Saltar al contenido

Análisis · Inversión y mercados

El factor humano vuelve a cotizar en la era de los agentes

¿Por qué el riesgo de la IA tiene nombre propio? Nvidia sin sucesor, Mercor a 20.000 millones y un espionaje con agentes muestran que automatizar concentra el riesgo en pocas personas.

Rubén MoralRubén Moral · 12 min de lectura
LinkedInXWhatsApp
Índice 7 secciones
  1. 01Cuando todo se automatiza, el riesgo se concentra en pocas personas
  2. 02Nvidia y el riesgo de persona clave a escala de billones
  3. 03El criterio humano como materia prima cara
  4. 04Agentes eficaces, operadores falibles
  5. 05Robots, preview y el resto del tablero
  6. 06Qué hacer con todo esto
  7. 07Las noticias del día

Cuando todo se automatiza, el riesgo se concentra en pocas personas

Llevamos meses hablando de agentes que trabajan solos, de modelos que se abaratan y de centros de datos que se financian con deuda. La conversación ha girado sobre máquinas, contratos y vatios. Las noticias de este miércoles empujan en otra dirección: cuanto más se automatiza la cadena de la inteligencia artificial, más se concentran el valor y el riesgo en un número muy reducido de personas. Un consejero delegado sin sucesor puede mover cientos de miles de millones de dólares en una sesión. El criterio de unos pocos miles de expertos vale ya 20.000 millones. Y una operación de espionaje montada sobre agentes autónomos cae por el descuido de quien los manejaba.

No es una paradoja, es aritmética. Si una tarea que antes ocupaba a cien personas la hace un agente supervisado por una, la decisión, el conocimiento y el error de esa persona pesan cien veces más. Para quien dirige una empresa o gestiona un patrimonio, la pregunta útil deja de ser solo qué modelo usar y pasa a ser quién sostiene, en última instancia, cada pieza de la que depende.

Nvidia y el riesgo de persona clave a escala de billones

El caso más visible es el de Nvidia. Su consejo se reunió el miércoles para decidir si aparta a Jensen Huang, según una fuente citada por Reuters, tras días de informaciones sobre su vida privada y sobre una presunta operación de inteligencia extranjera dirigida contra él. La acción cayó en torno a un 8 % fuera de hora y la compañía acumula unos 600.000 millones de dólares de capitalización perdidos en la semana. Al cierre de esta edición no hay decisión pública ni sucesor designado.

Lo relevante para un empresario no es el componente personal, sino el estructural. Nvidia vale en torno a cuatro billones de dólares, no tiene presidente del consejo y Huang tiene unos sesenta subordinados directos. Es un diseño que funciona extraordinariamente bien mientras la persona en el centro funciona, y que convierte cualquier duda sobre esa persona en un problema de gobierno corporativo de primer orden. Los mercados lo están descontando a la vez que el sector depende de la hoja de ruta de la compañía para planificar su capacidad de cómputo.

Hay una segunda capa. El caso ha reabierto la pregunta sobre cómo se aplican los controles de exportación. Reuters documentó que una universidad china vinculada a la industria de defensa, en la lista negra estadounidense desde 2001, compró dos H200 a un distribuidor local, y encontró veintiséis registros similares de compra o alquiler de cómputo. Axios, por su parte, informa de tensiones dentro de la Administración sobre por qué un intermediario que ha comprado más de 4.000 millones en chips no está en esa lista. De nuevo, el sistema no falla en la tecnología: falla, o se sostiene, en decisiones de unas pocas personas sobre licencias, distribuidores y listas.

En mi caso, cuando miro la parte de la cartera expuesta a semiconductores, lo que me preocupa no es la demanda de chips, que sigue ahí, sino la combinación de una sucesión improvisada con un endurecimiento regulatorio probable. Son riesgos que no aparecen en un modelo de flujos de caja y que se materializan de golpe.

