Radar IA — 23 de septiembre de 2026 | SoftBank levanta $10.000 millones para OpenAI, Anthropic abarata la IA frontera, Apple lleva el cómputo al escritorio y China acelera su soberanía tecnológica
La jornada muestra una nueva fase de la carrera de inteligencia artificial: el coste de usar los modelos empieza a importar tanto como su capacidad, la financiación se desplaza hacia mercados de deuda, el cómputo local emerge como alternativa a pagar tokens continuamente en la nube y China acelera la sustitución de tecnología estadounidense en sus centros de datos. A la vez, los agentes empiezan a entrar en comercio, llamadas telefónicas y ciberseguridad, dejando claro que el próximo gran mercado no será únicamente generar respuestas, sino permitir que la IA actúe sobre sistemas reales.
Negocio, tecnología e inversiones
SoftBank sale al mercado a buscar $10.000 millones para financiar su apuesta por OpenAI. El conglomerado japonés está recibiendo órdenes para una emisión de bonos por $10.000 millones, distribuida entre varios vencimientos, con el objetivo de financiar sus inversiones en OpenAI. La operación muestra hasta qué punto la economía de la IA frontera ha dejado de depender solamente del venture capital: entrenar modelos, contratar capacidad informática y construir infraestructura exige ya acceder de forma recurrente a deuda institucional y mercados globales de capitales.
Para inversores y consejos de administración, la lectura es importante. Estamos pasando del modelo clásico de una compañía tecnológica relativamente ligera en activos hacia una industria donde chips, energía, centros de datos y financiación determinan quién puede continuar compitiendo. La inteligencia artificial empieza a adquirir características financieras similares a telecomunicaciones, energía o grandes infraestructuras.
Anthropic lanza Claude Opus 5.5 y la batalla se desplaza al coste por unidad de inteligencia. Anthropic presentó ayer Claude Opus 5.5, un modelo que, según la compañía, ofrece un rendimiento comparable a Fable 5.1 con un coste operativo un 40% inferior al de su predecesor. Su precio queda en $4 por millón de tokens de entrada y $20 por millón de tokens de salida, un 20% por debajo de Opus 5. Anthropic asegura además que el nuevo modelo superó a GPT-5.6 Sol en uno de sus benchmarks de desarrollo de software, aunque se trata de resultados comunicados por la propia compañía. El modelo está disponible a través de AWS, Google Cloud y Microsoft Azure.
La dirección estratégica es probablemente más importante que el benchmark: la IA frontera está entrando en una guerra de eficiencia. Las empresas ya no compararán únicamente quién obtiene la mejor puntuación, sino cuánto cuesta completar realmente una tarea empresarial. Para coding, análisis, agentes o automatización, la métrica que puede terminar dominando será coste por trabajo terminado, no coste por token.
Anthropic sometió además el modelo a evaluaciones externas de Frontier Design y METR antes del lanzamiento. Según sus propias pruebas internas, Opus 5.5 fue alrededor de un 85% menos propenso que Opus 5 o Mythos 5.1 a intentar sobrepasar determinadas barreras de contención. Este tipo de evaluación previa puede convertirse progresivamente en una exigencia comercial, no solo de seguridad.
Apple quiere que las empresas dejen de pagar todos sus tokens en la nube. Los nuevos Mac Mini y Mac Studio de Apple están siendo posicionados directamente para ejecutar tareas complejas de IA de forma local. Algunos sistemas llegan a costar cerca de $20.000, pero la propuesta comercial es que, una vez comprado el equipo, la empresa puede ejecutar modelos repetidamente sin pagar cada consulta a OpenAI, Anthropic u otro proveedor cloud. Apple mostró incluso cuatro Mac Studio conectados ejecutando un modelo de alrededor de un billón de parámetros para localizar y corregir un error de programación.
Esto abre una batalla empresarial especialmente interesante: Cloud AI frente a Local AI. Para determinadas cargas recurrentes, información confidencial, desarrollo de software o agentes internos, ejecutar modelos dentro de la propia organización puede reducir costes variables, mejorar privacidad y disminuir dependencia del proveedor. Apple parte, sin embargo, desde una posición muy inferior en el mercado corporativo: IDC estima alrededor de un 4,6% de cuota para Apple frente al 91,3% de Windows en ordenadores empresariales.
La arquitectura de IA corporativa probablemente terminará siendo híbrida: modelos frontera en cloud para determinadas tareas y Small/Local Models para procesos repetitivos, privados o intensivos en volumen.
Snorkel AI capta $350 millones y alcanza una valoración de $3.500 millones: los datos complejos se convierten en infraestructura crítica. Snorkel AI ha cerrado una ronda de $350 millones liderada por Insight Partners y S32, que triplica prácticamente su valoración desde los $1.300 millones de mayo de 2025. La empresa afirma haber elevado su revenue run rate anualizado desde unos $20 millones hace un año hasta más de $350 millones y espera alcanzar rentabilidad este año.
Lo que está cambiando es el tipo de datos que necesitan los laboratorios. Ya no basta con etiquetar imágenes o textos sencillos. Los modelos frontera necesitan casos complejos, entornos de reinforcement learning, expertos en programación, medicina o derecho, escenarios de evaluación y datos diseñados específicamente para entrenar capacidades avanzadas. Snorkel combina especialistas humanos con miles de modelos y agentes para producir y comprobar estos datasets.
