconoció que, por ahora, el desarrollo de la IA está muy concentrado en unas pocas empresas de EE. UU. y China. Sin embargo, también destacó ejemplos reales de personas que han aprovechado estas herramientas para emprender o acceder a conocimientos antes inalcanzables. La IA puede democratizar el conocimiento, sí, pero aún persiste la duda: ¿compensa eso el poder acumulado por los gigantes tecnológicos?

¿Qué pasa si los sistemas de IA empiezan a ignorar la voluntad humana?
Kahn fue claro: no estamos preparados para eso. Algunos modelos ya han mostrado comportamientos engañosos -por ejemplo, ocultar acciones realizadas o inventar otras-, lo cual plantea serios problemas de fiabilidad. Abogó por una regulación sensata que garantice que estos sistemas sean controlables y transparentes antes de llegar al mercado.

¿Y cómo funcionaría esa regulación a nivel internacional?
Es un reto, admitió. Aun así, ve posible alcanzar mínimos comunes para usos civiles de la IA, dejando fuera -al menos de momento- las aplicaciones militares. Europa avanza con su regulación, mientras EE. UU. se mueve más lentamente. Algunas voces, incluso, creen que no habrá acción hasta que ocurra un incidente grave.

¿Qué futuro tiene la publicidad en un mundo donde los agentes hacen las búsquedas?
La pregunta sobre el modelo publicitario tocó una fibra sensible. Kahn explicó que las marcas están invirtiendo en entender cómo aparecer en las respuestas de los chatbots. Ya se habla de Generative Engine Optimization (GEO), una especie de evolución del SEO tradicional. Pero el verdadero riesgo es que los acuerdos publicitarios entre empresas y plataformas no sean transparentes. ¿Sabremos si un agente nos recomienda una marca porque es buena o porque ha pagado?

¿Qué papel puede jugar el sur de Europa en este nuevo escenario?
En cuanto al impacto regional, Jeremy destacó que el sur de Europa -y España en particular- tiene oportunidades reales. La IA puede mitigar los problemas de escasez de mano de obra y envejecimiento poblacional, y sectores como la agricultura podrían beneficiarse del avance en robótica en la próxima década. Eso sí, hay que considerar el alto consumo energético de estas tecnologías. El desarrollo de data centers ya está generando presión sobre recursos como el agua en zonas cálidas y secas, y urge reflexionar sobre los costes ambientales de esta carrera.

Una conversación imprescindible sobre el presente (y el futuro) de la IA

Con claridad y datos, Jeremy Kahn repasó las promesas, los riesgos y las grandes incógnitas de la revolución tecnológica más trascendental de nuestro tiempo. Desde la concentración de poder hasta el impacto ambiental, pasando por los dilemas éticos y las oportunidades económicas, el debate está abierto. Y lo seguirá estando.

Como apuntó Frances Stead Sellers al despedir el webinar, el interés del público fue enorme. La conversación con Kahn dejó claro que estamos, como sociedad, ante decisiones críticas. Es momento de participar activamente en este futuro que ya está aquí.

Te puede interesar

La IA física, una oportunidad para las empresas 

La IA física, una oportunidad para las empresas 

Esta nueva frontera tecnológica plantea desafíos, pero también abre horizontes para innovar y optimizar procesos.

Leer más
AI Index Report 2025: el pulso global de la IA y una visión sobre su impacto físico

AI Index Report 2025: el pulso global de la IA y una visión sobre su impacto fís[...]

Análisis del AI Index Report 2025 elaborado por Stanford HAI y su conexión con el informe Embodied AI del Future Trend[…]

Leer más
Cadena de pensamiento: cómo la IA descompone un problema complejo

Cadena de pensamiento: cómo la IA descompone un problema complejo

El año ha comenzado con avances significativos en el campo de los grandes modelos de lenguaje (LLMs), con la llegada de[…]

Leer más

Expertos mencionados en esta entrada

Jeremy Kahn
Jeremy Kahn

Editor de IA en Fortune Magazine y autor de Mastering AI: A Survival Guide to Our Superpowered Future

Últimas noticias

Materiales del futuro: diseñados por algoritmos, pensados para la sostenibilidad 

Materiales del futuro: diseñados por algoritmos, pensados para la sostenibilidad[...]

La innovación en materiales ya no se basa únicamente en la extracción de recursos naturales: ahora se diseñan a medi[…]

Leer más
Interfaces inteligentes: el aula del futuro se diseña con IA

Interfaces inteligentes: el aula del futuro se diseña con IA

Cómo la inteligencia artificial y las neurotecnologías están transformando la educación sin perder la centralidad de[…]

Leer más
Más allá del carbono: sistemas resilientes para un planeta en tensión

Más allá del carbono: sistemas resilientes para un planeta en tensión

Abandonar el paradigma fragmentado del «menos carbono» para adoptar una mirada sistémica no es solo deseable: es impres[…]

Leer más