El criterio humano como materia prima cara

El segundo dato del día va en sentido contrario y es igual de revelador. Mercor, que proporciona expertos humanos para entrenar y evaluar sistemas de IA, cierra una ronda de 750 millones de dólares con una valoración de 20.000 millones, el doble que hace un año. Entre sus inversores está la propia Nvidia. Es decir, los laboratorios que aspiran a automatizar el trabajo cualificado están pagando cantidades crecientes por el juicio de profesionales cualificados, porque sin ese juicio no saben si sus modelos aciertan.

Esto tiene una lectura directa para cualquier empresa que implante IA. El activo diferencial no es el acceso al modelo, que se compra por tokens, sino el criterio de los mejores profesionales de la casa: saber qué respuesta es buena, qué excepción importa y qué cifra no cuadra. En los proyectos que llevo, el tiempo que más rinde no es el de integrar herramientas, sino el de sentar a las dos o tres personas que más saben de un proceso a escribir qué es un resultado correcto. Ese documento acaba valiendo más que cualquier licencia.

Databricks ilustra la misma idea desde el producto. Su nuevo Genie trabaja en segundo plano, delega en subagentes y solo interrumpe cuando necesita una decisión. Pero la pieza que lo hace útil es Genie Ontology, una capa que guarda las definiciones del negocio: qué es un cliente activo, cómo se calcula el margen, quién es responsable de qué. Un agente que trabaja sin que se le pida es tan bueno como las definiciones que alguien escribió y mantiene. Si nadie es dueño de esas definiciones, el agente se equivoca con más autonomía y más rapidez.

Agentes eficaces, operadores falibles

El caso de Silent Lynx completa el cuadro desde el lado oscuro. Según CloudSek, este grupo vinculado a Kazajistán utilizó un framework abierto de agentes para hacer el reconocimiento, entrar en el sistema de documentos del Gobierno de Tayikistán y sacar más de 2.000 documentos de seguridad nacional. El agente planificaba, ejecutaba, tomaba notas y redactaba informes. El humano daba instrucciones. Y fue el humano quien dejó expuesto el servidor que permitió descubrirlo todo.

La lectura defensiva es evidente: los ataques complejos se abaratan y se aceleran, y cualquier empresa con datos valiosos debe asumir que el reconocimiento de su superficie expuesta ya lo hace una máquina incansable. Pero la lectura de fondo es la misma que en Nvidia y en Mercor. La automatización desplaza el trabajo, no la responsabilidad, y deja al descubierto el eslabón humano con una nitidez que antes no tenía. Para el atacante fue un servidor mal configurado; para muchas empresas será un permiso concedido de más o una credencial que nadie revisa.

Robots, preview y el resto del tablero

El resto del día confirma que la automatización avanza en frentes muy distintos. Google DeepMind presenta Gemini Robotics 2.5 con una prueba en una planta de Mercedes-Benz en la que el sistema empaqueta piezas con un 96 % de éxito, siempre en un entorno controlado. Alibaba abre una versión preliminar de Qwen4-Max solo dentro de su plan de suscripción, sin métricas publicadas y con fecha de retirada. Y en Europa, los sabios económicos alemanes elevan al 1,3 % el crecimiento previsto para 2026, con una inflación que sube hacia el 3 % en 2027 y deja poco margen al BCE para abaratar la financiación. Ninguna de estas piezas cambia la tesis, pero todas recuerdan que el entorno en el que se toman estas decisiones de personas no es precisamente tranquilo.

Qué hacer con todo esto

La conclusión práctica es incómoda porque no se compra. Si la IA concentra el valor y el riesgo en pocas personas, la gestión del riesgo de IA empieza por un inventario de esas personas. ¿Quién decide qué agentes tienen acceso a qué sistemas? ¿Quién mantiene las definiciones de negocio con las que trabajan? ¿Qué ocurre si esa persona se va mañana, se equivoca o deja de estar disponible? Y, si se invierte en el sector, ¿qué compañías de la cartera dependen de una figura sin relevo claro?

Las empresas que mejor salgan de esta fase no serán necesariamente las que más automaticen, sino las que sepan exactamente en qué cabezas descansa lo que han automatizado y hayan preparado un relevo para cada una. En la era de los agentes, el factor humano no desaparece: se vuelve más caro, más visible y más decisivo. Conviene tratarlo como un activo y como un riesgo a la vez, con nombre y apellidos.

