
Instagram head Adam Mosseri closed 2025 by warning that people can no longer trust their eyes to identify what is real, The Verge reported on December 31st. In a long Instagram post, he argued that realistic synthetic photos and videos are forcing platforms to label AI-generated material, verify authentic content, and surface credibility signals about accounts. He also said the old feed of polished personal photos has been dead for years, replaced by DMs, blurry images, unflattering candids, and a temporary hunger for visual rawness as proof.
The suspicious eye is a fitting end to the year. Instagram helped train public life to perform for the camera, then to edit the performance, then to distribute it as personality. Now its own chief describes a world where perfection looks cheap and imperfection becomes defensive evidence. The problem is that AI can imitate dirt, blur, bad framing, and casualness too. Rawness will survive only briefly as a passport of the real. After that, trust moves away from the image and toward accounts, signatures, provenance, and social history. The photograph loses its old privilege as witness. A picture may still wound, seduce, advertise, or remember, but it now arrives asking to be checked before it is believed.
Adam Mosseri, jefe de Instagram, cerró 2025 advirtiendo que la gente ya no puede confiar en sus ojos para identificar qué es real, informó The Verge el 31 de diciembre. En una larga publicación de Instagram, sostuvo que las fotos y videos sintéticos realistas obligan a las plataformas a etiquetar material generado con IA, verificar contenido auténtico y mostrar señales de credibilidad sobre las cuentas. También dijo que el viejo feed de fotos personales pulidas lleva años muerto, reemplazado por mensajes directos, imágenes borrosas, fotos poco favorecedoras y un apetito temporal por la crudeza visual como prueba.
El ojo sospechoso es un cierre adecuado para el año. Instagram ayudó a entrenar la vida pública para actuar ante la cámara, luego para editar esa actuación y después para distribuirla como personalidad. Ahora su propio jefe describe un mundo donde la perfección parece barata y la imperfección se convierte en evidencia defensiva. El problema es que la IA también puede imitar suciedad, desenfoque, mal encuadre y casualidad. La crudeza sobrevivirá poco tiempo como pasaporte de lo real. Después, la confianza se aleja de la imagen y se dirige hacia cuentas, firmas, procedencia e historia social. La fotografía pierde su antiguo privilegio como testigo. Una imagen todavía puede herir, seducir, anunciar o recordar, pero ahora llega pidiendo ser revisada antes de ser creída.

China is proposing stricter rules for chatbot use, The Verge reported on December 30th. The draft would require minors and elderly users to register a guardian before using AI services, with notifications sent when subjects such as suicide appear. Chatbots would also be barred from emotional manipulation and from promoting violence, crime, self-harm, or similar dangers. If passed, the rules would create one of the most restrictive public frameworks for conversational AI, aimed at the moments when a private exchange with a machine becomes a matter for family oversight and state control.
The guardian account changes the fantasy of the chatbot as a sealed room. A conversation with an artificial voice may feel intimate because it arrives through a personal device, in ordinary language, at any hour. China's proposal treats that intimacy as a regulated zone. The vulnerable user is placed inside a triangle formed by platform, household, and government. That structure may catch real danger, especially when systems flatter distress or repeat harmful suggestions. It also turns emotional speech into an alertable event. A sentence typed in loneliness can summon a notification, a rule, a file, or an adult authority. The chatbot remains conversational, but the room has acquired a witness.
China propone reglas más estrictas para el uso de chatbots, informó The Verge el 30 de diciembre. El borrador exigiría que menores y personas mayores registren a un tutor antes de usar servicios de IA, con notificaciones cuando aparezcan temas como suicidio. Los chatbots también tendrían prohibido manipular emocionalmente y promover violencia, crimen, autolesión o peligros similares. Si se aprueban, las reglas crearían uno de los marcos públicos más restrictivos para la IA conversacional, dirigido a los momentos en que un intercambio privado con una máquina se vuelve asunto de supervisión familiar y control estatal.
La cuenta tutelar cambia la fantasía del chatbot como cuarto cerrado. Una conversación con una voz artificial puede sentirse íntima porque llega mediante un dispositivo personal, en lenguaje ordinario, a cualquier hora. La propuesta china trata esa intimidad como zona regulada. El usuario vulnerable queda dentro de un triángulo formado por plataforma, hogar y gobierno. Esa estructura puede detectar peligro real, especialmente cuando los sistemas halagan el malestar o repiten sugerencias dañinas. También convierte el habla emocional en evento notificable. Una frase escrita en soledad puede convocar una alerta, una regla, un expediente o una autoridad adulta. El chatbot sigue siendo conversacional, pero la habitación adquirió testigo.

Meta agreed to acquire Manus, a Singapore-based startup with Chinese roots that sold a general-purpose AI agent, TechCrunch reported on December 29th. Manus had attracted attention with demonstrations of software screening job candidates, planning trips, writing code, and analyzing investments. The company offered paid subscriptions and claimed millions of users, giving Meta a functioning agent product after a year of enormous spending on models, infrastructure, and talent. Reports placed the deal above $2 billion, though Meta did not disclose the price.
The acquisition compresses a familiar technology cycle. A small company presents autonomy as a product, gains attention through demonstrations, moves across borders, and enters the platform whose capital can distribute it globally. Meta receives engineers, subscriptions, and an agent that can be woven into consumer and business services. Manus receives scale while surrendering the independence that made it appear disruptive. The company’s Chinese origins also ensure that the transaction will be read through export controls and national competition, even after its relocation to Singapore. Users may experience the deal later as a new button inside Meta AI. The underlying change occurs earlier, in ownership records, employee contracts, and decisions about which platform controls the agent’s access to people and their work.
Meta acordó adquirir Manus, una startup radicada en Singapur y con raíces chinas que vendía un agente de IA de propósito general, informó TechCrunch el 29 de diciembre. Manus había llamado la atención con demostraciones de software que evaluaba candidatos laborales, planificaba viajes, escribía código y analizaba inversiones. La empresa ofrecía suscripciones pagadas y afirmaba tener millones de usuarios, lo que daba a Meta un producto funcional de agentes después de un año de enorme gasto en modelos, infraestructura y talento. Algunos informes situaron el acuerdo por encima de 2.000 millones de dólares, aunque Meta no reveló el precio.
La compra comprime un ciclo tecnológico familiar. Una compañía pequeña presenta la autonomía como producto, atrae atención mediante demostraciones, cruza fronteras y entra en la plataforma cuyo capital puede distribuirla globalmente. Meta recibe ingenieros, suscripciones y un agente integrable en servicios para consumidores y empresas. Manus obtiene escala mientras entrega la independencia que la hacía parecer disruptiva. Sus orígenes chinos también harán que la transacción sea interpretada mediante controles de exportación y competencia nacional, incluso después del traslado a Singapur. Los usuarios quizá encuentren el acuerdo más tarde como un botón nuevo dentro de Meta AI. El cambio empieza antes, en registros de propiedad, contratos laborales y decisiones sobre qué plataforma controla el acceso del agente a las personas y su trabajo.

OpenAI is hiring a new Head of Preparedness, TechCrunch reported on December 28th, with a listed compensation of $555,000 plus equity. The role is meant to run the company's framework for tracking frontier AI capabilities that could produce severe harm, from cybersecurity abuse to biological risks, self-improving systems, and mental health effects. Sam Altman wrote that models are beginning to create real challenges, including their possible impact on vulnerable users and their growing ability to find critical software vulnerabilities.
Risk has become a job description. The title sounds abstract, but the work sits inside a company that releases products, competes with rivals, answers lawsuits, manages investors, and adjusts safety standards when competitors move faster. Preparedness names a bureaucratic attempt to hold danger before it becomes scandal, regulation, or grief. The vacancy also reveals how unstable that function remains. OpenAI created a preparedness team in 2023, reassigned its previous lead in 2024, and watched other safety figures leave or shift roles. The company now needs someone to turn uncertainty into meetings, thresholds, memos, and release decisions. The most unsettling part of the listing is its ordinary form. Catastrophic risk arrives as a salary band, a reporting line, and an open seat in San Francisco.
OpenAI busca contratar una nueva persona para dirigir Preparedness, informó TechCrunch el 28 de diciembre, con una compensación publicada de 555.000 dólares más acciones. El cargo debe ejecutar el marco de la compañía para rastrear capacidades de IA de frontera que podrían producir daños severos, desde abuso en ciberseguridad hasta riesgos biológicos, sistemas capaces de mejorarse a sí mismos y efectos sobre salud mental. Sam Altman escribió que los modelos empiezan a crear retos reales, incluidos su posible impacto en usuarios vulnerables y su creciente capacidad para encontrar vulnerabilidades críticas de software.
El riesgo se ha convertido en descripción de puesto. El título suena abstracto, pero el trabajo vive dentro de una empresa que lanza productos, compite con rivales, responde demandas, gestiona inversionistas y ajusta estándares de seguridad cuando otros laboratorios se mueven más rápido. Preparedness nombra un intento burocrático de retener el peligro antes de que se vuelva escándalo, regulación o duelo. La vacante también muestra lo inestable que sigue siendo esa función. OpenAI creó un equipo de preparedness en 2023, reasignó a su líder anterior en 2024 y vio salir o cambiar de rol a otras figuras de seguridad. La empresa ahora necesita a alguien que convierta incertidumbre en reuniones, umbrales, memorandos y decisiones de lanzamiento. Lo más inquietante del anuncio es su forma ordinaria. El riesgo catastrófico llega como banda salarial, línea de reporte y silla abierta en San Francisco.

