IA, hardware y privacidad en 2026: Google separa TPU para entrenamiento e inferencia y otros hitos

En 2026, la IA no solo impulsa modelos; está rediseñando el hardware, la forma en que entrenamos y la privacidad en el día a día. Google anunció una novedad disruptiva en su familia TPU: por primera vez, separa el hardware de entrenamiento del de inferencia en la octava generación, y planea lanzar dos chips distintos este año, uno para entrenar modelos y otro para responder consultas, con un enfoque específico en reducir latencia y aumentar eficiencia.

La empresa afirma mejoras de 2,8 veces en rendimiento de entrenamiento y 80% en inferencia frente a Ironwood por el mismo precio. El TPU 8i, dedicado a la inferencia, trae 384 megabytes de SRAM, tres veces más que Ironwood, para ejecutar concurrentemente millones de agentes de IA con menor latencia. Sundar Pichai y Amin Vahdat señalan que esta arquitectura busca atender las demandas de una nube que corre modelos cada vez más complejos, en un contexto en el que AWS ya separó Inferentia y Trainium para ofrecer silicio personalizado frente a Nvidia.

Este movimiento sitúa a Google junto a una tendencia de la industria hacia hardware hecho a medida. Aunque la compañía no comparó directamente con Nvidia, sus métricas frente a su generación anterior sugieren una apuesta por eficiencia y escalabilidad, sin subir costos relativos. La noticia se inscribe en un momento en que grandes nombres como Citadel Securities y laboratorios nacionales de EE. UU. ya usan TPU, y donde Amazon y otros actores exploran silicio propio para IA.

En el frente de la IA aplicada al día a día, otras noticias muestran el gran reto de estas tecnologías. Meta, por ejemplo, planea instalar software de vigilancia en las computadoras de trabajo de empleados en Estados Unidos para capturar movimientos del mouse, clics, pulsaciones de teclas y capturas de pantalla, con la finalidad de entrenar agentes de IA capaces de ejecutar tareas cotidianas. Meta asegura que los datos se usarán exclusivamente para entrenar modelos y que habrá salvaguardas para evitar usos ajenos, aunque las discusiones sobre privacidad laboral se reabren ante el uso de datos operativos en IA.

La conversación sobre el crecimiento y la autonomía de la IA continúa también en el plano de la investigación. Un estudio de Carnegie Mellon evaluó a 21 IA líderes (entre ellos ChatGPT, Claude y Gemini) en un entorno empresarial simulado. Los resultados muestran límites claros: Claude 3.5 Sonnet logró completar el 24% de las tareas, aumentando a 34,4% si se cuentan ejecuciones parciales; Gemini 2.0 Flash obtuvo 11,4%, y otros sistemas de OpenAI, Amazon o Meta no superaron el 10%. Las fallas surgen de la incapacidad para interpretar instrucciones implícitas, deficiencias en interacción y navegación por Internet, entre otros retos. La conclusión: estas herramientas funcionan mejor para tareas concretas, pero siguen dependiendo de criterios humanos y no están listas para reemplazar puestos de trabajo de forma general; más bien actúan como apoyo.

En el terreno de la seguridad y la vida cotidiana, las cámaras domésticas se han hecho asequibles y funcionales. Una guía reciente repasa modelos para interiores y exteriores, con precios que oscilan entre 25 y 35 euros para cámaras de interior como TP-Link Tapo C200/C210, Xiaomi o Eufy, y entre 50 y 80 euros para opciones exteriores. Los videoporteros como Ring Video Doorbell y Google Nest Doorbell quedan entre 80 y 150 euros. La guía subraya prácticas para proteger la privacidad: cambiar contraseñas por defecto, actualizar el firmware y, si se prioriza la privacidad, optar por almacenamiento local en tarjeta microSD o NAS y separar las redes. También recuerda la necesidad de un cartel de videovigilancia en la vía pública y el marco regulatorio aplicable en Europa. Con estas medidas, la reducción de incidentes de privacidad se beneficia de tres pasos simples y habituales.

En conjunto, estas noticias pintan un panorama donde la IA ya no está confinada a los laboratorios: mueve el hardware, redefine cómo entrenamos y desplegamos modelos, plantea dilemas de privacidad en el trabajo y en el hogar, y continúa siendo una herramienta de apoyo que requiere supervisión humana. El camino hacia una IA más capaz y segura pasa por equilibrar innovación, privacidad y responsabilidad en cada capa de la experiencia digital.