El economista de Princeton Markus Brunnermeier advirtió en Jackson Hole que los agentes financieros de IA podrían entender y aprovechar la política monetaria antes de que las autoridades logren responder. Su trabajo imaginó una Reserva Federal con dos conferencias de prensa, una para orientar a las personas y otra para suministrar datos de entrenamiento a las máquinas. También planteó que los bancos centrales podrían volverse menos predecibles para impedir que los operadores automáticos exploten sus señales. La propuesta se presentó en el simposio anual de la Reserva Federal de Kansas City sobre innovación financiera. Brunnermeier llamó a este desequilibrio “comprensión asimétrica”, una situación en la que los mercados equipados con agentes avanzados pueden leer al banco central mejor de lo que este comprende a los mercados.

Un comunicado sobre tasas de interés mueve los precios de bonos y monedas pocos instantes después de publicarse. Un agente puede analizar cada palabra, compararla con años de datos y ejecutar operaciones mientras los periodistas preparan sus preguntas. La transparencia llega al público a velocidades desiguales. Dividir la comunicación entre un relato humano y un flujo legible por máquinas formalizaría dos audiencias para una misma decisión. Ese flujo se convertiría en infraestructura financiera para instituciones capaces de entrenar sistemas con él, mientras los hogares recibirían el efecto mediante hipotecas, ahorros y pensiones. Cualquier arreglo semejante necesitaría una hora pública de difusión, un formato abierto, reglas de acceso iguales y un registro de las operaciones automáticas ejecutadas antes de terminar la conferencia humana.

Meta está probando robots capaces de cambiar cables de red, cortar y restaurar la energía de servidores, recolocar componentes e inspeccionar equipos en centros de datos de Iowa y Ohio, según WIRED. Las pruebas incluyen máquinas de dos brazos supervisadas por personas y plataformas móviles en el campus Prometheus. Un trabajador calculó que un robot capaz de cambiar cables podría absorber hasta el 80 por ciento de algunas cargas de trabajo. Las máquinas actuales siguen siendo más lentas que las personas, necesitan recargas frecuentes, tropiezan con cables sueltos y a veces requieren que alguien abra puertas o las traslade entre edificios. Un robot de inspección tampoco distingue las luces rojas de las verdes. Meta no habló sobre las pruebas; un portavoz dijo que la empresa invierte en capacitación y contratación porque faltan trabajadores especializados.

Cada consulta a un chatbot depende de estantes que deben conectarse, inspeccionarse y reiniciarse cuando el software no logra recuperarlos a distancia. Un técnico reconoce un conector dañado, la tensión incorrecta de un cable y las irregularidades que convierten un reinicio rutinario en una reparación más larga. Automatizar esos gestos puede reducir el levantamiento de equipos y las rondas repetitivas mientras elimina puestos iniciales donde los técnicos aprenden el edificio. Si Meta rediseña estantes, puertas y cableado para el acceso robótico, el centro de datos será legible primero para sus máquinas y después para quienes las supervisan. Por ahora, el robot que reinicia un servidor todavía puede necesitar que un trabajador desenrede su cable, interprete la luz de advertencia y le abra la siguiente puerta.

Enfermeras registradas realizaron protestas coordinadas en ocho ciudades de Estados Unidos el 27 de agosto y pidieron a hospitales y autoridades que cancelen sus contratos con Palantir. Más de cien enfermeras bloquearon el tránsito frente a la antigua sede de la empresa en Palo Alto, según KQED. National Nurses United afirma que HCA Healthcare usa herramientas de Palantir para centralizar la dotación y los horarios, mientras Mount Sinai emplea su software para evaluar qué pacientes pueden recibir atención en casa. Craig Cedotal, enfermero pediátrico que trabajó en un hospital de HCA, dijo que las recomendaciones automáticas suelen ignorar las necesidades reales de un turno. HCA no respondió a KQED.

Un sistema de dotación llega a la sala mediante un horario. Su cálculo determina cuántas enfermeras estarán presentes, qué experiencia habrá disponible y cuánto tardará en atenderse un pedido de ayuda. Cuando la recomendación es opaca, la dirección puede presentar una decisión presupuestaria como un resultado neutral, mientras las enfermeras absorben el efecto mediante más pacientes y menos tiempo junto a cada cama. El sindicato también vinculó las compras hospitalarias con el trabajo de Palantir para las autoridades migratorias y el ejército israelí, ampliando la disputa desde el control laboral hasta la ética institucional. Un hospital que compra horarios automatizados debe revelar los datos, supuestos, reglas de excepción y registros de cada turno. El contrato debe permitir que la enfermera a cargo rechace un plan generado por la máquina antes de que el primer paciente quede esperando.