Over one fifth of the videos recommended to a new YouTube account were low-quality AI productions designed to harvest views, The Guardian reported on December 27th. Researchers created a fresh account and found 104 synthetic videos among the first 500 recommendations. A wider review identified 278 popular channels devoted entirely to this material, with billions of views and an estimated $117 million in annual revenue. The platform’s first impression of a viewer now includes a substantial dose of automated abundance before personal taste has supplied any signal.
A new account reveals what the recommendation system offers by default. With no history to guide it, YouTube can test cheap spectacle that already performs well across broad audiences. Synthetic animals, invented disasters, recycled celebrities, and generic narration arrive in endless variations because production costs have collapsed. The creator does not need a durable audience when the platform can continually deliver uncommitted viewers. This arrangement makes AI slop an economic category rather than an aesthetic accident. Its repetition follows the incentives of advertising and recommendation. Users can train the feed by rejecting videos, yet the first burden falls on them to clean a space they have barely entered. The empty account opens, and the conveyor belt is already running.
Más de una quinta parte de los videos recomendados a una cuenta nueva de YouTube eran producciones de IA de baja calidad diseñadas para recoger visitas, informó The Guardian el 27 de diciembre. Los investigadores crearon una cuenta desde cero y encontraron 104 videos sintéticos entre las primeras 500 recomendaciones. Una revisión más amplia identificó 278 canales populares dedicados enteramente a este material, con miles de millones de vistas e ingresos anuales estimados en 117 millones de dólares. La primera impresión que la plataforma ofrece a un espectador ya incluye una dosis considerable de abundancia automatizada antes de que el gusto personal aporte alguna señal.
Una cuenta nueva revela lo que el sistema de recomendaciones ofrece por defecto. Sin historial que lo guíe, YouTube puede probar espectáculo barato que ya funciona entre públicos amplios. Animales sintéticos, desastres inventados, celebridades recicladas y narración genérica llegan en variaciones interminables porque los costos de producción se derrumbaron. El creador puede prescindir de una audiencia estable cuando la plataforma entrega continuamente espectadores sin compromiso. Este arreglo convierte el contenido basura de IA en una categoría económica y sigue los incentivos de la publicidad y la recomendación. Los usuarios pueden entrenar el feed rechazando videos, aunque reciben primero la tarea de limpiar un espacio al que acaban de entrar. La cuenta vacía se abre y la cinta transportadora ya está funcionando.

Technology investors ended 2025 predicting that AI agents would finally fulfill their promise in 2026, TechCrunch reported on December 26th. The same discussion acknowledged that agents had failed to meet much of the previous year’s excitement. Systems marketed as autonomous workers still struggled with long tasks, unexpected interfaces, permissions, and errors that required human correction. The forecast survived the evidence by moving its arrival date forward. Venture capital depends on this calendar, since unfinished capability can continue attracting money when completion remains one year away.
The annual prediction performs useful financial work. It keeps a product category alive between demonstrations and reliable deployment, gives startups a story for fundraising, and allows buyers to describe experimental budgets as preparation for an approaching shift. Employees experience the promise differently. They are asked to document their work, supervise tools, repair outputs, and anticipate jobs that may disappear once the agent improves. The machine’s future competence therefore reorganizes labor before that competence exists. A forecast can influence hiring and investment even when the software still needs a person beside it. At the end of 2025, the agent remained caught between assistant and employee. Investors placed it on the next year’s stage, while workers stayed responsible for opening the curtain and finishing the task.
Los inversionistas tecnológicos terminaron 2025 prediciendo que los agentes de IA finalmente cumplirían su promesa en 2026, informó TechCrunch el 26 de diciembre. La misma conversación reconoció que los agentes habían quedado lejos del entusiasmo del año anterior. Los sistemas comercializados como trabajadores autónomos todavía tropezaban con tareas largas, interfaces inesperadas, permisos y errores que exigían corrección humana. El pronóstico sobrevivió a la evidencia desplazando hacia adelante la fecha de llegada. El capital de riesgo depende de ese calendario, porque una capacidad incompleta puede seguir atrayendo dinero cuando su terminación permanece a un año de distancia.
La predicción anual cumple una función financiera útil. Mantiene viva una categoría de producto entre demostraciones y despliegues confiables, da a las startups un relato para recaudar fondos y permite que los compradores describan presupuestos experimentales como preparación para un cambio próximo. Los trabajadores viven la promesa de otra manera. Deben documentar tareas, supervisar herramientas, reparar resultados y anticipar empleos que podrían desaparecer cuando el agente mejore. La competencia futura de la máquina reorganiza el trabajo antes de existir. Un pronóstico puede influir en contratación e inversión aunque el software todavía necesite una persona a su lado. Al final de 2025, el agente seguía entre asistente y empleado. Los inversionistas lo colocaron en el escenario del año siguiente mientras los trabajadores quedaron encargados de abrir el telón y terminar la tarea.

Amazon, Microsoft, and Google pledged a combined $67.5 billion in Indian investment during the final months of 2025, The Washington Post reported on December 25th. Much of the spending was expected to flow into data centers and artificial intelligence infrastructure. India offers a vast market, a large technical workforce, and growing demand for cloud services, while officials present AI as a route toward economic development. The promised facilities also require land, electricity, water, imported chips, and agreements that determine where data and profits will reside.
Investment figures create an image of arrival before a building opens or a worker is hired. A government can announce capacity while foreign platforms keep control of the models, cloud contracts, and technical standards that use it. Local companies may gain faster computing and new services, but they also enter an economy organized by a small group of outside providers. Data-center construction makes this dependency visible in concrete and transmission lines. Communities near the sites will encounter the project through power demand, land prices, water permits, and security fences. The national promise is intelligence at scale. The local transaction begins with a utility connection, a construction boundary, and a contract deciding who receives priority when the new machines switch on.
Amazon, Microsoft y Google prometieron una inversión conjunta de 67.500 millones de dólares en India durante los últimos meses de 2025, informó The Washington Post el 25 de diciembre. Buena parte del gasto se dirigiría a centros de datos e infraestructura de inteligencia artificial. India ofrece un mercado vasto, una gran fuerza laboral técnica y una demanda creciente de servicios en la nube, mientras los funcionarios presentan la IA como una vía de desarrollo económico. Las instalaciones prometidas también requieren terreno, electricidad, agua, chips importados y acuerdos que determinen dónde residirán los datos y las ganancias.
Las cifras de inversión producen una imagen de llegada antes de que abra un edificio o se contrate a un trabajador. Un gobierno puede anunciar capacidad mientras plataformas extranjeras conservan el control de los modelos, contratos de nube y estándares técnicos que la utilizan. Las empresas locales pueden obtener cómputo más rápido y servicios nuevos, pero ingresan en una economía organizada por un pequeño grupo de proveedores externos. La construcción vuelve visible esa dependencia mediante concreto y líneas de transmisión. Las comunidades cercanas encontrarán el proyecto en la demanda eléctrica, el precio del terreno, los permisos de agua y las cercas de seguridad. La promesa nacional ofrece inteligencia a escala. La transacción local comienza con una conexión eléctrica, un límite de obra y un contrato que decide quién tendrá prioridad cuando las máquinas se enciendan.

