“Regular más no significa regular mejor”. Este principio de la regulación inteligente o smart regulation surge en medio de una tendencia global y es: ¿cómo regular la IA? Desde foros académicos hasta centros gubernamentales, surge la duda de cómo proteger a los consumidores sin frenar la innovación y el emprendimiento.

Solo en Colombia, en la legislatura 2024 – 2025, hay más de nueve proyectos de ley en trámite relativos a la inteligencia artificial, documentos orientados a crear un marco normativo integral, ético y tecnológico para la gobernanza de la IA en el país. Y no se trata de un caso aislado, porque la regulación de la IA es un problema global.

Como muestra, la Unión Europea ha sido pionera con su Ley de IA (AI Act), la primera normativa integral del mundo, propuesta en 2021 y adoptada en 2024. Su enfoque se basa en clasificar los sistemas de IA según su nivel de riesgo: inaceptable (prohibidos), alto, limitado y mínimo, estableciendo obligaciones estrictas para las categorías más peligrosas.

Este modelo contrasta con el de Estados Unidos, que había optado por un enfoque fragmentado que prioriza la innovación. Una muestra es el «Plan de Acción de IA«, presentado en julio de 2025, que incluye más de 90 acciones organizadas en tres pilares: acelerar la innovación, construir infraestructura para IA en el país y promover que el hardware y software estadounidense sean estándares globales.

Después de todo, el desarrollo de la inteligencia artificial se ha convertido en asunto de seguridad nacional en las principales superpotencias, incluyendo a China, que ha implementado un sistema de regulaciones estrictas y un registro de algoritmos, centrado en el control estatal y la soberanía tecnológica.

El desafío de regular tecnologías

El principal desafío para los reguladores es la diferencia de ritmos: la tecnología avanza mucho más rápido que los ciclos legislativos, lo que amenaza con dejar las leyes obsoletas. Existe también el temor de que una regulación excesiva pueda frenar la innovación y crear barreras de entrada, especialmente para las startups, debido a los altos costos de cumplimiento.

En este contexto, América Latina ha comenzado a trazar su propio camino, mostrando una tendencia a adoptar marcos regulatorios basados en principios y centrados en los derechos fundamentales, a menudo inspirados en el modelo europeo. La mayoría de los países de la región ya cuentan con leyes de protección de datos que sirven como base para las regulaciones de la IA.

En lo que se refiere a Colombia, en febrero de 2025, se estableció una política nacional a través del documento CONPES 4144, que traza una hoja de ruta con una inversión de casi 480 mil millones de pesos para impulsar el ecosistema de IA del país hasta 2030. Sobre esta base, el gobierno colombiano presentó al Congreso proyectos de ley (como el 442-2025) que buscan crear un marco legal para la IA, alineándose estrechamente con la Ley de IA de la UE.

Curiosamente, la regulación de la IA no es un tema reciente, pero lo que antes era una discusión teórica se convirtió en una urgencia a partir de 2016 con la llegada de los modelos de IA generativa como ChatGPT, que pusieron de manifiesto su potencial para transformar la sociedad y sus empresas.

Algunas recomendaciones

Por fortuna, los gobiernos no están solos, como muestra y para hacer frente a los retos de la regulación, entidades internacionales como el Centro para el Liderazgo en Políticas de Información (CIPL) han publicado buenas prácticas en el tema. Según el CIPL la regulación global de la inteligencia artificial se debe basar en un enfoque flexible, orientado a resultados y riesgos, evitando reglas técnicas rígidas.

Esto implica que las organizaciones asuman una responsabilidad clara en la gobernanza de la IA, garantizando transparencia, explicabilidad y mecanismos de supervisión que permitan a usuarios, autoridades y terceros comprender y evaluar los sistemas para identificar sesgos, errores o riesgos.

El CIPL enfatiza además que las normas deben equilibrar innovación y control, fomentando un desarrollo tecnológico responsable sin frenar los beneficios potenciales de la IA. Para ello, se requiere contar con estándares internacionales comunes, mecanismos de cumplimiento claros —como auditorías, certificaciones y sanciones— y un marco regulatorio que combine innovación, confianza pública y protección de derechos en un contexto de rápida evolución tecnológica.

