Loading newsletter...
Agentes de IA que actúan, el modelo 'low-cost' de DeepSeek como inspiración para LATAM y cómo proteger tus datos en LinkedIn. Novedades de IA de septiembre 2025.
Hola, PAIsanos!!. Septiembre se siente como una carrera de Fórmula 1: motores de IA rugiendo a máxima potencia, gigantes tecnológicos tomando curvas a 300 km/h y, en medio de todo, tratando de no perder atención en lo que realmente importa. Te contamos cómo China está reescribiendo las reglas del juego con modelos ‘low-cost’ y por qué tus datos en LinkedIn son el nuevo oro digital.
Microsoft y Google siguen pisando el acelerador a fondo en septiembre, dejando claro que el futuro no son solo chatbots que responden, sino Agentes de IA que actúan. La visión es clara: pasar de una IA que es una herramienta a una que es un compañero al que se le delegan tareas complejas.
En su conferencia Build 2025, Microsoft anunció su plan para "reinventar el ciclo de vida del desarrollo de software", con los agentes de IA en el centro. Su objetivo es crear una "web de agentes abiertos", un ecosistema donde estos asistentes inteligentes puedan interactuar con sitios web y servicios para ejecutar tareas de forma autónoma y eficiente.
Por su parte, Google, en su evento I/O 2025, mostró cómo esta idea pasa "de la investigación a la realidad". Presentaron Project Mariner, un prototipo de agente que ya puede realizar tareas como buscar un apartamento que cumpla ciertos criterios o programar las visitas por ti. La tecnología que lo impulsa es Gemini 2.5 con el modo de razonamiento "Deep Think", diseñado para abordar problemas complejos de varios pasos.
Este poder tiene una doble cara: mientras la IA nos defiende analizando datos para prever ciberataques, los delincuentes la usan para crear phishing un 85% más efectivo en Latinoamérica. Revisa las capas de seguridad de tus herramientas de trabajo; la primera línea de defensa sigue siendo tu criterio.
Mientras los gigantes de EE. UU. invierten cientos de millones, la startup china llamada DeepSeek ha sacudido el tablero. Se reveló que su modelo R1, que compite con los mejores en tareas de razonamiento y código, costó solo 300.000 dólares en entrenarse. Para Latinoamérica, una región con un acceso a financiación mucho más limitado, esta noticia es clave. Demuestra que no se necesitan fortunas para competir, sino ingenio y un enfoque distinto.
El secreto de DeepSeek no fue copiar, sino usar aprendizaje por refuerzo para que el modelo "razonara" por sí mismo. Además, al ser el primer gran modelo de IA en pasar por una revisión de pares académica, aportan una transparencia radical. El caso chino se convierte en un modelo a seguir: innovación de vanguardia con recursos medidos, un camino que podemos y debemos explorar en nuestra región.
A partir del proximo 3 de noviembre, LinkedIn actualizará sus términos para usar tus datos públicos (perfil, posts, comentarios) para entrenar sus modelos de IA. Aunque aseguran no tocar mensajes privados ni datos de pago, el cambio es significativo. La buena noticia es que puedes desactivarlo aqui
Este movimiento subraya una tendencia global: nuestros datos son el combustible de la nueva economía de la IA. La regulación avanza, con China exigiendo etiquetar contenido generado por IA y EE. UU. investigando el impacto de los chatbots en menores. Tómate cinco minutos hoy para revisar y ajustar tus preferencias de privacidad en LinkedIn; es un pequeño paso para recuperar el control.
Olvídate de jugar a las adivinanzas con los prompts. Esta técnica para generar imagenes te permite dirigir la IA de forma visual, como si fueras un director de arte. El proceso es simple y potente:
Este método te da un control milimétrico sin necesidad de prompts complejos. Es la prueba de que para herramientas visuales, la mejor instrucción es la que se ve.
Prúebalo tú → Nano Banana
Si este resumen te ahorró tiempo, compártelo con tu equipo y guárdalo para tu próxima decisión. Compartir esta newsletter
Compartir Newsletter
Comparativas reales de rendimiento y costos
Integración de imagen, audio y texto en WhatsApp
Casos reales con números y métricas específicas
Técnicas para reducir tokens y mejorar precisión