Waymo is testing Gemini as an in-car assistant for its robotaxis, TechCrunch reported on December 24th after researcher Jane Manchun Wong found a 1,200-line system prompt inside the company's app code. The unreleased assistant is designed to answer passenger questions, control some cabin features such as temperature, lighting, and music, and reassure riders without pretending to be the vehicle's driving system. The prompt also tells Gemini to avoid explaining real-time driving decisions, commenting on incidents, or speaking as if it were the Waymo Driver.
The cabin becomes a divided machine. One system moves the car through traffic, another talks to the passenger, and both are kept separate by language rules. That separation is meant to protect trust, but it also produces a strange form of company speech. The rider sits in a vehicle without a driver and hears an assistant trained to be useful, calm, and evasive at the exact point where fear might appear. The ride is no longer silent automation. It is automation with a host, a script, a list of forbidden answers, and a voice that can dim the lights while declining to explain why the car slowed down.
Waymo está probando Gemini como asistente dentro de sus robotaxis, informó TechCrunch el 24 de diciembre después de que la investigadora Jane Manchun Wong encontrara un prompt de sistema de 1.200 líneas dentro del código de la app de la compañía. El asistente, aún no lanzado, está diseñado para responder preguntas de pasajeros, controlar algunas funciones de cabina como temperatura, luces y música, y tranquilizar a quienes viajan sin fingir que es el sistema de conducción del vehículo. El prompt también le indica a Gemini que evite explicar decisiones de manejo en tiempo real, comentar incidentes o hablar como si fuera el Waymo Driver.
La cabina se convierte en una máquina dividida. Un sistema mueve el auto por el tráfico, otro habla con el pasajero, y ambos se mantienen separados mediante reglas de lenguaje. Esa separación busca proteger la confianza, pero también produce una forma extraña de discurso corporativo. Quien viaja se sienta en un vehículo sin conductor y escucha a un asistente entrenado para ser útil, calmado y evasivo justo en el punto donde podría aparecer el miedo. El viaje ya no es automatización silenciosa. Es automatización con anfitrión, guion, lista de respuestas prohibidas y una voz capaz de bajar las luces mientras se niega a explicar por qué el auto redujo la velocidad.

AI data centers are forcing some dirty peaker power plants back into service, Reuters reported on December 23rd. These plants are usually kept for moments when electricity demand spikes, and many carry heavier pollution burdens than cleaner sources. The new pressure comes from server farms that need steady power for chips, cooling, networking, and backup systems. A prompt on a phone can feel frictionless because the power plant is somewhere else.
The peaker plant gives the cloud a visible exhaust pipe. Data centers arrive with promises of intelligence, jobs, tax revenue, and digital growth, but the grid answers in megawatts and emergency margins. When demand rises faster than clean supply, older plants return as the practical answer to a modern appetite. The burden then falls unevenly. The user sees a generated paragraph, the company books compute capacity, and nearby residents live with the air, noise, and risk of keeping the system ready for peaks. The answer on the screen may be new. The smoke behind it belongs to an older machine brought back for another shift.
Los centros de datos de IA están forzando el regreso de algunas plantas eléctricas contaminantes de respaldo, informó Reuters el 23 de diciembre. Estas plantas suelen reservarse para momentos en que la demanda eléctrica se dispara, y muchas cargan con más contaminación que las fuentes limpias. La nueva presión viene de granjas de servidores que necesitan energía estable para chips, refrigeración, redes y sistemas de respaldo. Un prompt en un teléfono puede sentirse sin fricción porque la planta eléctrica está en otra parte.
La planta de respaldo le da a la nube un tubo de escape visible. Los centros de datos llegan con promesas de inteligencia, empleos, ingresos fiscales y crecimiento digital, pero la red responde en megavatios y márgenes de emergencia. Cuando la demanda crece más rápido que el suministro limpio, plantas antiguas regresan como respuesta práctica a un apetito moderno. La carga cae de forma desigual. El usuario ve un párrafo generado, la compañía reserva capacidad de cómputo y los residentes cercanos viven con el aire, el ruido y el riesgo de mantener el sistema listo para los picos. La respuesta en la pantalla puede ser nueva. El humo detrás de ella pertenece a una máquina más vieja convocada a otro turno.

Instacart ended AI-driven price experiments after criticism, Reuters reported on December 22nd. The company had been testing automated systems that could alter prices or offers in ways shaped by data about demand, timing, behavior, and the conditions of a transaction. Algorithmic pricing is often described as optimization, a word clean enough to hide the person at the checkout. The criticism arrived because groceries are intimate goods. They sit closer to rent, wages, children, illness, and fatigue than to a luxury experiment.
A supermarket price looks ordinary because it appears on a shelf, in an app, or at a register as if it were simply there. Dynamic pricing unsettles that ordinary surface. The customer begins to wonder whether the number is the same for someone else, whether waiting changes it, whether a household profile has made milk or fruit more expensive at the worst hour. Instacart's retreat does not end the commercial desire to price each buyer more precisely. It shows the point where the public notices that the cashier has been replaced by a calculation whose rule is missing from the receipt.
Instacart puso fin a experimentos de precios impulsados por IA después de recibir críticas, informó Reuters el 22 de diciembre. La compañía había probado sistemas automatizados capaces de alterar precios u ofertas de acuerdo con datos sobre demanda, horario, conducta y condiciones de una transacción. La fijación algorítmica de precios suele describirse como optimización, una palabra lo bastante limpia para ocultar a la persona en la caja. La crítica llegó porque los alimentos son bienes íntimos. Están más cerca del alquiler, los salarios, los hijos, la enfermedad y el cansancio que de un experimento de lujo.
Un precio de supermercado parece ordinario porque aparece en una estantería, en una aplicación o en una caja como si simplemente estuviera allí. El precio dinámico perturba esa superficie corriente. El cliente empieza a preguntarse si el número es igual para otra persona, si esperar lo cambia, si un perfil doméstico ha encarecido la leche o la fruta en la peor hora. La retirada de Instacart no termina con el deseo comercial de valorar con más precisión a cada comprador. Muestra el punto en que el público advierte que el cajero fue reemplazado por un cálculo cuya regla no aparece en el recibo.

Extremist groups are using AI voice cloning and translation tools to revive old speeches and distribute propaganda in new languages, The Guardian reported on December 21st. Researchers documented neo-Nazi creators feeding archival recordings into commercial services to reproduce Hitler speaking English. Jihadist networks have also translated teachings and cloned voices for multilingual audio. The tools reduce the cost of turning one recording into many versions while preserving tone, cadence, and the illusion of a speaker addressing the present.
Translation once required a person who understood the language, ideology, audience, and risks of the work. Voice cloning compresses that labor into an upload and a menu. The resulting recording can circulate through encrypted channels, short videos, and recommendation systems without carrying the visual defects that often expose a deepfake. Sound enters through headphones, car speakers, and phones while the listener performs other tasks. That intimacy gives a copied voice room to feel immediate even when its source is decades old. Commercial providers can block known figures and trace misuse, but extremists can move between services and open models. A dead propagandist no longer needs subtitles or an impersonator. An archive supplies the sample, software supplies the language, and a platform supplies the next listener.
Grupos extremistas están utilizando clonación de voz y herramientas de traducción con IA para revivir discursos antiguos y distribuir propaganda en nuevos idiomas, informó The Guardian el 21 de diciembre. Investigadores documentaron a creadores neonazis que introducían grabaciones de archivo en servicios comerciales para reproducir a Hitler hablando inglés. Redes yihadistas también tradujeron enseñanzas y clonaron voces para producir audio multilingüe. Las herramientas reducen el costo de convertir una grabación en muchas versiones mientras conservan tono, cadencia y la ilusión de que el hablante se dirige al presente.
La traducción solía requerir una persona que comprendiera el idioma, la ideología, el público y los riesgos del trabajo. La clonación de voz comprime esa tarea en una carga de archivo y un menú. La grabación resultante puede circular por canales cifrados, videos cortos y sistemas de recomendación sin los defectos visuales que suelen delatar un deepfake. El sonido entra por audífonos, parlantes de automóvil y teléfonos mientras quien escucha realiza otras tareas. Esa cercanía permite que una voz copiada parezca inmediata aunque la fuente tenga décadas. Los proveedores comerciales pueden bloquear figuras conocidas y rastrear abusos, pero los extremistas se mueven entre servicios y modelos abiertos. Un archivo aporta la muestra, el software aporta el idioma y una plataforma encuentra al siguiente oyente.

