Jueves, 25 de junio 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 25 de junio tiene dos grandes ejes estratégicos. En el mundo de la IA de frontera, la industria acelera hacia la madurez financiera y tecnológica: Anthropic presenta confidencialmente su IPO a una valoración de $965.000 millones —superando a OpenAI por primera vez en la historia—, mientras OpenAI lanza Jalapeño, su primer chip de inferencia propio diseñado con Broadcom para centros de datos a escala de gigavatio. El éxodo de talento de Google continúa: Jonas Adler y Alexander Pritzel, clave en Gemini y AlphaFold, se unen a Anthropic, sumando cuatro investigadores senior en seis días. En el frente regulatorio, la primera ley de IA de alto riesgo de un estado de EE.UU. —la Colorado AI Act— es reescrita días antes de su entrada en vigor el 30 de junio, retrasando su efectividad a enero de 2027 con requisitos mucho más reducidos. En educación, la OCDE publica el dato más incómodo del año: usar IA para estudiar sin guía pedagógica empeora el aprendizaje real un 17%, y el 80% de estudiantes no recuerda lo que escribó con IA. El mayor estudio latinoamericano confirma el patrón: el 92% de estudiantes usa IA, pero solo el 36% de sus profesores les enseña cómo. Para EurekAI, el mensaje del día es inequívoco: la adopción masiva sin diseño pedagógico intencional no es integración, es delegación del aprendizaje.
El 24 de junio de 2026, OpenAI y Broadcom anunciaron conjuntamente Jalapeño, el primer Intelligence Processor de OpenAI: un acelerador de silicio diseñado desde cero para la inferencia de modelos de lenguaje de gran escala. El chip fue completado en un ciclo de nueve meses de diseño hasta fabricación (tape-out) y las muestras de ingeniería ya ejecutan cargas de trabajo ML en laboratorio —incluyendo GPT-5.3-Codex-Spark— a la frecuencia y potencia objetivo de producción. Según el anuncio oficial conjunto, Jalapeño ofrece un rendimiento por vatio sustancialmente mejor que el estado del arte actual en chips de inferencia, lo que se traduce en costes operativos menores para desplegar modelos de frontera a escala masiva.
Jalapeño está arquitecturado específicamente para los patrones de serving de LLMs: los kernels de atención, el movimiento de memoria entre capas y las redes de interconexión que determinan la eficiencia real en inferencia. OpenAI anunció que el chip está concebido para centros de datos a escala de gigavatio, en colaboración con Microsoft y otros socios, con inicio de despliegue previsto para finales de 2026 y expansión en años posteriores. Esta apuesta convierte a OpenAI en el primer laboratorio de IA que desarrolla sus propios aceleradores de silicio para producción, siguiendo el camino que Google (TPU) y Amazon (Trainium/Inferentia) recorrieron antes. La dependencia histórica de OpenAI de las GPU de NVIDIA —que supone costes de centenares de millones de dólares mensuales— es el problema estructural que este chip busca resolver progresivamente.
El 24 de junio de 2026, Bloomberg y TechCrunch informaron de que Jonas Adler y Alexander Pritzel, dos de los investigadores más destacados de Google en IA, confirmaron su incorporación a Anthropic. Adler lideraba los esfuerzos de IA de código en Google —un área directamente competidora de GitHub Copilot y los modelos de codificación de OpenAI— mientras Pritzel era uno de los responsables del preentrenamiento de Gemini, la etapa fundamental en que los modelos aprenden a partir de grandes volúmenes de datos. Ambos habían contribuido al proyecto AlphaFold, el sistema de predicción de estructura de proteínas que valió a DeepMind el Nobel de Química 2024. Las acciones de Alphabet cayeron un 1,2% adicional tras el anuncio.
Este movimiento lleva a cuatro el número de investigadores de primer nivel que han dejado Google en menos de una semana: el 18 de junio lo hizo Noam Shazeer (a OpenAI) y el 19 John Jumper (a Anthropic). Lo que comenzó como una historia de fichaje singular se ha convertido en el mayor flujo de salida de talento IA hacia competidores que Google ha sufrido en su historia reciente. La concentración simultánea de expertos en preentrenamiento (Pritzel), arquitectura (Shazeer) y biología computacional (Jumper) en los laboratorios rivales puede acelerar significativamente las capacidades de Anthropic y OpenAI en dominios donde Google había construido ventaja diferencial. La cifra de $2.700 millones pagada para repatriar a Shazeer en 2024 convierte su marcha a OpenAI en el coste de retención de talento más fallido documentado en la industria tech.
