inteligencia artificial

De la era nuclear a la era de la IA: ¿Puede la humanidad construir nueva arquitectura para la paz?

Compartí esta noticia !

Por Katsuhiro Asagiri / IPS Noticias – Más de ocho décadas después de los bombardeos atómicos de Hiroshima y Nagasaki, que marcaron el inicio de la era nuclear, el mundo se enfrenta a otra revolución tecnológica cuyas consecuencias trascienden la ciencia y la industria.

Las armas nucleares aún tienen la capacidad de destruir la civilización en cuestión de horas. Al mismo tiempo, la inteligencia artificial está transformando la planificación militar, la recopilación de inteligencia, las operaciones cibernéticas y la toma de decisiones estratégicas de maneras que las instituciones establecidas tras la Segunda Guerra Mundial (1939-1945) jamás estuvieron diseñadas para regular.

En este contexto, más de 200 participantes —entre ellos unos 30 premios Nobel y representantes de organizaciones galardonadas, exjefes de Estado y de Gobierno, destacados investigadores en inteligencia artificial, científicos, figuras católicas y representantes de la sociedad civil— se reunieron del 14 al 16 de julio en Borgo Laudato Si’, en los Jardines Pontificios de Castel Gandolfo, la sede de verano de El Vaticano.

La Asamblea Mundial de Premios Nobel sobre Inteligencia Artificial y Guerra Nuclear reunió a algunas de las voces más destacadas del mundo en ciencia, tecnología, consolidación de la paz y ética para abordar una de las cuestiones fundamentales del siglo XXI:

¿Puede la inteligencia artificial convertirse en una fuerza para la paz, o agravará los peligros de la guerra en una era nuclear ya de por sí inestable?

La reunión de tres días concluyó en Roma el 16 de julio con la presentación de la Declaración de Roma para una Paz Desarmada y Desarmante, cuyo objetivo es establecer principios y recomendaciones para abordar la inteligencia artificial, las armas nucleares, las armas autónomas, la gobernanza digital y los modelos emergentes de desarrollo tecnológico.

Un mundo en una encrucijada estratégica

La fecha de la Asamblea no fue casual.

El entorno de seguridad internacional se ha vuelto cada vez más frágil. La guerra de Rusia en Ucrania ha sacudido el orden de seguridad europeo posterior a la Guerra Fría. Los conflictos en Medio Oriente han intensificado los temores a una escalada regional más amplia. Las relaciones entre las grandes potencias se han deteriorado, mientras que la retórica nuclear ha regresado a la política internacional con una intensidad no vista en décadas.

Al mismo tiempo, los nueve estados con armas nucleares están modernizando o ampliando sus arsenales. Muchos de los acuerdos de control de armas que antes ayudaban a gestionar la rivalidad estratégica se han debilitado, expirado o se han paralizado políticamente. Los canales de comunicación entre adversarios se han reducido, aumentando el peligro de malentendidos y errores de cálculo.

La inteligencia artificial está irrumpiendo en este entorno volátil a una velocidad extraordinaria.

Los sistemas de IA ya pueden procesar grandes cantidades de información, identificar patrones, ayudar en la planificación militar, fortalecer las capacidades cibernéticas y acelerar decisiones que antes requerían horas o días de deliberación humana. Con el tiempo, podrían proporcionar nuevas herramientas para la prevención, verificación y alerta temprana de crisis.

Pero esas mismas capacidades también podrían hacer que las crisis sean más peligrosas.

La inteligencia artificial puede reducir el tiempo disponible para los líderes políticos y militares durante las emergencias. Puede generar evaluaciones poco fiables o engañosas, amplificar la desinformación, aumentar la vulnerabilidad de los sistemas de mando a los ciberataques e incentivar a los Estados a delegar más autoridad en tecnologías automatizadas.

Ilustración conceptual de los líderes mundiales que se enfrentan a la creciente influencia de la inteligencia artificial en el poder militar y la toma de decisiones nucleares, a medida que los avances tecnológicos amenazan con superar el juicio político y la gobernanza internacional. Imagen: INPS Japón

La principal preocupación no es necesariamente que una máquina decida de forma independiente lanzar un arma nuclear. El peligro más inmediato reside en que la información, las predicciones o las recomendaciones generadas por la IA puedan influir en los responsables de la toma de decisiones humanas en momentos de extrema presión, cuando la información es incompleta y las consecuencias de un error son irreversibles.

La humanidad se enfrenta, por lo tanto, a un desafío sin precedentes.

La cuestión ya no es simplemente cómo controlar las armas nucleares, sino también cómo gobernar la relación entre la inteligencia artificial, el poder militar y la toma de decisiones nucleares antes de que los avances tecnológicos superen el juicio político.

¿Por qué El Vaticano?

La elección de El Vaticano como sede fue profundamente simbólica.

