La Inteligencia Artificial está demandando nuevo hardware más potente y específicamente diseñado para las cargas de trabajo y cálculos diferentes a las actuales, como son predicción, inferencia o intuición.
Para IBM, si vamos a hacer grandes avances en IA, nuestro hardware también debe cambiar. Comenzando con GPU, luego evolucionando a dispositivos analógicos, y después a computadoras cuánticas tolerantes a fallas.
El Deep Learningdistribuido (DDL) ha progresado a un ritmo de aproximadamente 2.5 veces por año desde 2009, cuando las GPU pasaron de aceleradores gráficos de videojuegos a formadores modelo de aprendizaje profundo. Los algoritmos DDL se «entrenan» en los datos visuales y de audio, y la mayor cantidad de GPU debería significar un aprendizaje más rápido.
Hasta la fecha, la eficiencia de escala del 95 por ciento del establecimiento récord de IBM (es decir, una capacitación mejorada a medida que se agregan más GPU) puede reconocer el 33.8 por ciento de 7,5 millones de imágenes, usando 256 GPU en 64 sistemas de energía «Minsky».
¿Qué hardware necesitamos desarrollar para continuar este ritmo de progreso e ir más allá de la Inteligencia Artificial?
En IBM Research creen que esta transición de las GPU ocurrirá en tres etapas. Primero, utilizarán GPU y crearán nuevos aceleradores con CMOS convencional a corto plazo para continuar; segundo, buscarán formas de explotar dispositivos analógicos y de baja precisión para reducir aún más la potencia y mejorar el rendimiento; y luego cuando ingresemos en la era de la computación cuántica, ésta potencialmente ofrecerá enfoques completamente nuevos.
Los aceleradores en CMOS aún tienen mucho que lograr porque los modelos de aprendizaje automático pueden tolerar cálculos imprecisos. Es precisamente porque «aprenden» que estos modelos pueden funcionar a través de errores (errores que nunca toleraremos en una transacción bancaria). En 2015, Suyong Gupta, et al. han demostrado en su documento ICML Aprendizaje profundo con precisión numérica limitada que, de hecho, los modelos de precisión reducida tienen una precisión equivalente al estándar actual de 64 bits, pero usan tan solo 14 bits de precisión de coma flotante.
Vemos esta precisión reducida, una tendencia de computación más rápida que contribuye a la mejora de 2.5X por año, al menos hasta el año 2022.
Eso nos da unos cinco años para ir más allá del cuello de botella de von Neumann y para los dispositivos analógicos. Mover datos hacia y desde la memoria ralentiza la capacitación de la red de aprendizaje profundo. Entonces, encontrar dispositivos analógicos que puedan combinar memoria y computación será importante para el progreso de la computación neuromórfica .
Computación neuromórfica que imita las células cerebrales
Su arquitectura de «neuronas» interconectadas reemplaza el cuello de botella de von-Neumann con señales de baja potencia que van directamente entre las neuronas para una computación más eficiente. El Laboratorio de Investigación de la Fuerza Aérea de los EE. UU. está probando una matriz de 64 chips del sistema IBM TrueNorth Neurosynaptic diseñado para la inferencia profunda de redes neuronales y el descubrimiento de información. El sistema usa CMOS digital estándar pero solo consume 10 vatios de energía para alimentar sus 64 millones de neuronas y 16 mil millones de sinapsis.
Recientemente, científicos de IBM demostraron la computación en memoria con 1 millón de dispositivos para aplicaciones en IA, publicando sus resultados, detección de correlación temporal usando memoria de cambio de fase computacional, en Nature Communications, y también presentándola en la sesión IEDM Recuperación de detección comprimida usando memoria computacional.
Nuestro objetivo es construir una sociedad centrada en el progreso socioeconómico. Creemos que la tecnología y la conectividad pueden ayudar a mejorar la vida de millones de personas y empresas. Tenemos el compromiso de hacerlo reduciendo nuestro impacto ambiental y construyendo una sociedad digital inclusiva que respeta nuestro planeta.