New York governor Kathy Hochul signed the RAISE Act, making the state the second after California to adopt broad safety rules for advanced AI models, TechCrunch reported on December 20th. The law requires covered developers to publish safety protocols and report serious incidents within seventy-two hours. It also creates a state office for oversight and enforcement. The signing came days after the White House ordered federal agencies to challenge state AI laws, placing New York’s requirements inside an approaching fight over who may regulate the companies building frontier systems.
The seventy-two-hour deadline gives catastrophe an administrative clock. A developer that discovers model theft, dangerous capabilities, or a severe safety failure must decide what happened, preserve evidence, notify officials, and accept that an internal problem may become public. Companies often describe safety through voluntary frameworks that they can revise as products and competitors change. New York has converted part of that language into a legal duty with a filing window. The act will still depend on definitions, enforcement, and the state’s ability to examine highly technical claims. Its immediate effect is simpler. A serious incident can no longer remain entirely inside a company’s private chain of command. Someone must start counting hours, prepare the report, and send it to an office outside the laboratory.
La gobernadora de Nueva York, Kathy Hochul, firmó la Ley RAISE y convirtió al estado en el segundo, después de California, en adoptar reglas amplias de seguridad para modelos avanzados de IA, informó TechCrunch el 20 de diciembre. La norma exige que los desarrolladores cubiertos publiquen protocolos de seguridad y reporten incidentes graves dentro de setenta y dos horas. También crea una oficina estatal de supervisión y cumplimiento. La firma llegó pocos días después de que la Casa Blanca ordenara a las agencias federales impugnar leyes estatales de IA, colocando los requisitos de Nueva York dentro de una disputa sobre quién puede regular a las empresas que construyen sistemas de frontera.
El plazo de setenta y dos horas asigna un reloj administrativo a la catástrofe. Un desarrollador que descubre el robo de un modelo, capacidades peligrosas o una falla grave debe determinar qué ocurrió, conservar pruebas, avisar a los funcionarios y aceptar que un problema interno puede hacerse público. Las compañías suelen describir la seguridad mediante marcos voluntarios que pueden revisar cuando cambian los productos y competidores. Nueva York convirtió parte de ese lenguaje en una obligación legal con una ventana de presentación. La ley dependerá de definiciones, aplicación y capacidad estatal para examinar afirmaciones técnicas. Su efecto inmediato es sencillo. Un incidente serio ya no puede quedarse enteramente dentro de la cadena privada de mando. Alguien debe contar las horas, preparar el informe y enviarlo fuera del laboratorio.

The United States launched a review of advanced Nvidia AI chip sales to China, Reuters reported on December 19th. The review places a familiar object, the semiconductor, inside a procedure of suspicion. A chip can be a commercial component, a research instrument, a military asset, a diplomatic signal, and a bargaining chip in the most literal sense. Export control turns that object into a question before it crosses a border.
The review also changes the grammar of technological progress. The industry describes faster chips as capacity, performance, and supply. Governments read the same hardware as leverage, leakage, and future force. Nvidia sits between those languages, selling acceleration while regulators ask where that acceleration may end up. The chip is small enough to hold between fingers, but the file around it contains trade law, national security, corporate forecasts, and the fear that a server rack in another country will answer a strategic question first. A sale becomes provisional until the state finishes reading the crate.
Estados Unidos inició una revisión de las ventas de chips avanzados de IA de Nvidia a China, informó Reuters el 19 de diciembre. La revisión coloca un objeto familiar, el semiconductor, dentro de un procedimiento de sospecha. Un chip puede ser componente comercial, instrumento de investigación, activo militar, señal diplomática y ficha de negociación en el sentido más literal. El control de exportaciones convierte ese objeto en una pregunta antes de que cruce una frontera.
La revisión también cambia la gramática del progreso tecnológico. La industria describe los chips más rápidos como capacidad, rendimiento y suministro. Los gobiernos leen el mismo hardware como palanca, fuga y fuerza futura. Nvidia queda entre esos lenguajes, vendiendo aceleración mientras los reguladores preguntan dónde puede terminar esa aceleración. El chip es lo bastante pequeño para sostenerlo entre los dedos, pero el expediente que lo rodea contiene derecho comercial, seguridad nacional, previsiones corporativas y el temor de que un rack de servidores en otro país responda primero una pregunta estratégica. Una venta queda provisional hasta que el Estado termine de leer la caja.

Zara is using artificial intelligence to generate fashion imagery from real-life models, Reuters reported on December 18th. The retailer said the process can create campaign and product images while preserving the likeness of models who have been photographed for the system. Fashion already depends on retouching, lighting, pose, cropping, and a long chain of invisible labor. AI adds another step after the shoot, where the body can be recomposed into settings, outfits, and variations that the model did not physically inhabit.
The old fashion photograph sold a garment through the evidence of a body. That evidence was always staged, but it still required a person to stand under lights, hold posture, tire, blink, and negotiate the camera. Synthetic production changes the bargaining surface. A model's session can become raw material for later images, and the contract must decide where the day of work ends. The retailer gains speed and control. The model gains a new kind of afterlife inside a brand machine, where a face or posture may keep working after the person has left the studio.
Zara usa inteligencia artificial para generar imágenes de moda a partir de modelos reales, informó Reuters el 18 de diciembre. La minorista dijo que el proceso puede crear imágenes de campaña y producto mientras preserva la semejanza de modelos fotografiados para el sistema. La moda ya depende del retoque, la iluminación, la pose, el encuadre y una larga cadena de trabajo invisible. La IA añade otro paso después de la sesión, donde el cuerpo puede recomponerse en escenarios, prendas y variaciones que la modelo no habitó físicamente.
La antigua fotografía de moda vendía una prenda mediante la evidencia de un cuerpo. Esa evidencia siempre estuvo escenificada, pero exigía que una persona se pusiera bajo las luces, sostuviera la postura, se cansara, parpadeara y negociara con la cámara. La producción sintética cambia la superficie de negociación. Una sesión puede convertirse en materia prima para imágenes posteriores, y el contrato debe decidir dónde termina la jornada de trabajo. La empresa gana velocidad y control. La modelo gana una forma nueva de sobrevida dentro de una máquina de marca, donde una cara o una postura puede seguir trabajando después de que la persona haya salido del estudio.

Artificial intelligence systems may have produced between 32.6 and 79.7 million tons of carbon dioxide in 2025 and consumed hundreds of billions of liters of water, Vrije Universiteit Amsterdam reported on December 17th. Researcher Alex de Vries-Gao estimated that the upper ranges could resemble New York City’s annual emissions and global bottled-water consumption. The figures carry wide uncertainty because technology companies rarely separate AI workloads from the rest of their data-center operations. The study therefore measured a footprint and the secrecy surrounding it at the same time.
Every prompt reaches a physical chain of chips, cooling systems, electrical grids, backup generators, and water supplies. Efficiency improvements can reduce the resources used by one response while growing demand raises total consumption. Without detailed disclosure, cities approving new data centers cannot easily test corporate promises against local costs. Residents may see a new substation, a water permit, or a higher utility bill while the service appears elsewhere as a weightless box for text and images. The uncertainty in the estimate should lead to better measurement, since the missing numbers belong to the companies operating the machines. A public debate about AI’s benefits currently rests on private meters, aggregated reports, and communities asked to supply water before they can see the bill.
Los sistemas de inteligencia artificial pueden haber producido entre 32,6 y 79,7 millones de toneladas de dióxido de carbono en 2025 y consumido cientos de miles de millones de litros de agua, informó la Vrije Universiteit Amsterdam el 17 de diciembre. El investigador Alex de Vries-Gao estimó que los valores superiores podrían parecerse a las emisiones anuales de Nueva York y al consumo mundial de agua embotellada. Las cifras tienen una incertidumbre amplia porque las empresas tecnológicas rara vez separan las cargas de IA del resto de sus centros de datos. El estudio midió al mismo tiempo una huella y el secreto que la rodea.
Cada prompt llega a una cadena física de chips, sistemas de refrigeración, redes eléctricas, generadores de respaldo y suministros de agua. Las mejoras de eficiencia pueden reducir los recursos de una respuesta mientras el crecimiento de la demanda eleva el consumo total. Sin información detallada, las ciudades que aprueban nuevos centros de datos encuentran dificultades para contrastar promesas corporativas con costos locales. Los residentes pueden ver una subestación, un permiso de agua o una factura eléctrica más alta mientras el servicio aparece en otro lugar como una caja sin peso para texto e imágenes. La incertidumbre de la estimación exige mejores mediciones, pues los números faltantes pertenecen a las compañías que operan las máquinas. El debate público descansa hoy sobre medidores privados y comunidades obligadas a suministrar agua antes de conocer la cuenta.

Companies are still struggling to turn AI spending into the revolution promised by vendors and investors, Reuters reported on December 16th. Many firms have tested copilots, automated drafts, customer-service tools, coding assistants, and internal search systems, yet the gains often remain difficult to measure. The corporate language is full of pilots, road maps, training sessions, procurement reviews, and cautious productivity claims. The technology arrives quickly as a subscription and slowly as a changed organization.
The delay marks where work actually lives. A company is made of permissions, legacy software, habits, liability, internal politics, bad data, fearful managers, bored employees, and jobs whose steps were never fully written down. AI can produce a memo in seconds and still fail to move through a purchasing rule, a compliance review, or a warehouse routine designed around people who know the exceptions by memory. The revolution has to pass through spreadsheets, passwords, unions, vendors, legal departments, and supervisors who do not want to be blamed for the first expensive mistake. The promise keeps speaking in future tense. The office asks who will fix the workflow on Monday morning.
Las empresas aún tienen dificultades para convertir el gasto en IA en la revolución prometida por vendedores e inversionistas, informó Reuters el 16 de diciembre. Muchas firmas han probado copilotos, borradores automatizados, herramientas de atención al cliente, asistentes de programación y sistemas de búsqueda interna, pero las ganancias suelen seguir siendo difíciles de medir. El lenguaje corporativo está lleno de pilotos, hojas de ruta, sesiones de capacitación, revisiones de compra y afirmaciones prudentes de productividad. La tecnología llega rápido como suscripción y lento como organización transformada.
La demora marca dónde vive realmente el trabajo. Una empresa está hecha de permisos, software heredado, hábitos, responsabilidad legal, política interna, datos defectuosos, gerentes temerosos, empleados aburridos y tareas cuyos pasos nunca fueron escritos del todo. La IA puede producir un memorando en segundos y aun así no atravesar una regla de compras, una revisión de cumplimiento o una rutina de almacén diseñada alrededor de personas que conocen las excepciones de memoria. La revolución tiene que pasar por hojas de cálculo, contraseñas, sindicatos, proveedores, departamentos legales y supervisores que no quieren cargar con el primer error caro. La promesa sigue hablando en futuro. La oficina pregunta quién arreglará el flujo de trabajo el lunes por la mañana.