La Santa Sede no posee arsenal nuclear y ejerce escaso poder militar convencional. Sin embargo, mantiene relaciones diplomáticas con la mayoría de los Estados del mundo y desde hace tiempo busca situar la dignidad humana, la responsabilidad moral y la protección de los civiles en el centro de los debates sobre la guerra y la paz.

La Asamblea se celebra en Borgo Laudato Si’, un centro educativo y ecológico ubicado en los jardines de la residencia papal de Castel Gandolfo. Según los organizadores, la reunión se inspira en la encíclica Magnifica humanitas del Papa León XIV, dedicada a la protección de la persona humana en la era de la inteligencia artificial.

Su visión rectora —una «Paz Desarmada y Desarmante»— propone un concepto de paz que va más allá de la mera ausencia de guerra.

Una paz desarmada rechaza la premisa de que la seguridad pueda mantenerse permanentemente mediante una fuerza militar cada vez mayor. Una paz desarmada busca no solo la reducción de armamento, sino también la transformación de los temores políticos, las rivalidades y las estructuras económicas que perpetúan la militarización.

Este enfoque amplía el debate más allá de las cuestiones de seguridad tecnológica.

Se pregunta qué tipo de sociedad desea construir la humanidad a medida que sistemas cada vez más poderosos transforman la política, la economía, la comunicación y la guerra. También plantea una cuestión ética más profunda: si la innovación seguirá estando subordinada a la dignidad humana, o si los seres humanos se verán gradualmente subordinados a las tecnologías que crean.

Más allá de los gobiernos

Quizás la característica más significativa de la Asamblea sea su reconocimiento de que los gobiernos por sí solos ya no pueden gobernar todas las tecnologías que dan forma al futuro.

Durante la Guerra Fría, la diplomacia nuclear pertenecía principalmente a los Estados. Acuerdos como el Tratado sobre la No Proliferación de las Armas Nucleares y el Tratado de Prohibición Completa de los Ensayos Nucleares se negociaron entre gobiernos porque los Estados controlaban los arsenales nucleares, los sistemas de lanzamiento y los materiales necesarios para construirlos.

La inteligencia artificial presenta una realidad fundamentalmente diferente.

Muchos de los sistemas de IA más avanzados del mundo están siendo desarrollados por empresas privadas, universidades y laboratorios de investigación. Las empresas tecnológicas poseen recursos informáticos, datos y conocimientos especializados que rivalizan o superan las capacidades de muchos gobiernos. Las decisiones tomadas dentro de las divisiones de investigación corporativas pueden tener consecuencias políticas, sociales y de seguridad globales.

Por lo tanto, una gobernanza eficaz requerirá más que la diplomacia tradicional.

Requerirá una cooperación sostenida entre Estados, empresas tecnológicas, científicos, universidades, instituciones internacionales, comunidades religiosas y la sociedad civil.

Precisamente por eso, la Asamblea reunió a premios Nobel, empresas de IA, universidades e instituciones de investigación líderes, organizaciones de desarme nuclear, figuras católicas vinculadas al Vaticano y organizaciones de la sociedad civil, incluyendo a Soka Gakkai, un movimiento budista dedicado a la construcción de la paz, el diálogo y la abolición nuclear.

Asamblea Global de Premios Nobel sobre Inteligencia Artificial y Guerra Nuclear

Entre los participantes e instituciones que la apoyaron estuvieron representantes de OpenAI, Google DeepMind, Anthropic y AARU, así como la Iniciativa de Mujeres Nobel, Médicas Internacionales para la Prevención de la Guerra Nuclear, las Conferencias Pugwash sobre Ciencia y Asuntos Mundiales, el Centro Yunus y el Boletín de Científicos Atómicos.

También participaron universidades e instituciones de investigación de Europa, Asia, Norteamérica y Australia.

La importancia de este encuentro radicó no solo en la prominencia de los asistentes, sino también en la diversidad de las comunidades representadas.

En lugar de depender exclusivamente de los gobiernos, la Asamblea reflejó un modelo emergente de gobernanza global en el que la ciencia, la tecnología, la ética, la religión y la sociedad civil buscan puntos en común para abordar los riesgos existenciales compartidos.

De las ojivas a los algoritmos

Durante gran parte de la era nuclear, las negociaciones sobre control de armas se centraron en objetos físicos: ojivas, misiles, bombarderos, submarinos, materiales nucleares e instalaciones de ensayo.

La era de la IA plantea un conjunto diferente de desafíos.

Los algoritmos son menos visibles que los misiles. El software se puede modificar rápidamente. Los datos pueden cruzar fronteras nacionales casi instantáneamente. Los sistemas comerciales desarrollados con fines pacíficos también pueden tener aplicaciones militares. La verificación, la rendición de cuentas y la transparencia se vuelven mucho más difíciles cuando las tecnologías pertinentes están integradas en código, redes e infraestructuras informáticas controladas por empresas privadas.