Las ambulancias de hoy están dejando de ser solo medios de transporte hacia los centros de atención sanitaria, en cuyo desplazamiento una vida puede estar en juego, para redefinir el concepto de asistencia urgente y convertirse en unidades móviles de atención in situ, capaces de adelantar parte de la asistencia durante el traslado gracias a la tecnología. Con la conectividad 5G, el Internet de las Cosas (IoT) y la telemedicina, las ambulancias han evolucionado hasta convertirse en auténticos quirófanos móviles, entendidos como unidades asistenciales avanzadas y conectadas, capaces de compartir información clínica en tiempo real con los hospitales y adelantar decisiones críticas antes incluso de la llegada del paciente.
Esta transformación, que es posible gracias a la digitalización, resulta de especial importancia durante el verano, en un contexto de creciente presión asistencial. Conectar y equipar con dispositivos IoT las flotas de emergencia se perfila como un elemento estratégico para mejorar la capacidad de respuesta, optimizar los recursos disponibles y, en última instancia, contribuir a salvar vidas.
Un agente de inteligencia artificial supone un nuevo salto en la forma en que las empresas aplican la IA a su operativa diaria. Ya no hablamos solo de herramientas de apoyo capaces de generar textos, responder a preguntas o asistir a los equipos en tareas concretas, sino de sistemas preparados para comprender una solicitud, interpretar el contexto, conectarse con distintas aplicaciones empresariales y ejecutar acciones de forma autónoma o supervisada. problemas reales con una autonomía cada vez mayor.
Este cambio es especialmente relevante para las organizaciones que gestionan grandes volúmenes de consultas, procesos repetitivos o interacciones distribuidas entre diferentes canales. En estos entornos, la IA agéntica permite reducir la saturación operativa, agilizar la atención al cliente y liberar tiempo de los equipos para dedicarlo a tareas más importantes.
Por tanto, la cuestión ya no es si esta tecnología tendrá impacto en las empresas, sino qué impacto tendrá no incorporarla a tiempo. En un mercado donde la rapidez de respuesta, la eficiencia y la experiencia del cliente son factores cada vez más decisivos, contar con agentes de inteligencia artificial puede marcar la diferencia entre escalar operaciones de forma sostenible o seguir creciendo a costa de más recursos, presión interna y costes.
La ciberseguridad ya no es una preocupación exclusiva de las grandes compañías. En la actualidad, las pymes dependen de los sistemas digitales para trabajar, atender a sus clientes, gestionar información confidencial y mantener la continuidad de su actividad. Una vulnerabilidad puede traducirse en pérdidas económicas, interrupciones en la actividad empresarial o daños en la reputación difíciles de revertir.
Por ese motivo, saber cuándo es imprescindible realizar una auditoría de ciberseguridad para las pymes puede marcar la diferencia entre anticiparse a un incidente o tener que afrontar sus consecuencias cuando ya es demasiado tarde.
La Directiva Europea de Transparencia Salarial obligará a las organizaciones a revisar sus políticas de compensación, reforzar sus mecanismos de control y dotar de mayor objetividad a sus procesos de selección y gestión del talento. Su incorporación al marco normativo español ampliará las obligaciones ya existentes en materia de igualdad retributiva y exigirá una mayor transparencia en la definición y comunicación de los salarios. Pero, más allá del cumplimiento legal, este nuevo escenario representa una oportunidad para fortalecer la confianza de los empleados, mejorar el clima laboral y reforzar la reputación corporativa.
La gestión de cobros sigue siendo uno de los grandes desafíos para las pymes españolas. Los retrasos en los pagos tensionan la liquidez, dificultan la planificación financiera y pueden convertir una empresa viable en un negocio con problemas de tesorería. Para afrontar esta situación, contar con un programa de facturación online permite automatizar procesos, reducir errores y tener mayor control sobre el ciclo de cobro.
La próxima gran revolución tecnológica ya está llamando a la puerta y ha dejado de ser una promesa de laboratorio para convertirse en uno de los principales vectores de competencia tecnológica, económica y geopolítica. En 2026, gobiernos y grandes corporaciones están acelerando sus inversiones en computación cuántica con el objetivo de liderar una tecnología que transformará sectores estratégicos durante las próximas décadas. España dispone de una oportunidad real para consolidarse como un referente europeo si logra convertir su capacidad científica en innovación empresarial y desarrollo industrial.
