OpenAI rumbo a la bolsa & IA que hace descubrimientos matemáticos - Noticias de Tecnología (21 may 2026)

Empezamos por OpenAI, que podría estar acercándose a un giro histórico: según fuentes citadas por CNBC, la empresa se prepara para presentar de forma confidencial un borrador de su prospecto de salida a bolsa ante los reguladores de Estados Unidos. Trabajaría con colocadores de primer nivel como Goldman Sachs y Morgan Stanley, aunque el calendario todavía podría moverse. ¿Por qué importa? Porque una IPO obligaría a OpenAI a abrir sus números con un nivel de escrutinio que hasta ahora no ha tenido. Y llega en un momento incómodo y fascinante a la vez: el sector está más competitivo, con presión fuerte en empresas y programación, y el debate público alrededor de Sam Altman y Elon Musk sigue calentando titulares, tribunales y, potencialmente, mercados. Si se concreta, puede arrastrar valoraciones de toda la industria de IA hacia arriba… o ponerlas a prueba de golpe.

Y sin salir de OpenAI, otra noticia que llama la atención por lo que simboliza: la compañía asegura que un nuevo modelo general de razonamiento produjo una prueba original que refuta una conjetura conocida de geometría discreta planteada por Paul Erdős en 1946. El detalle relevante aquí no es solo “la IA resolvió un problema”, sino el contexto: OpenAI ya se quemó anteriormente por afirmaciones demasiado entusiastas sobre problemas de Erdős. Esta vez, dice contar con comentarios de matemáticos reconocidos que, en el pasado, criticaron aquel episodio. Si la comunidad lo valida con tranquilidad y sin prisas, sería una señal potente de que estos sistemas no solo escriben, también pueden sostener cadenas largas de razonamiento y encontrar construcciones que humanos no estaban explorando.

Ahora, Google y la automatización del trabajo científico. Un equipo de Google, con participación académica, presentó en Nature un sistema llamado ERA que puede generar y refinar software científico de manera automática en tareas donde el rendimiento se puede medir con un número. Lo interesante es el cambio de cuello de botella: en muchas áreas, el problema ya no es tener ideas, sino convertirlas en código que funcione, se pueda comparar y mejore de forma iterativa. Demostraron resultados en modelado y predicción en ámbitos biomédicos y de datos. Si esto madura, podría liberar tiempo de investigación hoy consumido por “pegamento” técnico, ajustes y reimplementaciones.

Relacionado con lo anterior, también en Nature aparecen dos propuestas de “co-científicos” de IA: sistemas con varios agentes especializados que revisan literatura, proponen hipótesis, sugieren experimentos y ayudan a analizar resultados. Uno, de Google DeepMind, se probó en reutilización de fármacos para leucemia mieloide aguda y generó candidatos en horas; algunos mostraron señales prometedoras en pruebas tempranas de laboratorio. El otro, de FutureHouse, exploró opciones para una degeneración macular asociada a la edad y propuso un candidato y cómo comprobarlo. La idea suena transformadora, pero la advertencia es la de siempre: que algo funcione en ensayos preliminares no significa que vaya a resistir validaciones más exigentes. Aun así, acortar semanas a días en la fase de ideación y planificación puede cambiar la productividad de equipos enteros.

Cambiamos a un tema más social: confianza en internet. Investigadores de la Universidad de California en San Diego reportan que modelos de lenguaje modernos pueden “pasar” una versión clásica del test de Turing en chats de texto cuando se les pide adoptar una persona humana concreta. En su experimento, la clave fue esa guía de personalidad: sin ella, la tasa de ser confundidos con humanos bajaba notablemente. La implicación práctica es clara: no estamos hablando solo de inteligencia, sino de credibilidad. Y eso eleva riesgos de suplantación, estafas y manipulación en entornos donde damos por hecho que hay una persona al otro lado.

En paralelo, la industria intenta poner etiquetas —o al menos señales— al contenido sintético. Google afirma que su sistema de marca de agua, SynthID, ya ha etiquetado volúmenes gigantescos de imágenes, vídeo y audio generados por IA, y que ahora se expande más allá de modelos propios. La novedad está en las alianzas: si grandes actores lo adoptan, la detección deja de ser un esfuerzo aislado y se acerca a algo más estándar. Aun así, hay un límite evidente: los modelos abiertos sin marcas seguirán existiendo, así que el mundo real será híbrido. Pero en plataformas masivas, cualquier mejora de trazabilidad reduce fricción para periodistas, verificadores y usuarios normales que solo quieren saber si un material es auténtico o no.