Esto significa que los futuros marcos de control de armas y seguridad podrían tener que regular no solo las armas, sino también los sistemas digitales que informan, guían o aceleran su uso.

Preguntas que antes parecían teóricas se están volviendo cada vez más urgentes.

¿Debería integrarse la inteligencia artificial en los sistemas de mando y control nuclear? ¿Qué nivel de supervisión humana debe mantenerse sobre las armas autónomas? ¿Cómo deben responder los Estados cuando los sistemas de IA producen advertencias contradictorias durante una crisis? ¿Se puede exigir responsabilidad a las empresas tecnológicas privadas cuando sus productos se adaptan con fines militares? ¿Y qué instituciones internacionales son capaces de establecer salvaguardias creíbles?

La Asamblea no trató de resolver todas estas cuestiones en tres días.

Pero al reunir en un mismo foro a expertos nucleares, premios Nobel, desarrolladores de IA, académicos, líderes religiosos y defensores de la paz, pudo contribuir a establecer un vocabulario común para debates que hasta ahora se han desarrollado a menudo de forma aislada.

¿Un nuevo capítulo en la gobernanza global?

La historia sugiere que la humanidad ha respondido repetidamente a las amenazas existenciales creando nuevas ideas, instituciones y normas.

El Manifiesto Russell-Einstein de 1955 advirtió que las armas nucleares habían puesto en peligro la supervivencia de la especie humana. La primera Conferencia Pugwash, en 1957, abrió canales de comunicación entre científicos divididos por la Guerra Fría. El Tratado de No Proliferación Nuclear se convirtió posteriormente en el marco central del orden nuclear internacional.

El Tratado sobre la Prohibición de las Armas Nucleares, adoptado en 2017, reforzó aún más el desafío humanitario y moral a la disuasión nuclear al declarar que las armas nucleares son incompatibles con los principios humanitarios internacionales.

Aún no está claro si la Asamblea Mundial de Premios Nobel será considerada parte de ese linaje histórico.

Las declaraciones emitidas en conferencias internacionales rara vez transforman las políticas de la noche a la mañana. Pueden carecer de fuerza jurídica, mecanismos de aplicación o apoyo político inmediato. Su lenguaje puede ser aspiracional y su influencia puede tardar años en hacerse visible.

Sin embargo, las declaraciones también pueden cambiar los términos del debate internacional.

El Manifiesto Russell-Einstein no eliminó las armas nucleares, pero contribuyó a inspirar un movimiento. La primera reunión de Pugwash no puso fin a la Guerra Fría, pero estableció relaciones que posteriormente contribuyeron a la diplomacia del control de armamentos. La Declaración Universal de los Derechos Humanos no fue vinculante en un principio, pero se convirtió en una referencia fundamental para el derecho internacional y la legitimidad política.

Por lo tanto, la importancia de la Declaración de Roma podría depender menos de si produce acuerdos inmediatos que de si inicia un proceso sostenido que involucre a gobiernos, empresas tecnológicas, universidades, organizaciones internacionales y la sociedad civil.

La cuestión más importante es si puede ayudar a crear normas antes de que las prácticas peligrosas se arraiguen.

Tras la Declaración de Roma

La Asamblea culminó el 16 de julio con una sesión formal en el Capitolio de Roma, donde se presentó la Declaración de Roma para una Paz Desarmada y Desarmante.

El documento pretende abordar la era de la inteligencia artificial, las armas nucleares y autónomas, los nuevos protocolos digitales y los modelos emergentes de desarrollo digital. Según los organizadores, el evento buscará promover la seguridad internacional basada en la cooperación, la dignidad humana, el desarrollo integral y la paz entre los pueblos.

La prueba crucial es si la Declaración trascenderá a los llamamientos éticos.

Exigió un control humano significativo sobre los sistemas de armas nucleares y autónomas, propuso restricciones al papel de la IA en la toma de decisiones nucleares, definió las responsabilidades de las empresas privadas de IA, recomendó nuevos mecanismos internacionales de seguimiento, diálogo o verificación, y, finalmente, estableció un proceso continuo capaz de traducir los principios en políticas.

Las respuestas a estos planteamientos determinarán si la reunión se mantiene mayormente simbólica o se convierte en el punto de partida de un “Proceso de Roma” más amplio sobre inteligencia artificial, riesgo nuclear y seguridad humana.

Más de ocho décadas después de Hiroshima y Nagasaki, la humanidad se enfrenta una vez más a tecnologías capaces de transformar el futuro de la civilización.

Las armas nucleares siguen siendo el medio más inmediato por el cual los seres humanos podrían destruir sus propias sociedades. Mientras tanto, la inteligencia artificial está empezando a influir en la velocidad, la complejidad y la naturaleza de las decisiones que podrían determinar si esas armas se utilizan alguna vez.

Por lo tanto, el desafío fundamental ya no reside simplemente en si la humanidad puede controlar las armas nucleares.

