Implantes cerebro-computadora para escribir & Nvidia refuerza su dominio IA - Noticias de Tecnología (18 mar 2026)

Empezamos por el titular más llamativo: una nueva investigación sobre interfaces cerebro-computadora reporta que dos personas con parálisis pudieron escribir en un teclado virtual decodificando señales neuronales asociadas a “intentos” de mover los dedos. Lo interesante no es solo que funcione, sino la fluidez: uno de los participantes llegó a una velocidad que, según el estudio, roza gran parte del rendimiento de una persona sin parálisis. Si estos resultados se confirman a mayor escala, hablamos de una vía realista para devolver comunicación rápida a pacientes con ALS o lesiones medulares, algo que cambia el día a día.

Ahora sí, Nvidia. En su gran conferencia de IA en San José, Jensen Huang dibujó el siguiente acto del boom: no solo entrenar modelos, sino ejecutar modelos a escala —lo que la industria llama inferencia— de forma más eficiente y ubicua. Huang incluso habló de una cola de pedidos enorme para chips este año, mientras el mercado se pregunta si el entusiasmo por IA se ha pasado de rosca. El trasfondo es claro: Nvidia quiere convencer a empresas e inversores de que la demanda no se agota, solo se transforma, y que el próximo cuello de botella será llevar la IA a productos y procesos cotidianos.

Y esa ambición se nota en otro frente: movilidad autónoma. Nvidia amplió acuerdos con fabricantes como Hyundai, Nissan e Isuzu, además de BYD y Geely, para su plataforma de desarrollo de conducción avanzada. Es un recordatorio de que el coche autónomo “total” sigue siendo excepcional y, en general, bajo condiciones controladas. Pero el negocio real hoy es estandarizar componentes: asistencia al conductor cada vez más capaz y, a medio plazo, robotaxis en ciudades seleccionadas.

En paralelo, Nvidia también anunció alianzas ampliadas con Uber y Lyft, con la idea de que su tecnología sea el cimiento común para futuras flotas de robotaxis. Uber llegó a poner fecha orientativa: espera robotaxis de nivel 4 en su plataforma en Los Ángeles y San Francisco hacia 2027, con expansión global después. ¿Por qué importa? Porque sugiere un mercado menos “todo o nada” y más modular: en vez de una sola empresa haciéndolo todo, varias piezas —chips, software, integración— se reparten entre especialistas. Eso puede acelerar la competencia frente a quienes ya tienen ventaja operativa.

También hubo espacio para videojuegos, pero con mensaje corporativo: Nvidia presentó DLSS 5, una nueva vuelta de tuerca a cómo se mejora la imagen sin disparar el coste de renderizado. Más allá del gaming, Huang lo usó como metáfora de su tesis: combinar datos “estructurados” —lo que un sistema ya conoce con precisión— con modelos generativos para producir resultados más realistas y rápidos. Lo interesante es la insinuación: este enfoque podría saltar de gráficos a entornos empresariales, donde hay montones de datos ordenados en almacenes y plataformas analíticas esperando a que los agentes los exploten con más agilidad.

En el ecosistema de modelos, OpenAI lanzó variantes más pequeñas de GPT-5.4: una versión “mini” y otra aún más ligera para tareas rápidas. La lectura es menos glamorosa pero muy importante: la IA se está industrializando. Para muchas empresas, lo crítico no es el modelo más brillante, sino el que responde rápido, cuesta menos por operación y se integra bien con automatizaciones. Esto empuja una arquitectura de “capas”: un modelo grande para razonar lo difícil y otros más pequeños para ejecutar tareas repetitivas, como si fueran manos auxiliares de un sistema de agentes.

Cambiamos a geopolítica: China está aumentando el escrutinio sobre la compra de la startup de IA Manus por parte de Meta, pese a que el acuerdo ya se habría completado. Según fuentes cercanas, habría preocupación por normas de exportación tecnológica, transferencias de datos y, sobre todo, por la salida de talento. Incluso se menciona la posibilidad de restricciones para que ciertos directivos no abandonen el país. El caso apunta a algo más grande: en IA, el control no solo es sobre chips o modelos, también sobre personas, conocimiento y jurisdicción.