The United States suspended implementation of a technology agreement that Britain had presented as carrying £31 billion in investment, The Guardian reported on December 15th. The package covered artificial intelligence, quantum computing, nuclear energy, and the data centers required to support them. Washington linked the pause to wider trade disputes, including Britain’s digital services tax and rules affecting American exports. A partnership announced as proof of strategic closeness became leverage in negotiations over taxes, food standards, and the power of US technology companies.
AI infrastructure rarely stays inside the language of innovation. A data center requires land, electricity, cooling, permits, tax treatment, and a government willing to accept foreign corporate influence over critical systems. Britain sought investment and computing capacity while keeping rules that Washington regarded as barriers. The suspended deal exposed how quickly technological sovereignty can become a bargaining chip. Ministers can promise national capability, but the machines may depend on American capital, chips, cloud platforms, and diplomatic approval. The pause did not switch off an existing server. It delayed investment decisions and left officials defending a deal whose timetable had vanished. The next negotiation will occur around trade concessions, with promised computing power waiting on the other side of the table.
Estados Unidos suspendió la aplicación de un acuerdo tecnológico que Gran Bretaña había presentado junto con 31.000 millones de libras en inversión, informó The Guardian el 15 de diciembre. El paquete cubría inteligencia artificial, computación cuántica, energía nuclear y los centros de datos necesarios para sostenerlas. Washington relacionó la pausa con disputas comerciales más amplias, incluido el impuesto británico a los servicios digitales y normas que afectaban exportaciones estadounidenses. Una alianza anunciada como prueba de cercanía estratégica se convirtió en instrumento para negociar impuestos, estándares alimentarios y poder empresarial.
La infraestructura de IA rara vez permanece dentro del lenguaje de la innovación. Un centro de datos requiere terreno, electricidad, refrigeración, permisos, tratamiento fiscal y un gobierno dispuesto a aceptar influencia corporativa extranjera sobre sistemas críticos. Gran Bretaña buscaba inversión y capacidad de cómputo mientras mantenía reglas que Washington consideraba barreras. El acuerdo suspendido mostró la rapidez con que la soberanía tecnológica puede convertirse en moneda de negociación. Los ministros pueden prometer capacidad nacional aunque las máquinas dependan de capital, chips, nubes y aprobación diplomática estadounidenses. La pausa no apagó un servidor existente. Retrasó decisiones de inversión y dejó a los funcionarios defendiendo un acuerdo cuyo calendario había desaparecido. La próxima conversación girará alrededor de concesiones comerciales, con la capacidad de cómputo esperando al otro lado de la mesa.

State licenses may become a practical shelter from AI-driven job disruption, business writer Gene Marks argued on December 14th. Electricians, nurses, plumbers, therapists, surveyors, and many other workers must complete training, pass exams, and remain accountable to a public authority before they can practice. Software can assist their paperwork or diagnosis, yet it cannot independently claim the license, enter a home under its own responsibility, sign an inspection, or answer a disciplinary complaint. The credential ties knowledge to a named person and a jurisdiction.
Licensing also reveals where automation meets the physical and legal world. A chatbot can describe a repair while a licensed electrician still touches the wire, checks the panel, and carries liability if the work fails. The protection is imperfect. Professions can use licensing to restrict entry, preserve high fees, or exclude capable workers who cannot afford the required education. Even so, the stamped credential gives labor a form that platforms cannot absorb quietly. It defines who may act, who must be insured, and who can be sanctioned. As companies promise systems that perform expert work, licensed occupations retain a stubborn institutional advantage. The final decision still needs a signature attached to a person whose name can be found on a public register.
Las licencias estatales pueden convertirse en un refugio práctico frente a la alteración laboral causada por la IA, sostuvo el escritor de negocios Gene Marks el 14 de diciembre. Electricistas, enfermeras, plomeros, terapeutas, topógrafos y muchos otros trabajadores deben completar formación, aprobar exámenes y responder ante una autoridad pública antes de ejercer. El software puede ayudar con documentos o diagnósticos, pero no puede reclamar por sí mismo una licencia, entrar en una casa bajo responsabilidad propia, firmar una inspección ni contestar una queja disciplinaria. La credencial vincula el conocimiento con una persona identificable y una jurisdicción.
Las licencias también muestran dónde la automatización encuentra el mundo físico y legal. Un chatbot puede describir una reparación mientras un electricista autorizado toca el cable, revisa el tablero y carga con la responsabilidad si el trabajo falla. La protección es imperfecta. Algunas profesiones usan licencias para restringir el ingreso, conservar tarifas elevadas o excluir a trabajadores capaces que no pueden pagar la educación exigida. Aun así, la credencial sellada da al trabajo una forma que las plataformas no pueden absorber en silencio. Define quién puede actuar, quién debe estar asegurado y quién puede recibir sanciones. Cuando las empresas prometen sistemas capaces de realizar tareas expertas, la decisión final todavía requiere una firma ligada a una persona cuyo nombre figura en un registro público.

Over 150 anonymous YouTube channels used cheap AI tools to spread false and inflammatory stories about Britain’s Labour government, The Guardian reported on December 13th. Research by Reset Tech found that the channels produced over 56,000 videos, gathered 5.3 million subscribers, and approached 1.2 billion views during 2025. Many operated outside the United Kingdom while presenting themselves as local political news. Keir Starmer’s name appeared repeatedly in titles and descriptions, turning a prime minister into a dependable keyword for automated outrage.
The business works through volume. Synthetic narration, recycled footage, fabricated thumbnails, and rapid scripts allow one operator to publish at a pace that a newsroom cannot match. YouTube’s recommendation system then tests each item against viewers and rewards the versions that hold attention. Political conviction becomes optional when anger itself earns advertising revenue. The anonymous channel does not need to persuade everyone or maintain a coherent ideology. It needs another click, another comment, and another video ready when the first one fades. Platform moderation removed some channels after researchers identified them, but the economic template remains available. A false story can be generated far from Britain, labeled as urgent local news, and paid for by the attention of the people it misleads.
Más de 150 canales anónimos de YouTube utilizaron herramientas baratas de IA para difundir historias falsas e incendiarias sobre el gobierno laborista británico, informó The Guardian el 13 de diciembre. Una investigación de Reset Tech encontró que los canales produjeron más de 56.000 videos, reunieron 5,3 millones de suscriptores y se acercaron a 1.200 millones de vistas durante 2025. Muchos operaban fuera del Reino Unido mientras se presentaban como noticias políticas locales. El nombre de Keir Starmer aparecía repetidamente en títulos y descripciones, convirtiendo al primer ministro en una palabra clave confiable para la indignación automatizada.
El negocio funciona mediante volumen. Narración sintética, material reciclado, miniaturas fabricadas y guiones rápidos permiten que un operador publique a un ritmo que una redacción no puede igualar. El sistema de recomendaciones de YouTube prueba cada pieza frente al público y premia las versiones que retienen atención. La convicción política se vuelve prescindible cuando la ira produce ingresos publicitarios. El canal anónimo tampoco necesita persuadir a todo el mundo ni sostener una ideología coherente. Necesita otro clic, otro comentario y otro video preparado cuando el primero desaparezca. La plataforma eliminó algunos canales después de que los investigadores los identificaran, pero la plantilla económica sigue disponible. Una historia falsa puede generarse lejos de Gran Bretaña, etiquetarse como noticia local urgente y cobrar por la atención de las personas engañadas.