Las noticias del día

Economía, geopolítica e inversión

El consejo de Nvidia se reúne para decidir el futuro de Jensen Huang

El consejo de administración de Nvidia se reunió el miércoles para decidir si aparta a Jensen Huang, cofundador y consejero delegado desde hace 33 años, según una fuente citada por Reuters, después de que The Wall Street Journal publicara que la compañía preparaba su salida. La acción cayó en torno a un 8 % fuera de hora y Nvidia acumula unos 600.000 millones de dólares de capitalización perdidos en la semana; AMD subió un 4 % y Broadcom un 3 %. The New York Times informó además de una relación de Huang con una vicepresidenta que depende directamente de él, algo que Reuters no ha podido verificar. Al cierre de esta pieza no hay decisión anunciada ni sucesor: la empresa no tiene presidente del consejo ni un plan de sucesión público.

Por qué importa: la empresa que marca el ritmo de la infraestructura de IA afronta un riesgo de persona clave sin plan B visible, a pocos días de sus resultados trimestrales. Para quien depende de su hoja de ruta, lo que hay que vigilar es la continuidad en ejecución y suministro, no el titular.

Fuente: Reuters vía Daily Maverick · Fortune

Reuters documenta compras de chips H200 por una universidad militar china incluida en la lista negra de EE. UU.

La Universidad Politécnica del Noroeste (Xi'an), en la Entity List estadounidense desde 2001 y vinculada a la industria de defensa china, compró dos H200 de Nvidia por 874.700 yuanes (unos 123.000 dólares) a un distribuidor local, según un registro del 21 de octubre revisado por Reuters. La agencia identificó 26 registros de este año en los que universidades y centros de investigación chinos, varios con vínculos militares, compran o alquilan cómputo con chips de Nvidia a proveedores nacionales. El mismo día, Axios informó de que el secretario del Tesoro, Scott Bessent, preguntó al de Comercio, Howard Lutnick, por qué Megaspeed, que ha comprado más de 4.000 millones de dólares en chips de Nvidia, no figura en la lista; Comercio niega ese enfrentamiento.

Por qué importa: el control de exportaciones se filtra por reventa y alquiler de cómputo, y eso hace más probable un endurecimiento que alcance a distribuidores, nubes y proveedores de capacidad, no solo a Nvidia. Quien opere en esa cadena debe contar con más verificación de clientes y más papeleo.

Fuente: Reuters vía Al Jazeera · Axios

Los sabios económicos alemanes elevan al 1,3 % el crecimiento previsto para 2026

El Consejo de Expertos Económicos de Alemania eleva su previsión de PIB para 2026 al 1,3 %, frente al 0,5 % que estimaba en mayo, y la de 2027 al 1,0 % (desde el 0,8 %). Lo atribuye a una salida más rápida de lo previsto del shock energético ligado a la guerra de Irán, a unas exportaciones sorprendentemente fuertes y al elevado gasto público. Espera una inflación del 2,8 % en 2026 y del 3,3 % en 2027, y advierte de un agujero fiscal de largo plazo de entre el 2,7 % y el 4,8 % del PIB en 2040.

Por qué importa: la mayor economía de la zona euro crece más de lo esperado, pero con inflación al alza, lo que deja poco margen al BCE para relajar. Para quien vende a Alemania, mejor demanda; para quien se financia en euros, tipos que no bajan.

Fuente: Reuters vía Investing.com

Tecnología e IA

Databricks lanza un Genie que trabaja en segundo plano sin esperar a que le pregunten

Databricks presentó la segunda generación de Genie: el usuario fija un objetivo y unos límites, y el agente trabaja en segundo plano, delega en subagentes, persigue los datos que faltan y avisa por una bandeja de prioridades o por correo cuando necesita una decisión. Llega con Genie Ontology, que mantiene las definiciones, métricas, personas y procesos de la empresa, y Genie Search, con más de 100 conectores. Genie y Genie Ontology están disponibles para todos los clientes; la versión siempre activa y la búsqueda llegan en preview. Se cobra por uso, con límites de gasto por equipo o usuario.