Más de cien empresas y organizaciones, entre ellas OpenAI, Anthropic, AWS, Google, Microsoft y Oracle, han firmado un llamado a reforzar la defensa informática en todo el mundo. La carta advierte que los ataques apoyados por IA serán más frecuentes y sofisticados durante los próximos meses, con hospitales, plantas de tratamiento de agua e infraestructura de internet entre los objetivos más expuestos. Pide a las organizaciones que den prioridad inmediata a la seguridad, a los proveedores que prueben sus defensas frente a las capacidades más avanzadas y a los gobiernos que financien servicios esenciales sin personal ni presupuesto suficientes. Las empresas de IA deberán ofrecer acceso responsable a sus modelos, capacitación, fondos y apoyo práctico.

La coalición convierte una emergencia técnica en un problema de dependencia pública. Las instituciones que sostienen la vida cotidiana suelen operar programas antiguos con presupuestos estrechos, mientras los modelos defensivos más capaces, la información sobre amenazas y la experiencia de evaluación se concentran en empresas que fijan las condiciones de acceso. Un hospital o una empresa municipal puede necesitar permiso privado para proteger una obligación pública. Compartir reparaciones verificadas reduciría ese desequilibrio, aunque también concede a los laboratorios de IA y a los proveedores de nube una función inusual al decidir qué defensores reciben herramientas avanzadas y cuándo. El valor de la carta se medirá fuera de la lista de firmantes, cuando una planta de agua pueda obtener una prueba autorizada, reparar un sistema expuesto sin interrumpir el servicio y compartir la solución con otra ciudad antes de que alguien aproveche la misma falla.

Anthropic ha permitido que equipos de Stanford, Oxford y METR analicen patrones agregados de unas 250.000 conversaciones reales de Claude.ai o Claude Code, recopiladas en abril y mayo. Los investigadores eligieron sus preguntas y Anthropic las ejecutó mediante Insights, un sistema que devuelve patrones agrupados sin exponer los chats originales. El laboratorio SALT de Stanford encontró que más de la mitad de la muestra contenía tareas con consecuencias, es decir, trabajos que afectan a otras personas o son difíciles de revertir. La orientación legal y financiera apareció con frecuencia. En casi tres cuartas partes de las conversaciones colaborativas, los usuarios todavía marcaban la dirección y adaptaban la respuesta de Claude en vez de aceptarla literalmente.

Anthropic conserva el control de la muestra, los umbrales de privacidad, el sistema de análisis y los límites de revisión. Los investigadores externos pueden formular preguntas independientes, pero los datos publicados contienen grupos agregados, no las conversaciones que los produjeron. Otro investigador no puede comparar cada clasificación con el diálogo original. El acceso directo expondría vidas privadas. Sin acceso, las autoridades dependerían de los resúmenes de la empresa. La capa intermedia de Anthropic permite cierto examen mientras mantiene la evidencia dentro de su infraestructura. Ese arreglo adquiere peso cuando las personas llevan contratos, dinero, asesoría profesional y decisiones que afectan a otros hasta una ventana de chat. Los próximos investigadores deberán enviar una manifestación de interés, y Anthropic decidirá quién obtiene acceso y ejecutará las consultas en su nombre.

El Ministerio de Justicia y la Oficina de Propiedad Intelectual de Singapur han abierto una consulta pública sobre cómo debería la inteligencia artificial modificar las normas de copyright y patentes del país. Una de las preguntas sobre patentes es especialmente concreta. Examina cómo debe responder la ley cuando sistemas de IA publican divulgaciones técnicas a gran escala y alteran el estado de la técnica utilizado para decidir si una invención es nueva. La consulta también pregunta cómo asignar la autoría inventiva ante distintos grados de participación humana y automatizada. El derecho de patentes ha supuesto durante mucho tiempo que el conocimiento técnico nuevo llega mediante una cadena limitada de investigación, gastos, experimentos y divulgación. Los sistemas generativos pueden producir especificaciones plausibles con mucha mayor rapidez, incluso para dispositivos que quizá nunca fueron construidos ni probados.

Una avalancha de divulgaciones generadas podría convertir el archivo de patentes en una competencia de volumen. Los examinadores tendrían más documentos que comparar, los solicitantes podrían encontrar descripciones automatizadas anteriores de ideas similares y las empresas podrían publicar de manera defensiva para impedir que sus competidores obtengan derechos. La publicación defensiva ya existe, pero la generación reduce el coste de producir lenguaje técnico a escala industrial. Un documento puede entrar en el registro sin taller, prototipo, fracaso ni una persona capaz de explicar por qué debería existir ese objeto. Singapur estudia ajustes legales, guías y medidas técnicas no vinculantes, sin anunciar todavía una respuesta definitiva. La consulta permanecerá abierta hasta el 22 de octubre. La futura norma deberá distinguir una divulgación útil de la abundancia automatizada antes de que esta se convierta en evidencia consultable contra la próxima solicitud humana.

