OpenAI acelera su teléfono agente & Apple abre Siri a modelos - Noticias de Tecnología (6 may 2026)

Empezamos con hardware e IA, porque el rumor del día es de los grandes: el analista Ming-Chi Kuo asegura que OpenAI estaría acelerando su primer “teléfono agente”, y que podría entrar en producción masiva en la primera mitad de 2027, en lugar de 2028. La lectura interesante no es solo el calendario: se sugiere que OpenAI querría un producto físico potente para reforzar su narrativa ante inversores, en plena conversación sobre una posible salida a bolsa, y también para responder a la ola de móviles centrados en IA. Según el informe, la apuesta sería diferenciarse con un sistema de cámara y procesamiento de imagen pensado para “sentir” mejor el mundo real, y con dos procesadores de IA trabajando en paralelo para visión y lenguaje. En cristiano: no sería solo un chatbot en un teléfono, sino un dispositivo que intenta comportarse más como asistente persistente, con percepción y contexto. Y además aparece una pregunta incómoda: cómo encaja esto con los otros planes de hardware asociados a Jony Ive, incluyendo un altavoz inteligente con cámara que también se rumorea para 2027. Si todo se confirma, el mapa de productos de OpenAI podría cruzarse de frente con las ambiciones de Apple en wearables y asistentes de nueva generación.

Y ya que estamos con Apple: otra noticia apunta a que la compañía planea dejar que los usuarios elijan qué modelos externos alimentan funciones de “Apple Intelligence” en futuras versiones de iOS, iPadOS y macOS. Internamente, el proyecto se conocería como “Extensions”. La idea sería que proveedores terceros se integren a través de sus apps, y que el usuario pueda cambiar de modelo para tareas como redactar, reescribir o generar imágenes dentro de Siri y herramientas del sistema. Lo relevante aquí es el giro estratégico: Apple estaría posicionando sus dispositivos como una plataforma de IA, no como un único modelo. Esto abre oportunidades enormes para socios como Google o Anthropic —que, según las filtraciones, ya estarían en pruebas— y, a la vez, diluye la exclusividad que hoy tiene OpenAI como opción externa destacada. También anticipa una nueva batalla: si la IA viene “por extensión”, la experiencia dependerá tanto de la calidad del modelo como de la confianza del usuario en quién está generando el contenido.

En el frente de modelos, OpenAI también mueve ficha: está desplegando GPT-5.5 Instant como nuevo modelo por defecto en ChatGPT, reemplazando a GPT-5.3 Instant. OpenAI vende la actualización como una mejora para el uso diario: respuestas más claras, más cortas y con menos errores inventados en pruebas internas. El detalle que cambia la conversación es la personalización: el sistema podrá apoyarse en conversaciones previas, archivos subidos y, cuando el usuario lo conecte, incluso en Gmail, mostrando “fuentes de memoria” para que se vea qué contexto influyó y se pueda borrar o corregir. Traducido: el asistente base se vuelve más contextual y más pegado a tu vida digital, y eso eleva tanto el valor como las preguntas sobre control y privacidad. La clave, como siempre, estará en lo fácil que sea entender y gobernar esa memoria.

Ahora, dinero e infraestructura, donde la cifra del día es descomunal: se reporta que Anthropic habría acordado pagar a Google una suma gigantesca a varios años por capacidad de nube y chips. Más allá de si el número exacto termina confirmándose, el patrón es clarísimo: los grandes laboratorios están firmando compromisos a largo plazo para asegurarse “combustible” de cómputo. ¿Por qué importa? Porque este tipo de contratos reordenan el poder del mercado. Las nubes no solo venden servidores: se convierten en socios casi estructurales de los modelos, y pueden capturar retornos enormes a medida que crece el uso. Y, de paso, esto sugiere que el cuello de botella no es solo el talento o los datos, sino la capacidad física de correr y servir IA a escala.

En paralelo, Amazon vuelve a mostrar su estilo: construir para sí mismo y luego venderlo al mundo. Presentó un paquete de servicios para abrir su red de transporte, distribución y entrega de última milla a otras empresas. Y eso inquietó a los mercados porque apunta directamente a los gigantes tradicionales del envío. Lo interesante es el paralelismo con AWS: Amazon convierte costos operativos en activos que puede monetizar mejorando utilización y eficiencia. Y en un mundo donde la IA empuja a automatizar procesos y decisiones en tiempo real, controlar la infraestructura física —y los datos operativos que genera— puede ser una ventaja tan estratégica como tener el mejor modelo.

