-
Atención telefónica con IA: cuándo compensa y qué debe pasar cuando no sabe responder
Una recepción telefónica con IA no se mide solo por cómo suena. Explicamos cuándo compensa, cómo debe derivar a una persona, qué hacer si falla una integración y cómo probar y mantener el servicio.
-
La IA que aprende a leer la Luna: el modelo fundacional de NASA e IBM
NASA e IBM han liberado un modelo fundacional para analizar la Luna. Te explicamos cómo funciona, qué aporta y qué límites conviene tener presentes.
-
Automatizar facturas con IA: qué hace falta para que los datos lleguen bien a tu ERP
Leer una factura no basta. Explicamos cómo recibir documentos, extraer y validar datos, detectar duplicados y resolver excepciones antes de integrarlos en el ERP, con un ejemplo hipotético de ahorro y el enfoque de AI Connect Docs.
-
GPT‑6 Astra ya está aquí: el salto de los LLM que responden a los agentes que actúan
OpenAI lanza GPT‑6 Astra, un modelo pensado para actuar sobre ordenadores y completar flujos de trabajo. Analizamos capacidades, benchmarks, precio, riesgos y qué hay realmente detrás del salto hacia los agentes.
-
GPT‑Live‑1 frente a la voz tradicional: de encadenar modelos a conversar de verdad
Comparamos la arquitectura tradicional STT → modelo → TTS con GPT‑Live‑1: latencia, prosodia, interrupciones, control técnico y casos de uso.
-
Kimi K3 libera sus pesos: así es el gigante open weight de 2,8 billones de parámetros
Kimi K3 libera sus pesos: 2,8 billones de parámetros, arquitectura MoE, contexto de un millón de tokens y capacidades agénticas y multimodales.
-
El día en que las matemáticas aprendieron a hablar: el verdadero hito de los LLM
Los LLM han demostrado que gran parte de la complejidad del lenguaje puede emerger de vectores, probabilidades y relaciones matemáticas. ¿Podría nuestro cerebro hacer algo parecido?
-
Entendiendo y aplicando las funciones de activación
Las redes neuronales se componen de capas de neuronas que suman entradas ponderadas y luego aplican una función de activación para introducir no linealidad. Sin esa transformación, una red profunda se comportaría como una combinación lineal simple y no podría aprender patrones complejos. Las funciones de activación controlan el flujo de información y permiten…
-
Series temporales: modelos clásicos y avanzados para predecir el futuro
Las series temporales son registros ordenados en el tiempo. Su análisis permite extraer patrones y prever cómo evolucionará un fenómeno en el futuro. Para modelar estos datos se utilizan técnicas estadísticas y de machine learning que descomponen la serie en nivel, tendencia, estacionalidad y ruido. En esta entrada repasamos los modelos más usados —ARIMA,…
-
La IA resuelve su primer problema en FrontierMath
El 23 de marzo de 2026, el mundo de la investigación matemática vivió un hito: por primera vez una inteligencia artificial resolvió un problema abierto del banco de pruebas FrontierMath Open Problems. Esta colección, creada por Epoch AI, reúne problemas que no habían sido resueltos por humanos ni por sistemas de IA y cuyos resultados se pueden verificar automáticamente.…