En este escenario, herramientas como los «sandboxes» regulatorios se recomiendan para permitir la innovación segura. Para las grandes corporaciones, este nuevo panorama regulatorio representa un desafío que pueden afrontar gracias a sus recursos, lo que podría consolidar su dominio del mercado.

Para las startups y pymes, el impacto es un arma de doble filo. Por un lado, los altos costos de cumplimiento pueden ser una barrera significativa que frene su capacidad de innovar. Por otro lado, aquellas que logren adaptarse rápidamente podrán diferenciarse, atrayendo inversión y clientes.

Si quieres saber cómo desde Movistar Empresas te podemos ayudar a impulsar la transformación de tu negocio y a hacerlo de manera sostenible ingresa aquí.

Imagen de Freepik

Hasta hace unos años, la inteligencia artificial era un tema que se vinculaba con grandes empresas, universidades y gobiernos. Sin embargo, la llamada democratización de la IA ha permitido a esta tecnología llegar a más personas y organizaciones. ¿Por dónde empezar?

América Latina es un territorio pyme. Para ser más exactos, constituyen el 99.5% de las empresas y aportan el 35% al Producto Interno Bruto de países como Colombia. Más importante aún, generan el 65% del empleo. Por ello, al hablar de inteligencia artificial en este nicho, sus consecuencias pueden ser mayúsculas para el desarrollo de la región.

A nivel general, el 40% de las empresas en América Latina ya utiliza alguna forma de inteligencia artificial, mientras que otro 40% explora su implementación. Este crecimiento es impulsado por la transformación digital en sectores clave como el financiero, la salud y el comercio minorista, además del respaldo de políticas gubernamentales y la colaboración entre los sectores público y privado.

La importancia de la IA para las pymes radica en su capacidad para nivelar el campo de competencia. Estas tecnologías permiten a las empresas más pequeñas acceder a herramientas de análisis de datos, automatización y personalización que antes estaban reservadas para grandes corporaciones.

Según el Instituto Internacional de Finanzas, se estima que la IA podría aportar hasta 5.4% al Producto Interno Bruto (PIB) de América Latina para el año 2030. Los beneficios directos para las pymes que adoptan IA incluyen un aumento de la productividad y una reducción de los costos operativos que minimiza el error humano y libera al personal para que se concentre en funciones estratégicas.

¿Por dónde debe empezar una pyme?

Una pequeña o mediana empresa que quiera adoptar la inteligencia artificial debe partir por informarse sobre los conceptos básicos de la IA, evaluar sus procesos e identificar sus áreas de mejora, con objetivos claros y medibles.

Aunque la inteligencia artificial está de moda, ciertamente está lejos de ser nueva y existe en diversidad de sectores y «sabores», desde la IA generativa capaz de interactuar con clientes hasta la IA predictiva capaz de generar escenarios de mercado para la mejor toma de decisiones de la alta gerencia. Un enfoque con objetivos claros asegura que la adopción de la IA esté alineada con las necesidades del negocio y se base en un presupuesto realista.

Una vez definida la estrategia, la pyme debe prepararse internamente para el cambio, tanto en su infraestructura tecnológica como en su talento humano. En este punto, se recomienda comenzar con proyectos piloto pequeños, de bajo riesgo y alto impacto, como un chatbot, para probar la tecnología y demostrar su valor antes de una inversión mayor.

Contrario a lo que podría pensarse, la adopción de la IA no tiene por qué ser costosa. Existen numerosas herramientas asequibles y modelos de suscripción (SaaS) que se adaptan a los presupuestos de las pymes.

Algunos ejemplos de IA en pymes:

Los ejemplos prácticos de IA para pymes son variados y cubren múltiples áreas del negocio. En el ámbito del marketing y las ventas, herramientas como Jasper o ChatGPT (en su versión paga) automatizan la creación de contenido para blogs y redes sociales, mientras que plataformas como Canva simplifican el diseño gráfico y soluciones como HubSpot o Brevo personalizan campañas de email marketing.

