Un puesto de trabajo que se ralentiza debido a un agente de IA mal configurado, un firewall eludido por una simple cookie de sesión robada, una factura de la nube que se dispara porque nadie anticipó el consumo de los modelos de lenguaje: los problemas concretos cambian de naturaleza. Las tendencias y novedades informáticas de este año no se resumen a anuncios de marketing. Modifican directamente la forma en que administramos, aseguramos y presupuestamos nuestros entornos.
Robo de tokens de autenticación: la amenaza que reemplaza la contraseña
Protegemos las cuentas con MFA, endurecemos las políticas de contraseñas, y aun así las compromisos continúan. El problema viene de otro lado. Desde principios de año, varios actores de la ciberseguridad (Sekoia, Microsoft) han observado un cambio masivo hacia el robo de tokens de autenticación: tokens OAuth, cookies de sesión, tokens de acceso temporales.
Concretamente, un atacante que intercepta un token válido ya no necesita la contraseña ni el segundo factor. Se conecta directamente al entorno de la nube o Microsoft 365 del objetivo. El FBI reportó en mayo de 2026 el auge de una plataforma de Phishing-as-a-Service llamada Kali365, especializada en este tipo de robo en cuentas de Microsoft 365.
Para seguir las informaciones informáticas en Geek Newz permite mantener un ojo en este tipo de alertas sin esperar los boletines oficiales.
Lo que esto cambia en el terreno:
- Las políticas de rotación de contraseñas se vuelven secundarias en comparación con el endurecimiento de la duración de vida de los tokens y la vigilancia de conexiones anormales.
- El control condicional (geolocalización, huella de navegador, conformidad del puesto) pasa de ser una recomendación a una necesidad operativa.
- Los equipos de seguridad deben formar a los usuarios no solo en el phishing clásico, sino también en las páginas de consentimiento OAuth fraudulentas, un vector mucho menos identificado.
IA en la empresa: el costo real de un despliegue en terreno
La mayoría de las presentaciones sobre IA en la empresa se detienen en la demostración. En el terreno, el primer obstáculo no es ni técnico ni cultural: es la factura. Cada llamada a un modelo de lenguaje consume recursos de cálculo, y el consumo de GPU de un asistente de IA interno puede superar al de decenas de puestos clásicos.
Cuando se integra un agente de IA en un flujo de trabajo (soporte al cliente, clasificación de tickets, generación de informes), hay que anticipar tres partidas de gasto que los editores rara vez mencionan: el costo de inferencia por consulta, el almacenamiento de los contextos de conversación, y el ancho de banda entre el modelo y los sistemas internos.
Gobernanza y cumplimiento RGPD de los modelos
La CNIL y varias autoridades europeas han reforzado su vigilancia sobre el uso de modelos de IA que tratan datos personales. Anthropic (editor de Claude) es, por ejemplo, objeto de análisis de cumplimiento RGPD documentados. Cualquier despliegue de un LLM sobre datos internos requiere un análisis de impacto (AIPD) antes de su puesta en producción.
Los retornos varían en este punto según el tamaño de la organización: una PYME de cincuenta personas no tiene las mismas obligaciones documentales que un grupo cotizado. El desafío sigue siendo el mismo: rastrear qué datos transitan por el modelo, dónde se almacenan y quién tiene acceso a ellos.
Soberanía digital y nube: lo que se mueve en el lado de la infraestructura
Bercy desconectó recientemente la prueba de un LLM chino en una infraestructura pública. Este tipo de decisión ilustra un movimiento más amplio: la cuestión de la soberanía ya no solo concierne a los datos, sino a los modelos mismos. Alojar sus datos en Francia no es suficiente si el motor de inferencia depende de un editor sujeto a una jurisdicción extraeuropea.
Varios puntos merecen la atención de las empresas que quieren mantener el control sobre su cadena de procesamiento:
- Priorizar modelos de código abierto auditables en lugar de API propietarias opacas, incluso si el rendimiento bruto es ligeramente inferior.
- Verificar que el proveedor de la nube garantice contractualmente la ausencia de transferencia fuera de la UE, incluso para los registros de consultas de IA.
- Mapear la dependencia real de cada proveedor: un cambio en la política de precios o en las condiciones de uso puede hacer que un proyecto no sea viable en pocas semanas.
Arquitectura de chips e informática post-silicona: las señales concretas
IBM ha revelado una arquitectura de chip a 0,7 nm. A esta escala, nos acercamos a los límites físicos del transistor clásico. No es una curiosidad de laboratorio: cada ganancia en la finura de grabado se traduce en una reducción del consumo energético por operación, un parámetro directo para los datacenters que alimentan las cargas de IA.
Paralelamente, la informática fotónica (que utiliza la luz en lugar de la electricidad para transferir información) y la informática neuromórfica (arquitecturas inspiradas en el cerebro) están avanzando. Estos enfoques no reemplazarán a los procesadores clásicos a corto plazo, pero comienzan a aparecer en casos de uso específicos: optimización de enrutamiento de red, simulación molecular, procesamiento de flujos de video en tiempo real.
Consumo energético de los datacenters
El crecimiento del mercado de datacenters se acelera, impulsado por la demanda de IA. La informática eficiente en energía ya no es un argumento de marketing, sino una restricción operativa. Las nuevas arquitecturas de refrigeración líquida y los chips de muy baja grabación participan en el mismo objetivo: mantener la capacidad de cálculo sin hacer explotar la factura eléctrica.
El tema sigue siendo técnico, pero impacta directamente los presupuestos de TI de toda organización que consume nube. Monitorear la evolución de las arquitecturas de hardware ayuda a anticipar las reducciones de costos de inferencia y a planificar las renovaciones de infraestructura en el momento adecuado.