Durante tres años, la pregunta dominante sobre la IA fue quién podía construirla. Después pasó a ser quién podía pagarla. Lo ocurrido en las últimas veinticuatro horas sugiere otra: quién puede negarse. Un votante de Texas, un equipo de infraestructura de una fintech británica y un administrador de seguridad tienen poco en común, salvo que ayer todos ganaron capacidad de veto sobre una parte de la cadena de la IA. Esa capacidad, más que el próximo modelo, va a condicionar cómo se despliega esta tecnología en las empresas.
Conviene precisar el término. Un veto no es una prohibición ni una opinión. Es la capacidad real, ejercida por alguien concreto, de impedir que algo ocurra o de sustituirlo por otra cosa sin que se hunda el negocio. Durante mucho tiempo casi nadie la tenía. El proveedor decidía el modelo, el fabricante decidía la GPU, el promotor decidía la parcela y el usuario aceptaba. Eso está cambiando por varios sitios a la vez, y no por casualidad.
El veto del votante
La señal más ruidosa llegó de las urnas. Gina Hinojosa ha derrotado a Greg Abbott en Texas con la pausa de los centros de datos en su discurso, Keisha Lance Bottoms ha ganado en Georgia con una moratoria estatal en el programa y Amy Acton se ha impuesto en Ohio con una campaña dura contra estas instalaciones. El mismo día, el condado de Effingham dejó sobre la mesa la decisión sobre un proyecto propuesto por OpenAI.
Hay que leerlo con cautela. Era una elección nacional marcada por muchos otros factores, el recuento sigue abierto y Heatmap admite que en algunas carreras resulta difícil atribuir el resultado a este asunto. Tampoco sabemos qué harán estos gobernadores cuando tengan que cuadrar empleo, ingresos fiscales y tarifas eléctricas: prometer una moratoria es más fácil que aprobarla. Pero la lectura empresarial no depende de que el centro de datos haya sido la causa de la victoria. Depende de algo más simple: oponerse ya no penaliza electoralmente, ni siquiera en Texas, y eso cambia el cálculo de cualquier político local.
Al otro lado del Atlántico, Drax ilustra la otra cara. Su propuesta de 20.000 millones de libras en North Yorkshire se apoya en un activo muy difícil de replicar, 4 GW de capacidad de red, pero todavía necesita permisos, reguladores y un cliente. Promete un fondo comunitario y abre la consulta pública este mes. Quien promueve infraestructura ya negocia con los que pueden decirle que no, porque sabe que existen.
El veto escrito en el balance
La segunda señal es más silenciosa y, para quien asesora a una dirección general, más útil. Apple ha llevado a su informe anual una descripción de los agentes que parece escrita por un equipo de riesgos, no de marketing: pueden actuar sin aprobación, no seguir instrucciones, sortear controles, borrar datos y causar daños irreversibles. Lo hizo el mismo día en que abrió Siri AI a todos los desarrolladores. No hay contradicción. Es lo que hace una compañía madura: lanza el producto y documenta a la vez lo que puede salir mal.
Ese mismo martes, CrowdStrike puso a la venta en Barcelona un interruptor que detiene un agente, impide que se relance y le corta la red. Ojo al matiz: la detención funciona primero en el gateway y el endpoint llegará después, y un interruptor solo alcanza a lo que pasa por él. Aun así, el dato importante es la forma del producto. Parar deja de ser una buena práctica de diseño y pasa a ser una línea de presupuesto, con un administrador autorizado y un registro de auditoría. Es la diferencia entre decir que alguien supervisa y poder señalar quién apretó el botón.
El reportaje de Reuters sobre OpenAI aporta el contrapunto incómodo. Cinco fuentes anónimas describen años de avisos internos sobre accesos demasiado amplios y herramientas sin revisar, y la compañía lo discute. Sea cual sea el balance final, recuerda que los vetos internos solo existen si alguien puede ejercerlos cuando hay prisa por lanzar. Una función de seguridad sin autoridad para detener nada es decoración. Y esto vale para cualquier comité de IA que solo se reúna después de cada despliegue.
El veto del comprador
La tercera señal es, a mi juicio, la más importante del día. Revolut ha hecho de GLM autoalojado su opción por defecto para unos 2.000 ingenieros y dice haber reducido alrededor de un 90 % el coste de inferencia de código. La frase que importa no es esa, sino otra de David Abitbol: el modelo de frontera es la excepción. Es una inversión del planteamiento habitual, en el que el modelo más capaz es el punto de partida y lo demás se justifica.
No es una receta universal. Revolut tiene escala, GPU propias y gente capaz de afinar la inferencia, y sigue enrutando la visión a otros modelos. Las cifras son suyas. Quien copie la conclusión sin copiar las condiciones acabará pagando en ingenieros lo que ahorra en tokens. Pero el aprendizaje de fondo sobrevive a esos matices: un comprador que puede marcharse negocia de otra manera, aunque nunca llegue a marcharse.
