Sábado, 30 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 30 de mayo tiene como eje central la aceleración hacia la inteligencia artificial general: Demis Hassabis acorta su previsión de AGI a 2029 y advierte que la sociedad "tiene pocos años para prepararse", mientras Google materializa su mayor envite agéntico con Gemini Spark —un agente personal 24/7 que trabaja en segundo plano— y Gemini 3.5 Flash como nuevo modelo de frontera. La Comisión Europea da el primer gran paso interpretativo del AI Act con un borrador de directrices para clasificar la IA de alto riesgo —consulta abierta hasta el 23 de junio— que afecta directamente a los sistemas universitarios de admisión y evaluación. En educación, la California State University reactiva el debate global al renovar su contrato con OpenAI por $13 millones anuales pese a la resistencia del faculty, mientras dos estudios en el contexto español —UNIJES (681 docentes de universidades jesuitas) y datos agregados de estudiantes— dibujan una adopción masiva sin marco institucional claro. Para EurekAI, la jornada concentra tres urgencias concretas: participar en la consulta europea antes del 23 de junio, diseñar una política de contratos IA institucional, y contrastar los datos de UNIJES con la realidad del PDI de la Universidad de Navarra.
En el marco de Google I/O 2026 y en una entrevista posterior concedida a Axios el 26 de mayo, Demis Hassabis —CEO de Google DeepMind y premio Nobel de Química 2024— declaró que la inteligencia artificial general podría alcanzarse en 2029, adelantando significativamente su estimación anterior de entre 2030 y 2035 formulada el año pasado. Hassabis describió a la humanidad como estando en las «estribaciones de la singularidad» y señaló que la principal razón del adelanto en sus previsiones es la creciente confianza en que la industria ha encontrado el camino técnico correcto: la mejora recursiva, es decir, sistemas capaces de mejorar materialmente su propio desarrollo. «Todos los grandes laboratorios están muy centrados en eso», afirmó. En paralelo, Hassabis sostuvo que los actuales agentes de IA —como los que Google está desplegando masivamente en Google I/O— son «un ensayo general» para las capacidades que vendrán.
La advertencia de Hassabis tiene un componente deliberadamente urgente: reconoció que la conversación sobre el impacto transformador de la IA sigue confinada, en gran medida, a los círculos tecnológicos, y que sus amigos economistas «no se la están tomando lo suficientemente en serio». Además de señalar el riesgo de una preparación social insuficiente, Hassabis identificó la recursive self-improvement como el próximo hito diferencial: en el momento en que los modelos puedan acelerar su propio entrenamiento de forma significativa, los plazos de desarrollo se comprimen drásticamente. La coincidencia de esta declaración con el lanzamiento de Gemini 3.5 Flash, Gemini Spark y la plataforma Antigravity 2.0 en Google I/O refuerza la señal: los grandes laboratorios no están hablando solo de investigación, sino de arquitecturas agénticas ya desplegadas.
Google I/O 2026, celebrado el 20 de mayo, fue la conferencia de desarrolladores más densa en anuncios de la historia de la empresa: más de 100 novedades agrupadas en tres grandes categorías. En modelos, Google lanzó Gemini 3.5 Flash con disponibilidad general: ofrece inteligencia comparable a los grandes modelos de frontera a una velocidad 4 veces superior a Gemini 3.1 Pro, supera a ese modelo en los benchmarks de codificación agéntica Terminal-Bench 2.1 (76,2%) y MCP Atlas (83,6%), y tiene un precio de $1,50/$9 por millón de tokens de entrada/salida. Su ventana de contexto de 1 millón de tokens lo hace adecuado para analizar documentos extensos y codebases completas. En plataformas de desarrollo, Google presentó Antigravity 2.0, un escritorio standalone para construir y orquestar agentes de IA que se configura mediante archivos markdown simples (como AGENTS.md y SKILL.md), sin necesidad de escribir código de orquestación complejo. Google también lanzó Gemini Omni, capaz de generar y editar vídeo mediante instrucciones en lenguaje natural.
La novedad con mayor impacto a largo plazo para los usuarios es la reinvención del buscador: Google lanzó el que describe como «el mayor cambio en el buscador en 25 años», convirtiendo la caja de búsqueda en un sistema multimodal que acepta texto, imágenes, archivos, vídeos y pestañas del navegador Chrome como entrada. El AI Mode —ahora con Gemini 3.5 Flash como modelo por defecto en todo el mundo— ofrece respuestas sintetizadas y acciones directas. Además, Google implementa Content Credentials en Search y Chrome: un sistema de verificación que indica si un contenido fue generado por IA, capturado por cámara o editado con herramientas generativas —la primera integración de autenticidad de contenido en un buscador masivo—.
