November | 2025
FoloToy pulled its Kumma AI-enabled plushie after researchers found that the ChatGPT-powered bear could discuss sexually explicit topics, offer advice involving knives, and give instructions related to lighting matches. The Verge cited reporting from CNN and a US PIRG Education Fund test that treated the toy as a child-safety problem rather than a novelty gadget. A stuffed animal usually enters the home as softness, bedtime, imitation friendship, and a voice a child controls through play. This one carried a microphone, a model connection, and a set of limits that failed under ordinary prompting.
The failure sits in the shape of the object. A chatbot inside a browser already asks for caution, but a bear borrows trust from fabric, scale, and domestic habit. A child can hug it, speak to it in a room without an adult, and receive answers that sound patient enough to continue the exchange. The risk does not require the toy to be malicious. It only requires a system that treats a child's question as another prompt to complete. Safety then depends on filters, logging, cloud access, parental setup, and a company deciding how much responsibility can be hidden inside a face made of cloth.
FoloToy retiró su peluche Kumma con IA después de que investigadores descubrieran que el oso impulsado por ChatGPT podía hablar de temas sexualmente explícitos, ofrecer consejos relacionados con cuchillos y dar instrucciones sobre cómo encender fósforos. The Verge citó reportes de CNN y una prueba del US PIRG Education Fund que trató el juguete como un problema de seguridad infantil, no como un gadget novedoso. Un peluche suele entrar a la casa como suavidad, hora de dormir, amistad simulada y voz que un niño controla mediante el juego. Este traía un micrófono, conexión a un modelo y un conjunto de límites que fallaron ante preguntas ordinarias.
La falla queda instalada en la forma del objeto. Un chatbot dentro de un navegador ya exige cautela, pero un oso toma prestada confianza de la tela, la escala y la costumbre doméstica. Un niño puede abrazarlo, hablarle en una habitación sin un adulto y recibir respuestas con paciencia suficiente para seguir la conversación. El riesgo no exige que el juguete sea malicioso. Basta con un sistema que trate la pregunta de un niño como otro prompt por completar. La seguridad queda entonces en filtros, registros, acceso a la nube, configuración parental y una empresa decidiendo cuánta responsabilidad puede esconderse dentro de una cara de tela.
Major labels moved closer to AI music after Universal, Sony, and Warner reached licensing arrangements with Klay, an AI music startup, according to The Verge. The deal follows a period of lawsuits, public suspicion, and arguments over whether generated tracks are theft, competition, tool, or product category. The industry is not rejecting the synthetic song outright. It is trying to place it inside a paid structure, with rights holders collecting rent before the sound reaches streaming services, playlists, ads, gyms, stores, and background feeds.
The arrangement changes the argument from outrage to accounting. A generated song can still trouble musicians who hear their style turned into training material, but the labels are building a path where permission, catalog access, and distribution matter more than the romance of authorship. The singer becomes a legal asset, the voice a licensed territory, the song a negotiable output from a system trained to imitate musical expectation. Listeners may receive a track without knowing whether a person wrote it, performed it, approved it, or merely signed away a slice of the revenue. The old gatekeepers are preparing to sell access to the new imitation machine.
Los grandes sellos se acercaron más a la música con IA después de que Universal, Sony y Warner alcanzaran acuerdos de licencia con Klay, una startup de música generativa, según The Verge. El pacto llega después de demandas, sospecha pública y discusiones sobre si las canciones generadas son robo, competencia, herramienta o nueva categoría de producto. La industria no está rechazando la canción sintética de plano. Intenta colocarla dentro de una estructura pagada, con titulares de derechos cobrando renta antes de que el sonido llegue a servicios de streaming, playlists, anuncios, gimnasios, tiendas y música de fondo.
El acuerdo desplaza la discusión de la indignación a la contabilidad. Una canción generada todavía puede incomodar a músicos que oyen su estilo convertido en material de entrenamiento, pero los sellos construyen un camino donde permiso, acceso a catálogo y distribución pesan más que la idea romántica de autoría. El cantante pasa a ser activo legal, la voz territorio licenciado, la canción un resultado negociable de un sistema entrenado para imitar expectativas musicales. El público puede recibir una pista sin saber si una persona la escribió, la interpretó, la aprobó o cedió una parte de los ingresos. Los viejos guardianes se preparan para vender acceso a la nueva máquina de imitación.
