Copilot y documentos que contagian & Ciberseguridad abierta para la AI - Noticias de IA (29 jul 2026)

Un documento de Word podría engañar a Copilot, cambiar cifras sin avisar y además dejar una instrucción oculta para infectar el siguiente archivo. Ese detalle, más que una curiosidad, apunta a un problema serio en la forma en que muchos asistentes de AI manejan el contexto. Bienvenidos a The Automated Daily, edición de noticias de IA. El podcast creado por IA generativa. Hoy es 29 de julio de 2026, y estas son las historias que vale la pena seguir.

Copilot y documentos que contagian

Empezamos con seguridad, y con una señal bastante incómoda para cualquiera que ya trabaja con asistentes dentro de documentos. Un investigador mostró que instrucciones ocultas dentro de un archivo de Word pueden influir en el texto que redacta Microsoft Copilot y, peor todavía, copiar esas mismas instrucciones al documento resultante. Eso significa que el problema no se queda en una respuesta incorrecta: puede propagarse de archivo en archivo a través de flujos normales de colaboración. Microsoft aplicó mitigaciones, pero el punto de fondo sigue ahí: cuando contenido no confiable comparte contexto con instrucciones confiables, contener y rastrear una manipulación se vuelve mucho más difícil.

Ciberseguridad abierta para la AI

En paralelo, la industria se mueve para reforzar la defensa. NVIDIA, Microsoft, IBM, Cisco, Hugging Face y muchos otros lanzaron una alianza abierta para desarrollar herramientas de seguridad para sistemas y agentes de AI. La idea es sencilla y potente: los defensores necesitan modelos, pruebas y utilidades que puedan inspeccionar y ejecutar en su propia infraestructura, no solo depender de cajas negras. Esa noticia encaja bien con DeepsecBench, el nuevo benchmark de Vercel para medir qué tan bien los modelos encuentran vulnerabilidades en código real. Los modelos más potentes siguen liderando, pero las opciones más baratas y abiertas ya se acercan lo suficiente como para hacer escaneo masivo a costos más razonables. En conjunto, esto refuerza una tendencia clara: la AI también se está consolidando como herramienta defensiva.

Memoria compartida entre agentes AI

En el frente de agentes, una de las novedades más interesantes viene de RampLabs. Su método, llamado Latent Briefing, evita que varios agentes tengan que pasarse largos resúmenes en texto cada vez que cooperan. En lugar de eso, comparte memoria útil directamente a través de la KV cache, que es donde el modelo conserva contexto durante la inferencia. Según la empresa, eso recorta el uso de tokens, mantiene la precisión y acelera de forma muy marcada la coordinación. ¿Por qué importa? Porque uno de los grandes cuellos de botella en sistemas multiagente no es solo razonar bien, sino mover contexto sin pagar demasiado en tiempo, costo y ruido. Si esta idea se confirma fuera de pruebas controladas, puede hacer a los agentes bastante más prácticos.

Modelos abiertos y nuevas arquitecturas

También hay señales de que el mundo de los modelos está buscando caminos alternativos al enfoque dominante de predecir token por token. InclusionAI liberó LLaDA2.X, una familia abierta de modelos de lenguaje por difusión, con pesos y código de entrenamiento disponibles. Eso importa porque abre una vía distinta para experimentar a gran escala, en un terreno que hasta ahora estaba muy dominado por modelos autoregresivos. A la vez, vuelve a ganar atención otra idea: reutilizar los mismos pesos en bucle, los llamados looped transformers, para exprimir más capacidad con menos memoria y menos cómputo extra. El mensaje aquí es que la próxima mejora grande en AI no tiene por qué venir solo de entrenar algo más enorme; también puede venir de arquitecturas más eficientes.

Verificación formal para código generado

Otro tema llamativo llega desde GitHub y toca una pregunta cada vez más importante: cómo confiar en código complejo escrito con ayuda de AI. Un proyecto en Lean 4 presentó lo que describe como la primera implementación formalmente verificada de una operación 3D de geometría sólida, con pruebas que en gran parte fueron generadas por AI, pero validadas por un verificador matemático. No es una solución pensada para velocidad, y de hecho sigue siendo más lenta que alternativas convencionales. Lo relevante es otra cosa: muestra un posible modelo de trabajo donde la AI acelera la creación, pero la confianza final no depende de creerle al modelo, sino de poder comprobar formalmente que el resultado cumple lo prometido.

AI, trabajo y criterio humano

Pasando al trabajo diario, OpenAI publicó un análisis que ayuda a explicar por qué tanta gente siente que su puesto ya cambió aunque su cargo siga igual. En cientos de miles de mensajes de ChatGPT detectó mucho cruce de tareas: personas haciendo con AI trabajos que antes habrían pasado a otro especialista. Eso aparece especialmente en marketing, diseño, recursos humanos, legal y atención al cliente. La lectura práctica es interesante: el debate ya no es solo qué empleo reemplaza la AI, sino cómo ensancha cada rol. Y eso conecta con una idea útil que circula entre equipos que usan agentes: el nivel de autonomía debería depender menos de lo impresionante que parezca el modelo y más de si el trabajo es fácil de verificar y fácil de deshacer si algo sale mal. En esa línea, un ensayo inspirado en Bukowski dejaba una nota sobria: si la AI nos da más velocidad, no siempre la respuesta inteligente es producir más, sino elegir mejor.

Chips, seguridad y presión del mercado

Y cerramos con la capa política y económica. Dario Amodei, CEO de Anthropic, dijo que su empresa no propone prohibir los modelos open-weights, sino centrar la regulación en pruebas de seguridad para modelos realmente capaces, controles de chips avanzados y límites a la destilación industrial. Mientras tanto, Safe Superintelligence, la startup de Ilya Sutskever, salió de dos años de perfil bajo con un acuerdo de largo plazo con NVIDIA que le daría un salto importante en capacidad de cómputo. Esa combinación resume bien el momento del sector: más potencia para los laboratorios punteros, pero también más preocupación por el costo y el riesgo. No por casualidad, las acciones de varias compañías de chips y AI cayeron con fuerza mientras los mercados se preguntan si todo este gasto en infraestructura acabará generando el retorno esperado.

Y hasta aquí la edición de hoy. Si trabajas con asistentes, seguridad, modelos o automatización, varias de estas historias ya apuntan a decisiones muy concretas para los próximos meses. Los enlaces a todas las noticias están en las notas del episodio. Gracias por escuchar.

Copilot y documentos que contagian & Ciberseguridad abierta para la AI - Noticias de IA (29 jul 2026)

Our Sponsors

Today's AI News Topics