Noticias IA del 18/03/2026

Qué pasó: GitHub anunció que GPT-5.3-Codex será el primer modelo con long-term support (LTS) para Copilot Business y Enterprise, con soporte garantizado durante 12 meses.

Impacto:

• Da estabilidad a organizaciones grandes al reducir cambios de modelo imprevistos en flujos de desarrollo.
• Introduce una señal de coste: GPT-5.3-Codex usa multiplicador 1x premium request units, mientras GPT-4.1 permanece temporalmente en 0x.
• El cambio automático de base model para Business/Enterprise se programa con fecha clave 17 May 2026.

Acciones:

• Revisar políticas de modelos en tu org y validar impacto antes del cambio automático del 17 May 2026.

Qué pasó: AWS presentó Nova Forge SDK, un SDK de Python para personalizar modelos Amazon Nova en el continuo Bedrock ↔ SageMaker AI/HyperPod, simplificando recetas y orquestación de jobs.

Impacto:

• Reduce carga operativa en fine-tuning y despliegue dentro del ecosistema AWS, acelerando experimentación.
• Aumenta el acoplamiento a permisos y servicios gestionados (IAM, S3, SageMaker, Bedrock y CloudWatch Logs).
• El repositorio público documenta instalación con pip, licencia Apache-2.0 y requisito Python 3.12+.

Acciones:

• Instalar con pip install amzn-nova-forge y preparar Python 3.12+ junto a permisos sobre IAM, S3, SageMaker, Bedrock y Logs.

Qué pasó: Anthropic publicó un informe interactivo basado en 80.508 entrevistas con usuarios de Claude, en 159 países y 70 idiomas, sobre expectativas y temores frente a la IA.

Impacto:

• Ofrece una señal de demanda: las categorías más frecuentes se concentran en excelencia profesional, gestión de vida y transformación personal.
• El 81% de la muestra afirma que la IA ya dio algún paso hacia su visión, lo que sugiere tracción percibida en usos cotidianos.
• El principal límite metodológico es el sesgo de muestra: son usuarios de Claude, no población general.

Qué pasó: Google posicionó Stitch como un canvas de diseño nativo de IA, con un agente que razona sobre la evolución del proyecto y herramientas para explorar variantes en paralelo.

Impacto:

• Conecta diseño y ejecución: añade exportación a herramientas de desarrollo y un archivo DESIGN.md para portar reglas entre flujos.
• Incorpora voz para iteración en tiempo real y un Agent manager para ramificar ideas y prototipos.
• Expone señales técnicas para integraciones: MCP server y un SDK de Stitch.

Qué pasó: NVIDIA publicó una pieza técnica que empaqueta su paso de simulación a producción en robótica, consolidando su stack de physical AI y componentes listos para despliegue.

Impacto:

• Refuerza el giro del mercado de agentes solo software a embodied AI, con una toolchain más madura.
• Reúne Isaac, el modelo VLA abierto Isaac GR00T N, y capacidades en GA como Omniverse NuRec e Isaac Teleop.
• Añade piezas de simulación y research aplicable como Newton, SOMA-X y el modelo GEAR-SONIC para humanoides.

Acciones:

• Revisar Isaac Sim e Isaac Lab y sus learning paths; para edge, la ruta apunta a Jetson según la pieza.

Qué pasó: Mistral anunció Forge, una plataforma para que empresas y gobiernos construyan modelos de propósito específico entrenados casi completamente sobre sus propios datos.

Impacto:

• Expone el pipeline completo: preparación de datos, datos sintéticos, pre-entrenamiento, SFT, DPO y RL para alineación.
• Permite despliegue en la nube de Mistral o on-premise en clusters del cliente, manteniendo datos sensibles dentro de la organización.
• Se presenta como enfoque agent-first, incorporando herramientas para automatizar experimentos de entrenamiento bajo supervisión humana.

Qué pasó: Google DeepMind, junto con Google.org y Google Skills, anunció la expansión de su currículum avanzado “AI Research Foundations” para educación superior en África, con cursos gratuitos.

Impacto:

• Busca reducir la brecha de talento: África concentra ~20% de la población mundial pero aporta ~1,8% de contribuciones a investigación en IA según el informe.
• Incluye formación de docentes y kits pedagógicos con un enfoque train-the-trainer para capacidad local sostenible.
• Se enmarca en la competencia geoestratégica por posicionarse como socio de talento en mercados emergentes.

Qué pasó: Un reportaje de Reuters del 18 de marzo destacó que Tencent subió ingresos 13% hasta 194.400 millones de yuanes y planea elevar capex 2026 para acelerar su apuesta en IA.

Impacto:

• Refuerza la lectura de ‘carrera de armamentos’ en agentes entre gigantes chinos (Tencent, Alibaba, ByteDance).
• Incluye una suite llamada OpenClaw orientada a consumidores, desarrolladores y empresas, alineada con la tendencia hacia sistemas agénticos.
• Señala presión externa: restricciones de exportación de chips limitaron el gasto planificado en 2025.

Qué pasó: Skoltech publicó una evaluación donde GigaChat de Sber alcanzó un nivel comparable al de un graduado de máster en una prueba de matemáticas y ciencias informáticas.

Impacto:

• Funciona como hito de competencia regional, sugiriendo capacidad técnica comparable en tareas académicas avanzadas.
• Para equipos técnicos, indica viabilidad potencial en soporte educativo avanzado, tutoría y asistencia a investigación local.
• Eleva el listón de referencia para modelos fuera de los polos tradicionales de EE. UU. y Europa.

Qué pasó: Un brief del 18 de marzo reportó que Cursor IDE 0.45 lanzó “Reasoning Mode”, enrutando tareas complejas entre varios modelos frontera según el dominio del problema.

Impacto:

• Valida patrones multi-modelo en IDEs: distintos LLM asumen roles por fortaleza (razonamiento, código, contexto largo).
• Incluye transparencia de uso de tokens por modelo para gestionar coste y latencia en equipos de ingeniería.
• Benchmarks internos citados reportan mejora del 34% en tareas verificadas tipo SWE-bench frente a un único modelo.

Acciones:

• Actualizar Cursor a 0.45 y habilitar Reasoning Mode en un repo con refactors o debugging para medir coste/latencia frente a tu baseline.

Qué pasó: El trabajo “Runtime Governance for AI Agents: Policies on Paths” propone controlar agentes no deterministas mediante políticas aplicadas a trayectorias de acción observables.

Impacto:

• Mueve la gobernanza de agentes del discurso a mecanismos de ingeniería en tiempo de ejecución.
• Busca reducir comportamientos inesperados en escenarios complejos donde el agente usa herramientas y actúa sobre sistemas reales.
• Complementa el auge de sandboxes y runtimes con límites explícitos sobre red, archivos y acciones.

Qué pasó: El artículo “When AI Navigates the Fog of War” analiza usos de IA en entornos bélicos y compila casos de apoyo a decisiones militares, enfatizando riesgos operativos.

Impacto:

• Advierte sobre escalada y errores por mala interpretación de señales o información incompleta.
• Subraya el riesgo de pérdida de control humano cuando sistemas automatizados influyen en decisiones de alto impacto.
• Refuerza la necesidad de revisión humana, trazabilidad y límites de acción en IA aplicada a defensa.