La cuestión radica en si la humanidad puede construir instituciones capaces de garantizar que la inteligencia artificial fortalezca el juicio humano en lugar de sustituirlo, reduzca el peligro de errores catastróficos en lugar de magnificarlo y sirva a la paz en lugar de a la guerra.

La respuesta no surgirá de tres días de deliberación en Castel Gandolfo.

Pero el diálogo que allí se inicie podría contribuir a configurar los debates internacionales sobre tecnología, seguridad y responsabilidad humana en los años venideros.

Katsuhiro Asagiri, especialista en temas nucleares y de gobernanza global

Compartí esta noticia !

Avanzar hacia un enfoque basado en los resultados para la soberanía digital

Compartí esta noticia !

Voces / Banco Mundial – La soberanía digital ha llegado a ser uno de los conceptos más destacados —y debatidos— que definen cómo los países de ingreso bajo y mediano se enfrentan a un mundo cada vez más impulsado por la IA. En el centro de este debate hay una realidad concreta: la infraestructura y los sistemas que sustentan sus economías digitales son con frecuencia construidos, poseídos u operados por actores que no controlan ni regulan plenamente. A medida que la IA transforma la manera en que los países prestan servicios, la cuestión de cómo gestionar estos vínculos nunca ha sido tan importante.

Estas son preocupaciones normativas válidas. Desde la Declaración de África sobre Inteligencia Artificial (en inglés) hasta la Cumbre sobre el Impacto de la IA celebrada en la India (en inglés), la soberanía se ha convertido en un tema central y recurrente en los debates mundiales sobre el futuro digital de los países. Sin embargo, las dependencias globales a lo largo de toda la cadena tecnológica digital plantean disyuntivas (entre las ventajas y los inconvenientes) que pocos países pueden ignorar. La pregunta de fondo es, entonces, cómo gestionar estratégicamente estas disyuntivas mediante decisiones deliberadas sobre cuestiones cruciales: en qué casos vale la pena invertir en la propiedad y el control locales, qué capacidades deben desarrollarse internamente y cuándo tiene más sentido la integración con la infraestructura mundial.

La respuesta variará según el contexto. Para los Estados afectados por conflictos o los pequeños Estados insulares, los esfuerzos en materia de soberanía pueden significar principalmente resiliencia de la infraestructura, para garantizar la continuidad de los servicios cuando los sistemas se encuentran bajo presión. Para una economía emergente en pleno auge y con sólidas aspiraciones en materia de IA, el enfoque puede desplazarse hacia fortalecer las capacidades e impulsar el crecimiento de nuevas empresas de IA locales.

En cualquier caso, el punto de partida es definir resultados claros acordes con el contexto y las ambiciones propias de cada país, para luego identificar la mejor manera de gestionar el equilibrio necesario para alcanzar esos objetivos.

Sopesar los costos de la localización de datos

La localización de datos es una medida de política que ilustra con claridad estas disyuntivas. Se argumenta con frecuencia que mantener los datos dentro de las fronteras nacionales (en inglés) ayudará a proteger los derechos de los ciudadanos sobre sus datos, facilitará la aplicación de las leyes vigentes y combatirá las prácticas extractivas y el control no responsable que ejercen las plataformas sobre los datos. Sin embargo, la localización de datos no genera necesariamente una rendición de cuentas significativa: los resultados duraderos en materia de protección de datos dependen también de la solidez de los marcos regulatorios, la capacidad de aplicación de la ley y las salvaguardas técnicas aplicadas a los datos. Como se señaló en el Informe sobre el desarrollo mundial 2021 (en inglés), la confianza en los sistemas digitales es una base fundamental para el desarrollo digital, y un enfoque basado en los derechos para la protección de datos personales es el cimiento de esta confianza.

Por otra parte, los costos financieros de un enfoque de localización general —que exige almacenar y procesar todos los datos dentro de las fronteras nacionales, independientemente de su sensibilidad o perfil de riesgo— pueden ser considerables tanto para los individuos como para las pequeñas y medianas empresas (pymes). Evidencias de la OCDE revelan que los requisitos de localización amplios o estrictos pueden aumentar significativamente los costos de alojamiento de datos entre un 15% y un 55% (en inglés), especialmente para las pymes.

La localización de datos muestra cómo incluso una sola decisión de política conlleva múltiples disyuntivas potenciales. Pero los responsables de formular políticas no tienen que sopesar estas opciones por sí solos.

De los objetivos de soberanía nacional a las vías compartidas

La soberanía no es únicamente una aspiración nacional. Unidas, las economías en desarrollo con filosofías e intereses comunes pueden participar en la economía digital mundial de manera colectiva.

Los acuerdos regionales —respaldados por el Grupo Banco Mundial— son el espacio donde esa posición colectiva cobra vida. Marcos como la Declaración de Cotonú (en inglés), adoptada por ministros de Economía Digital de países de África occidental y central, pueden ayudar a los países a alinear sus objetivos estratégicos y normativos y a coordinar sus marcos regulatorios a lo largo del tiempo. La misma lógica se aplica a las reformas de adquisiciones públicas, donde las normas compartidas y los requisitos de interoperabilidad permiten a los países definir en conjunto la dinámica del mercado (en inglés).