El mismo mecanismo opera más arriba. AMD ha casi duplicado su negocio de centros de datos y tiene a Anthropic, Meta, Microsoft, OpenAI y Oracle ejecutando cargas en sus racks Helios. A esos clientes no les mueve la simpatía: les mueve no depender de un único fabricante. Y FlashProve, el prototipo de Anthropic, apunta a una forma más sutil del mismo poder. Con un sobrecoste de 70 a 95 veces no sirve para producción y nadie planea desplegarlo, pero plantea que un cliente pueda comprobar qué modelo ha recibido sin creer en la palabra del proveedor. Sin esa verificación, un veto contractual es difícil de ejercer.
Queda un actor que ayer habló con voz grave desde Hong Kong. El regulador financiero chino advierte de que tanto capital concentrado sube el apalancamiento y encarece el crédito a la industria tradicional. Ningún supervisor ha vetado nada, pero es la clase de frase que precede a los límites. Mientras, OpenAI asegura que sus búsquedas equivalen ya a una quinta parte de las de Google, cifra sin auditar que recuerda el reverso de todo esto: donde nadie tiene alternativa fácil, el veto lo conserva la plataforma.
Qué hacer con esto en una empresa
Para quien implanta IA, la consecuencia es concreta. Cada capa del sistema debería tener una respuesta a tres preguntas: quién puede pararlo, quién puede sustituirlo y cuánto tarda. Quién apaga un agente en producción y si puede hacerlo sin permiso de negocio. Qué ocurre si el modelo por defecto sube de precio o desaparece. Qué carga podría moverse a un modelo abierto este trimestre, aunque hoy no convenga. De qué región depende la capacidad contratada para 2028 y qué pasaría si allí gobierna alguien que prometió frenarla.
Estas preguntas son incómodas porque suelen tener respuestas vagas, y una respuesta vaga es un veto que no existe. Mi recomendación es hacerlas antes de escalar, ponerles nombre y ensayarlas: apagar un agente en un simulacro, enrutar un día de trabajo a otro modelo, medir qué se rompe.
La IA no se va a frenar por lo que ocurrió ayer. Los centros de datos se construirán en otro sitio, los agentes seguirán ganando permisos y el gasto continuará. Pero el reparto de poder sobre ella ya no es el de hace un año. Las organizaciones que mejor la aprovechen no serán las que digan que sí a todo más rápido, sino las que puedan decir que no cuando haga falta y sigan funcionando al día siguiente.
Las noticias del día
Los candidatos que querían frenar los centros de datos ganan en Texas, Georgia y Ohio
Los demócratas recuperan el control del Congreso en las elecciones de medio mandato y, con el recuento aún abierto, varias de las campañas más duras con los centros de datos han salido vencedoras. Gina Hinojosa, que pedía una ley para pausar su desarrollo, derrotó a Greg Abbott en Texas; Keisha Lance Bottoms ganó Georgia con una moratoria estatal en su programa; Amy Acton venció en Ohio. El condado de Effingham (Georgia) aparcó la misma noche la decisión sobre un centro de datos propuesto por OpenAI. Heatmap advierte de que el asunto no fue decisivo en todas las carreras.
Por qué importa: La oposición local deja de ser una molestia de permisos y llega a despachos con poder para cambiar leyes. Quien dependa de capacidad futura en esos estados debe revisar plazos y ubicación. Ya anticipamos esas carreras; lo nuevo es el resultado.
Fuente: Heatmap · Texas Tribune
AMD casi duplica su negocio de centros de datos y promete 17.000 millones el próximo trimestre
AMD ingresó 13.400 millones de dólares en el tercer trimestre, un 45 % más, con 8.546 millones en centros de datos (+97 %). Prevé unos 17.000 millones en el cuarto trimestre, un 66 % más interanual en el punto medio. Anthropic, Meta, Microsoft, OpenAI y Oracle ya ejecutan cargas en sus primeros racks Helios con GPU MI450. También propone comprar World Labs y Taalas, esta última de silicio para inferencia.
Por qué importa: Una segunda fuente creíble de aceleradores a escala de rack da a los compradores algo que no tenían: margen para negociar con Nvidia. Para la empresa usuaria el efecto llega indirecto, vía capacidad y precio de la nube.
Fuente: resultados de AMD (SEC)
Apple incorpora a sus riesgos oficiales que los agentes pueden actuar de forma impredecible
En su informe anual, presentado el 3 de noviembre, Apple advierte de que los agentes pueden operar sin aprobación humana, no seguir instrucciones, sortear controles de seguridad, borrar datos y causar resultados irreversibles. Ese mismo día abrió Siri AI a todos los desarrolladores en vista previa, mediante App Intents y «skills» que encadenan acciones. La vista previa no está disponible en la UE para iOS, iPadOS y watchOS.
Por qué importa: Cuando una compañía de este tamaño lo escribe en un documento regulado, el riesgo deja de ser opinable para consejos y aseguradoras. En Europa, además, el calendario de integración con Siri queda en el aire.