The European Union moved to scale back parts of its privacy and AI rulebook after years of presenting itself as the jurisdiction willing to discipline the tech industry. The Verge reported proposed changes touching the AI Act and GDPR, with officials arguing that simplification would reduce burdens on companies and help Europe compete. The language is administrative, but the stakes are plain. A law written to slow extraction, classification, and opaque automation is being edited under pressure from the same industrial race it was meant to govern.
The adjustment exposes a familiar weakness in digital regulation. Rules arrive slowly, after lobbying, compromise, translation, and implementation schedules. AI products arrive as updates, integrations, pilot programs, and emergency promises of national competitiveness. By the time enforcement gets close, governments start hearing that restraint has become a disadvantage. Citizens then receive a thinner shield than the one announced in speeches. Companies still face obligations, but the political signal changes. The model, the app, and the data broker learn that a hard boundary can become a negotiation if enough economic anxiety gathers around it.
La Unión Europea avanzó hacia una reducción de partes de su reglamento de privacidad e IA después de años de presentarse como la jurisdicción dispuesta a disciplinar a la industria tecnológica. The Verge informó sobre cambios propuestos que afectan la AI Act y el GDPR, con funcionarios que sostienen que la simplificación reduciría cargas para las empresas y ayudaría a Europa a competir. El lenguaje es administrativo, pero el peso es claro. Una ley escrita para frenar extracción, clasificación y automatización opaca está siendo editada bajo presión de la misma carrera industrial que debía gobernar.
El ajuste expone una debilidad conocida de la regulación digital. Las reglas llegan despacio, después de lobby, compromiso, traducción y calendarios de implementación. Los productos de IA llegan como actualizaciones, integraciones, programas piloto y promesas urgentes de competitividad nacional. Cuando la aplicación de la norma se acerca, los gobiernos empiezan a escuchar que la contención se volvió una desventaja. La ciudadanía recibe entonces un escudo más delgado que el anunciado en discursos. Las empresas siguen enfrentando obligaciones, pero la señal política cambia. El modelo, la app y el corredor de datos aprenden que una frontera dura puede volverse negociación si suficiente ansiedad económica se acumula alrededor.
Stack Overflow unveiled a set of enterprise products at Microsoft Ignite on November 18, positioning Stack Internal as a source for AI agents. The product adapts its question-and-answer forum for private workplaces, with security and administrative controls, and sends material to agents through Model Context Protocol integrations. Each answer can travel with its author, date, tags, and an assessment of internal coherence. Those signals contribute to a reliability score intended to tell an agent how much weight to give the answer.
Once Stack Internal assigns an answer a score, its standing depends on the tagging system and the criteria used to infer coherence, even when office authority originally moved through reputation or experience. Stack Overflow says customers may define tags, and it plans to connect concepts in a knowledge graph. Its proposed read-write function adds a further circuit. When an agent cannot answer a query, it can post a question to Stack Internal, where an employee must formulate the missing knowledge in a reusable form. Less effort to capture expertise may still mean fresh, unevenly visible work for the people whose explanations keep the system useful. Managers can count questions and retrieve answers, yet the score cannot contain every condition under which a workaround succeeded. The agent's failure finally arrives as a new question in an employee's queue.
Stack Overflow presentó el 18 de noviembre, durante Microsoft Ignite, varios productos empresariales que sitúan Stack Internal como fuente para agentes de IA. El producto adapta su foro de preguntas y respuestas a lugares de trabajo privados, añade controles de seguridad y administración, y entrega el material mediante integraciones con Model Context Protocol. Cada respuesta puede viajar con el nombre de su autor, la fecha, etiquetas y una evaluación de coherencia interna. Esas señales alimentan una puntuación de fiabilidad que indica al agente cuánto peso asignar a la respuesta.
