Fernando Santa Cruz aquí en la 36° edición de Synapsis Semanal
Esa semana estuve intercambiando ideas, opiniones y experiencias con el Dr. Carlos Brito y Edgar Cambranes de UADY sobre el diseño de la Maestría en IA, y con el Dr. Juan Vázquez Montejo – destacado investigador, profesor y Sr. Data Scientist.
Sorprendido esta semana por las tareas y proyectos finales de mis alumnos de la maestría. La IA no deja de sorprenderme cuando se combina con creatividad humana.
En paralelo, trabajando en un nuevo proyecto de educación universitaria para formación de C-level (más detalles en próximas semanas) y en un hackathon interno en Adivor para construir nuestras propias herramientas, automatizaciones y agentes.
En Toronto, platicando con empresas de construcción y desarrolladores inmobiliarios para incorporar herramientas de IA que lleven su productividad y competitividad a donde la tecnología de frontera hoy puede llevarlas.
Este boletín profundiza los resúmenes de WhatsApp (semana del 9 al 14 de marzo) y ayuda a entener que que el tamaño del cheque no garantiza el tamaño del resultado.
700 Experimentos, Una GPU y un Matemático de 87 Años que Escribió “Shock!”: La Ciencia ya No Espera Presupuesto
Andrej Karpathy lanzó Autoresearch esta semana. El concepto es brutalmente simple: un agente que modifica código, corre experimentos de 5 minutos, evalúa resultados y decide solo si conservar o descartar cada cambio. En dos días generó 700 experimentos. Encontró 20 mejoras reales. Un modelo de 0.8B parámetros superó a uno del doble de tamaño en 8 horas.
Una sola computadora. Sin cluster de GPUs. Sin presupuesto millonario.
La misma semana, Donald Knuth – el científico que lleva décadas escribiendo los libros de referencia de la programación – publicó un paper llamado “Claude’s Cycles” que abre con las palabras “Shock! Shock!”.
Claude Opus 4.6 resolvió un problema abierto de teoría de grafos que Knuth llevaba semanas sin poder cerrar para The Art of Computer Programming. No fue fuerza bruta: fue búsqueda iterativa, reformulación de hipótesis y descubrimiento estructural.
Es como un cocinero callejero que, con tres ingredientes y una estufa prestada, saca un platillo que los restaurantes de cinco estrellas no logran con cocinas de $200 mil dólares.
La investigación científica se está democratizando a una velocidad que las universidades y labs corporativos todavía no procesan.
El trabajo del investigador de ML está migrando: ya no escribirá código de optimización a mano. Programará las reglas del juego para que el agente investigue solo.
Pregunta para tu equipo: ¿Qué proceso repetitivo de prueba y error en tu negocio podría correr en loop automático mientras tú duermes?
x.AI Pierde 9 de 11 Cofundadores: Cuando $6 Mil Millones No Compran Lealtad
Guodong Zhang, responsable de los productos de IA de xAI, salió esta semana. Solo quedan 2 de los 11 cofundadores originales. Musk declaró que la empresa será “reconstruida desde los cimientos”. Para no quedarse atrás en herramientas de programación, contrataron dos líderes senior de Cursor.
La crisis no es de visión ni de capital. Es organizacional.
En una industria donde el talento senior es el recurso más escaso del planeta, perder 9 de 11 cofundadores equivale a abrir un restaurante donde se van el chef, el sous chef y toda la línea de cocina. Puedes tener la mejor ubicación y el menú más ambicioso, pero sin el equipo que ejecute, el presupuesto se convierte en decoración.
El patrón se repitió en Thinking Machines Lab de Mira Murati: tres cofundadores regresaron a OpenAI en enero, golpeando la credibilidad operativa justo antes de que TML cerrara un acuerdo con NVIDIA por 1 gigavatio de cómputo en sistemas Vera Rubin. El sector sigue siendo peligrosamente dependiente de equipos fundadores pequeños e irremplazables.
Pregunta para fundadores: ¿Tu empresa tiene un plan si mañana se van tres de tus personas clave? ¿O toda la operación vive en sus cabezas?
Meta Gasta $115 Mil Millones y Pierde Terreno: El Modelo Más Caro del Mundo No Está Listo
Meta retrasó su modelo “Avocado” a mayo porque en pruebas internas quedó por debajo del nivel competitivo esperado – atrapado entre Gemini 2.5 y Gemini 3 en sus propios benchmarks. La empresa llegó a discutir internamente licenciar temporalmente un modelo de Google mientras el suyo madura.