Para mejorar la atención al cliente, la implementación de chatbots inteligentes con tecnologías de Tidio o Zendesk AI permite ofrecer respuestas automáticas e instantáneas. En cuanto a las operaciones y la productividad, es posible automatizar flujos de trabajo con aplicaciones como Zapier o Make y potenciar el trabajo diario con servicios como Fireflies.ai para resumir reuniones.

Recapitulando, existe una plataforma de IA para cada necesidad, por lo cual la pregunta no es su disponibilidad, sino realmente conocer las necesidades de cada empresa y sobre todo su política de datos, porque una IA solo será tan buena como la información con la cual se alimente. ¿Está su pyme lista para eso?

Si quieres saber cómo desde Movistar Empresas te podemos ayudar a impulsar la transformación de tu negocio y a hacerlo de manera sostenible ingresa aquí.

Foto de Freepik

Los LLM han sido los protagonistas de la democratización de la inteligencia artificial, desde ChatGPT hasta Gemini, estas plataformas han revolucionado servicios de atención al cliente, consultas e incluso creación de contenido, pero van mucho más allá de eso y un ejemplo es el sector salud. ¿Cómo lo está cambiando? Descúbralo con nosotros.

Según proyecciones de Global Market Insights, el impacto de la inteligencia artificial en el sector salud es gigantesca, superando los 317 mil millones de dólares en 2032. Una cifra disparada por varias tendencias que van desde la analítica predictiva hasta el uso de los grandes modelos del lenguaje (LLM).

El volumen de este mercado se explica por la diversidad de este nicho, que incluye desde la fabricación de medicamentos,  la administración de recursos, el pago de grandes nóminas y por supuesto la gestión de la experiencia de los clientes (pacientes), así como de los proveedores y el talento humano.

En este nicho los LLM han logrado apalancarse no solo como una herramienta de atención de quejas, trámites y reclamos, también han logrado convertirse en verdaderos asistentes médicos y más avanzado aún, como generadores de datos sintéticos empleados en la lucha contra enfermedades poco frecuentes.

No todos los LLM son iguales

Dados a conocer por el auge de plataformas como ChatGPT, de OpenAI, y Gemini, de Google, entre otros, los grandes modelos de lenguaje se han convertido en la tecnología de moda.  Sin embargo, es importante distinguir entre los modelos de propósito general y sus contrapartes especializadas como ocurre en salud.

Los modelos específicos creados para el sector salud están ajustados con grandes volúmenes de datos médicos que demuestran un rendimiento superior en tareas clínicas de alta complejidad. Además, este mercado requiere de mayor precisión y fiabilidad, imagine las consecuencias de un error en este terreno.

Aplicaciones de los LLM en salud

Los modelos de lenguaje aplicados a la salud están transformando diferentes áreas de la atención médica como el diagnóstico y apoyo clínico. Herramientas como Med-PaLM 2 han alcanzado un desempeño comparable al de expertos en exámenes médicos, lo que permite a los profesionales tomar decisiones más precisas y acceder a información actualizada sobre condiciones y tratamientos.

En cuanto a la automatización administrativa, estos sistemas generan notas clínicas, remisiones, resúmenes y codificación médica, además de responder consultas en portales de pacientes. Esto no solo disminuye la carga operativa, sino que también reduce errores humanos.

De manera complementaria, el análisis multimodal permite procesar texto, imágenes y audios médicos para tareas como la interpretación de radiografías, la estratificación de riesgos y la creación de informes, lo que agiliza evaluaciones más completas.

El presente y futuro de los LLM

La forma más efectiva de integrar los LLM en los flujos de trabajo clínicos es en un rol de apoyo, con supervisión humana de las decisiones finales. Esto se debe al riesgo de que los modelos produzcan resultados inexactos o «alucinados«.

En el presente, los LLM son cruciales para optimizar la administración de la atención médica, abordando la sobrecarga de información y la carga de documentación. Como muestra, los chatbots impulsados por IA y los asistentes virtuales pueden manejar hasta el 70% de las llamadas telefónicas de rutina.

Este enfoque en tareas menos riesgosas es una estrategia para que las organizaciones generen un retorno de inversión (ROI) tangible antes de abordar aplicaciones clínicas de mayor riesgo con la IA.