El 1 de junio de 2026, Anthropic presentó confidencialmente ante la SEC el borrador de su documentación para una oferta pública de acciones (IPO), según informó Fortune. La presentación llegó semanas después de cerrar su Serie H de $65.000 millones, liderada por Altimeter Capital, Dragoneer, Greenoaks y Sequoia Capital, que valuó Anthropic en $965.000 millones post-money —superando la valoración de OpenAI por primera vez en la historia. Con ingresos anualizados que cruzaron los $47.000 millones en mayo de 2026, Anthropic apunta a una salida al Nasdaq en octubre de 2026. En paralelo, OpenAI también está preparando su propia presentación confidencial de S-1, trabajando con Goldman Sachs y Morgan Stanley para un posible debut bursátil en el mismo otoño.
La carrera entre los dos laboratorios más avanzados del mundo hacia los mercados públicos es inédita en la industria tecnológica: dos competidores directos en la misma ventana de salida a bolsa, con valoraciones cercanas al billón de dólares, sin haber alcanzado rentabilidad neta en sus operaciones principales. Los analistas señalan que el timing responde en parte a la ventana regulatoria favorable creada por la administración Trump y en parte a la presión de los inversores de las rondas privadas por obtener opciones de liquidez. Para las instituciones que usan servicios de estos laboratorios, la cotización implica nuevas obligaciones de transparencia corporativa pero también nuevos incentivos de maximización de ingresos que pueden impactar precios y políticas de acceso institucional.
El 30 de junio de 2026 era la fecha que la comunidad legal y empresarial de EE.UU. tenía marcada: la entrada en vigor de la Colorado Artificial Intelligence Act, la primera ley estatal de IA de alto riesgo del país, que exigía a los desplegadores de sistemas de IA de alto riesgo demostrar el cuidado necesario para proteger a los consumidores de la discriminación algorítmica. Sin embargo, el 14 de mayo de 2026, el gobernador Jared Polis firmó la SB 26-189, que en la práctica reescribe completamente la ley antes de su entrada en vigor. La nueva norma elimina el marco de riesgo basado en el deber de cuidado, suprime las obligaciones de mantener programas de gestión de riesgo y realizar evaluaciones de impacto, y retira las obligaciones de reporte al Fiscal General del estado. El plazo se amplía hasta el 1 de enero de 2027.
Lo que permanece es un conjunto más estrecho de obligaciones de transparencia y divulgación en torno a las tecnologías de toma de decisiones automatizadas (ADMT) con efecto material sobre decisiones en sectores como empleo, crédito, vivienda, salud y educación. El giro es significativo: la ley original habría sido el primer marco de supervisión sistemática de IA de alto riesgo en EE.UU.; la ley revisada es fundamentalmente un régimen de transparencia con exigencias menores. Varios expertos interpretan el cambio como reflejo del contexto político: el Executive Order federal de junio de 2026 que rechaza marcos obligatorios redujo la presión para que los estados mantuvieran sus propias regulaciones más estrictas.
El OECD Digital Education Outlook 2026, el informe de referencia de la OCDE sobre tecnología y aprendizaje, dedica su edición de 2026 íntegramente al uso de IA generativa en educación. Su hallazgo central —y el más incómodo del panorama educativo del año— es que usar IA para realizar tareas no produce aprendizaje real cuando se hace sin orientación pedagógica. El informe documenta dos experimentos reveladores: en el primero, estudiantes que practicaron matemáticas con un chatbot genérico rindieron hasta un 17% peor en exámenes posteriores de libro cerrado que sus pares que habían estudiado solos; en el segundo, estudiantes que escribieron ensayos con ayuda de IA produjeron textos de mayor calidad aparente, pero el 80% no podía recordar lo que había escrito sobre el tema minutos después. La conclusión es contraintuitiva pero verificable: la IA puede mejorar el rendimiento observable a corto plazo mientras degrada simultáneamente el aprendizaje profundo.
El informe no concluye que la IA sea dañina para el aprendizaje, sino que el cómo importa más que el si. Identifica seis principios para un uso de IA con propósito pedagógico: (1) diseñar para el proceso de aprendizaje, no solo para el resultado; (2) usar IA para potenciar al docente, no para reemplazar su juicio; (3) integrar IA en sistemas tutoriales socráticos que hagan preguntas en lugar de dar respuestas; (4) garantizar la metarreflexión del estudiante sobre su propio uso de IA; (5) proteger tiempos y espacios de aprendizaje sin IA; y (6) evaluar el impacto en el aprendizaje real, no solo en las calificaciones. El TALIS 2024 (encuesta OCDE a docentes de secundaria) muestra que el 37% ya usa IA en su trabajo, pero el 72% expresa preocupación por la integridad académica.