Fuente: Kyunghyang Shinmun · Apple Developer
Reuters: empleados de OpenAI llevan años avisando de fallos de seguridad interna
Cinco fuentes dicen a Reuters que la plantilla alertó de problemas desde antes del lanzamiento de ChatGPT: acceso demasiado amplio a información sensible y herramientas de investigación sin revisión periódica. El reportaje llega tras la acusación del Departamento de Justicia de EE. UU. contra un exingeniero por instalar un dispositivo de grabación en una sala de directivos. OpenAI rechaza la idea de negligencia y sostiene que su investigación más sensible está en sistemas restringidos.
Por qué importa: Son fuentes anónimas y OpenAI lo discute, pero el asunto entra en la diligencia debida de cualquier cliente: la seguridad del proveedor es también la tuya. Conviene preguntar por controles internos, no solo por certificados.
Fuente: Reuters vía MarketScreener
Revolut recorta alrededor de un 90 % su coste de código con IA al autoalojar GLM
David Abitbol, responsable de operaciones e infraestructura de Revolut, explicó que el banco digital ha hecho de los modelos autoalojados su opción por defecto para unos 2.000 ingenieros. Usa GLM-5.1 y GLM-5.3 sobre 56 GPU Nvidia B200; las peticiones de visión se enrutan a otros modelos. Según la empresa, el coste es una décima parte del de Codex o Claude Code, y el modelo de frontera pasa a ser la excepción. También afirma que 256.000 tokens de contexto bastan.
Por qué importa: Es uno de los casos reales más claros de que el autoalojamiento compensa a cierta escala. Las cifras son de la propia empresa y exigen un equipo de infraestructura que pocas tienen; el criterio, enrutar por tarea, sí es trasladable.
CrowdStrike lanza desde Barcelona un interruptor para detener agentes en ejecución
En su conferencia europea, CrowdStrike presentó AI Kill Switch dentro de Falcon Guardian. Un administrador autorizado puede detener un agente, impedir que se relance en un host o grupo y cortarle el acceso a la red corporativa, con registro de auditoría. Está disponible, pero la detención actúa primero en el gateway; la aplicación en el endpoint llegará «pronto».
Por qué importa: Lo relevante es que parar un agente se convierte en una función comprable del mismo agente de seguridad ya desplegado. Antes de confiar en ella, comprueba qué agentes pasan realmente por ese gateway.
Anthropic publica FlashProve, un prototipo para demostrar qué modelo generó una respuesta
Anthropic y académicos de EPFL y MIT liberan bajo Apache 2.0 un sistema de pruebas criptográficas que verifica qué modelo produjo una salida sin revelar sus pesos. Sobre Llama 4 Maverick, cada prueba cubre una ventana de 1.024 tokens, ocupa unos 19 MB y exige unas 70-95 veces más tiempo de GPU que la inferencia normal. Es un prototipo y, según TechCrunch, no hay planes de desplegarlo en ningún laboratorio.
Por qué importa: Hoy un cliente confía en que su API sirve el modelo contratado. El sobrecoste impide usarlo en producción, pero abre la vía a auditar proveedores sin depender de su palabra.
Fuente: Anthropic · TechCrunch
OpenAI afirma que las búsquedas en ChatGPT ya equivalen a una quinta parte de las de Google
Adam Fry, responsable de producto de consumo, dijo que el volumen de consultas tipo búsqueda ronda el 20 % del de Google y que ChatGPT alcanza 1.200 millones de usuarios semanales. No explicó cómo se mide la comparación: solo que cuenta cada vez que el modelo busca en la web. También anunció que Chat y Work se fusionarán.
Por qué importa: Es una cifra de parte y sin auditar, pero marca la dirección para quien dependa del tráfico orgánico: medir presencia en respuestas de asistentes ya no es un experimento.
Drax propone un centro de datos de 20.000 millones de libras junto a su central de biomasa
La eléctrica británica se asocia con Brookfield y su filial Radiant para un campus en North Yorkshire: hasta 100 MW a principios de 2028, con 2.500 millones de libras propuestos, otros 500 MW hasta 2031 y potencial por encima de 1 GW. Faltan permisos, decisión final de inversión y, sobre todo, un cliente. El Gobierno calcula que todos los centros de datos británicos usan hoy unos 2 GW.
Por qué importa: En Europa la ventaja no es el terreno sino la conexión a red ya existente: Drax dispone de 4 GW. La duda es si la energía de pellets importados resistirá el escrutinio público y de los clientes.
El regulador financiero chino avisa de que la inversión en IA está demasiado concentrada
Xiao Yuanqi, vicedirector de la Administración Nacional de Regulación Financiera de China, dijo en la cumbre de la autoridad monetaria de Hong Kong que el aluvión de capital hacia la tecnología ha elevado el apalancamiento y encarece la financiación de las industrias tradicionales. Pidió marcos de política específicos para esta transformación.
Por qué importa: El riesgo de concentración sale del debate de analistas y entra en boca de supervisores. Las empresas ajenas a la IA pueden notarlo en el coste de su crédito.