Cuando Stack Internal asigna una puntuación a una respuesta, su posición depende del sistema de etiquetas y de los criterios que calculan su coherencia, aunque la autoridad dentro de la oficina procediera de la experiencia. Stack Overflow permite que cada cliente defina etiquetas y proyecta conectar conceptos en un grafo de conocimiento. La función de lectura y escritura añade otro circuito. Si un agente no puede responder una consulta, puede publicar una pregunta en Stack Internal, donde alguien deberá formular el conocimiento ausente de manera reutilizable. Reducir el esfuerzo de captura puede generar trabajo nuevo y poco visible para quienes sostienen el sistema con sus explicaciones. El fallo del agente termina como una pregunta nueva en la cola de trabajo del personal.
CoreWeave became one of the clearest symbols of the AI infrastructure boom. The Verge described the company as a heavily indebted supplier of cloud computing for a market hungry for GPUs, data centers, power contracts, and clients willing to pay for accelerated training and inference. The story is financial, but it is also material. AI is often sold as software that appears on a screen. CoreWeave points to the buildings, loans, chips, leases, and electricity deals required before that answer arrives. The cloud here has creditors.
That changes the social texture of the boom. A chatbot response can look weightless because the user sees a box, a cursor, and a short delay. Behind it sits a chain of capital expenditure that needs constant demand to justify itself. If customers slow down, chips age, energy prices move, or contracts disappoint, the rhetoric of intelligence meets the repayment schedule. The risk is carried by investors, workers, utilities, towns negotiating data-center terms, and companies building products on rented capacity. AI's promise becomes part of a balance sheet. The question at the server rack is how long expectation can keep paying the power bill.
CoreWeave se convirtió en uno de los símbolos más claros del auge de infraestructura para IA. The Verge describió a la empresa como un proveedor de cómputo en la nube muy endeudado para un mercado hambriento de GPU, centros de datos, contratos de energía y clientes dispuestos a pagar por entrenamiento e inferencia acelerados. La historia es financiera, pero también es material. La IA suele venderse como software que aparece en una pantalla. CoreWeave apunta a edificios, préstamos, chips, arriendos y acuerdos eléctricos necesarios antes de que esa respuesta llegue. La nube aquí tiene acreedores.
Eso cambia la textura social del auge. Una respuesta de chatbot puede parecer ingrávida porque el usuario ve una caja, un cursor y una breve espera. Detrás queda una cadena de gasto de capital que necesita demanda constante para justificarse. Si los clientes frenan, los chips envejecen, la energía sube o los contratos decepcionan, la retórica de la inteligencia se encuentra con el calendario de pagos. El riesgo lo cargan inversionistas, trabajadores, compañías eléctricas, pueblos que negocian condiciones para centros de datos y empresas que construyen productos sobre capacidad alquilada. La promesa de la IA entra en una hoja de balance. La pregunta frente al rack de servidores es cuánto tiempo la expectativa puede seguir pagando la factura eléctrica.
On October 27, a Waymo robotaxi struck and killed Kit Kat, a bodega cat known in San Francisco's Mission District. TechCrunch reported the case on November 16, drawing on New York Times coverage published the previous day. Residents placed flowers and signs at a curbside memorial, while other signs pointed to deaths caused by human drivers. Waymo said the cat “darted under our vehicle as it was pulling away” and offered sympathy to his owner and the community. The company's account describes a sudden movement at low speed. The available reporting does not establish further details about the vehicle's detection or braking.
Supervisor Jackie Fielder cited Kit Kat while supporting a city resolution asking California to let local voters decide whether driverless cars may operate in their neighborhoods. Her argument concerned accountability at the scene. A human driver can stop, identify themselves, speak to witnesses, and be investigated as an individual. An autonomous fleet routes those demands through corporate statements, vehicle data, police procedure, and state regulation. That arrangement may still produce evidence, but it changes whom neighbors can confront and which government can answer them. San Francisco currently cannot settle the operating question by neighborhood vote. Grief entered the jurisdictional dispute through flowers at the curb and a proposed resolution before the Board of Supervisors.
