Miércoles, 27 de mayo de 2026 · Fuentes verificadas · Elaborado automáticamente
Usa la estrella (☆) para candidatas a tu newsletter (la primera vez se pedirá desbloquear la sesión con contraseña). La selección se guarda en este navegador.
La jornada del 27 de mayo combina grandes señales macroeconómicas con datos empíricos que sacuden el debate educativo. Sam Altman rectifica públicamente sus predicciones sobre un "apocalipsis laboral" generado por la IA, mientras Jensen Huang anuncia en el Computex 2026 que Nvidia invierte ya entre $100.000 y $150.000 millones anuales en Taiwán. En el plano de la seguridad, el Financial Times revela que los protocolos de seguridad de los modelos abiertos de Meta y Google pueden eliminarse en menos de diez minutos con herramientas de acceso público. En educación, la encuesta HEPI 2026 y los datos de la AACU dibujan una brecha crítica: el 95% de los universitarios ya usa IA generativa en trabajos evaluados, pero solo el 36% siente que su institución la apoya y el 73% del profesorado ya ha gestionado casos de integridad académica. Para EurekAI, la urgencia ya no es si adoptar, sino cómo gobernar una adopción que la supera.
En una conferencia del Commonwealth Bank of Australia en Sídney el 26 de mayo de 2026, Sam Altman reconoció que la IA no ha devastado el mercado laboral al ritmo que él mismo vaticinaba hace dos años. "No creo que vayamos a tener el tipo de apocalipsis de empleos que algunas empresas de nuestro sector defienden o comentan", afirmó. Su explicación central: el "componente humano" del trabajo —la necesidad de interacción, confianza y presencia— ha resultado ser más resistente de lo que suponía la industria.
Sin embargo, Altman matizoó que la disrupción es real en sectores concretos: HSBC, Amazon, Standard Chartered y el propio Commonwealth Bank han anunciado recortes directamente vinculados al despliegue de IA. Los puestos de entrada son más difíciles de conseguir, los salarios junior se están aplastando y los clientes cuestionan abiertamente cuántos analistas necesitan cuando uno más una herramienta de IA puede hacer el mismo trabajo. La rectificación llega semanas antes de que OpenAI espera presentar confidencialmente su IPO, con una valoración objetivo de un billón de dólares y una captación mínima de 60.000 millones. Simultáneamente, Dario Amodei de Anthropic ha hecho un movimiento similar, alejándose también de las predicciones más catastrofistas sobre empleo.
En la ceremonia de inauguración de la nueva sede de Nvidia en Taipei —prevista para operar en 2030— Jensen Huang proclamó que Taiwán es el "epicentro de la revolución de la IA". El anuncio coincide con el Computex 2026 y confirma la apuesta estratégica de Nvidia: el gasto anual de la compañía en el ecosistema tecnológico taiwanés ha pasado de entre 10.000 y 15.000 millones de dólares hace cuatro o cinco años a cerca de 100.000-150.000 millones hoy. Nvidia ampliará además su plantilla en la isla hasta 4.000 empleados, frente a los actuales.
El discurso de Huang incluyó una afirmación que sintetiza la escala de la transformación: "Mientras el trabajo humano necesita comida, el trabajo de la IA necesita electricidad." En paralelo, la aceleración del ramp-up de Vera Rubin —la nueva generación de GPUs— está tensionando la cadena de suministro local, con TSMC y los proveedores de packaging bajo máxima presión. La semana también estuvo marcada por la detención en Taiwán de tres personas acusadas de contrabandear chips Nvidia hacia China a través de Japón, lo que revela el valor estratégico del hardware de IA en el contexto de las restricciones de exportación.
Una investigación conjunta del Financial Times y el grupo de seguridad Alice, publicada el 25 de mayo, demuestra que los protocolos de seguridad incorporados en los modelos de código abierto Llama 3.3 (Meta) y Gemma 3 (Google) pueden desactivarse completamente en menos de diez minutos usando herramientas de acceso público. Tras la modificación, ambos modelos generaron contenido sobre fabricación de armas biológicas y creación de malware —temas que sus fabricantes prohíben explícitamente. La técnica más utilizada, conocida como "abliteración", combina ajuste fino ligero, conjuntos de datos de instrucciones adversariales y transformación automática de prompts para sobreescribir las capas de seguridad.