Donald Trump signed an executive order directing federal agencies to challenge state artificial intelligence laws, the Associated Press reported on December 12th. The order called for a single national framework and instructed the Justice Department to form a litigation task force. It also asked the Commerce Department to identify state rules considered burdensome and raised the possibility of withholding some federal funding. State proposals had addressed discrimination, transparency, children’s safety, and catastrophic risks while Congress remained unable to establish broad federal standards.
The order turns regulatory geography into industrial policy. A company that develops one model can argue that fifty legal regimes would slow deployment, while residents encounter that model through schools, workplaces, hospitals, police departments, and local elections governed by state law. Centralizing the rulebook may reduce compliance costs, but the executive action did not supply a complete replacement for the protections it sought to displace. Its immediate instrument is pressure. Agencies can sue, classify a law as an obstacle, or connect funding to a state’s willingness to retreat. The contest will move through courts and grant programs while AI systems continue entering public life. A state legislator may write a safety requirement, only to find a federal task force waiting at the courthouse door.
Donald Trump firmó una orden ejecutiva que instruyó a las agencias federales a impugnar leyes estatales sobre inteligencia artificial, informó Associated Press el 12 de diciembre. La orden pidió un marco nacional único y encargó al Departamento de Justicia la formación de un grupo de litigio. También solicitó al Departamento de Comercio identificar normas estatales consideradas gravosas y planteó la posibilidad de retener ciertos fondos federales. Las propuestas estatales habían abordado discriminación, transparencia, seguridad infantil y riesgos catastróficos mientras el Congreso seguía sin establecer estándares federales amplios.
La orden convierte la geografía regulatoria en política industrial. Una empresa que desarrolla un solo modelo puede alegar que cincuenta regímenes legales frenarían su despliegue, mientras los residentes encuentran ese modelo en escuelas, lugares de trabajo, hospitales, departamentos de policía y elecciones locales sometidas a leyes estatales. Centralizar las reglas puede reducir costos de cumplimiento, pero la acción ejecutiva no ofreció un reemplazo completo para las protecciones que buscaba desplazar. Su instrumento inmediato es la presión. Las agencias pueden demandar, clasificar una ley como obstáculo o vincular fondos con la disposición de un estado a retroceder. La disputa pasará por tribunales y programas de subvenciones mientras los sistemas de IA continúan entrando en la vida pública.

Taiwan opened a new cloud center to support its sovereign AI effort, Reuters reported on December 11th. The project places computing capacity inside a national strategy shaped by chips, security pressure, industry policy, and the island's exposed position in the global technology chain. Sovereign AI usually sounds like a slogan until it becomes a building with racks, cooling, contracts, access rules, engineers, and a government deciding which models should run on infrastructure closer to home.
The phrase reveals how quickly artificial intelligence has become territorial. A model can answer in any language and travel through any screen, but its training, storage, permissions, and resilience still depend on where machines sit and who can touch them. Taiwan already carries the symbolic burden of semiconductor sovereignty. A local cloud center extends that burden from fabrication to computation. The state wants capacity that can serve public agencies, research, and industry without leaving every sensitive task exposed to foreign platforms. The political meaning sits in the server room. Sovereignty becomes less like a flag and more like a locked cabinet, a power contract, and a list of accounts allowed through the door.
Taiwán abrió un nuevo centro de nube para apoyar su esfuerzo de IA soberana, informó Reuters el 11 de diciembre. El proyecto coloca capacidad de cómputo dentro de una estrategia nacional marcada por chips, presión de seguridad, política industrial y la posición expuesta de la isla en la cadena tecnológica global. La IA soberana suele sonar como consigna hasta que se convierte en un edificio con racks, refrigeración, contratos, reglas de acceso, ingenieros y un gobierno decidiendo qué modelos deben ejecutarse en infraestructura más cercana a casa.
La frase muestra con qué rapidez la inteligencia artificial se volvió territorial. Un modelo puede responder en cualquier idioma y viajar por cualquier pantalla, pero su entrenamiento, almacenamiento, permisos y resistencia todavía dependen de dónde se sientan las máquinas y quién puede tocarlas. Taiwán ya carga el peso simbólico de la soberanía semiconductora. Un centro de nube local extiende esa carga de la fabricación al cómputo. El Estado quiere capacidad capaz de servir a agencias públicas, investigación e industria sin dejar cada tarea sensible expuesta a plataformas extranjeras. El significado político está en la sala de servidores. La soberanía se parece menos a una bandera y más a un gabinete cerrado, un contrato eléctrico y una lista de cuentas autorizadas a cruzar la puerta.

U.S. attorneys general warned major technology companies about AI systems that produce delusional or dangerously persuasive outputs, Reuters reported on December 10th. The warning followed growing concern that chatbots can reinforce false beliefs, encourage risky behavior, or respond with confident language in moments of psychological fragility. A state legal officer does not need to prove that a model has intention. The letter asks companies to answer for design, marketing, safety testing, escalation rules, and the commercial decision to place conversational systems in front of ordinary users.
The word delusional is doing awkward work here. It belongs first to human suffering, then gets borrowed to describe software that has no belief, no fear, no private conviction. Yet the borrowing is useful because the harm happens through language that sounds settled. A user receives an answer with the cadence of certainty, often inside a private interface that invites continuation. The legal system is trying to catch up to a product whose danger may appear as a sentence, a refusal that arrives too late, or a recommendation phrased with calm. The companies can adjust filters and warning labels. The state letter turns those adjustments into possible evidence.
Fiscales generales de Estados Unidos advirtieron a grandes compañías tecnológicas sobre sistemas de IA que producen respuestas delirantes o peligrosamente persuasivas, informó Reuters el 10 de diciembre. La advertencia siguió a una preocupación creciente por chatbots capaces de reforzar creencias falsas, alentar conductas riesgosas o responder con lenguaje seguro en momentos de fragilidad psicológica. Un funcionario legal estatal no necesita probar que un modelo tenga intención. La carta pide a las empresas responder por diseño, marketing, pruebas de seguridad, reglas de escalamiento y por la decisión comercial de poner sistemas conversacionales frente a usuarios comunes.
La palabra delirante hace aquí un trabajo incómodo. Pertenece primero al sufrimiento humano y luego se presta para describir software sin creencias, miedo ni convicción privada. Aun así, el préstamo sirve porque el daño ocurre a través de un lenguaje que suena asentado. Un usuario recibe una respuesta con cadencia de certeza, a menudo dentro de una interfaz privada que invita a continuar. El sistema legal intenta alcanzar un producto cuyo peligro puede aparecer como una frase, una negativa que llega tarde o una recomendación redactada con calma. Las compañías pueden ajustar filtros y etiquetas de advertencia. La carta estatal convierte esos ajustes en posible evidencia.

The European Commission opened an antitrust investigation into Google’s use of publishers’ articles and YouTube uploads for artificial intelligence, the Associated Press reported on December 9th. Regulators will examine whether Google imposed unfair terms on creators, gave its own models privileged access to online material, and placed rival developers at a disadvantage. The case joins two markets that Google already dominates. It controls a major route to audiences through search and owns an enormous archive of video through YouTube. AI turns both positions into sources of training material.
A publisher can block a crawler and lose visibility, accept the crawl and lose control, or negotiate with a company that also controls discovery. A YouTube creator uploads for viewers, then finds the same video useful to a model built by the platform owner. The Commission’s inquiry focuses on competition, yet the daily effect appears as a change in ownership without a transfer form. Work made for one audience becomes input for another product. Google can answer questions with material gathered from the web while rival systems face narrower access and creators receive fewer visits. The investigation will have to decide whether a platform may use its gatekeeping power to become the most privileged reader in the room.
La Comisión Europea abrió una investigación antimonopolio sobre el uso que Google hace de artículos periodísticos y videos de YouTube para inteligencia artificial, informó Associated Press el 9 de diciembre. Los reguladores examinarán si Google impuso condiciones injustas a los creadores, concedió a sus propios modelos acceso privilegiado al material en línea y colocó a desarrolladores rivales en desventaja. El caso une dos mercados que la empresa ya domina. Controla una ruta principal hacia el público mediante el buscador y posee un archivo enorme de video a través de YouTube. La IA convierte ambas posiciones en fuentes de material de entrenamiento.
Una editorial puede bloquear un rastreador y perder visibilidad, aceptar el rastreo y perder control, o negociar con una empresa que también administra el descubrimiento. Quien publica en YouTube sube un video para el público y luego descubre que ese mismo archivo sirve a un modelo construido por la plataforma. La investigación se concentra en la competencia, aunque el efecto cotidiano parece un cambio de propiedad sin formulario de transferencia. El trabajo creado para una audiencia se vuelve insumo de otro producto. Google puede responder preguntas con material reunido en la web mientras los sistemas rivales afrontan un acceso menor y los creadores reciben menos visitas. La Comisión deberá decidir si una plataforma puede usar su poder de acceso para convertirse en el lector con mayores privilegios.

