IA que acierta en urgencias & ByteDance y fármacos generados por IA - Noticias de Tecnología (4 may 2026)

Empezamos por salud, porque viene un dato que no pasa desapercibido: un estudio en Science probó un modelo de “razonamiento” con notas reales de triaje de un servicio de urgencias en Boston. En ese conjunto de casos, la IA acertó el diagnóstico exacto o muy cercano con más frecuencia que dos médicos adjuntos. Lo interesante aquí no es la competición, sino la señal: estos sistemas ya pueden rendir bien en tareas acotadas, con texto clínico real. La advertencia también es clara: superar un test no equivale a practicar medicina, donde importan exploraciones, pruebas, comunicación, ética y responsabilidad cuando algo sale mal.

En la misma línea de biomedicina, ByteDance —sí, la empresa detrás de TikTok— mostró públicamente su primer candidato terapéutico diseñado con IA. Su unidad, Anew Labs, apunta a IL-17, una pieza importante en enfermedades autoinmunes. Lo llamativo es el tipo de diana: interacciones proteína-proteína que durante años se han considerado muy difíciles para fármacos de molécula pequeña. Anew habla de la ambición de llegar a tratamientos orales que compitan con terapias inyectables, pero conviene subrayarlo: por ahora todo está en fase preclínica. El examen de verdad será si esto aguanta el salto a datos en humanos, donde el desarrollo farmacéutico suele estrellarse con tasas de fallo altísimas.

Y un apunte más en neurociencia: investigadores de Baylor reportan que aumentar una proteína, Sox9, mejora la capacidad del cerebro para “limpiar” placas de amiloide en modelos de ratón con Alzheimer. El giro interesante es el protagonista: en vez de centrarse solo en neuronas, ponen el foco en astrocitos, células de soporte que, bien activadas, pueden ayudar a retirar acumulaciones asociadas a la enfermedad. En ratones observaron menos placas y mejor desempeño en tareas de memoria. Aun así, el mensaje es de prudencia: una cosa es potenciar un mecanismo en modelos animales y otra es hacerlo de forma segura y efectiva en humanos.

Cambiamos a la web, donde se está reabriendo una pregunta grande: ¿cómo se construirán los navegadores dentro de unos años? Paul Kinlan plantea que, con asistentes de programación cada vez más capaces y hardware que acelera modelos, podríamos ver una transformación del desarrollo de navegadores. Su idea clave es muy pragmática: si el sector empuja especificaciones más claras y suites de pruebas automatizadas mucho más completas, esas pruebas pueden convertirse en los “guardarraíles” para que sistemas automáticos implementen funciones de forma fiable. A largo plazo incluso especula con navegadores que generen capacidades en tiempo real según la intención y el dispositivo, lo que recortaría APIs de alto nivel… pero abriría un paquete enorme de problemas de seguridad, privacidad y reproducibilidad. Y, quizá más delicado: pondría en tensión una promesa histórica de la web, la de que una misma URL ofrece una experiencia comparable en cualquier lugar.

Relacionado con eso, también está creciendo el interés por modelos pequeños ejecutándose directamente en el navegador, algo que ya se prueba de forma experimental en algunos entornos. La parte atractiva es evidente: funciones privadas y offline, sin depender de enviar datos a un servidor ni pagar por uso. Pero el riesgo para la web abierta también es real: si se estandariza “IA en el navegador” alrededor de una implementación dominante, los desarrolladores podrían acabar optimizando para un único proveedor, repitiendo viejos errores de compatibilidad. Y hay otra brecha: lo “local y gratis” funciona mejor para quien tenga un equipo potente, lo que puede empeorar la desigualdad de acceso.