Pensémoslo. La compañía con el mayor presupuesto de IA del planeta, $115 mil millones en CAPEX, consideró pedirle prestado el cerebro a su competidor.
Como construir la fábrica más grande del mundo y tener que comprar producto terminado al vecino porque tu línea de producción no arranca.
El dinero compra infraestructura, pero no garantiza que el modelo sea bueno. Mientras tanto, un solo desarrollador con una GPU corrió 700 experimentos en dos días.
La paradoja de esta semana tiene nombre: gastar más no significa llegar primero.
Pregunta para tu estrategia: ¿Estás invirtiendo en las herramientas correctas o simplemente en las más caras?
NVIDIA Regala el Modelo para Vender el Hardware: Nemotron 3 Super y la Estrategia del Caballo de Troya
NVIDIA liberó Nemotron 3 Super: 120 mil millones de parámetros, 12 mil millones activos con arquitectura MoE, hasta 1 millón de tokens de contexto, 5 veces más rendimiento por tarea que su generación anterior. Gratuito. Sin costo de licencia. Ya está integrado en Perplexity. Publicaron además los datos de entrenamiento completos y más de 180 datasets abiertos con 2 petabytes de datos listos para IA.
Pero NVIDIA no es una ONG. Es la jugada más elegante del sector: regalar el software para que todo el ecosistema se ancle a su hardware. Los requerimientos mínimos son 2 H100 de 80GB. Cada empresa que adopta Nemotron compra chips NVIDIA para correrlo.
Y hay una capa más profunda. NVIDIA no solo abrió pesos: abrió la cadena de datos y los recipes de entrenamiento.
CrowdStrike mejoró su traducción de lenguaje natural a queries de seguridad de 50.7% a 90.4% usando datos de NVIDIA. NTT Data elevó QA legal de 15.3% a 79.3%.
La competencia open source ya se desplazó de “qué modelo publicaste” a “qué pipeline de datos publicaste”. Para PyMEs que construyen agentes de IA, el costo por tarea cae dramáticamente.
Pregunta para tu negocio: Si el modelo es gratis y los datos de entrenamiento son abiertos, ¿qué agente interno podrías construir esta semana que antes era impensable por costo?
Anthropic Demanda al Pentágono y Abre Oficina en Washington: La Ética se Convierte en Estrategia Institucional
La semana pasada cubrimos el conflicto entre Anthropic y el Departamento de Defensa. Esta semana escaló: Anthropic presentó demandas duales en California y Washington D.C. contra la designación de “riesgo de cadena de suministro”.
Esa etiqueta no es simbólica. Amenaza con forzar a contratistas como Boeing y Lockheed Martin a purgar Claude de sus sistemas. Pone en riesgo más de $60 mil millones en inversiones de 200+ fondos de venture capital.
En paralelo, Anthropic lanzó el Anthropic Institute bajo el liderazgo de Jack Clark, reuniendo equipos de Frontier Red Team, Societal Impacts y Economic Research. Fichajes como Matt Botvinick para IA y derecho, y Anton Korinek para efectos económicos. Primera oficina en Washington, D.C. para primavera.
Del otro lado, OpenAI adquirió Promptfoo – la plataforma de seguridad y evaluación usada por más del 25% del Fortune 500 y 350 mil desarrolladores – integrando “AppSec para LLMs” directamente en su plataforma.
Caitlin Kalinowski, responsable de hardware y robótica en OpenAI, renunció como respuesta directa al acuerdo con el Pentágono.
Una empresa demanda al gobierno por sus valores. La otra absorbe herramientas de seguridad mientras pierde líderes técnicos por sus decisiones.
Los laboratorios ya no compiten solo por modelos y chips. Compiten por la capacidad de influir en regulación, empleo y narrativa pública.
Es una nueva línea de fractura: no entre open y closed, sino entre quienes quieren conservar líneas rojas de uso y Estados que no aceptan depender de un proveedor con veto moral.
Pregunta incómoda: ¿Las empresas de IA deberían tener el poder de decidir qué usos prohibir, o ese poder le corresponde solo al Estado?