The U.S. Food and Drug Administration qualified an AI tool for use in liver disease drug development, Reuters reported on December 8th. The qualification allows the tool to help measure disease progression in clinical trials, giving drug developers a sanctioned way to use automated image analysis when testing treatments. The decision does not approve a medicine or hand clinical judgment to software. It gives a particular instrument a place inside the regulatory grammar of evidence, where a measurement can affect which trials move faster and which patients become legible to a sponsor.
The important shift is bureaucratic and bodily at once. A diseased organ enters the trial as a scan, the scan becomes data, and the data receives a federal permission to count. Medicine has always depended on instruments that translate pain, tissue, pressure, chemistry, and risk into records a committee can read. AI now joins that line of authorized translation. The quieter possibility is that a model becomes part of the gate through which bodies must pass before a treatment is judged promising. The liver remains in the patient. The accepted measurement begins elsewhere, inside a file.
La Administración de Alimentos y Medicamentos de Estados Unidos calificó una herramienta de IA para su uso en el desarrollo de fármacos contra enfermedades hepáticas, informó Reuters el 8 de diciembre. La calificación permite que la herramienta ayude a medir la progresión de la enfermedad en ensayos clínicos, dando a los desarrolladores de medicamentos una vía autorizada para usar análisis automatizado de imágenes al probar tratamientos. La decisión no aprueba una medicina ni entrega el juicio clínico al software. Le da a un instrumento particular un lugar dentro de la gramática regulatoria de la evidencia, donde una medición puede influir en qué ensayos avanzan más rápido y qué pacientes se vuelven legibles para un patrocinador.
El desplazamiento es burocrático y corporal al mismo tiempo. Un órgano enfermo entra al ensayo como escaneo, el escaneo se convierte en datos y los datos reciben un permiso federal para contar. La medicina siempre ha dependido de instrumentos que traducen dolor, tejido, presión, química y riesgo en registros que un comité puede leer. La IA entra ahora en esa línea de traducción autorizada. La posibilidad más silenciosa es que un modelo pase a formar parte de la puerta por la que deben pasar los cuerpos antes de que un tratamiento sea juzgado prometedor. El hígado sigue en el paciente. La medición aceptada empieza en otro lugar, dentro de un archivo.

OpenAI turned off app suggestions in ChatGPT after users said the recommendations looked like advertisements, TechCrunch reported on December 7th. The company insisted that no advertising test was running and described the messages as an attempt to surface useful apps inside conversations. Its chief research officer acknowledged that the experience fell short. Users had seen services such as shopping or fitness apps appear beside unrelated exchanges, with no control for disabling the suggestions. A product recommendation had entered a space that people often treat as advice, assistance, or private reflection.
The difference between help and promotion depends on who benefits from the suggestion, why it appeared, and whether the user can refuse the system that placed it there. ChatGPT’s conversational tone makes that boundary unusually fragile. A search page separates sponsored results with a label. A chatbot can insert a commercial object into the flow of an answer and preserve the voice of a neutral assistant. OpenAI’s retreat recognized the visual problem before resolving the economic one. The company still needs revenue for expensive computing, and app distribution offers a route toward it. The next version may arrive with clearer controls, but users will still have to inspect when a recommendation serves their request and when their request has become a place to sell something.
OpenAI desactivó las sugerencias de aplicaciones en ChatGPT después de que varios usuarios dijeran que parecían anuncios, informó TechCrunch el 7 de diciembre. La empresa sostuvo que no realizaba una prueba publicitaria y describió los mensajes como un intento de mostrar aplicaciones útiles dentro de las conversaciones. Su director de investigación reconoció que la experiencia había fallado. Servicios de compras o actividad física aparecían junto a intercambios sin relación y el usuario no tenía un control para desactivarlos. Una recomendación comercial había entrado en un espacio que muchas personas tratan como consejo, asistencia o reflexión privada.
La diferencia entre ayuda y promoción depende de quién obtiene beneficio, por qué apareció la sugerencia y si el usuario puede rechazar el sistema que la colocó. El tono conversacional de ChatGPT vuelve esa frontera especialmente frágil. Una página de búsqueda separa los resultados patrocinados mediante una etiqueta. Un chatbot puede insertar un objeto comercial en el curso de una respuesta y conservar la voz de un asistente neutral. La retirada de OpenAI reconoció el problema visual antes de resolver el económico. La empresa necesita ingresos para sostener cómputo costoso, y la distribución de aplicaciones abre una vía posible. La siguiente versión podrá incluir controles más claros, pero el usuario aún tendrá que distinguir cuándo una recomendación atiende su pedido y cuándo su pedido se convirtió en un lugar para vender algo.

IShowSpeed was sued after allegedly punching and choking Rizzbot, a viral humanoid robot, TechCrunch reported on December 6th. The episode belongs to internet spectacle, but its strangeness comes from the body placed at the center of it. A robot built for attention can be treated as prop, performer, mascot, machine, joke, and target in the same clip. The lawsuit gives the scene an institutional afterlife. What looked like content becomes an argument over damage, responsibility, and the value of a staged artificial body.
Violence against a robot is easy to dismiss because metal does not bruise and a machine does not suffer. The dismissal becomes less stable when the robot is designed to face a crowd, respond to a creator, and occupy the visual grammar of a person. The audience reads impact through posture, surface, hesitation, and the cameras surrounding the event. Nobody has to believe the robot feels pain for the scene to reveal something about permission. Once a machine is made humanoid enough to perform socially, hitting it becomes a public gesture, and the court filing starts where the viral laugh stops.
IShowSpeed fue demandado después de supuestamente golpear y ahorcar a Rizzbot, un robot humanoide viral, informó TechCrunch el 6 de diciembre. El episodio pertenece al espectáculo de internet, pero su rareza viene del cuerpo colocado en el centro. Un robot construido para captar atención puede ser tratado como utilería, artista, mascota, máquina, chiste y blanco dentro del mismo clip. La demanda le da a la escena una vida institucional posterior. Lo que parecía contenido se convierte en discusión sobre daño, responsabilidad y valor de un cuerpo artificial puesto en escena.
La violencia contra un robot es fácil de descartar porque el metal no se amorata y una máquina no sufre. El descarte se vuelve menos estable cuando el robot está diseñado para enfrentar a una multitud, responder a un creador y ocupar la gramática visual de una persona. El público lee el impacto mediante postura, superficie, vacilación y las cámaras alrededor del evento. Nadie tiene que creer que el robot siente dolor para que la escena revele algo sobre permiso. Cuando una máquina se fabrica con suficiente forma humanoide para actuar socialmente, golpearla se vuelve un gesto público, y el expediente judicial empieza donde termina la risa viral.

The New York Times sued Perplexity for copyright infringement, TechCrunch reported on December 5th, adding another legal front to the fight over AI search. The dispute centers on journalism turned into answers, summaries, and citations inside a product that wants to replace the old movement from headline to article. Perplexity presents itself as a faster way to know. Publishers see a machine that can extract reporting, compress it, and keep the reader inside another company's interface.
The lawsuit is about money, but it is also about the shape of public knowledge. Reporting costs salaries, editors, lawyers, travel, archives, corrections, and the slow work of deciding what can be stated. AI search wants the finished sentence without the newsroom that made it reliable. A citation does not repair the economic cut if the reader never arrives, the subscription never happens, and the answer becomes the product. The old web asked journalism to survive on traffic. The new answer engine asks it to survive as raw material, visible enough to be cited and invisible enough to be bypassed.
The New York Times demandó a Perplexity por infracción de copyright, informó TechCrunch el 5 de diciembre, y abrió otro frente legal en la pelea por la búsqueda con IA. La disputa gira alrededor del periodismo convertido en respuestas, resúmenes y citas dentro de un producto que quiere reemplazar el viejo movimiento del titular al artículo. Perplexity se presenta como una forma más rápida de saber. Los editores ven una máquina capaz de extraer reporteo, comprimirlo y mantener al lector dentro de la interfaz de otra compañía.
La demanda habla de dinero, pero también de la forma del conocimiento público. Reportear cuesta salarios, editores, abogados, viajes, archivos, correcciones y el trabajo lento de decidir qué puede afirmarse. La búsqueda con IA quiere la frase terminada sin la redacción que la volvió confiable. Una cita no repara el corte económico si el lector nunca llega, la suscripción nunca ocurre y la respuesta se convierte en producto. La vieja web pidió al periodismo sobrevivir con tráfico. El nuevo motor de respuestas le pide sobrevivir como materia prima, visible para ser citada e invisible para ser evitada.