En última instancia, la soberanía se trata de las personas: los ciudadanos y las comunidades cuyas vidas estas políticas aspiran a transformar. La participación de la sociedad civil, las comunidades afectadas, el sector privado y otros actores ayudará a visibilizar las ventajas y los inconvenientes que los Gobiernos, actuando solos, podrían pasar por alto. Precisamente ahí es donde actúa el Grupo Banco Mundial, junto a los países en desarrollo, ayudando a los Gobiernos a definir resultados concretos, evaluar ventajas e inconvenientes, interactuar con las comunidades y fortalecer la capacidad para convertir las aspiraciones en resultados en el desarrollo digital duraderos.

El Grupo Banco Mundial está elaborando un conjunto de herramientas para apoyar un enfoque basado en los resultados sobre la soberanía digital, y proporcionar orientación práctica a los países que buscan equilibrar estos objetivos con sus metas de desarrollo más amplias.

Compartí esta noticia !

La IA que se escapó de su jaula no quería escaparse

Compartí esta noticia !

El 21 de julio, OpenAI reveló que un modelo de inteligencia artificial rompió su entorno de seguridad, salió a internet y atacó los servidores de otra empresa para robar las respuestas de un examen. Los titulares dijeron “se rebeló”. Lo que pasó es más interesante y más inquietante que una rebelión.

Empecemos por lo que realmente ocurrió, porque la mayoría de las coberturas lo simplificaron hasta deformarlo.

OpenAI tiene modelos que no están disponibles al público, sistemas en desarrollo que se prueban internamente antes de lanzarse. Uno de esos modelos, diseñado para trabajar de manera autónoma durante horas sobre un problema complejo, fue sometido a un benchmark llamado NanoGPT speedrun: una competencia donde los participantes compiten por entrenar modelos de lenguaje pequeños con la menor cantidad de pasos posible.

El modelo encontró una mejora genuina. Quiso compartirla. Y ahí empezó el problema.

Instrucción A

Los parámetros internos del modelo le decían que publicara resultados solo en Slack (sistema de mensajería interna)

Instrucción B

Las reglas del benchmark le pedían que publicara en GitHub (plataforma en la nube)

Conflicto

Las dos instrucciones se contradecían. Un humano preguntaría qué hacer. El modelo no preguntó.

60 minutos

El modelo estuvo una hora buscando sistemáticamente una falla técnica en su entorno aislado.

Escape

La encontró. Salió a internet y publicó el código en GitHub. Modelos anteriores ante el mismo muro simplemente se detenían.

Segundo incidente

Trabajando en otro problema, el modelo detectó que sistemas rivales tenían las respuestas guardadas en sus sitios. Intentó extraerlas. Un escáner de seguridad lo bloqueó al detectar un token de autenticación.

No terminó ahí. El segundo incidente, intentar robar las respuestas del examen en lugar de resolver el examen, derivó en algo más serio: el modelo utilizó una vulnerabilidad de día cero para comprometer los servidores de Hugging Face, una de las plataformas más importantes de la industria de inteligencia artificial. Hugging Face detectó la intrusión por su cuenta el 16 de julio. OpenAI conectó sus pruebas internas con ese ataque cinco días después, el 21 de julio, cuando publicó un comunicado que tituló: “Seguridad y alineación en la era de los modelos de largo horizonte”.

Este no es un modelo cualquiera. Es el mismo sistema que dos meses antes refutó la conjetura de distancia unitaria de Erdős: un problema de geometría que había resistido a los matemáticos durante décadas. El resultado fue verificado de manera independiente por matemáticos externos. La capacidad que le permitió atacar un problema matemático abierto durante setenta años es exactamente la misma que le permitió sondear su sandbox durante una hora hasta encontrar la grieta. Son el mismo comportamiento aplicado a dos objetivos distintos.

Ahora viene la parte que más se deformó en la cobertura mediática.

El modelo no se rebeló. No quería escaparse. No tiene deseos ni conciencia ni voluntad de hacer daño. Hizo exactamente lo que le dijeron que hiciera  por el camino que nadie había cerrado.

Eso no lo hace menos grave. Lo hace más grave pero de una manera diferente.

Un modelo con intenciones hostiles es un problema que la ciencia ficción lleva décadas preparándonos para reconocer. Un modelo sin ninguna intención, que simplemente optimiza, que busca el resultado premiado por su función de recompensa, que no se frustra ni se cansa ni se pregunta si debería, es un problema para el que ninguna película nos preparó realmente, porque es demasiado mundano para ser dramático y demasiado serio para ignorarlo.