Hablemos de semiconductores, porque el boom de la IA está moviendo el tablero del hardware más allá de las GPUs. Micron pegó un salto fuerte en bolsa tras anunciar envíos de una unidad de almacenamiento de gran capacidad para centros de datos. El trasfondo es simple: la IA no solo necesita cómputo; necesita memoria y almacenamiento a gran escala, y ahí hay escasez. Esta noticia es un recordatorio de que la cadena de suministro de la IA tiene varios cuellos de botella. Si falta memoria, todo lo demás se encarece y se frena. Por eso, empresas de memoria y almacenamiento están capturando una parte creciente del valor del “boom” que antes parecía concentrado en unos pocos fabricantes de chips de cómputo.

Pasamos a regulación y privacidad en Europa. Un científico destacado de Google advirtió a la Comisión Europea que el enfoque propuesto para “anonimizar” datos de búsquedas —con el fin de compartirlos con competidores bajo la Ley de Mercados Digitales— podría revertirse en muy poco tiempo, al punto de reidentificar usuarios. Este choque es de manual: por un lado, Europa quiere abrir el acceso a datos para incentivar competencia en búsqueda y en asistentes de IA. Por el otro, el GDPR impone obligaciones fuertes para proteger datos personales, y las consultas de búsqueda suelen ser tan únicas que “ocultarlas” no siempre basta. El resultado puede marcar un precedente enorme: hasta dónde puede llegar una medida pro-competencia cuando aumenta el riesgo de privacidad, y quién asume la responsabilidad si algo sale mal.

En tribunales, otra batalla clave para la IA: el escritor Scott Turow y varias editoriales grandes presentaron una demanda colectiva contra Meta por presunta infracción de copyright relacionada con Llama. La acusación es especialmente sensible porque no se limita a “entrenar con obras protegidas”, sino que apunta a materiales supuestamente obtenidos desde sitios piratas. Meta responde con el argumento de que entrenar modelos puede encajar en fair use, pero el caso se vuelve mucho más delicado si el origen de los datos es ilegal. Lo que se decida aquí puede influir en cómo se negocian licencias, qué prácticas quedan fuera de juego y cuánto cuesta, de verdad, construir modelos a gran escala sin incendiarse en el proceso.

Cerramos con trabajo y cultura tecnológica, donde la IA está reescribiendo reglas a dos velocidades. Primero, Coinbase anunció un recorte de plantilla y lo enmarcó como preparación para un mercado cripto flojo y, al mismo tiempo, para un aumento de productividad impulsado por IA. La empresa habla de aplanar jerarquías y formar equipos “AI-native”, con grupos pequeños que produzcan más con herramientas de agentes. Y segundo, en Reino Unido, empleados de Google DeepMind votaron para sindicalizarse y piden reconocimiento formal de representación. Entre los motivos, mencionan preocupaciones por acuerdos con defensa y por posibles usos de la IA en vigilancia o escenarios de daño. Es una señal de época: ya no solo se discute la potencia de los modelos, sino quién decide dónde se aplican y con qué límites.

Bonus rápido, porque ayuda a entender el clima del sector: en China, se describe una adopción masiva de IA generativa y “agentic”, integrada en tareas cotidianas y en plataformas gigantes. Más allá de la competencia geopolítica, lo relevante es el ritmo de normalización: cuando la IA se incrusta en productos usados por cientos de millones, el país se convierte en un laboratorio de comportamiento, expectativas y gobernanza. Y en el mundo del desarrollo de software, crece una conversación más incómoda: herramientas de “coding con agentes” pueden disparar la producción de código, pero no necesariamente mejoran el producto. Varios análisis advierten sobre bloat, complejidad y una nueva deuda: gente aceptando lo que la IA propone sin entenderlo del todo. La tentación es real, especialmente cuando la velocidad se premia, pero el costo aparece después, en mantenimiento y fiabilidad.