La IA se Sienta en Tu Escritorio: 3.25 Años de Trabajo en 4 Semanas, Video con Actores que No Existen y Contratos de 400 Páginas al Mismo Precio
Tres movimientos convergieron esta semana para convertir la IA de “herramienta de consulta” en “empleado de tiempo completo”.
Uno. Perplexity lanzó Personal Computer: un agente corriendo 24/7 en una Mac Mini con acceso a más de 400 herramientas – Slack, Salesforce, archivos locales. Reportan 3.25 años de trabajo completados en cuatro semanas y $1.6 millones en costos laborales ahorrados. Incluye control de emergencia y registro completo de cada acción.
Ya no es una laptop con chip NPU: es un servidor “sin cabeza” que actúa como tu proxy digital ininterrumpido.
Dos. Sora 2 de OpenAI resolvió el mayor bloqueo del video comercial con una actualización de su API: personajes que se ven igual en todos los clips. Antes, la cara del protagonista cambiaba entre tomas.
Ahora desarrolladores y agencias pueden generar clips de hasta 20 segundos con personajes personalizados entrenados con clips cortos de 2 a 4 segundos, y unirlos hasta 2 minutos. Incluye procesamiento por lotes para producción a escala.
OpenAI enfocó la actualización en desarrolladores, no en consumidores: Sora no busca ser una app para hacer videos virales, sino el motor de renderizado de agencias y producción comercial.
Tres. Anthropic eliminó el recargo por documentos largos en la API y para suscriptores Max, Team y Enterprise. Un contrato de 400 páginas, el historial completo de un cliente o un codebase entero: $3 a $5 por millón de tokens en la API, sin multiplicador por longitud. El límite sube a 600 páginas o imágenes por solicitud.
Eso cambia el cálculo de qué procesos vale la pena automatizar.
Es la diferencia entre tener un asistente que cobra por hora y uno que cobra por resultado: de repente, pedirle que revise todo en lugar de un resumen cuesta lo mismo.
Pregunta operativa: ¿Cuál es el documento más largo que tu equipo procesa manualmente cada mes? ¿Has calculado cuántas horas consume?
$1.03 Mil Millones Contra el Paradigma y 2.6 Millones de Inundaciones que No Existían: Dos Apuestas Contra lo Establecido
AMI Labs, la nueva empresa de Yann LeCun (ex jefe científico de IA en Meta), cerró una ronda de $1.03 mil millones a una valuación de $3.5 mil millones.
La apuesta: los chatbots actuales no pueden entender el mundo físico, y la ruta correcta pasa por modelos con memoria, razonamiento causal y planificación. Foco inicial en automotive, aerospace, biomédica y farmacia.
No es solo otro megaround.
Es la legitimación financiera de un camino post-LLM liderado por uno de los críticos históricos del paradigma “más escala, más tokens, más parámetros”. Los inversores institucionales están empezando a cubrirse contra la filosofía de que solo necesitas más GPUs para llegar a la inteligencia general.
Misma semana: Google demostró que los LLMs pueden crear los datos que los modelos necesitan para existir.
Groundsource usó Gemini para leer décadas de reportes públicos no estructurados e identificó 2.6 millones de eventos de inundación en 150 países. Con ese dataset creado por IA, entrenó un modelo que predice inundaciones urbanas con 24 horas de anticipación. Ya cubre 2 mil millones de personas en Flood Hub.
El modelo construyó los datos que el modelo necesitaba.
Pensemos en el equivalente para nuestra industria: ¿qué datos enterrados en PDFs, correos y reportes de nuestra empresa podrían alimentar un modelo que anticipe problemas antes de que ocurran?
Pregunta para innovadores: ¿Qué información desestructurada acumula tu empresa que, organizada por IA, podría predecir problemas antes de que sucedan?
Meta Compra el “Social Graph” de los Agentes y la Batalla se Mueve de Modelos a Ecosistemas
Meta adquirió Moltbook: una plataforma donde bots de IA mantienen identidades persistentes, aparecen en directorios y se autentican entre sí. No compró una comunidad. Compró infraestructura: identidad, descubrimiento y autenticación para agentes autónomos. Si el próximo internet opera entre agentes, Meta ya tiene la capa social.
El reporte de a16z de las Top 100 Apps de IA Generativa confirma el patrón: la batalla ya no es por el mejor modelo.