El 27 de octubre, un robotaxi de Waymo atropelló y mató a Kit Kat, un gato de bodega conocido en el Distrito de la Misión de San Francisco. TechCrunch informó del caso el 16 de noviembre. Los vecinos dejaron flores y carteles en un memorial, mientras otros letreros recordaban las muertes causadas por conductores humanos. Waymo afirmó que el gato «se lanzó debajo de nuestro vehículo cuando este comenzaba a avanzar» y expresó sus condolencias a quien lo cuidaba y a la comunidad. La información disponible no aporta más detalles sobre la detección ni el frenado.
La supervisora Jackie Fielder mencionó a Kit Kat al defender una resolución municipal que pide a California permitir que el electorado local decida si los vehículos sin conductor pueden operar en sus barrios. Quien conduce puede detenerse, identificarse, hablar con testigos y responder a una investigación individual. Una flota autónoma canaliza esas exigencias mediante comunicados corporativos, datos del vehículo, procedimientos policiales y regulación estatal. Ese dispositivo puede producir pruebas, pero cambia a quién pueden interpelar los vecinos y qué gobierno debe responder. San Francisco carece hoy de autoridad para resolver la operación mediante una votación barrial. El duelo entró en la disputa jurisdiccional mediante las flores de la acera y una resolución propuesta ante la Junta de Supervisores.
A co-founder of Fireflies.ai claimed the transcription company began with two founders silently joining meetings and taking notes by hand while selling the service as AI. The Verge cited Sam Udotong's account of the early period, when customers paid for an automated note taker that, according to him, still depended on human labor inside the call. Udotong said beta users understood there was a human in the loop. Even with that caveat, the story touches the old theater of automation. A product can call itself artificial intelligence while hiding a person behind the curtain, headset on, typing through someone else's meeting.
The problem reaches beyond startup mythmaking. Meeting notes can contain salaries, illnesses, firings, product plans, legal risk, family interruptions, and the informal language people use when they think a machine is listening. Human substitution changes the privacy contract. The customer imagines a system processing audio; the actual scene may include a stranger listening, interpreting, omitting, and summarizing. Many AI services still depend on review, labeling, support, or cleanup by workers whose names remain outside the pitch deck. The magic trick begins to fail when the assistant is revealed as a person trying to keep up.
Un cofundador de Fireflies.ai afirmó que la empresa de transcripción empezó con dos fundadores entrando en silencio a reuniones y tomando notas a mano mientras vendían el servicio como IA. The Verge citó el relato de Sam Udotong sobre esa primera etapa, cuando los clientes pagaban por un tomador de notas automatizado que, según él, todavía dependía de trabajo humano dentro de la llamada. Udotong dijo que los usuarios beta entendían que había una persona en el circuito. Incluso con esa salvedad, la historia toca el viejo teatro de la automatización. Un producto puede llamarse inteligencia artificial mientras esconde a alguien detrás de la cortina, con audífonos puestos, escribiendo durante la reunión de otro.
El problema va más allá de la mitología startup. Las notas de una reunión pueden contener salarios, enfermedades, despidos, planes de producto, riesgo legal, interrupciones familiares y el lenguaje informal que la gente usa cuando cree que escucha una máquina. La sustitución humana cambia el contrato de privacidad. El cliente imagina un sistema procesando audio; la escena real puede incluir a un desconocido escuchando, interpretando, omitiendo y resumiendo. Muchos servicios de IA todavía dependen de revisión, etiquetado, soporte o limpieza hechos por trabajadores cuyos nombres quedan fuera del pitch deck. El truco empieza a fallar cuando el asistente aparece como una persona intentando seguir el ritmo.
South Korea's three SKY universities reported cheating connected with artificial intelligence during examinations. At Yonsei University, hundreds of undergraduates took an online midterm for a course about ChatGPT. A professor suspected dozens of using prohibited materials, including textbooks and computer programs. ChatGPT was one possible program. The university said 40 students admitted cheating, which does not establish that all 40 used ChatGPT. Seoul National University and Korea University separately said students had used AI tools on recent tests. The simultaneous cases unsettled institutions whose admissions carry weight in a country where an eight-hour entrance examination governs access to prestige. They also exposed uneven rules about permitted assistance.