El 19 de mayo de 2026, la Comisión Europea publicó el borrador de directrices interpretativas para clasificar los sistemas de IA de alto riesgo bajo el artículo 6 del Reglamento de Inteligencia Artificial, abriendo una consulta pública que cierra el 23 de junio de 2026 a las 22:00 CET. Este documento —el primero que traduce a criterios concretos la frontera entre «IA ordinaria» e «IA jurídicamente sensible»— es técnicamente no vinculante, pero en la práctica establece el marco con el que las autoridades nacionales de supervisión y los tribunales interpretarán el reglamento. La clave interpretativa que la Comisión propone es triple: qué hace el sistema, sobre quién actúa y qué decisión influye. Un sistema que apoye una decisión que afecte derechos fundamentales —como la admisión a un programa universitario, la evaluación de rendimiento académico o la asignación de becas— puede calificarse de alto riesgo aunque esté presentado como una herramienta de apoyo y no de decisión final.
El desarrollo concreto más relevante de este borrador para las universidades europeas es la aclaración sobre los sistemas del Anexo III: los que «evalúan el rendimiento académico de los estudiantes» o «determinan el acceso o asignación en instituciones educativas» siguen siendo de alto riesgo, incluso si el AI Omnibus (aprobado políticamente en mayo) ha pospuesto el cumplimiento formal hasta diciembre de 2027. La Comisión insiste en que la clasificación no depende de la etiqueta que la institución ponga al sistema, sino de su función real: si un asistente de IA influye en la nota final, en la detección de plagio con consecuencias académicas o en el ranking de candidatos para admisión, el perfil de alto riesgo aplica independientemente de que se llame «herramienta de apoyo». Las directrices definitivas se esperan para el último trimestre de 2026.
La California State University —el mayor sistema universitario público de EEUU, con 23 campus y más de 470.000 estudiantes— renovó entre el 27 y el 29 de mayo de 2026 su contrato con OpenAI para proporcionar acceso sistémico a ChatGPT Edu a toda la institución: $13 millones al año durante 3 años, ampliando la cobertura de 500.000 a 675.000 usuarios (incluidos estudiantes hasta un año después de la graduación). La renovación se produce seis meses después de que el faculty de varios campus entregara al liderazgo de la CSU una petición firmada solicitando la cancelación del contrato, argumentando que ChatGPT Edu «no está diseñado, entrenado ni optimizado para la educación». El liderazgo de la CSU respondió que su comité asesor de IA generativa —compuesto por estudiantes, profesores y personal— «recomendó por unanimidad» la renovación, y que el coste por suscriptor es «significativamente inferior al de cualquier otro proveedor». Fuentes de OpenAI confirmaron que el acuerdo con CSU es el mayor contrato vigente de la empresa con una institución de educación superior.
La controversia tiene varias capas: la primera, el proceso de contratación. El acuerdo original de $17 millones fue adjudicado sin concurso público, lo que varios sindicatos y grupos de profesores denunciaron como opaco y precipitado. La segunda, la evidencia de impacto: el comité evaluador reconoció que los datos sobre mejora del aprendizaje son todavía limitados, pero argumentó que la continuidad del acceso es necesaria para completar los estudios sobre uso que están en marcha. La tercera, el precedente: si la mayor institución universitaria pública de EEUU mantiene su contrato con OpenAI pese a la resistencia interna, envía una señal al mercado —y a otras universidades— de que los contratos sistémicos de IA son sostenibles incluso sin consenso del claustro. Varios expertos señalan que el debate en CSU se replicará en docenas de universidades en los próximos meses.
La red UNIJES —que agrupa los centros universitarios de la Compañía de Jesús en España, entre ellos Deusto, Comillas, ETEA y otros— publicó el 25 de mayo de 2026 los resultados de una encuesta realizada al final del curso 2024–2025 entre 681 docentes de sus instituciones. El hallazgo central coincide con los datos internacionales: más del 80% de los encuestados declara usar herramientas de IA generativa al menos una vez por semana. Los usos predominantes son la preparación de materiales docentes, la búsqueda y síntesis de información, la generación de ideas y el diseño de actividades de aprendizaje. Los docentes reconocen que estas herramientas mejoran su productividad y facilitan el acceso a información, y la mayoría las valora positivamente como apoyo a procesos creativos.