El Digital Education Council publicó en 2026 la mayor encuesta sobre inteligencia artificial en educación superior de América Latina, con más de 30.000 respuestas recogidas en colaboración con el Tecnológico de Monterrey y su Institute for the Future of Education. El estudio encuestó a 7.319 docentes universitarios de 29 instituciones. El dato de adopción es contundente: el 92% de los estudiantes y el 79% del profesorado usan IA activamente en sus actividades académicas —tasas que superan los benchmarks globales. Los estudiantes usan IA principalmente para búsqueda de información (69%) y corrección gramatical (42%); el 72% del profesorado tiene visiones positivas o muy positivas sobre la IA en educación, frente al 57% en el promedio global.
El hallazgo estructural del estudio es la paradoja entre uso y enseñanza: el 76% de los profesores usa IA para crear materiales docentes, pero solo el 36% les enseña a sus estudiantes cómo usarla. El profesorado latinoamericano ha integrado la IA en su práctica de preparación de clases, pero no ha dado el paso de convertir ese uso en contenido curricular explícito. El informe documenta además que el 48% de los profesores considera necesario rediseñar las tareas para preservar los resultados de aprendizaje frente al uso de IA, y que los principales temores son la sobredependencia tecnológica y la incapacidad de los estudiantes para evaluar críticamente los resultados generados.
El Departamento de Educación de Nueva York (NYC DOE) publicó en marzo de 2026 una guía preliminar de IA para el sistema escolar más grande de EE.UU.: 1,1 millones de estudiantes en más de 1.800 escuelas. La guía introduce un marco de semáforo con tres categorías: usos permitidos (verde), usos que requieren supervisión adicional (amarillo) y usos prohibidos (rojo). En verde: planificación de lecciones, borradores de comunicaciones, diferenciación de materiales, exploración creativa con guía docente. En rojo: asignación de calificaciones, decisiones disciplinarias, generación de Planes Educativos Individuales (IEP) para estudiantes con necesidades especiales, y cualquier decisión significativa sobre la trayectoria escolar de un alumno. Los datos personales de los estudiantes nunca pueden introducirse en herramientas de IA no aprobadas.
El aspecto más exigente de la guía es el proceso de aprobación de herramientas: cada herramienta de IA debe superar una revisión de sesgo y equidad antes de poder desplegarse en el sistema, evaluando su impacto diferencial en estudiantes de distintos grupos demográficos. La guía fue sometida a un período de comentario público de 45 días, y un «AI playbook» completo con casos de uso detallados estaba previsto para junio de 2026. Aunque el NYC DOE opera en K-12, el marco de semáforo y los criterios de revisión de sesgo son directamente aplicables al contexto universitario.
La California State University (Cal State) firmó un acuerdo de 18 meses con OpenAI por valor de 17 millones de dólares para proporcionar ChatGPT Edu —la versión premium para instituciones educativas— a sus casi 470.000 estudiantes y 63.000 profesores y personal, desde febrero de 2025 hasta julio de 2026. El acuerdo, uno de los más grandes de IA institucional en educación superior de EE.UU., ha generado un debate significativo: EdSource y CalMatters publicaron análisis que cuestionan si este tipo de compromisos millonarios, solo al alcance de grandes sistemas públicos bien financiados, están contribuyendo a crear una brecha de IA dentro del propio sector universitario. Las universidades privadas pequeñas, los community colleges y las instituciones de servicio a minorías carecen de recursos para contratos similares, y sus estudiantes acceden solo a los niveles gratuitos de las herramientas, con funcionalidades significativamente limitadas.
El debate tiene dos lecturas: la defensiva (el acceso universal dentro de Cal State evita la brecha entre estudiantes ricos y pobres dentro del sistema) y la crítica (el acceso desigual entre instituciones reproduce y amplifica las desigualdades estructurales del sistema educativo). Según distintos análisis, la brecha de IA entre instituciones bien financiadas y mal financiadas «se ampliará en lugar de reducirse a menos que sea abordada directamente por política pública», con consecuencias directas sobre los resultados laborales de los graduados de instituciones menos equipadas. Solo el 51% de los graduados en EE.UU. siente que tiene las competencias de IA suficientes para el empleo.