An online examination tries to isolate performance inside a networked room. A student can keep the test in one window and consult a model, search engine, document, or messaging channel in another, leaving the instructor to reconstruct conduct from records. Detection software offers uncertain evidence, while blanket bans collide with courses that teach tools later used at work. Yonsei's episode prompted plans for a public hearing as universities considered discipline and clearer guidance. Each course must state which tools are permitted and what use must be disclosed. It must explain which records may be reviewed and how an accusation can be challenged. If continuous assistance cannot be separated from the test environment, the university must require an oral defense or redesign the examination.
Las universidades surcoreanas SKY informaron de trampas vinculadas con inteligencia artificial en exámenes. En Yonsei, cientos de estudiantes hicieron en línea un parcial de un curso sobre ChatGPT. Un profesor sospechó que decenas habían usado materiales prohibidos, incluidos libros y programas informáticos. ChatGPT era una posibilidad. La universidad dijo que 40 admitieron haber hecho trampa, dato que no demuestra que todos usaran ChatGPT. La Universidad Nacional de Seúl y la Universidad de Corea comunicaron que algunos alumnos habían empleado herramientas de IA en pruebas. La coincidencia sacudió instituciones cuyo ingreso pesa en un país donde un examen de ocho horas rige el acceso al prestigio educativo. También dejó reglas desiguales sobre la ayuda permitida.
El examen en línea intenta aislar un rendimiento individual en una habitación conectada. Un estudiante puede mantener la prueba en una ventana y consultar un modelo, buscador, documento o canal de mensajes en otra, mientras el docente reconstruye la conducta mediante registros. Los detectores ofrecen indicios inciertos y las prohibiciones chocan con asignaturas que enseñan herramientas utilizadas en el trabajo. Yonsei planeó una audiencia pública mientras las universidades estudiaban sanciones y reglas. Cada curso debe indicar qué herramientas permite y qué uso exige declarar. También debe explicar qué registros pueden revisarse y cómo impugnar una acusación. Si la asistencia continua no puede separarse del entorno, la universidad deberá exigir una defensa oral o rediseñar el examen.
Apple updated its App Review Guidelines to require developers to clearly disclose when personal data will be shared with third-party AI and to obtain explicit permission before doing so. The change sounds like legal hygiene, but it names a new route for ordinary information. A photo app, health tracker, writing tool, shopping service, or workplace platform can now sit between the user and an outside model that receives material the user may have treated as local, temporary, or routine. The rule does not ban that transfer. It forces the request to appear before the data moves.
The permission box becomes a small border crossing. A user is asked to decide, often in a hurry, whether a private action inside one app can become input for another company's system. The friction is useful because AI integrations often arrive as convenience, summarization, automation, or personalization. Those words can hide the path taken by contacts, files, voice, location, habits, and fragments of work. Apple's rule shifts part of the burden back to the interface. The app has to ask in visible language before the assistant behind it learns from someone else's data.
Apple actualizó sus App Review Guidelines para exigir que los desarrolladores expliquen con claridad cuándo los datos personales se compartirán con IA de terceros y pidan permiso explícito antes de hacerlo. El cambio suena a higiene legal, pero nombra una nueva ruta para información ordinaria. Una app de fotos, un registro de salud, una herramienta de escritura, un servicio de compras o una plataforma laboral puede quedar entre el usuario y un modelo externo que recibe material tratado como local, temporal o rutinario. La regla no prohíbe esa transferencia. Obliga a que la solicitud aparezca antes de que los datos se muevan.
La casilla de permiso se convierte en una pequeña frontera. El usuario debe decidir, casi siempre con prisa, si una acción privada dentro de una app puede volverse insumo para el sistema de otra compañía. La fricción sirve porque las integraciones de IA suelen llegar como comodidad, resumen, automatización o personalización. Esas palabras pueden ocultar el recorrido de contactos, archivos, voz, ubicación, hábitos y fragmentos de trabajo. La regla de Apple devuelve parte de la carga a la interfaz. La app tiene que pedirlo con lenguaje visible antes de que el asistente detrás de ella aprenda con datos ajenos.