Google reconoció que "la abliteración es un desafío técnico conocido que afecta a todos los modelos abiertos" y señaló que sus sistemas pasan rigurosas pruebas internas antes del lanzamiento. Meta declinó comentar, aunque una fuente cercana a la empresa indicó que evalúa las capacidades de sus modelos de código abierto antes de publicarlos. El hallazgo agudiza el debate regulatorio: si los guardarraíles son eliminables en minutos, la responsabilidad recae sobre los integradores —universidades, empresas, administraciones— que usen versiones derivadas de estos modelos, no solo sobre los fabricantes.
La semana del 20 al 25 de mayo estuvo marcada en Meta por una confluencia perturbadora: la empresa notificó a 8.000 empleados su despido —aproximadamente el 10% de la plantilla global de 78.000 personas— el mismo día que circuló una grabación no autenticada en la que una voz identificada como Mark Zuckerberg defiende el programa de vigilancia de ratón y capturas de pantalla en los ordenadores corporativos. El argumento oficial es que los datos de uso recogidos sirven para entrenar modelos de IA más eficientes. Sin embargo, los trabajadores lo interpretan como una preparación para automatizar los puestos que acaban de perder sus colegas. En respuesta, empleados de múltiples oficinas de EE.UU. distribuyeron octavillas en salas de reuniones, máquinas expendedoras y aseos para pedir la firma de una petición contra el software de seguimiento.
Meta ha reorganizado simultáneamente a unos 7.000 empleados hacia tres nuevos grupos: Applied AI Engineering, Agent Transformation Accelerator y Central Analytics. Esta reestructuración ilustra la tendencia más amplia de la industria: no es solo "IA en lugar de personas", sino "IA que necesita personas nuevas para construirla y gestionar sus consecuencias". La paradoja —vigilar a los empleados para entrenar la IA que potencialmente los reemplazará— se convierte en un caso de estudio sobre ética corporativa en la era de los agentes.
El Gobierno de los Emiratos Árabes Unidos firmó el 21 de mayo de 2026 un acuerdo estratégico con la Universidad Mohamed bin Zayed de Inteligencia Artificial (MBZUAI) para formar a 80.000 empleados federales como expertos en IA agéntica. El convenio fue suscrito por Ohood bint Khalfan Al Roumi, Ministra de Estado para el Desarrollo del Gobierno y el Futuro, y el profesor Eric Xing, presidente de MBZUAI. El programa, aprobado por el gabinete, se enmarca en la estrategia "UAE Government 4.0" y tiene como objetivo que el 50% de los servicios y operaciones gubernamentales transite hacia la IA agéntica.
La formación cubrirá todos los ministerios y entidades federales, con un modelo de aprendizaje práctico adaptado a cada nivel jerárquico —liderazgo, mandos intermedios y personal operativo— y se centrará en construir, gestionar y desplegar agentes de IA en contextos reales de gobierno, no en sensibilización genérica. MBZUAI colaborará con universidades nacionales y empresas tecnológicas para la entrega continua del programa. Es la mayor iniciativa de formación en IA agéntica para empleados públicos a escala nacional conocida hasta la fecha.
Google y UNICEF publicaron el 19 de mayo de 2026 un acuerdo de colaboración trienal en educación impulsado por Google.org. La alianza se centrará inicialmente en Brasil, India, Pakistán y Kenia, con foco en cuatro áreas: alfabetización, numeración, apoyo docente e infraestructura de acceso digital. Las herramientas de Google desplegadas incluyen Gemini (tutoría adaptativa), NotebookLM (elaboración de materiales didácticos), y ReadAlong (aprendizaje de lectura con retroalimentación de voz). UNICEF elaborará informes anuales de evaluación de impacto y escalabilidad.