MagicSchool AI se ha consolidado en 2026 como la plataforma IA más adoptada en entornos docentes de primaria y secundaria de EE.UU., con una propuesta de valor centrada en el trabajo del docente, no del estudiante: más de 80 generadores que automatizan las tareas más repetitivas de la práctica docente —planificación de unidades y lecciones, diferenciación de materiales, creación de evaluaciones formativas, redacción de comunicaciones a familias, retroalimentación personalizada y gestión de planes educativos. Según datos de la plataforma, los docentes que la usan reportan un ahorro de 7 horas semanales. MagicSchool publicó en 2026 su informe «Districts Leading the Way», reconociendo a nueve distritos pioneros en adopción institucional: Atlanta Public Schools (50.000 estudiantes), Hillsborough County (224.000), Denver Public Schools y Seattle Public Schools, entre otros.
Las actualizaciones de 2026 incluyen tres novedades significativas: un Generador de Canciones Educativas que crea canciones didácticas completas (letra, voz, arte de portada) alineadas con el currículo; la capacidad de los docentes de exportar conversaciones de estudiantes para revisión, documentación y supervisión; y la integración de MagicQuizzes con el SSO de los centros educativos, permitiendo a los estudiantes acceder a evaluaciones formativas con IA desde sus credenciales escolares sin crear cuentas separadas. La plataforma también lanzó la posibilidad de crear, editar y compartir herramientas IA personalizadas dentro del ecosistema de la propia institución.
El tutor de IA de Khan Academy, Khanmigo, ha protagonizado uno de los crecimientos más significativos del mundo EdTech en el último año. En el curso 2024-25, el número de estudiantes K-12 activos en la plataforma creció de 40.000 a 700.000 —un salto de 17 veces en un solo año escolar— con proyecciones de superar el millón de usuarios en el curso 2025-26. Desde su lanzamiento en 2023, Khanmigo ha acumulado más de 300 millones de interacciones, con una media de 269.000 conversaciones activas en días lectivos. La propuesta pedagógica central es el método socrático: en lugar de dar respuestas directas, el tutor hace preguntas, proporciona pistas y ajusta el nivel de andamiaje al ritmo de comprensión del estudiante —una filosofía directamente alineada con la evidencia de la OCDE sobre cómo usar IA sin degradar el aprendizaje.
Khan Academy anunció en su blog una serie de pruebas de producto realizadas entre octubre de 2025 y abril de 2026 para mejorar la velocidad de respuesta y la calidad educativa sin sacrificar la efectividad de la tutoía socrática. El resultado es una experiencia renovada de Khanmigo que se desplegará a todos los distritos socios durante el verano de 2026: mejores estrategias de detección del nivel de conocimiento previo, mayor adaptabilidad de registro y mejor integración con currículos estándar. La validación a escala de Khanmigo como tutor IA eficaz es relevante más allá de K-12: su enfoque pedagógico basado en el diálogo socrático es directamente aplicable a la tutoría universitaria.
La UPCEA (University Professional and Continuing Education Association) publicó en 2026 el informe «The Rise of the Agentic AI University», que describe un fenómeno ya real en docenas de instituciones de educación superior de EE.UU.: la adopción de IA agéntica para servicios de atención al estudiante. A diferencia de los chatbots que responden preguntas, los sistemas agénticos observan el contexto del estudiante, actúan de forma proactiva y coordinan procesos entre distintos sistemas. Las aplicaciones más consolidadas en 2026 incluyen: sistemas de asesoría académica proactiva que detectan señales de riesgo de abandono (asistencia irregular, calificaciones declinantes) y generan intervenciones antes de que el estudiante pida ayuda; flujos de admisión y matrícula parcialmente automatizados; y personalización del recorrido académico según el perfil de cada estudiante.
El informe recoge casos de universidades que han reducido su tasa de abandono entre el primer y segundo año en 8-12 puntos porcentuales tras implementar sistemas agénticos de detección de riesgo y outreach proactivo. Sin embargo, documenta también los retos de gobernanza: ¿qué autoridad tiene el agente para actuar en nombre de la institución? ¿Cómo se audita su comportamiento? ¿Quién responde cuando un agente toma una decisión incorrecta sobre un estudiante? La UPCEA propone un modelo de gobernanza de cinco capas: definición de ámbito de acción, supervisión humana para decisiones significativas, auditoría continua, transparencia para el estudiante y mecanismo de recurso.
Introduce la contraseña acordada. Solo hace falta una vez por pestaña; al cerrar el navegador o esta pestaña habrá que volver a desbloquear.