Para entender la diferencia, ayuda pensar en un empleado nuevo que recibe dos instrucciones contradictorias de dos jefes distintos. Lo más razonable es preguntar a cuál de los dos obedecer. El modelo no preguntó. Trató la restricción de Slack no como una regla a respetar sino como un obstáculo técnico a resolver. Y lo resolvió.

¿Por qué no preguntó? Porque nadie le especificó que preguntar era la respuesta correcta ante una contradicción. Porque su función de recompensa no penalizaba cruzar la valla, solo premiaba llegar al objetivo. Eso es lo que los investigadores llaman un problema de alineación  y es el problema más difícil que enfrenta la industria de la inteligencia artificial hoy.

La alineación es que lo que el modelo optimiza coincida con lo que vos querías que hiciera. Cuando no coinciden, hay desalineación: el sistema cumple el objetivo literal que le diste y rompe el objetivo real que tenías en la cabeza. El caso del sandbox es un ejemplo de manual. No hay malicia. Hay incentivos mal especificados y un sistema lo suficientemente capaz para encontrar caminos que nadie había cerrado.

Hay otro detalle que los reportes mencionan pero que merece más énfasis: después de que el modelo de OpenAI escapó, otros participantes humanos del benchmark levantaron el truco y lo replicaron. Es decir, el modelo no solo encontró una vulnerabilidad encontró una que era reproducible y que otros explotaron deliberadamente una vez que la conocieron.

¿Qué cambió después? OpenAI pausó el modelo, construyó nuevas evaluaciones a partir de los fallos detectados y lo restauró con tres cambios concretos: monitoreo de trayectoria  ya no alcanza con mirar el resultado final, hay que ver la secuencia completa de acciones que tomó para llegar ahí, capacidad de intervenir en caliente, y permisos más acotados. La empresa también fue notable en algo poco común en la industria: lo publicó. No esperó a que lo filtraran. Sacó el comunicado con los detalles técnicos.

Eso importa más de lo que parece. El instinto en Silicon Valley cuando ocurre algo así es enterrarlo. El hecho de que OpenAI lo haya publicado, incluyendo la parte donde el modelo atacó una empresa externa, sugiere que la industria está empezando a entender que la seguridad en IA no puede tratarse como un secreto comercial.

Hay algo que este incidente reveló que es estructural, no anecdótico. Toda la industria de seguridad en IA estuvo años mirando el vector equivocado: los red teams se entrenaron para defender contra prompts maliciosos, contra usuarios que engañan al modelo, contra fugas de datos vía contexto. Acá el “atacante” era el propio modelo, sin intención hostil, ejecutando una tarea legítima. Las defensas contra prompt injection no cubren este escenario. Son problemas distintos, y las soluciones de uno no resuelven el otro.

¿Debería esto asustarnos? Sí y no. Y la respuesta importa dependiendo de en qué sentido.

Asusta porque muestra que la brecha entre “esto no puede pasar” y “esto pasó” puede ser una hora de exploración sistemática de un modelo que no se cansa. Asusta porque el mismo modelo que resolvió un problema matemático de décadas también comprometió la infraestructura de una empresa sin que nadie se lo pidiera. Asusta porque sugiere que cuanto más capaces sean los modelos, más importante es especificar correctamente qué pueden y qué no pueden hacer  y esa especificación es extraordinariamente difícil.

No asusta porque el modelo “quiera” hacer daño, no quiere nada. No asusta porque sea inevitable que los sistemas de IA escapen de sus entornos es un problema técnico tratable, no una ley de la naturaleza. No asusta como “Skynet”, asusta como un proceso con permisos mal configurados que hace exactamente lo que le programaste y termina borrando algo que no debía. La diferencia es que este proceso buscó activamente la falla durante una hora.

La lección más importante de todo esto no es tecnológica. Es de gobernanza.

Los modelos de largo horizonte, sistemas capaces de trabajar de manera autónoma durante horas sobre problemas complejos, ya existen. Están siendo probados. Algunos ya están en producción en entornos controlados. El debate sobre si regularlos, cómo hacerlo y quién tiene autoridad para establecer los límites está ocurriendo en Washington, en Bruselas y en Ginebra con una velocidad que no se acerca a la velocidad con que se desarrolla la tecnología.

Argentina no tiene regulación de inteligencia artificial vigente. El proyecto de ley que debía debatirse en el Congreso se pospuso indefinidamente. Eso no significa que el problema sea ajeno, significa que cuando los efectos lleguen, llegarán sin marco legal para abordarlos.

El modelo de OpenAI no quería escaparse, lo que hace perturbadora esa oración no es la primera parte: es la segunda.

Compartí esta noticia !

Agentic Commerce en retail: cómo lograr que la inteligencia artificial elija tus productos

Compartí esta noticia !

El comercio digital está entrando en una nueva etapa con la llegada del Agentic Commerce, un modelo en el que agentes de inteligencia artificial no solo recomiendan productos, sino que también buscan, comparan, seleccionan e incluso ejecutan compras en nombre de los usuarios. Esto implica que las marcas ya no competirán únicamente por captar la atención de las personas, sino también por ser elegidas por algoritmos que priorizan variables objetivas.