Sin embargo, las preocupaciones expresadas por el profesorado revelan tensiones profundas: la pérdida de pensamiento crítico en los estudiantes (primera preocupación mencionada), la integridad académica y la autoría de los trabajos, y la necesidad de rediseñar metodologías y sistemas de evaluación que ya no son adecuados en un entorno de IA disponible. El informe señala que la mayoría de los docentes encuestados está incorporando la IA de forma autodidacta y fragmentada, sin orientación institucional sistemática. UNIJES plantea que la transformación de la educación superior en la era de la IA no puede resolverse solo con herramientas, sino que requiere un replanteamiento profundo de qué aprendizajes quiere producir la universidad y cómo los evalúa.
Dos análisis publicados en mayo de 2026 componen el cuadro más completo disponible sobre el uso de IA por estudiantes universitarios en España. El primero, de Tesify —plataforma especializada en trabajo académico—, analiza las políticas de IA en las principales universidades españolas y concluye que menos del 15% tiene una prohibición explícita, mientras la mayoría ha optado por regular en lugar de prohibir, aunque con criterios que varían significativamente entre facultades e incluso entre asignaturas del mismo grado. El segundo, de Unica Radio, con datos de estudiantes universitarios, apunta que el 89% afirma usar al menos una herramienta de IA en sus estudios, con el 35% usándola a diario y el 44% varias veces por semana. El perfil de uso más frecuente incluye búsqueda y síntesis de información, corrección de textos, generación de ideas y resolución de problemas matemáticos, con una minoría —pero porcentaje creciente— usando IA para redactar directamente partes de los trabajos académicos entregados.
La tensión central que estos datos revelan es la que existe entre la realidad del aula y la norma institucional: los estudiantes españoles están usando IA intensamente, con independencia de si su universidad tiene o no una política clara, y con frecuencia en la misma asignatura en la que el docente no ha establecido límites explícitos. El efecto es una zona gris generalizada donde el estudiante no sabe qué está permitido, el docente no tiene criterio de evaluación adaptado y la institución no tiene datos propios sobre el fenómeno. Varios expertos señalados en los análisis advierten de que este escenario crea inequidad —entre estudiantes que saben usar la IA estratégicamente y los que no— y erosiona la confianza entre profesores y alumnos.
→ Ver mapa de políticas IA en universidades españolas (Tesify)
La Universidad de Manchester y Microsoft anunciaron en mayo de 2026 lo que ambas organizaciones describen como «la primera asociación de IA de este tipo en el mundo» en una institución universitaria: el despliegue completo de Microsoft 365 Copilot para toda la comunidad universitaria —aproximadamente 40.000 estudiantes, profesores e investigadores— con implantación completa prevista antes del verano de 2026. El acuerdo establece que los estudiantes de Manchester estarán «equipados con habilidades preparadas para el futuro», mientras los investigadores podrán «acelerar el descubrimiento interdisciplinario y el análisis a escala». La Universidad de Manchester fue fundada en 1824 y es una de las instituciones europeas con mayor número de premios Nobel (25), lo que da al acuerdo una señal de credibilidad para el mercado universitario europeo.
El alcance del acuerdo va más allá del acceso a herramientas: Microsoft proporcionará formación específica al PDI, acceso prioritario a nuevas capacidades de Copilot en Educación y soporte para integrar la IA en los flujos de investigación. La Universidad de Manchester se convierte así en el referente europeo del modelo de adopción total —toda la comunidad universitaria, una sola plataforma, integración en el ecosistema existente (Microsoft 365)— en contraste con el modelo de adopción selectiva (solo algunos programas o colectivos) que sigue siendo el más frecuente en Europa. El acuerdo también es una señal para el mercado: Microsoft está compitiendo activamente con Google por los contratos institucionales universitarios, y la Universidad de Manchester es el caso europeo emblema de ese movimiento.
Presentado en Google I/O 2026 y en fase de beta para usuarios de Google AI Ultra en Estados Unidos, Gemini Spark es el agente personal más avanzado que Google ha construido hasta la fecha: no es un chatbot que responde preguntas, sino un sistema que recibe delegaciones de trabajo y las ejecuta de forma autónoma, en segundo plano, incluso cuando el dispositivo del usuario está apagado. Spark corre en máquinas virtuales dedicadas en Google Cloud —no en el teléfono o portátil del usuario— lo que le permite operar de forma continua. Sus capacidades demostradas incluyen: monitorizar el correo electrónico y producir resúmenes diarios por temas; analizar estados de cuenta bancarios mes a mes para detectar nuevas suscripciones; sintetizar notas de reuniones dispersas en correos y chats en un documento estructurado; y programar tareas recurrentes que el usuario define una sola vez con instrucciones en lenguaje natural. Spark pide aprobación explícita del usuario antes de realizar acciones de alto impacto (enviar correos, modificar documentos), aunque el nivel de autonomía es configurable.
