Compresión con diccionarios en HTTP & Mensajería RCS cifrada iPhone-Android - Noticias de Tecnología (24 feb 2026)

Empezamos por rendimiento web, porque aquí hay una novedad que puede cambiar métricas de carga de forma tangible. La llamada compresión por diccionario está despegando como mejora “de segunda visita”: el servidor comprime la respuesta usando un diccionario ya compartido con el cliente, así que en vez de reenviar miles de bytes repetidos, envía referencias a bytes que el navegador ya tiene. Los primeros datos en producción son llamativos: para usuarios recurrentes, el bundle de JavaScript de YouTube en escritorio puede reducirse hasta un 90% frente a Brotli; y el HTML de resultados de Google Search, casi un 50% para repetidores —aunque en promedio, contando primeras visitas y el coste de bajar el diccionario, ronda un 23%. La razón es simple: muchas cosas cambian “por capas”, no desde cero. Bundles de JS, WASM o JSON estructurado suelen ser muy parecidos de un día a otro, y ahí el diccionario brilla.

Lo interesante es que esto no es una idea nueva: los diccionarios existen desde la época de zlib en los 90. Lo que faltaba era encaje real en HTTP y compatibilidad. El intento histórico más recordado, SDCH de Google, terminó abandonándose hacia 2017 por problemas de despliegue y también de privacidad y seguridad. La diferencia ahora es doble: por un lado, Zstandard —rápido y pensado desde el principio para diccionarios— y, por otro, Brotli, que incorporó soporte oficial de diccionario en 2023. Y, sobre todo, llega el pegamento de estándares: el RFC 9842, “Compression Dictionary Transport”, que define cómo negociar diccionarios y cómo cachear bien usando cabeceras como Available-Dictionary, Use-As-Dictionary, Content-Encoding, y el imprescindible Vary. En navegadores, el soporte hoy es más sólido en Chrome y derivados; Safari y Firefox han señalado públicamente que están en camino. En otras palabras: se puede desplegar como mejora opcional, sin romper a quien no lo soporte.

Cambiamos a comunicaciones, porque Apple y Google ya están probando cifrado de extremo a extremo para RCS entre iPhone y Android. Esto es relevante por dos motivos: primero, RCS ya trajo indicadores de escritura, confirmaciones de lectura y mejor calidad multimedia cuando Apple lo añadió en iOS 18; y segundo, la pieza que faltaba para una conversación “moderna” era el cifrado E2E cruzando plataformas. En iPhone, estas conversaciones siguen saliendo en burbuja verde, pero aparecen con “Text Message · RCS” y un candado con la etiqueta “Encrypted”. Para probarlo se necesita iOS 26.4 beta 2 y operador compatible; en Android, la beta más reciente de Google Messages. Al ser beta, puede haber fallos de entrega o cortes, pero la dirección es clara: en una futura actualización de iOS 26 se activaría por defecto.

Ahora, ingeniería de software en la era de agentes. Simon Willison insiste en una receta simple pero eficaz para mejorar la calidad del código generado por IA: pedir explícitamente “TDD rojo/verde”. Es decir: escribir primero las pruebas, comprobar que fallan —la fase roja— y solo entonces implementar hasta que pasen —fase verde. El detalle de “confirmar que fallan” no es capricho: evita tests que ya pasaban y no validan nada. En paralelo, el mismo Willison plantea una idea que está calando en equipos: escribir código se ha abar abarato tanto con agentes que cambia nuestros instintos. Antes, muchas prácticas nacían para ahorrar tiempo de desarrollo; ahora, el cuello de botella vuelve a ser la verificación, el criterio, y los “no funcionales”: seguridad, fiabilidad, observabilidad, accesibilidad… Es decir: el código puede salir barato; el buen software, no necesariamente.

En esa línea de medir impacto real, GitKraken publicó una guía para líderes sobre cómo evaluar el ROI de herramientas de IA en desarrollo sin caer en trampas como “líneas de código” o “tasa de aceptación” de sugerencias. Su tesis es más práctica: lo que importa es si se entrega software de más calidad en menos tiempo. Proponen establecer línea base antes del despliegue, segmentar por nivel de uso y analizar el equilibrio velocidad-calidad con una “AI Impact Matrix”. Y si hablamos de calidad, aparece el auge de la automatización de QA como servicio. QA Wolf repite una promesa agresiva: lograr alrededor de 80% de cobertura E2E en meses, con tests en Playwright y Appium que el cliente conserva como código propio. Venden paralelización masiva —cientos de pruebas en minutos— y una estrategia anti-flakiness con revisión humana. Un caso que se cita mucho es Drata: afirman que pasaron de esperar 1 a 2 horas por regresión a ciclos de 10 a 15 minutos, y que eso liberó tiempo y presupuesto para producto. Como siempre, conviene leer estas cifras como objetivos comerciales más que como garantía universal, pero sí reflejan una tendencia: el testing se está convirtiendo en un área donde la combinación IA + infraestructura puede mover el reloj de verdad.

Sigamos con el mercado de IA, donde se mezclan inversiones gigantes y dudas sobre sostenibilidad. Meta ha pactado un acuerdo a cinco años para comprar 60.000 millones de dólares en chips de IA a AMD, y además tomaría un 10% de participación en la compañía. AMD habla de 6 gigavatios de capacidad para Meta, empezando por 1 gigavatio del hardware MI450 en la segunda mitad del año, optimizado para inferencia —la fase de generar respuestas—, un segmento que muchos analistas creen que acabará superando al de entrenamiento. Y en el frente financiero, circula un análisis que imagina tres IPOs potencialmente colosales: SpaceX, OpenAI y Anthropic, con valoraciones implícitas que sumarían cerca de 2,9 billones de dólares. El argumento interesante no es el titular de la valuación, sino el “float”: cuánto papel tendría que absorber el mercado. Si se sacara un 15% típico, estaríamos hablando de cientos de miles de millones en acciones nuevas en un periodo muy corto. La predicción es que saldrían con floats mucho más bajos… lo que a su vez retrasa inclusión en índices como el S&P 500, y desplaza el impacto al momento en que cumplan requisitos de flotación pública.