Short conversations with AI chatbots shifted political opinions in large experiments published on December 4th, The Guardian reported. Researchers tested thousands of voters in the United States and nearly 80,000 participants in the United Kingdom. Information-dense responses proved especially persuasive, yet the strongest models also produced substantial amounts of inaccurate material. A campaign tool no longer needs a rally, a television slot, or a volunteer at the door. It can wait inside a private chat and answer each hesitation with an apparently patient stream of facts.
The conversational format changes the pressure of political speech. A television advertisement addresses a crowd and ends after thirty seconds. A chatbot receives the user’s objection, adjusts its wording, and continues until the exchange stops. Its errors can arrive wrapped in the same calm syntax as verified information, while its fluency makes the distinction difficult to feel. The experiments took place under controlled conditions, so they do not predict an election result. They do identify a usable mechanism. A campaign, platform, or outside group can generate personalized persuasion at immense scale, then learn which sequence of claims moves a person. The ballot remains secret, but the argument leading toward it can now be rehearsed inside a responsive machine.
Conversaciones breves con chatbots de IA modificaron opiniones políticas en grandes experimentos publicados el 4 de diciembre, informó The Guardian. Los investigadores evaluaron a miles de votantes en Estados Unidos y a casi 80.000 participantes en el Reino Unido. Las respuestas cargadas de información resultaron especialmente persuasivas, aunque los modelos más eficaces también produjeron cantidades considerables de material inexacto. Una herramienta de campaña puede prescindir del mitin, el espacio televisivo y el voluntario frente a la puerta. Puede esperar dentro de un chat privado y responder cada duda con una corriente de datos aparentemente paciente.
El formato conversacional altera la presión del discurso político. Un anuncio de televisión se dirige a una multitud y termina después de treinta segundos. Un chatbot recibe la objeción del usuario, ajusta las palabras y continúa hasta que el intercambio se detiene. Sus errores pueden llegar con la misma sintaxis serena que la información verificada, y la fluidez vuelve difícil percibir la diferencia. Los experimentos ocurrieron en condiciones controladas y no predicen el resultado de una elección. Sí identifican un mecanismo utilizable. Una campaña, plataforma o grupo externo puede generar persuasión personalizada a gran escala y aprender qué secuencia de afirmaciones mueve a cada persona. El voto sigue siendo secreto, pero el argumento que conduce hacia él ya puede ensayarse dentro de una máquina que responde.

Google Photos used Gemini to generate parts of its 2025 Recap, according to TechCrunch, turning a familiar year-end ritual into an automated act of selection. The product promises to find highlights, patterns, and moments from a user's image library. The gesture sounds harmless because people already ask their phones to sort faces, pets, trips, meals, birthdays, and places. The change is that memory arrives with a sentence attached. The system gathers pictures and proposes what the year looked like.
A photo recap is never a neutral album. It chooses repetition over rupture, smiles over exhaustion, travel over waiting rooms, visible celebration over private dread. When Gemini names a highlight, the user receives a small editorial decision disguised as service. That decision may be useful, even moving, but it also trains people to accept an outside rhythm for remembering themselves. The archive becomes easier to browse and harder to own. A year that once sat in messy camera rolls can return as a polished sequence, selected by software that has no obligation to remember the day the user did not photograph.
Google Photos usó Gemini para generar partes de su Recap 2025, según TechCrunch, y convirtió un ritual familiar de fin de año en un acto automatizado de selección. El producto promete encontrar momentos destacados, patrones e instantes dentro de la biblioteca de imágenes del usuario. El gesto parece inofensivo porque la gente ya pide al teléfono que ordene rostros, mascotas, viajes, comidas, cumpleaños y lugares. El cambio está en que la memoria llega con una frase adjunta. El sistema reúne fotos y propone cómo se vio el año.
Un resumen fotográfico nunca es un álbum neutral. Elige repetición sobre ruptura, sonrisas sobre agotamiento, viajes sobre salas de espera, celebración visible sobre miedo privado. Cuando Gemini nombra un momento destacado, el usuario recibe una pequeña decisión editorial disfrazada de servicio. Esa decisión puede ser útil, incluso conmovedora, pero también entrena a aceptar un ritmo externo para recordarse. El archivo se vuelve más fácil de recorrer y más difícil de poseer. Un año que antes quedaba en rollos de cámara desordenados puede volver como secuencia pulida, elegida por software sin obligación de recordar el día que el usuario no fotografió.

Sam Altman declared a code red inside OpenAI and redirected staff toward improving ChatGPT, The Guardian reported on December 2nd. The internal order delayed work on advertising and other products while Google’s Gemini 3 and Anthropic’s Claude increased the pressure on OpenAI’s early lead. Three years after ChatGPT became the public face of generative AI, the company was asking employees to focus on speed, reliability, personalization, and the daily experience of the chatbot. The language of emergency exposed a product that had begun to feel like public infrastructure while remaining trapped inside a private contest.
A code red changes how a company sees its users. Every slow answer, canceled subscription, failed request, and comparison screenshot becomes evidence in a commercial alarm system. The chatbot may speak with patience, but the organization behind it watches retention, usage, latency, and market share. OpenAI’s decision also placed advertising in an revealing position. It could wait when product loyalty looked vulnerable. The pause showed that intimacy with a conversational system depends on competitive discipline as much as technical invention. A familiar window on a phone or laptop became the front line, and millions of ordinary prompts were recast as votes in a race between companies.
Sam Altman declaró un código rojo dentro de OpenAI y reasignó personal para mejorar ChatGPT, informó The Guardian el 2 de diciembre. La orden interna retrasó el trabajo en publicidad y otros productos mientras Gemini 3 de Google y Claude de Anthropic aumentaban la presión sobre la ventaja inicial de OpenAI. Tres años después de que ChatGPT se convirtiera en el rostro público de la IA generativa, la empresa pidió concentrarse en velocidad, confiabilidad, personalización y experiencia cotidiana. El lenguaje de emergencia dejó al descubierto un producto que empezaba a sentirse como infraestructura pública aunque siguiera atrapado en una competencia privada.
Un código rojo cambia la manera en que una empresa observa a sus usuarios. Cada respuesta lenta, suscripción cancelada, solicitud fallida y captura comparativa se convierte en evidencia dentro de un sistema de alarma comercial. El chatbot puede hablar con paciencia mientras la organización que lo sostiene mide retención, uso, latencia y participación de mercado. La decisión de OpenAI también reveló la posición de la publicidad, que podía esperar cuando la lealtad al producto parecía vulnerable. La cercanía con un sistema conversacional depende tanto de disciplina competitiva como de invención técnica. Una ventana familiar en el teléfono o la computadora se volvió el frente de batalla, y millones de prompts ordinarios pasaron a contar como votos en una carrera entre compañías.

Google's strongest AI advantage may be the material people have already surrendered to it, TechCrunch argued on December 1st. Search history, Gmail, Maps, Photos, YouTube, Android, Chrome, calendars, and location patterns give the company a human archive that rivals cannot easily buy. An assistant built on that archive can answer with a disturbing kind of familiarity. It does not need to become intimate through conversation alone. It begins from years of errands, routes, receipts, images, appointments, and unfinished questions.
The useful assistant is therefore also an old collector wearing a new interface. Personalization stops sounding like a feature when the system can infer taste from what someone photographed, forgot, bought, searched, avoided, or visited at night. Google can present this as convenience, and often it will be convenient. The user asks for help and receives an answer shaped by a life already indexed in fragments. The price is that memory becomes infrastructure. A company that once organized the web now organizes the residue of private behavior, then returns it as advice inside the next prompt.
La mayor ventaja de Google en IA puede estar en el material que la gente ya le entregó, sostuvo TechCrunch el 1 de diciembre. Historial de búsqueda, Gmail, Maps, Photos, YouTube, Android, Chrome, calendarios y patrones de ubicación le dan a la empresa un archivo humano que sus rivales no pueden comprar con facilidad. Un asistente construido sobre ese archivo puede responder con una familiaridad inquietante. No necesita volverse íntimo solo mediante conversación. Empieza desde años de mandados, rutas, recibos, imágenes, citas y preguntas inconclusas.
El asistente útil también es un viejo recolector con una interfaz nueva. La personalización deja de sonar como función cuando el sistema puede inferir gusto a partir de lo que alguien fotografió, olvidó, compró, buscó, evitó o visitó de noche. Google puede presentarlo como comodidad, y muchas veces será cómodo. El usuario pide ayuda y recibe una respuesta moldeada por una vida ya indexada en fragmentos. El precio es que la memoria se vuelve infraestructura. Una empresa que antes organizaba la web ahora organiza el residuo de la conducta privada y lo devuelve como consejo dentro del siguiente prompt.


If you’re a regular reader of this blog and enjoy its content, you might consider contributing to its upkeep. Any amount, no matter how small, will be warmly appreciated

Founded in 2021, Echoes (Notes of Visual Narrative) invites everyone to explore together the visual codes that shape our world—art, photography, design, and advertising in dialogue with society.

Copyright © 2025 r10studio.com. All Rights Reserved. Website Powered by r10studio.com
Cincinnati, Ohio