El contexto global en que se inserta la alianza es significativo: mientras los países del norte global debaten la regulación de la IA en el aula, los países en desarrollo están aprovechando los modelos generativos para saltar etapas en la construcción de infraestructura educativa. La iniciativa representa además el mayor despliegue coordinado de NotebookLM en entornos educativos de bajos recursos, y servirá como banco de pruebas para evaluar su utilidad cuando la conectividad es limitada.
El Higher Education Policy Institute (HEPI) publicó en marzo de 2026 su Encuesta de IA Generativa para Estudiantes (Informe 199), basada en 1.054 estudiantes de pregrado a tiempo completo del Reino Unido entrevistados en diciembre de 2025. Los datos son los más completos disponibles sobre adopción real en contextos universitarios y siguen siendo ampliamente referenciados en mayo de 2026. El 95% de los estudiantes usa IA de alguna forma; el 94% la emplea en trabajos evaluados. Más llamativo aún: el porcentaje que incluye texto directamente generado por IA en sus entregas ha subido del 3% en 2024 al 8% en 2025 y al 12% en 2026. El 65% reporta cambios sustanciales en los métodos de evaluación de su institución.
La brecha entre adopción y apoyo institucional es el hallazgo más preocupante: solo el 36% siente que su institución fomenta el uso de IA, apenas el 38% tiene acceso a herramientas proporcionadas por la institución, y el 68% considera las habilidades con IA como esenciales para su empleabilidad. Un 15% usa IA para compañía o apoyo emocional, cifra que se conecta directamente con las alertas sobre dependencia emocional reportadas esta semana. El 49% cree que la IA ha mejorado su experiencia académica, principalmente por el ahorro de tiempo y la disponibilidad de apoyo inmediato.
→ Leer artículo completo (HEPI – Higher Education Policy Institute)
Una encuesta nacional de enero de 2026 de la American Association of Colleges and Universities (AACU) revela que el 73% del profesorado universitario estadounidense ha gestionado personalmente casos de integridad académica relacionados con el uso de IA por parte de sus estudiantes. El dato convierte los "casos aislados" en norma estadística: tres de cada cuatro docentes ha tenido que aplicar criterios —formales o informales— sobre qué constituye uso aceptable de la IA en trabajos académicos. El 83% de los encuestados predice además que la IA reducirá la capacidad de atención de los estudiantes a medio plazo, lo que apunta a una preocupación que va más allá de la detección de trampas.
El contexto del dato es relevante: en EE.UU. la discusión lleva dos años más avanzada que en España. Las universidades americanas ya tienen experiencia acumulada en gestión de casos IA, y los datos de la AACU permiten anticipar lo que llegará a las instituciones europeas. La preocupación por la integridad académica supera en este momento a la preocupación por la privacidad o el sesgo de los algoritmos en el conjunto del profesorado encuestado. Adicionalmente, los datos contrastan con los de la encuesta HEPI (ver noticia 7): mientras los estudiantes perciben la IA como positiva para su aprendizaje, los docentes la ven con creciente recelo desde el ángulo de la evaluación.
→ Leer datos completos (Engageli – AI in Education Statistics 2026)
Una revisión sistemática publicada en 2026 en la revista Frontiers in Education analiza las tendencias en aprendizaje personalizado con IA y sus resultados medibles en contextos educativos reales. Entre los hallazgos más concretos, los sistemas de IA adaptativa han producido mejoras consistentes en evaluaciones post-intervención: en el conjunto de estudios analizados, las puntuaciones medias pasaron de 68,4 a 82,7 puntos cuando se utilizaron sistemas de aprendizaje adaptativo basados en IA frente a métodos tradicionales. Los efectos más sólidos se registraron en retención de vocabulario, precisión sintáctica, comprensión de conceptos complejos y engagement activo.
La revisión también identifica las áreas donde la evidencia es más débil: la mayoría de los estudios tienen muestras pequeñas, períodos de intervención cortos (menos de un semestre) y se desarrollan en contextos de idiomas o matemáticas elementales, no en educación superior de disciplinas complejas. Los autores alertan de que las mejoras en pruebas de evaluación no equivalen automáticamente a aprendizaje profundo o transferible. No obstante, la consistencia del patrón en múltiples estudios independientes refuerza el caso para pilotos controlados en entornos universitarios.