Con esa sensibilidad en mente, no sorprende que esta semana viéramos nervios en acciones de software: un escenario hipotético —no una predicción— se viralizó planteando un “riesgo de cola” por adopción rápida de IA. La idea: en renovaciones futuras, algunos SaaS podrían enfrentar descuentos fuertes para evitar que clientes migren a herramientas basadas en agentes o a desarrollos internos. En el mismo relato, incluso “sistemas de registro” podrían sufrir si las empresas rediseñan procesos alrededor de IA. Son ejercicios de estrés mental: no dictan el futuro, pero sí obligan a preguntarse qué productos son defensibles si el coste de automatizar baja y la sustitución se acelera.

En regulación, derechos y fricción internacional, hoy tenemos varias piezas. En Francia, alrededor de 4.000 actores firmaron una carta abierta contra prácticas de IA que, según denuncian, incluyen clonación de voz, scraping de imágenes y contratos con compensaciones mínimas por licencias que afectan a su identidad digital. Piden garantías explícitas y una respuesta política más clara, señalando que el marco europeo de la AI Act no aterriza del todo cuestiones como la voz, la imagen o el uso biométrico en el ámbito interpretativo. En paralelo, Anthropic afirma tener evidencia de que tres startups chinas —DeepSeek, Moonshot y MiniMax— habrían utilizado unas 24.000 cuentas fraudulentas para generar más de 16 millones de conversaciones con Claude, presuntamente para destilación. La empresa lo enmarca como violación de términos y como riesgo de seguridad, por la posibilidad de replicar capacidades sin los mismos guardarraíles. Y, en otra arista de control tecnológico, China anunció hoy listas de entidades japonesas que requerirán permiso especial para exportaciones, y prohibiciones para el envío de bienes de “doble uso” a organizaciones que, según Pekín, refuerzan capacidades militares. Aquí el subtexto es claro: la cadena tecnológica y la geopolítica cada vez se parecen más.

Vamos con hardware en el mundo físico. En China, los robots humanoides están dejando de ser una curiosidad torpe para convertirse en demostraciones cada vez más pulidas, incluso en escaparates masivos como la Gala del Festival de Primavera. Las mejoras vienen empujadas por baterías, motores y sensores que se benefician de cadenas de suministro muy trabajadas por la industria del vehículo eléctrico, y por controladores de IA más competentes. El mercado también se está moviendo: se habla de fuertes incrementos de entregas globales de humanoides el último año, con fabricantes chinos concentrando una porción grande. Aun así, hay que separar coreografía ensayada de autonomía real en entornos industriales: la percepción robusta, la seguridad y el coste total siguen siendo el examen de verdad. Y, como siempre, aparecen debates sobre privacidad, captura de datos y desplazamiento laboral.

Energía: la geotermia está en un momento interesante porque empiezan a divergir las estrategias. Un repaso de avances de los últimos 18 meses señala que el rendimiento de perforación mejora, aunque algunas tareas fuera de la broca parecen acercarse a límites físicos. En EGS —geotermia mejorada con fracturación—, el camino para subir rendimiento no es solo perforar más rápido: también cuenta la geometría del pozo, ir más profundo y más caliente, alargar laterales y ajustar la separación entre pares para extraer más calor. Persisten retos como distribución de fluidos y pérdidas de agua. Y en closed-loop, el enfoque tipo “radiador subterráneo”, el atractivo está en evitar fracturación y reducir fricción regulatoria, con flexibilidad para suministrar calor o electricidad. Se menciona un proyecto operativo en Alemania que combina calor y potencia, y se sugiere que el calor distrital europeo podría ser un mercado viable si los costes de perforación acompañan. La gran pregunta es escala: se necesitarán muchos equipos, capital sostenido y socios con ejecución impecable.

Cerramos con ciencia aplicada en tres frentes. Primero, el “olfato como código”: sigue avanzando el modelado de olores con mapas de representación —como el Principal Odor Map— que aprenden una geometría perceptual a partir de datos de perfumistas y moléculas. Esto abre puertas a fragancias diseñadas por ordenador, repelentes y sustitutos más sostenibles de ingredientes escasos, aunque el gran obstáculo sigue siendo predecir mezclas complejas, no moléculas aisladas. Segundo, medicina genética: investigadores de la Universidad de Pensilvania y Rice ajustaron editores de bases para reducir mutaciones colaterales, un problema clásico de seguridad. En pruebas celulares, reportan reducciones de bystanders superiores al 80% y, en sitios relevantes para fibrosis quística, caídas desde tasas del 50–60% a por debajo del 1%, manteniendo buena actividad en el objetivo. Y, en paralelo regulatorio, la FDA publicó una guía para un “plausible mechanism pathway” que busca hacer viables terapias a medida para mutaciones ultrarraras donde no hay población suficiente para ensayos tradicionales. Tercero, exploración espacial: NASA actualizó Perseverance con un sistema de localización global en Marte. No hay satélites GPS allí, así que el rover ahora puede comparar panorámicas con mapas orbitales a bordo y estimar su posición en unos dos minutos, con una precisión aproximada de 25 centímetros. Esto debería reducir paradas por incertidumbre y permitir recorridos diarios más largos, justo cuando la autonomía —incluso con planificación asistida por IA— empieza a marcar la diferencia.