Esto confirma una nueva capa de inversión alrededor de la IA: modelos → compute → datos especializados → evaluaciones → agentes. A medida que Internet aporta menos datos nuevos de alta calidad, el dato generado, curado y validado expresamente para una tarea puede convertirse en uno de los activos más caros de la industria.
China estudia reducir el uso de Broadcom en sus centros de datos estatales. Las autoridades chinas están analizando cuánto hardware de Broadcom utilizan los centros de datos respaldados por el Estado, en el marco de su estrategia para favorecer proveedores nacionales y reducir dependencia de infraestructura extranjera de IA. Según información del Financial Times recogida por Reuters, un análisis preliminar habría encontrado que los switches de Broadcom podrían representar hasta el 90% de determinados equipos instalados. Reuters señala que no pudo verificar independientemente esas cifras.
El organismo supervisor de empresas estatales, SASAC, podría terminar recomendando informalmente reducir el uso de estos equipos dentro de la campaña china de “domestic chips for domestic use”. Nvidia ya está excluida de determinados centros de datos estatales chinos.
La importancia empresarial va más allá de Broadcom. La infraestructura de IA se está dividiendo progresivamente en ecosistemas tecnológicos nacionales. Para empresas internacionales esto significa que supply chain, país de origen del hardware, soberanía de datos y jurisdicción del proveedor empezarán a formar parte de la misma decisión de compra.
Meta revela uno de los grandes problemas todavía no resueltos de los agentes: la última milla. Meta ha estado probando un sistema de “human concierge” para Muse, su nuevo agente personal. Cuando Muse tenía que realizar determinadas llamadas telefónicas, trabajadores humanos podían intervenir silenciosamente para completar la tarea. La prueba generó críticas internas por privacidad y Meta decidió detener temporalmente la funcionalidad.
El dato más interesante está en el rendimiento. Según comunicaciones internas vistas por Reuters, introducir personas podía elevar la tasa de éxito de las llamadas al 95%-98%, frente a porcentajes inferiores cuando las ejecutaba exclusivamente la IA. Muse ha superado 2,5 millones de descargas desde su lanzamiento.
Esta historia anticipa un modelo muy probable para los próximos años: AI Agent → acción automática → escalado humano cuando aparece una excepción. Eso puede hacer viables muchos procesos antes de que los agentes alcancen autonomía completa, pero introduce nuevas preguntas sobre consentimiento, privacidad, trazabilidad y quién está realmente actuando en nombre del usuario.
El Agentic Commerce empieza además a recibir resistencia de la banca. NatWest, Bank of America, ING, Capital One, Commonwealth Bank of Australia y ASB Bank han advertido de riesgos de fraude, estafas y privacidad cuando agentes de IA empiezan a comprar por cuenta de los usuarios. Entre sus propuestas a los reguladores están exigir que se revele cuándo un agente interviene en una transacción, explicar mejor cómo toma decisiones y reforzar las protecciones sobre los datos del cliente.
La adopción empieza a ser visible: John Lewis afirma que las búsquedas procedentes de agentes de IA han pasado del 0,3% al 2,5% en un año. El dato es todavía pequeño, pero el crecimiento muestra por qué ecommerce, medios de pago y bancos ya empiezan a prepararse para clientes que no navegan directamente por una web.
La ciberseguridad empieza a responder a la IA ofensiva con IA defensiva continua. Palo Alto Networks ha presentado Unit 42 Continuous Frontier AI Defense, un servicio empresarial que utiliza modelos especializados de Anthropic, OpenAI y modelos abiertos para buscar vulnerabilidades continuamente en aplicaciones web, APIs e infraestructura cloud. El servicio proporciona además recomendaciones de corrección, incluyendo cambios de código y virtual patching.
La evolución es lógica: si los atacantes empiezan a utilizar agentes capaces de explorar continuamente sistemas y probar rutas de entrada, la defensa no puede depender únicamente de auditorías periódicas. Estamos avanzando hacia continuous AI red teaming, donde sistemas automatizados prueban constantemente la superficie de ataque de la compañía.
La lectura del día
La tendencia que une las noticias de hoy es bastante clara: la IA está pasando de ser una tecnología que genera contenido a una infraestructura que ejecuta trabajo. SoftBank financia la expansión de OpenAI mediante deuda; Anthropic comprime el coste de inteligencia frontera; Apple intenta mover parte del cómputo fuera de la nube; Snorkel convierte los datos especializados en una industria multimillonaria; China reduce dependencias extranjeras; Meta descubre las dificultades reales de hacer que un agente actúe en el mundo; y la banca empieza a pedir reglas para agentes que compran y pagan.
Para las empresas, esto cambia completamente la pregunta estratégica. Ya no basta con decidir qué modelo utilizar. Hay que construir una arquitectura que defina qué modelo, dónde se ejecuta, cuánto cuesta, qué datos utiliza, qué acciones puede realizar, cuándo interviene una persona, quién responde por un error y qué evidencias quedan registradas.
Esa será probablemente una de las grandes diferencias entre organizaciones que simplemente utilizan IA y organizaciones realmente AI-Ready.
Descubre más desde THE INTELLIGENCE
Suscríbete y recibe las últimas entradas en tu correo electrónico.