Además, los LLM especializados facilitan la atención personalizada mediante chatbots que apoyan el triaje, el seguimiento, la educación en salud y la asistencia en salud mental, incluso en distintos idiomas y contextos culturales.

Si quieres saber cómo desde Movistar Empresas te podemos ayudar a impulsar la transformación de tu negocio y a hacerlo de manera sostenible ingresa aquí.

Foto de Freepik

Acuñado en febrero de 2025 por el investigador de IA, Andrej Karpathy, el término Vibe Coding se ha convertido en una tendencia global que está cambiando la forma de desarrollar software. Pero ¿en qué consiste exactamente y hacia dónde se dirige esta iniciativa?

El auge de la inteligencia artificial es tan grande que es probable que ya intuya lo que es el Vibe Coding sin conocer siquiera el término. Hablamos de una iniciativa tan poderosa que podría transformar para siempre la forma en que interactuamos con las máquinas.

Para comenzar, el diccionario Merriam-Webster lo definió de la siguiente manera: «El vibe coding es un término acuñado para referirse a la práctica de escribir código, crear páginas web o aplicaciones simplemente indicando a un programa de inteligencia artificial lo que se desea y dejando que este cree el producto».

En la codificación vibrante o vibecoding (también puede escribirse junto), el programador no necesita comprender cómo o por qué funciona el código, y a menudo tendrá que aceptar que habrá cierta cantidad de errores. Este proceso invita a «dejarse llevar por las vibraciones y olvidar que el código existe».

Este enfoque cambia el rol del desarrollador de la escritura de código línea por línea a un papel de guía y refinador de un asistente de IA. Esto acelera el ciclo de desarrollo y disminuye la barrera de entrada para aquellos sin conocimientos de programación.

Se trata de una iniciativa con el potencial de permitir que cualquier persona se convierta en programador usando lenguaje natural, lo que facilita la comunicación de ideas y la creación rápida de prototipos, un camino abierto por las plataformas low code.

Los grandes actores detrás del Vibe Coding

Las principales compañías que impulsan el desarrollo del vibe coding provienen de distintos sectores tecnológicos. Entre ellas se encuentra Lovable, una startup de Estocolmo que en su primer año superó los 100 millones de dólares en ingresos y alcanzó una valoración de 1.500 millones de dólares.

Otro de los actores relevantes es Anthropic, una de las startups de IA más importantes del momento, que cuenta con el patrocinio de gigantes como Amazon y Google, entre otros. Precisamente, sobre esta tecnología funciona Replit, una propuesta enfocada a perfiles más experimentados en programación con un entorno que favorece la creación acelerada de prototipos.

En el ámbito corporativo, GitHub Copilot en sus versiones Enterprise y Pro se destaca como una herramienta que interpreta grandes bases de código y ofrece funciones de seguridad y escalabilidad para empresas. Pero estas son apenas, la punta de lanza de una competencia global.

Desafíos y riesgos del Vibe Coding

Aunque el vibe coding ofrece beneficios, también plantea desafíos, en especial en la distancia entre la generación y el mantenimiento del código. El software producido por inteligencia artificial puede resultar complejo, duplicado o difícil de manejar. Esto complica la depuración, ya que el programador muchas veces no comprende la lógica detrás del código generado.

Como consecuencia, el ahorro inicial de tiempo puede transformarse en retrasos, mientras los equipos se ven obligados a invertir recursos en una ingeniería inversa del producto. Otro riesgo es la dependencia de la IA. Una confianza excesiva en estas herramientas puede debilitar las habilidades básicas de los desarrolladores y limitar su capacidad de respuesta cuando los sistemas fallan.

Por estas razones, el vibe coding es visto como una herramienta ideal en forma híbrida. Es decir, no sustituirá a los ingenieros de software, sino que transformará sus funciones. Para 2030, se espera que el rol del desarrollador esté más orientado a la orquestación de sistemas, la ingeniería de prompts y la revisión de calidad. ¿Ya ha pensado en implementarlo en su empresa?

Si quieres saber cómo desde Movistar Empresas te podemos ayudar a impulsar la transformación de tu negocio y a hacerlo de manera sostenible ingresa aquí.