Ahora, una idea que se repite en varios debates de ingeniería: con asistentes y agentes que generan código cada vez más barato, el cuello de botella ya no es teclear, sino mantener requisitos claros, trazabilidad y verificación. Hay autores señalando que el fallo típico pasa de “mal código” a “requisitos perdidos” por falta de contexto, reinicios de sesión o traspasos entre agentes. La respuesta que gana peso es tratar las exigencias como piezas estables —criterios de aceptación identificables— y amarrarlas a pruebas, revisiones y evidencias de que el software cumple lo prometido. En paralelo, otros análisis comparan cómo coordinar varios modelos: a veces una única IA fuerte gana por coherencia; otras, un enfoque tipo “mercado” con intentos independientes y reintentos detecta mejor los errores. La conclusión: organizar agentes no es solo tecnología; también es diseño de proceso.

Vamos a defensa y política tecnológica. El Departamento de Defensa de EE. UU. dice que integrará capacidades avanzadas de IA en redes y nubes de alta sensibilidad, con apoyo de proveedores como SpaceX, OpenAI, Google, NVIDIA, Microsoft y AWS, entre otros. La relevancia está en el contexto: hablamos de entornos clasificados y de usos como análisis de inteligencia, simulaciones o planificación operativa. Esto acelera una discusión incómoda pero inevitable: qué nivel de autonomía es aceptable, cómo se audita la fiabilidad y quién responde cuando un sistema influye en decisiones críticas.

Y, en ese mismo terreno, más de 600 empleados de Google firmaron una carta pidiendo a Sundar Pichai que bloquee el uso de la IA de la compañía en operaciones clasificadas del Pentágono. Lo que llama la atención no es solo la protesta, sino el contraste con 2018, cuando la presión interna tuvo más efecto. Ahora, según varios relatos, el margen de influencia de los empleados parece menor: más contratos gubernamentales, un clima interno más controlado y un mercado laboral menos favorable para organizarse. Es una foto clara de cómo Silicon Valley está redefiniendo su relación con la seguridad nacional.

Pasamos a energía, porque aquí hay una pieza que conecta directamente con la IA: la demanda eléctrica en EE. UU. ha crecido en los últimos dos años más que en los quince anteriores, empujada por centros de datos, reindustrialización y electrificación de transporte y calefacción. El resultado es una brecha entre demanda y capacidad que ya se nota en precios: la electricidad residencial ha subido con fuerza desde 2020 y podrían venir más presiones. La buena noticia es que solar y baterías a escala de red están entrando a ritmo récord y ayudan a cubrir picos, especialmente por la tarde-noche. La mala: decisiones de política energética, permisos y costes de infraestructura pueden frenar justo lo que más se necesita, que es construir y conectar más rápido.

En negocios, el pulso de capitalización bursátil: un informe de Barron’s apunta a que Alphabet se está acercando rápidamente a Nvidia y podría disputarle el primer puesto entre las cotizadas más valiosas. Nvidia venía de máximos recientes y se ha movido más plana, mientras Alphabet ha subido fuerte, apoyada en su expansión de IA en Search, YouTube y Google Cloud, además de un gran volumen de pedidos pendientes en la nube. Con resultados de Nvidia a la vuelta de la esquina, el mercado lo leerá como algo más que un ranking: es una apuesta sobre quién captura más valor en la era de la infraestructura y las aplicaciones de IA.

Cerramos con dos historias que, de formas distintas, ponen a SpaceX en el centro. Primero, Reuters cita un documento confidencial que estima que Starship ha costado más de 15.000 millones de dólares en desarrollo. Es importante porque Starship sostiene gran parte del relato de futuro de SpaceX: abaratar lanzamientos, aumentar cadencia y habilitar nuevas generaciones de satélites. Si los plazos se deslizan, el riesgo no es solo técnico, también financiero. Y segundo: se habla de una red clandestina que introduce terminales de Starlink en Irán para saltarse un apagón de internet que ya dura más de dos meses. Es otro recordatorio de que la conectividad satelital ya no es solo un servicio: en ciertos países se convierte en una palanca política, con consecuencias para activistas, gobierno y derechos digitales.