ChatGPT lidera suscripciones, pero Claude crece más del 200% interanual en suscriptores pagados en EE.UU. y Gemini 258%. Notion subió su tasa de adopción de IA de 20% a más del 50% en un año, y esas funciones explican aproximadamente la mitad de su ingreso recurrente. CapCut tiene 736 millones de usuarios activos mensuales.
ChatGPT y Claude ya compiten como plataformas con ecosistemas de apps y conectores.
La competencia se desplazó de “quién tiene el modelo más inteligente” a “quién construye el ecosistema donde es más costoso irte”.
Es la misma lógica que hizo que cambiar de iPhone a Android fuera tan doloroso.
Para PyMEs, la decisión de qué plataforma adoptar se parece cada vez menos a elegir una herramienta y más a elegir un sistema operativo para tu negocio.
Pregunta para tu ecosistema: ¿Estás construyendo flujos de trabajo que puedas migrar entre plataformas, o ya estás atado a una sin darte cuenta?
Herramientas que Ya Puedes Usar el Lunes
- Claude – 1M de Contexto Sin Recargo – Contratos de 400+ páginas, manuales completos, historiales de clientes. Sin multiplicador por longitud. $3-5 por millón de tokens en la API. Hasta 600 páginas por solicitud. Disponible en API y para suscriptores Max, Team y Enterprise.
- Sora 2 API – Video con Personajes Consistentes – Clips de hasta 20 segundos donde el personaje mantiene su cara entre tomas. Únelos hasta 2 minutos. Procesamiento por lotes. Para agencias y producción comercial vía API.
- my.WordPress.net – Tu Sitio con IA en el Navegador – WordPress corriendo completo en tu navegador. Sin dominio, sin hosting, sin instalación. Incluye asistente de IA que edita tu sitio, genera imágenes y construye plugins con lenguaje natural. Privado por defecto. Ideal para journals, borradores o bases de conocimiento personales.
- Microsoft Copilot Health – Unifica historiales de 50,000 hospitales y 50+ wearables en un asistente de salud personal. 50 millones de preguntas diarias. Validación de médicos reales. No usa tus datos para entrenar modelos. Solo EE.UU. por ahora.
- Perplexity Personal Computer – Agente 24/7 en una Mac Mini. Acceso a 400+ herramientas: Slack, Salesforce, archivos locales. Registro completo de cada acción. Kill switch incluido.
- Canva Magic Layers – Sube cualquier imagen y Canva la separa en capas editables: fondo, objetos, texto. Edita sin Photoshop. Beta pública en Canadá, EE.UU., UK y Australia.
Mi Invitación Esta Semana: El Experimento del Documento de 400 Páginas
Cada empresa tiene un documento largo que nadie lee completo. El manual de operaciones. El contrato marco. El historial de un cliente clave.
Todos saben que ahí hay valor. Nadie tiene tiempo de extraerlo.
Esta semana, hagan esto:
1. Elijan ese documento (5 min). El más largo e importante de su operación. El que todos deberían haber leído y nadie ha leído completo.
2. Súbanlo completo a Claude o ChatGPT (5 min). Sin recortar. Sin resumir antes.
3. Hagan tres preguntas que importan (15 min). No pidan un resumen. Pregunten:
- ¿Qué riesgos revela este documento que probablemente estamos ignorando?
- ¿Qué oportunidades de mejora se mencionan explícita o implícitamente?
- ¿Qué contradicciones hay entre lo que dice y cómo realmente operamos?
4. Compartan los hallazgos. Un correo de 5 líneas a su equipo. Nada más.
La mayoría de las empresas no tienen un problema de información. Tienen un problema de digestión.
Esa capacidad dejó de costar miles de dólares esta semana. Ahora cuesta $5.
700 experimentos en una sola computadora. $115 mil millones que no alcanzan. Un matemático de 87 años que escribió “Shock!” cuando una IA resolvió lo que él no podía.
No gana quien gasta más. Gana quien pregunta mejor.
Knuth no se enojó cuando Claude resolvió su problema. Publicó el paper con el nombre del modelo en el título. La verdadera inteligencia – humana o artificial – celebra que el problema ya tiene solución.
Eso no se compra con presupuesto. Se construye con criterio.
Fernando Santa Cruz Head of AI & Automation @ Adivor Consulting