A partir del 11 de mayo de 2026, Google completó el despliegue de Gemini LTI y Google Workspace Assignments LTI para Moodle, haciendo disponibles las herramientas Gemini y NotebookLM directamente dentro del entorno Moodle de cualquier institución que use Google Workspace for Education. La integración se basa en el estándar LTI 1.3, que permite autenticación segura entre Moodle y los servicios externos de Google sin que estudiantes ni profesores tengan que cambiar de plataforma. Los docentes pueden incrustar un widget de Gemini en cualquier elemento del curso —sílabo, página de tarea, módulo de cuestionario— y este hereda los permisos y el contexto del entorno Moodle.
Las funciones más relevantes incluyen: análisis de materiales específicos del curso por parte de Gemini, resumen de textos académicos extensos, guía a los estudiantes en ejercicios complejos, y asignación de tareas directamente en Moodle usando NotebookLM para apoyar el trabajo del estudiante. Moodle es el LMS de código abierto más usado en el mundo, presente en miles de universidades. La integración de Gemini no requiere un contrato separado para las instituciones que ya tengan Google Workspace for Education.
OpenAI ha lanzado en mayo de 2026 dos actualizaciones relevantes para usuarios de ChatGPT Plus y Pro. La primera es Trusted Contact, una función de seguridad opcional que permite al usuario designar a una persona de confianza para ser notificada en situaciones de crisis relacionadas con ideación suicida. Es la primera función de bienestar emocional nativa en un asistente de IA de uso masivo, y llega directamente conectada con el auge documentado del uso de chatbots como apoyo emocional entre estudiantes universitarios. La segunda actualización amplía el sistema de memoria contextual: ChatGPT puede ahora incorporar contexto de conversaciones pasadas, memorias guardadas, archivos subidos y correos de Gmail conectados, con controles visibles para el usuario sobre qué fuentes se utilizan.
La combinación de ambas funciones es relevante porque apunta a un vector de uso que las encuestas ya documentan: los estudiantes usan ChatGPT no solo para aprender, sino como interlocutor personal. La memoria persistente y el Trusted Contact transforman la herramienta en algo más cercano a un asistente personal continuo que a una interfaz de consulta puntual. El lanzamiento de Trusted Contact, en particular, refleja que OpenAI reconoce el peso del uso emocional de su plataforma —y elige gestionarlo con infraestructura de seguridad, no con restricciones de uso.
→ Ver notas de actualización completas (Releasebot – OpenAI ChatGPT Updates)
Datacurve, en colaboración con los equipos de vLLM y TorchSpec, publicó el 27 de mayo de 2026 el benchmark DeepSWE (Software Engineering), diseñado para evaluar la capacidad real de los agentes de IA para resolver bugs y tareas de ingeniería de software en repositorios de código existentes. A diferencia de benchmarks anteriores que usaban problemas sintéticos o de competición, DeepSWE trabaja con 113 tareas extraídas de 91 repositorios reales en cinco lenguajes de programación. GPT-5.5 de OpenAI lidera con un 70% de precisión; los modelos de Anthropic y Google se sitúan por debajo en este test específico. El benchmark se publicará como open source.
La relevancia de DeepSWE es doble: primero, proporciona a los equipos de desarrollo un criterio objetivo para elegir qué agente de IA usar en tareas de mantenimiento de código, una decisión que hasta ahora dependía de percepciones subjetivas. Segundo, su apertura como recurso público lo convierte en una herramienta de enseñanza para cursos de ingeniería del software: los estudiantes pueden comprobar cómo se comportan diferentes modelos ante el mismo problema real y aprender a formular prompts más efectivos para tareas de codificación.
Introduce la contraseña acordada. Solo hace falta una vez por pestaña; al cerrar el navegador o esta pestaña habrá que volver a desbloquear.