La diferencia fundamental de Spark respecto a cualquier herramienta anterior es la persistencia: no necesita que el usuario esté presente, abra la aplicación ni recuerde lanzar la tarea. Es, en la práctica, el primer asistente personal verdaderamente proactivo disponible para un usuario general. Para el contexto universitario, las implicaciones son dobles: como herramienta de productividad docente, puede automatizar tareas administrativas recurrentes (seguimiento de correos de estudiantes, preparación de resúmenes de sesiones, monitorización de bibliografía nueva); como caso de estudio pedagógico, representa la primera muestra de IA agéntica del nivel que Hassabis (noticia 1) describe como «ensayo general» para la AGI. Está en beta con trusted testers y en expansión a suscriptores de Google AI Ultra en las próximas semanas.
OpenAI actualizó en mayo de 2026 su plataforma Codex —su agente de codificación autónoma— para que funcione sobre GPT-5.5, el modelo más avanzado de la empresa en el momento actual. El resultado: Codex alcanza el 82,7% de precisión en SWE-Bench Pro, el benchmark de referencia para medir la capacidad de los agentes de IA para resolver problemas reales de ingeniería del software. Esta cifra sitúa a Codex por encima de Claude Code (Anthropic) y GitHub Copilot Workspace (Microsoft) en este test específico. La funcionalidad central de Codex es la autonomía: no es un asistente que responde preguntas de programación sino un agente que recibe una tarea —"refactoriza este módulo", "encuentra el bug en esta función", "escribe los tests de integración para este endpoint"— y la ejecuta de forma completa sin necesitar que el usuario esté presente en cada paso. La actualización de mayo añade también acceso a través de la extensión de IDE, la CLI y mejoras en el modo de uso de navegador. Codex está disponible para usuarios de ChatGPT Plus, Pro, Business y Enterprise.
La importancia de este lanzamiento para el contexto educativo es triple. Primero, contextualiza los debates sobre integridad académica en programación: si un agente puede escribir, probar y entregar código autónomamente, los modelos de evaluación basados en "entrega un programa funcional" ya no miden lo que pretenden medir. Segundo, es una herramienta directamente relevante para los docentes de Informática e Ingeniería de la UNAV que quieran mostrar en clase el estado del arte del desarrollo asistido por IA. Tercero, el umbral del 82,7% en SWE-Bench Pro es la primera vez que un agente de IA supera holgadamente la capacidad de un desarrollador junior medio en una prueba de referencia del sector —un dato que tiene implicaciones directas para el diseño curricular de los grados de Informática.
Rasmussen University —una universidad privada americana con 23 campus y fuerte presencia en programas de enfermería y ciencias de la salud— completó en mayo de 2026 el piloto que determinó la migración completa de su LMS: de Blackboard a D2L Brightspace, una plataforma que integra nativamente capacidades de IA en el flujo de trabajo del docente y el estudiante. La decisión se toma tras un proceso de evaluación en el que la funcionalidad IA de la plataforma fue el criterio determinante. Las herramientas IA integradas en Brightspace que motivaron la elección son: Lumi (tutor IA disponible para los estudiantes en todo momento, con respuestas contextualizadas en el contenido del curso); Lumi Feedback (generador de feedback automático sobre entregas, que el docente puede validar o editar antes de enviar); Creator+ (asistente de creación de contenido docente); y Performance+ (analítica predictiva que identifica estudiantes en riesgo de abandono o desconexión). Todo esto sin necesidad de infraestructura propia, mediante contrato con D2L.
El caso Rasmussen es relevante porque representa la primera sustitución documentada de Blackboard por un LMS explícitamente IA-nativo a escala de toda una institución, tras un proceso de evaluación estructurado. La tendencia que ilustra es la más importante en el mercado de plataformas educativas en 2026: la diferenciación ya no es funcional (todos los LMS hacen lo mismo), sino en qué herramientas de IA están integradas de forma nativa y cuál es la fricción para adoptarlas. Las universidades que tienen Blackboard o versiones antiguas de Canvas, Moodle o Sakai se enfrentan a la decisión de si actualizar (añadir capas IA sobre el LMS existente) o migrar (adoptar una plataforma pensada desde el inicio para un flujo de trabajo con IA).
Introduce la contraseña acordada. Solo hace falta una vez por pestaña; al cerrar el navegador o esta pestaña habrá que volver a desbloquear.