Foto de Freepik

Aunque pueden parecer divergentes, el mundo de la moda y la Inteligencia Artificial (IA) están caminando de la mano con nuevas tendencias que van desde asistentes digitales para el diseño, hasta la creación de nuevos materiales más resistentes y amigables con el medio ambiente. Conozca la historia de esta amistad entre la tecnología y la creatividad.

Si es usted amante de la moda y la tecnología no olvide este nombre: The New Black, una plataforma de Inteligencia Artificial que ha logrado reunir a más de 500.000 diseñadores, marcas y creadores que utilizan la tecnología como un asistente en la creación de sus obras.

Se trata de una plataforma que no solo permite crear nuevos diseños a partir de simples instrucciones, también ayuda a generar anuncios publicitarios e incluso tiene un “probador” virtual para que los diseñadores vean cómo se ven sus creaciones en modelos digitales.

Pero The New Black no el único, solo es un ejemplo de la nueva camada de plataformas de inteligencia artificial que están cambiando el mundo textil y de la moda. Entre muchos nombres algunas iniciativas que se destaca son:

• Ablo: plataforma para que empresas escalen marcas de moda con diseño avanzado de IA y colaboración entre creadores, democratizando el diseño.
• Resleeve.ai: genera imágenes fotorrealistas a partir de bocetos o imágenes, útil para prototipos rápidos, sesiones fotográficas virtuales y edición de texturas y patrones.
• Browzwear: software de diseño 3D que convierte patrones en prendas virtuales precisas, ayudando a acelerar tiempos y mejorar el ajuste antes de producción física.
• CLO: software de diseño 3D muy usado en la industria para visualización realista y simulación de prendas.

Campos de acción de la IA en la moda

Pero no solo la nueva ola de startups de diseño y gestión textil están usando inteligencia artificial también marcas reconocidas como G-Star RAW y Desigual la usan para optimizar el diseño y lanzamiento de colecciones, personalizar productos y prever necesidades logísticas, buscando mayor eficiencia y mejores experiencias de compra y uso.

Porque la inteligencia artificial (IA) ha pasado de ser una herramienta complementaria a una tecnología central que está reconfigurando la industria de la moda y la industria textil en su totalidad en múltiples campos de acción. Algunos de sus usos incluyen:

• Diseño de moda y creación de patrones
• Seguimiento de tendencias y comportamiento del consumidor
• Personalización y adaptación

Específicamente la IA actúa como asistente creativo para los diseñadores, sugiriendo nuevas ideas, patrones y gamas cromáticas. Herramientas como AiDa y Refabric permiten generar colecciones originales basadas en imágenes y bocetos, acelerando el proceso de diseño.

En lo que toca a tendencias y comportamiento del consumidor, los algoritmos de IA analizan grandes volúmenes de datos (redes sociales, desfiles, revistas, fotos en línea), para identificar patrones emergentes y diseñar prendas alineadas con las preferencias del público. Esto permite prever tendencias, adaptar creaciones a demandas actuales y maximizar ventas.

Además, la IA permite adaptar diseños a necesidades específicas de consumidores, creando prendas personalizadas y variaciones de modelos sin el trabajo manual tradicional. Los algoritmos pueden ajustar medidas, estilos y detalles y proponer accesorios en función de la estética deseada.

Innovación en textiles y procesos

Otro aspecto donde la IA impacta a la industria textil es en la inspección automatizada de telas, detección de defectos, mantenimiento predictivo y optimización de cadenas de suministro, reduciendo desperdicio y mejorando la sostenibilidad. El uso de IA también ayuda a aprovechar mejor los materiales y minimizar el impacto ambiental de la producción.

Además, la combinación de IA y componentes digitales ha hecho posible los llamados textiles inteligentes: tejidos con sensores, hilos conductores y microprocesadores que responden a condiciones externas (temperatura, movimiento, presión). Por ejemplo, ya existen prendas que cambian de color en tiempo real basadas en gestos o fotos, y ropa capaz de monitorear la salud del usuario y ajustar características como la temperatura automáticamente.

Si quieres saber cómo desde Movistar Empresas te podemos ayudar a impulsar la transformación de tu negocio y a hacerlo de manera sostenible ingresa aquí.

Foto de Freepik