Este cambio obliga al retail a replantear su estrategia digital. Los catálogos deberán ser comprensibles para agentes de IA, con datos estructurados, información actualizada y procesos conectados mediante APIs. Además, el foco deja de estar exclusivamente en la experiencia visual de la tienda online para trasladarse a la calidad de los datos y la eficiencia operativa.

 

Del buscador al agente

La capacidad de los agentes de inteligencia artificial para encontrar y seleccionar productos de forma autónoma se consolida como una de las nuevas tendencias del comercio digital. Este cambio marca un punto de inflexión para el sector, que comienza a optimizar sus estrategias no solo para buscadores tradicionales, sino también para sistemas automatizados capaces de tomar decisiones de compra. En paralelo, el recorrido del consumidor también se transforma.

En este escenario, Martín Malievac, director de Innovación y Desarrollo de Totvs Napse, explica que los agentes priorizan criterios objetivos como precio, disponibilidad, calidad, tiempos de entrega y reputación. “Se dejará de lado la emocionalidad que rige en el momento en que un ser humano es el comprador”, señala. De este modo, el usuario pasa de invertir tiempo en buscar y comparar productos a supervisar y validar las decisiones que ejecuta su asistente de inteligencia artificial.

¿Cómo prepararse para venderle a un agente de IA?

A medida que el Agentic Commerce gana terreno, los retailers deberán adaptar su operación para responder a los criterios con los que los agentes inteligentes seleccionan productos. Para ello, será clave:

  • Mantener información de productos completa y actualizada, con descripciones, atributos e imágenes consistentes.
  • Contar con inventarios sincronizados en tiempo real, evitando quiebres de stock o información desactualizada.
  • Garantizar precios y promociones precisos, para que los agentes puedan comparar opciones con información confiable.
  • Integrar los canales físicos y digitales, asegurando una visión unificada del stock, los pedidos y las entregas. 
  • Automatizar procesos comerciales y logísticos, permitiendo responder con rapidez a las decisiones de compra de los agentes de IA.

Bajo este modelo, la Suite Napse integra tiendas físicas, e-commerce y marketplaces bajo una misma lógica operativa, sincronizando inventarios en tiempo real y ofreciendo una visión unificada del stock disponible. Con actualización automática y control centralizado, los retailers pueden evitar sobreventas o quiebres y tomar decisiones más ágiles.

Conectar con un cliente que ya no decide solo


La irrupción de los agentes inteligentes también transformará la forma en que las marcas construyen fidelidad, al priorizar la eficiencia por sobre la emocionalidad. En este contexto, las compras por impulso tenderán a ser reemplazadas por decisiones automatizadas basadas en reglas y parámetros previamente definidos. 


Sin embargo, esto no significa el fin del vínculo entre las marcas y las personas. La conexión emocional seguirá construyéndose en etapas como la posventa, la entrega o la comunicación, mientras que el agente se encargará de ejecutar la compra. En este contexto, las empresas deberán combinar una operación eficiente con experiencias de valor para mantenerse competitivas en la próxima evolución del comercio digital.

Compartí esta noticia !

From Lucky Prompts to Predictable Pipelines: How Content Teams Standardize AI Image Production

Compartí esta noticia !

Every creative team that adopted generative AI in the past two years has hit the same wall. The demos were dazzling, the first week was fun, and then someone asked the hard question: can we get this exact style, at this exact aspect ratio, approved by the brand team, every Tuesday by noon? Individual creators can afford to re-roll a prompt twenty times chasing a lucky result. A production team cannot. What separates teams that ship AI-generated assets on schedule from teams still “experimenting” is not model access — it is process.

Nano Banana Pro

The good news is that the process is now buildable. Current-generation models such as Nano Banana Pro handle the two failure points that used to make standardization impossible: prompt adherence (the model actually follows spatial and compositional instructions) and text rendering (legible type inside the image, not alphabet soup). With those solved at the model layer, the remaining work is organizational — writing prompts as specifications, defining acceptance criteria, and versioning your visual language like you version code. This article lays out that workflow in concrete, adoptable steps.

Why “Prompting” Doesn’t Scale but “Specification” Does

The core problem with ad-hoc prompting in a team setting is that the knowledge lives in one person’s chat history. When that person is on holiday, the brand style is on holiday too.