En defensa y espacio, Estados Unidos elevó la estimación de coste de Golden Dome, su programa de defensa antimisiles, y reforzó el componente espacial para detectar y seguir amenazas como misiles hipersónicos. Además, ya hay grandes contratistas posicionados como piezas centrales. El debate aquí es doble: por un lado, si la tecnología puede realmente escalar sin volverse inasumible; por otro, el precedente político de mover más capacidades militares a órbita, algo que siempre enciende alarmas por costes, riesgos y escalada.

Volvamos al software, pero con una pregunta de fondo: ¿por qué los “agentes” de programación aún fallan tanto en empresas? Dos señales interesantes hoy. Primero, herramientas que prometen dar “contexto” a los agentes: historial de decisiones, convenciones internas, dependencias ocultas… todo lo que no está en el código, pero manda en la realidad. Segundo, desde dentro de Anthropic, un ingeniero explicó cómo están usando “skills” en Claude Code: extensiones reutilizables que empaquetan guías, scripts y verificaciones para que el agente no improvise a ciegas. La idea común: el salto no será solo modelos mejores, sino entornos más controlados y repetibles.

Siguiendo con fiabilidad, Vercel liberó como open source un bot de revisión de código que se engancha a pull requests y puede ejecutar herramientas del repositorio en un entorno aislado. Lo relevante no es el “robot que comenta código” —eso ya abunda— sino el enfoque de seguridad y de revisiones accionables: análisis con contexto, comprobaciones reales y sugerencias integradas en el flujo de trabajo. Si esto cuaja, podríamos ver revisiones más consistentes… y quizá menos agotamiento del equipo.

Y, aun así, una advertencia útil: el CEO de Tailscale publicó que cada nueva capa de aprobación o revisión puede hacer el trabajo muchísimo más lento, no por escribir código, sino por esperas y coordinaciones. En otras palabras: aunque la IA acelere la producción, el cuello de botella se desplaza a procesos humanos. La tesis es incómoda, pero familiar: si tu organización “cura” el riesgo añadiendo comités, al final nadie siente propiedad real y la velocidad se derrite.

Una discusión relacionada encendió a medio internet: un inversor argumentó que, con generación de código por IA, muchos flujos que viven en hojas de cálculo podrían convertirse en software de verdad, con pruebas, control de versiones y menos fragilidad. Los críticos respondieron con algo muy sensato: las hojas de cálculo sobreviven porque su interfaz es audit-able por humanos, especialmente en finanzas, donde la corrección no es negociable y la gente quiere ver cada paso. Quizá el futuro sea híbrido: la “cuadrícula” como vista editable, pero con lógica respaldada por sistemas más robustos.

Cerramos con ciencia dura: SuperCDMS, el experimento de búsqueda de materia oscura en SNOLAB, logró enfriarse hasta su temperatura operativa, a milésimas de grado sobre el cero absoluto. Eso marca el paso de construcción a calibración, esencial para distinguir señales rarísimas del ruido de fondo. La promesa es detectar partículas de materia oscura muy ligeras, en un rango donde otros experimentos pierden sensibilidad. No es un resultado final, pero sí un hito: el tipo de avance silencioso que, si sale bien, cambia el mapa de lo que podemos medir.

Y una nota biomédica con potencial, pero todavía lejos de clínica: investigadores reportaron bacterias probióticas modificadas para fabricar y liberar un fármaco anticáncer directamente dentro de tumores, al menos en modelos de ratón. La idea es concentrar el efecto donde hace falta y reducir daño sistémico. Suena prometedor, pero el propio estudio reconoce los grandes pendientes: seguridad, control y cómo “apagar” o eliminar esas bacterias después. En biotecnología, el salto de ratón a humano es el verdadero filtro.