IA en toda la pila
Diario de Innovación #324
La edición de hoy del Diario se basa en una idea bastante simple: la IA ya no está solo en la capa “visible”, el chat, el copiloto, la demo bonita. Está bajando al subsuelo: chips, modelos propios, ciencia, gobernanza y privacidad. Y ahí es donde empieza a ponerse interesante de verdad.
Si hace un año la conversación era “qué modelo responde mejor”, ahora la pregunta empieza a ser otra: quién controla la infraestructura, quién se queda con los datos y qué partes de la cadena generan una ventaja real.
Cuatro señales que podemos ver a día de hoy, según los ecos que deja el mercado.
1. La IA quiere diseñar los chips que luego harán correr más IA
Cognichip, una startup que acaba de levantar 60 millones de dólares, quiere usar modelos entrenados específicamente en diseño de semiconductores para acelerar el desarrollo de chips. Su promesa: reducir el coste de desarrollo en más de un 75% y recortar a la mitad los tiempos.
Esto importa porque el cuello de botella de la IA ya no es solo el modelo. También es el hardware. Si diseñar chips sigue siendo lentísimo, carísimo y artesanal, toda la carrera se frena. Así que la siguiente capa de automatización parece bastante obvia: usar IA para construir mejor la infraestructura que alimenta a la IA.
La parte interesante aquí no es solo la financiación. Es el patrón: ya no se trata de meter un LLM en cualquier producto, sino de atacar procesos industriales muy concretos, muy caros y muy lentos.
2. Microsoft enseña una estretegia cada vez más clara: no depender tanto de OpenAI
Microsoft ha lanzado tres modelos fundacionales propios desde su división de IA: uno para transcripción, otro para voz y otro para imagen/vídeo. Más allá del detalle técnico, la lectura estratégica es bastante transparente: seguir siendo socio de OpenAI, sí, pero al mismo tiempo construir una pila propia.
Tiene lógica. Si eres Microsoft, no quieres que tu posición en IA dependa por completo de un proveedor externo, por muy aliado que sea. Quieres negociar desde más fuerza, controlar costes y tener modelos ajustados a tus productos.
La conclusión es sencilla: la era de “integrar IA” se está quedando pequeña. Los grandes ya están en otra fase: controlar el stack entero.
3. Google abre más la mano con Gemma 4
Google ha presentado Gemma 4, su nueva familia de modelos open-weight, y además cambia la licencia a Apache 2.0. Esto puede parecer un detalle legal, pero no lo es. En software —y ahora también en IA— la licencia es parte del producto.
Lo relevante aquí es doble. Primero, Google intenta ganar tracción entre desarrolladores que quieren correr modelos en local, en móvil o en hardware más modesto. Segundo, reconoce algo que ya era evidente: si pones demasiadas fricciones, la comunidad se va a otro sitio.
Hay una especie de normalización silenciosa en marcha: no todo el valor futuro estará en modelos cerrados y gigantescos en la nube. También habrá bastante valor en modelos suficientemente buenos, más abiertos, más baratos y más fáciles de desplegar cerca del usuario o dentro de la empresa.
4. La privacidad vuelve a entrar en escena, y con razón
Una demanda contra Perplexity sostiene que su “modo incógnito” no sería tan incógnito como promete y que conversaciones de usuarios habrían acabado compartiéndose con trackers de Google y Meta. Habrá que ver en qué queda judicialmente, pero el mensaje de fondo ya está aquí.
Durante bastante tiempo, muchas herramientas de IA han crecido bajo una especie de pacto implícito: “pruébalo, ya veremos luego la letra pequeña”. Ese margen se está acabando. En cuanto la IA entra en búsquedas, trabajo, salud, finanzas o decisiones personales, la privacidad deja de ser un añadido de relaciones públicas y pasa a ser parte central del producto.
Y probablemente 2026 vaya bastante de esto: menos fascinación ingenua por la interfaz, más preguntas incómodas sobre qué se guarda, quién lo ve y para qué se usa.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si juntamos todo esto, sale una foto bastante clara: la innovación ya no está solo en hacer modelos más capaces, sino en decidir dónde se captura el valor.
En la infraestructura: chips, compute, despliegue local
En la distribución: productos que llegan a millones
En la propiedad del stack: modelos propios frente a dependencia externa
En la confianza: privacidad, gobernanza, control
Dicho de otra forma: la IA se está volviendo menos mágica y más industrial.
Y eso, en realidad, es una buena señal.
Cuando una tecnología deja de vivir solo de la sorpresa y empieza a reorganizar cadenas de valor enteras, es cuando de verdad empieza a cambiar cosas.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.