Por qué importa: el agente pasa de contestar a trabajar sin que se le pida, y el valor se desplaza a la capa semántica: qué significa «cliente activo» o «margen» en tu empresa. Sin definiciones de negocio gobernadas, un agente autónomo se equivoca más rápido.

Fuente: Databricks

Un grupo vinculado a Kazajistán usó agentes de IA abiertos para robar documentos del Gobierno de Tayikistán

Según la firma CloudSek, citada por Reuters, el grupo Silent Lynx usó Hermes, un framework de código abierto para agentes autónomos, para el reconocimiento, la intrusión en el sistema de documentos electrónicos de Tayikistán y la extracción de más de 2.000 documentos de seguridad nacional. El operador daba instrucciones; el agente planificaba, ejecutaba, tomaba notas, escribía el programa de descarga y redactaba informes. Se les descubrió porque dejaron expuesto un servidor con las instrucciones que daban al agente.

Por qué importa: el espionaje de Estado ya delega la operativa en agentes, lo que abarata ataques complejos y acorta el tiempo entre reconocimiento y robo. Toca revisar superficie expuesta y velocidad de detección; y la lección inversa: lo que los delató fue un descuido humano.

Fuente: Reuters vía Teiss

Mercor capta 750 millones de dólares con una valoración de 20.000 millones

Mercor, que proporciona expertos humanos para entrenar y evaluar sistemas de IA y desarrolla herramientas de evaluación de agentes, cierra una Serie D de 750 millones (incluye una venta de acciones de empleados) con una valoración de 20.000 millones, el doble que en octubre de 2025. Participan Benchmark, Felicis, Nvidia, Salesforce y General Catalyst, entre otros. El mismo día, Path Robotics levantó 300 millones a 2.450 millones de valoración y Bay, que vigila las acciones de agentes en empresas, 37 millones.

Por qué importa: el juicio experto humano se ha convertido en un insumo escaso por el que los laboratorios pagan mucho. Para una empresa, el conocimiento de sus mejores profesionales es el material con el que se evalúa y afina su propia IA.

Fuente: Tech Startups

Google DeepMind lanza Gemini Robotics 2.5 con pruebas en una planta de Mercedes-Benz

DeepMind presentó Gemini Robotics 2.5, evaluado en más de 200 tareas y entre un 20 % y un 30 % más rápido que su predecesor. En una prueba de concepto con Mercedes-Benz, empaquetó piezas de automoción con un 96 % de éxito. Funciona sobre distintos robots, como el humanoide Apollo 2 de Apptronik, y se despliega a través de socios como Agile Robots, Apptronik y Boston Dynamics. El mismo día lanzó AlphaGenome 2, su modelo para predecir el efecto de variantes de ADN, solo para investigación.

Por qué importa: la robótica basada en modelos generales entra en pilotos industriales con cifras concretas, aunque en entornos controlados. Para fabricación y logística es momento de pilotos acotados y medidos, no de despliegues.

Fuente: SiliconANGLE

Alibaba abre en preview Qwen4-Max, solo dentro de su plan de tokens

Alibaba publicó Qwen4-Max-Preview, accesible solo por API a través de su Token Plan, sin pago por uso. Ofrece un contexto de un millón de tokens y admite texto, imagen y vídeo. No hay benchmarks, ficha del modelo ni precio por token publicados, y la preview se retira el 25 de noviembre. Es propietario: no se han anunciado pesos abiertos.

Por qué importa: la gama alta de los laboratorios chinos también se cierra y se vende por suscripción. Con dos semanas de vida y sin métricas, sirve para evaluar hacia dónde va Qwen, no para construir producto encima.

Fuente: AI TL;DR

  • #nvidia
  • #agentes-ia
  • #gobierno-corporativo
  • #ciberseguridad
  • #mercados
¿Te ha sido útil? Compártelo
LinkedInXWhatsApp

Más en Inversión y mercados

Newsletter semanal

Un análisis así cada domingo.

Las noticias de la semana y una pieza a fondo, directamente en tu correo.