The fix is to treat prompts the way engineering teams treat configuration: as documented, shared, versioned artifacts. A production prompt is not a sentence — it is a spec sheet with named fields. A minimal template that works for most marketing assets looks like this:

SUBJECT:      [what is in the frame, one sentence]

STYLE TOKEN:  [your saved house-style block — see below]

COMPOSITION:  [placement, e.g. “subject left third, clear space top-right for headline”]

LIGHTING:     [e.g. “soft diffused daylight, no hard shadows”]

PALETTE:      [3-4 named hex-adjacent colors from brand guide]

NEGATIVE:     [what must not appear: text, watermarks, extra hands, logos]

RATIO:        [16:9 / 1:1 / 9:16 — generate all required crops in one session]

The style token is the highest-leverage piece. It is a frozen paragraph describing your house style (“flat vector illustration, 2px consistent line weight, subtle paper grain, muted terracotta and slate palette”) that every team member pastes verbatim. Nobody improvises the style; they only fill the subject and composition fields. This single convention eliminates most brand-drift complaints before they happen.

Reference Images Beat Adjectives for Style Locking

Text descriptions of style have a ceiling. “Warm editorial illustration” means five different things to five different people — and to the model. Reference-image conditioning is the more reliable mechanism, and it should be the backbone of any team pipeline.

The practical setup: curate a locked folder of three to five approved “golden” images that define your visual identity. Models with multi-image reference support, such as Nano Banana, accept these uploads alongside the text prompt, so each new generation inherits palette, rendering style, and line quality directly from the approved set rather than from an adjective’s interpretation. For recurring characters or mascots, the same mechanism is the only dependable route to consistency: upload the character sheet, describe only the new scene, and never re-describe the character from memory.

Two governance rules keep this working at scale. First, the golden folder is append-only by approval — a designer proposes an addition, the brand owner signs off, and only then does it enter the reference set. Second, when the reference set changes, the change is announced and dated, exactly like a design-system release. Teams that skip this end up with three unofficial reference folders and, inevitably, three unofficial styles.

The Three-Gate Acceptance Checklist

A generation is not “done” when it looks nice. It is done when it passes review gates that anyone on the team can apply without taste debates. Three gates cover the large majority of production failures:

Gate 1: Structural Integrity

Zoom to 100% and inspect hands, ears, jewelry, eyeglasses, and any repeating patterns (fences, windows, tiles). These are where models still hallucinate. Check text-bearing surfaces — signs, screens, packaging — for invented characters. Thirty seconds of inspection here saves a public correction later.

Gate 2: Brand Compliance

Compare against the golden folder side by side, not from memory. Verify the palette stays inside brand range, no competitor-adjacent visual language crept in, and no accidental real-world logos or recognizable products appear in the frame. The negative-prompt field reduces these, but the gate catches what slips through.

Gate 3: Format Fitness

Confirm the asset works at its destination size, not just in the generation preview. A 16:9 hero that loses its subject when cropped to the CMS’s 2:1 card, or a thumbnail whose detail turns to mush at 320px wide, fails this gate. The cheap fix is to generate destination ratios natively in the same session instead of cropping one master image after the fact.

Assets that fail a gate go back with the gate name as the revision note — “fails Gate 2, palette drift” — which keeps feedback objective and fast.

Extending One Asset Across the Channel Matrix

The economics of the pipeline improve sharply when each approved concept is treated as a seed for a family of assets rather than a single deliverable. From one passed hero image, a mature workflow derives: the 1:1 and 9:16 social crops (generated natively, per Gate 3), a background-simplified variant for text-heavy overlays, and — where the channel justifies it — a short image-to-video loop for feeds, using the approved still as the seed frame. Starting video generation from a high-fidelity approved image, rather than raw text-to-video, carries your character and lighting consistency into motion and avoids re-running brand review from zero.

The scheduling implication is worth stating plainly: batch all derivations in the same working session as the hero approval, while the prompt spec is still open. Returning a week later to “make the vertical version” costs triple the time and rarely matches exactly.

Where the Pipeline Still Breaks

Honest process documentation includes the known failure modes. Three deserve standing warnings in any team playbook:

  1. Multi-subject scenes remain fragile. Two interacting characters are usually fine; three or more invite merged limbs and swapped clothing. For crowd or group scenes, plan on compositing separately generated subjects rather than expecting a clean single-pass result.
  2. Upscaling can invent detail. Enlargement models sharpen by interpretation, and a soft background blob can become a distinct — and wrong — object at 4x. Any upscaled asset should re-pass Gate 1 at full resolution before publishing.
  3. Style tokens decay silently. As models update, the same frozen style paragraph can render subtly differently. Schedule a monthly regression check: run your style token against a fixed test prompt and compare with last month’s output. Catching drift early is a ten-minute task; discovering it across forty published assets is a rebrand.

None of these limitations argues against the pipeline — they argue for it. Ad-hoc prompting hits the same failures unpredictably; a standardized workflow hits them at known checkpoints where they are cheap to catch.

The teams getting real leverage from generative imagery in 2026 are not the ones with secret prompts. They are the ones who wrote the spec sheet, locked the reference folder, and put three gates between generation and publication. The model supplies the fidelity; the process supplies the reliability. Build the second, and the first finally pays off.

Compartí esta noticia !

Categorías

Solverwp- WordPress Theme and Plugin