Terence Tao y los agentes de código como colaborador de investigación

Terence Tao, uno de los matemáticos más reconocidos del mundo, contó cómo agentes de codificación modernos —programas de IA capaces de escribir y reorganizar software casi sin intervención humana— tomaron proyectos matemáticos que llevaban 27 años abandonados y los migraron y modernizaron en cuestión de horas. En el proceso generaron visualizaciones que antes tomaban semanas y detectaron dos errores que el propio Tao nunca había visto. Su relato, publicado en Old and new apps, via modern coding agents, se viralizó el 12 de julio.

Lo interesante no es que la IA escriba código —eso ya lo sabíamos—, sino que aquí actúa como colaborador de investigación real: no solo produce, también encuentra fallas que un experto pasó por alto. Y estas herramientas son cada vez más baratas y accesibles. Eso abre una pregunta con filo latinoamericano: si un investigador ya no necesita un equipo grande ni supercómputo propio para recuperar y auditar años de trabajo, quizás las universidades de la región —que casi nunca tuvieron ese acceso— puedan competir de otra forma. La otra cara es menos amable: cuanto más dependemos de estos agentes, más dependemos de una infraestructura que se construye y se decide fuera de la región.

Ese contraste aparece en los números del propio ecosistema. Las startups nativas en IA crecen 145% anual en América Latina, un ritmo notable justo cuando la brecha de capital frente a los grandes laboratorios se vuelve estructural. Crecer rápido y depender de piezas ajenas no son cosas incompatibles; conviven, y esa tensión define buena parte del momento.

También hoy

Anthropic extiende el acceso gratuito a Claude Fable 5 hasta el 19 de julio — es la tercera vez en cinco semanas que posterga el cobro por uso. ¿Falta de capacidad o manejo de expectativas antes de salir a bolsa? Por ahora, más tiempo gratis para quien lo quiera probar.
Cursor prepara “Sand”, un agente de oficina para quienes no programan — apunta a competir con las herramientas de trabajo asistido por IA, aunque su lanzamiento depende de cómo avance la compra de Cursor por SpaceX.
Musk llama “Scam Altman” a Sam Altman — la demanda de Apple contra OpenAI se sumó como nuevo frente a la larga rivalidad personal entre ambos.

En la región

Más allá de las startups, la región mueve fichas de infraestructura y política. Argentina evalúa su potencial como sede de centros de datos de IA, apostando a la energía barata y al régimen de incentivos Súper RIGI, aunque su red eléctrica todavía no está lista para escalar. En el frente de riesgos, un informe sostiene que el fraude de identidad impulsado por IA en América Latina es el más alto del mundo, con 48,3%; es una cifra llamativa pero de fuente única, así que conviene tomarla como señal de alerta y no como dato cerrado. En políticas públicas, México discute incorporar la IA a los planes de estudio de su Nueva Escuela Mexicana (aún sin dictamen) y Panamá formalizó una Subcomisión de Inteligencia Artificial dentro de su nueva comisión de tecnologías críticas. Como telón de fondo, una columna en Infobae plantea que la región está más expuesta que Europa a un eventual “apagón” de modelos decidido en Washington, justamente porque no tiene un ecosistema propio comparable.

Hilos que seguimos

En OpenAI seguimos de cerca la reorganización interna en plena preparación para salir a bolsa. Esta semana se sumó la salida de Johannes Heidecke, jefe de sistemas de seguridad desde 2024, tras una reestructuración que fusiona investigación y seguridad bajo una sola dirección. Ocurre días después de que un índice independiente calificara a la empresa con una nota mediocre en seguridad. Es un capítulo más de una historia que venimos siguiendo: qué pasa con las áreas de seguridad de los grandes laboratorios cuando la presión comercial y bursátil aprieta.

Si las herramientas que nivelan la cancha se abaratan, pero la infraestructura y las reglas de acceso se siguen decidiendo afuera, ¿alcanza con crecer rápido, o el verdadero cuello de botella es otro?

Sobre esta entrada. Se genera de forma automática a partir de fuentes públicas, sin revisión humana antes de publicarse. Puede contener errores de interpretación o de resumen; conviene verificar cada noticia en su fuente original (los enlaces llevan ahí) antes de citarla o tomar decisiones a partir de ella.