Choque Anthropic y el Pentágono & OpenAI con defensa y boicot - Noticias de IA (4 mar 2026)

Choque Anthropic y el Pentágono

Arrancamos con el tema más político —y más delicado— del día. Anthropic está bajo presión después de que se rompieran las negociaciones para seguir licenciando sus modelos al Pentágono. El núcleo del conflicto es que Anthropic insiste en límites claros para evitar usos como armas totalmente autónomas o vigilancia masiva. La respuesta desde Washington fue durísima: se habla de bloquear el uso de su tecnología en agencias federales y de etiquetar a la empresa como un “riesgo” para contratistas vinculados al ejército. ¿Por qué importa? Porque no es solo un debate ético: en IA, la regulación real muchas veces llega como compras públicas, vetos y contratos… y eso puede reordenar el mercado a toda velocidad.

Si nos vamos a la capa “baja” del rendimiento, también hubo novedades: un equipo de ByteDance Seed y Tsinghua presentó un agente que aprende a generar y optimizar kernels CUDA con entrenamiento por refuerzo a largo plazo. Traducido a impacto: automatizar parte de ese trabajo artesanal que muchas veces define cuánta velocidad real sacas de una GPU. Si esto madura, no solo acelera modelos; también baja barreras para competir, porque el rendimiento deja de depender tanto de especialistas escasos.

Y seguimos con agentes, pero ahora desde la perspectiva de memoria. Un paper propone “General Agentic Memory”, una forma de construir contexto bajo demanda: guardar señales ligeras y recuperar lo relevante en el momento, en lugar de intentar mantener una memoria estática perfecta. La idea es importante porque muchos agentes fallan no por falta de inteligencia, sino por perder el hilo entre pasos, olvidar restricciones o mezclar contexto incorrecto. Si la memoria se vuelve más robusta, el agente se vuelve más confiable en tareas largas.

En productividad corporativa, Google estaría probando “Projects” en Gemini Enterprise: organización por tema, archivos reutilizables y objetivos de proyecto para mantener consistencia entre sesiones. Es una carrera de funcionalidades que ya vimos en otros asistentes: menos chat suelto, más espacios de trabajo. ¿Por qué importa? Porque la adopción real en empresas suele depender de esto: que el conocimiento y el contexto sobrevivan al día a día, sin empezar desde cero cada vez.

Un apunte meta, para cerrar con espíritu crítico: un repositorio público en GitHub recopiló miles de afirmaciones “comprobables” de Gary Marcus, y las pasó por pipelines automatizados con LLMs para clasificarlas como respaldadas, mixtas o contradichas. El resultado sugiere que, en promedio, Marcus acierta más de lo que falla, especialmente en críticas técnicas, y se equivoca más cuando hace predicciones de mercado. Ojo: el gran asterisco es que la verificación también la hacen modelos, no humanos. Aun así, es una señal de época: vamos hacia debates donde no solo opinamos sobre IA, sino que intentamos auditar narrativas a escala.

Y un cierre cultural: el diseñador Frank Lantz plantea que, aunque la IA generativa cambió cómo se producen juegos, todavía no ha creado un tipo de experiencia realmente nueva y universalmente “divertida”. Entre costos por uso de modelos, rechazo cultural en comunidades creativas y la naturaleza impredecible de los LLMs, quizá falta un lenguaje de diseño que convierta esa incertidumbre en una mecánica sólida. Es una buena llamada a la calma: la IA avanza rápido, pero la innovación cultural no siempre corre al mismo ritmo que la técnica.