La Autoridad de Protección de Datos de los Países Bajos ha multado a Uber con 824,99 millones de euros tras determinar que algunas cuentas de conductores habían sido desactivadas de forma temporal o permanente mediante decisiones automatizadas sin intervención humana. El caso comenzó con una denuncia colectiva que representaba a más de 170 conductores. Según la CNIL francesa, que colaboró en la investigación, las sospechas de fraude y las bajas calificaciones de los clientes podían activar bloqueos que impedían aceptar viajes y generar ingresos. Uber rechaza la versión del regulador, afirma que las desactivaciones permanentes reciben revisión humana y que los conductores pueden apelar, y anunció que recurrirá la decisión.

La multa hace visible la gestión algorítmica justo en el punto donde el software se convierte en jefe. Una plataforma puede describir al conductor como independiente, pero su interfaz aún decide cuándo empieza el trabajo, cómo se mide la conducta y si existirá el ingreso de mañana. Los sistemas de detección de fraude y calificación prometen rapidez, pero la rapidez cambia de sentido cuando la persona afectada debe demostrar un error ante un proceso que no puede ver. La norma europea contra las decisiones automatizadas de alto impacto exige algo corriente: una persona capaz de explicar, escuchar y asumir responsabilidad. La imagen más reveladora no es un tribunal ni una sala de servidores. Es un automóvil estacionado, una aplicación apagada y un trabajador esperando que el sistema le permita volver a trabajar.

Un robot humanoide llamado Lightning, construido por el fabricante de teléfonos Honor, corrió 100 metros en 9,32 segundos durante una prueba preparatoria en los Segundos Juegos Mundiales de Robot Humanoide en Beijing. El tiempo supera el récord mundial de Usain Bolt de 9,58 segundos establecido en 2009. En la preliminar oficial, Lightning marcó 9,47. Otro robot, Tiangong Ultra del Centro de Innovación de Robot Humanoide de Beijing, terminó en 9,39. Ambos tiempos son más rápidos que cualquier ser humano. Los robots alcanzaron velocidades superiores a 14 metros por segundo. Ninguno pudo frenar. Al cruzar la línea de meta, Lightning perdió el equilibrio y chocó contra las colchonetas de seguridad. Varios robots más cayeron o colisionaron. La primera edición de estos juegos, en 2025, se ganó en 21,50 segundos. Un año después, las máquinas redujeron ese tiempo a la mitad y retiraron al cuerpo humano del primer lugar de la carrera.

El récord cambia la conversación de la inteligencia a la carne. La IA ya superaba a los humanos en ajedrez, lenguaje, diagnóstico e imagen. Los 100 metros eran el último territorio donde el cuerpo aún tenía ventaja. El récord de Bolt no era solo velocidad. Era producto de tendones, pulmones, tiempo de reacción y un sistema nervioso refinado en millones de años. Un robot no respira, no se cansa, no vacila en el bloque de salida. Acelera sin narrativa. El problema es frenar. Un velocista frena con propiocepción, equilibrio y control motor aprendido desde la infancia. El robot que vence a Bolt aún no sabe cómo dejar de ser rápido.

Francia se convirtió en el primer país europeo en excluir explícitamente a OpenAI de un contrato gubernamental de inteligencia artificial, eligiendo a Mistral como proveedor soberano para trabajo administrativo sensible. El ministro de Presupuesto, David Amiel, anunció la decisión después de una brecha en la agencia tributaria que expuso datos personales de más de 700.000 contribuyentes. “Esto excluye a OpenAI”, dijo Amiel a periodistas, trazando una línea que era más jurisdiccional que tecnológica. La filtración reveló que registros fiscales habían pasado por sistemas con dependencias extranjeras, y el gobierno respondió eligiendo un modelo doméstico que puede auditar, regular y someter a la ley francesa.

La exclusón reencuadra el debate de soberanía: el objeto ya no son cláusulas de compra, sino acceso directo. Un contrato de nube se renegocia, pero la cadena de entrenamiento de un modelo, la distribución de sus pesos y la gobernanza de su API pertenecen a quien lo construyó. Francia no rechaza la IA estadounidense por principio. Afirma que ciertas funciones públicas no pueden depender de infraestructura cuyas condiciones de servicio, controles de exportación y políticas de datos están escritas en otro país. Mistral ahora asume la obligación de funcionar a una escala a la que su rival fue prohibida. Si el sistema falla, el costo político queda doméstico. Si funciona, el precedente viajará por cada ministerio europeo que observó la brecha y contó los nombres expuestos.