En geopolítica de la IA, Singapur firmó acuerdos separados con Google y OpenAI para acelerar despliegues en servicios públicos, educación, salud y empresas. OpenAI, según lo anunciado, invertirá una suma importante y abrirá un laboratorio aplicado en Singapur, su primero de este tipo fuera de Estados Unidos. Para el país, la jugada es estratégica: presentarse como un lugar estable, con talento, y con vocación de ser plataforma neutral para probar y escalar soluciones. Para las empresas de IA, es acceso directo a un “cliente-estado” que puede convertir pilotos en despliegues reales con rapidez.

Volvemos a los grandes del sector, pero por el lado incómodo: el empleo. Meta recortó alrededor de una décima parte de su plantilla en una reestructuración amplia, mientras desplaza a miles de personas hacia roles de IA y deja vacantes sin cubrir. El mensaje de Mark Zuckerberg fue básicamente: el entorno cambia rápido y quieren estar configurados para competir en una industria guiada por inteligencia artificial. Es otra señal de esta etapa: incluso empresas gigantes y rentables están reordenando prioridades, y eso suele venir acompañado de decisiones duras.

Y no es el único caso. El CEO de Cloudflare publicó una reflexión defendiendo recortes de más de una quinta parte de la plantilla pese a crecimiento de ingresos y caja. Su tesis es provocadora: la IA no solo aumenta productividad, también cambia cómo se estructura una compañía y qué capas organizativas dejan de ser necesarias. Es un argumento que probablemente escucharemos más: “no estamos recortando por debilidad, sino por rediseño”. Aun así, para el mercado laboral el efecto es el mismo: menos puestos, más presión por roles directamente ligados a producto y entrega.

Ahora una historia donde la tecnología corre más rápido que el consenso social: la de-extinción y las herramientas reproductivas avanzadas. En Nueva Zelanda, científicos y especialistas en bienestar animal están cuestionando la ética y la viabilidad de revivir al moa gigante de la Isla Sur, después de que Colossal Biosciences anunciara avances en tecnología de ‘huevos’ artificiales. La crítica principal: anuncios llamativos, pero sin datos revisados por pares en la medida esperada, y con desafíos enormes por delante para escalar biología, no solo dispositivos. A la vez, varios investigadores señalan un matiz importante: incluso si la de-extinción no llega pronto —o nunca—, estas técnicas podrían ayudar a conservación de especies actuales, mejorando tasas de incubación y diversidad genética. El debate real es de gobernanza: quién decide, con qué supervisión, y cómo se evita sufrimiento animal o impactos ecológicos irreversibles. Y como si eso no bastara, Colossal también dice estar cerca de completar un sistema de ‘útero artificial’ para mamíferos, con pruebas en un marsupial de gestación corta. Aunque la empresa asegura que no lo usará para ciertos objetivos a corto plazo, la mera posibilidad abre otra caja de preguntas: desde aplicaciones en conservación y medicina reproductiva hasta límites éticos que todavía no están bien definidos.

Seguridad: GitHub informó que un atacante logró acceder a alrededor de 3.800 repositorios internos después de que un empleado instalara una extensión maliciosa de Visual Studio Code. La compañía afirma que contuvo el incidente rápidamente y que, por ahora, no hay señales de afectación a datos de clientes fuera de esos repositorios. Pero la lección es clara y repetida: las extensiones del entorno de desarrollo se han convertido en una puerta de entrada muy atractiva. Es cadena de suministro en versión “cotidiana”: basta un complemento aparentemente inocente para poner en riesgo propiedad intelectual y secretos operativos.

Y dos temas legales que vale la pena vigilar. Primero, la batalla por el software en televisores inteligentes: el litigio sobre Vizio y el supuesto incumplimiento de licencias GPL y LGPL va camino de un juicio con jurado en California. Si el tribunal termina exigiendo que se entregue código completo y realmente compilable, el impacto podría ir más allá de una marca. Podría reforzar el derecho práctico de usuarios y comunidades a mantener dispositivos, extender su vida útil y, sí, también a reducir cosas como rastreo y publicidad intrusiva cuando el hardware sigue funcionando pero el fabricante deja de cuidarlo.

Cerramos con Apple, en dos frentes. Por un lado, se espera que Siri reciba controles de privacidad más claros para borrar automáticamente el historial de conversaciones tras un periodo elegido. Es un movimiento coherente con la estrategia de Apple de vender confianza y minimización de datos como ventaja competitiva, aunque siempre existe el intercambio: menos historial puede significar menos personalización. Y por otro lado, siguen los rumores del iPhone plegable: filtraciones sugieren avances en una pantalla con pliegue casi invisible, pero problemas de durabilidad en la bisagra que podrían frenar la producción. En los plegables, al final manda la física: si el mecanismo no aguanta el uso real, el calendario se vuelve secundario.