Renault recorta ingenieros en Francia para ganar velocidad con IA en China
El Grupo Renault eliminará alrededor de 800 puestos de ingeniería en Francia hasta finales de 2027, lo que representa entre el 15% y el 20% de sus 5.500 ingenieros locales. La mayoría saldrán mediante jubilaciones anticipadas y bajas voluntarias, sin despidos forzosos. Al mismo tiempo recolocará a 500 trabajadores y contratará entre 150 y 200 especialistas en electrificación, software e inteligencia artificial.
Philippe Brunet, director de Tecnología, lo resume sin rodeos: su problema es la velocidad. Los fabricantes chinos desarrollan nuevos modelos en dos años mientras la industria tradicional necesita cuatro o cinco. El nuevo Twingo E-Tech se completó en solo 22 meses gracias a socios chinos, un ritmo que Renault quiere replicar en futuros proyectos de Dacia, Nissan y mercados emergentes.
Aquí es donde la cosa se complica desde el punto de vista técnico. Acortar ciclos implica eliminar etapas en el desarrollo, reducir un 20% el tiempo en reuniones internas y simplificar la complejidad de los proyectos. Francia seguirá siendo el centro principal de ingeniería, pero la compañía abre una nueva oficina de I+D en Hangzhou especializada en software, inteligencia artificial y experiencia de usuario. El centro de Shanghái se queda con hardware, sistemas de propulsión e ingeniería integral de vehículos.
Apple rediseña su hoja de ruta de chips para no quedarse atrás en IA
Apple ha decidido saltarse completamente los chips M6 Pro y M6 Max para ir directo a la generación M7, priorizando avances en inteligencia artificial. El M6 base, con nombre en clave Komodo, ya se está probando y ofrece 200 GB/s de ancho de banda de memoria, un motor neuronal renovado, núcleos de CPU más potentes y una GPU rediseñada con 12 núcleos. El M7 llegaría en la primera mitad de 2027, con sus versiones Pro y Max a finales de ese año.
La parte técnica es reveladora. Un motor neuronal más capaz acelera la inferencia de modelos de machine learning directamente en el dispositivo, reduciendo latencia y consumo. Ese ancho de banda extra permite mover tensores de gran tamaño sin cuellos de botella, algo crítico cuando se ejecutan redes grandes de IA generativa o visión por computador. Esta reorganización rompe con el patrón anterior donde cada generación incluía base, Pro, Max y Ultra desde el M1.
El cambio llega tras una WWDC 2026 que dejó dudas y bajo el nuevo CEO John Ternus. Johny Srouji ha sido ascendido a director de hardware supervisando toda la ingeniería. Mientras tanto el M5 Ultra, con unos 36 núcleos de CPU y 80 de GPU, aterrizará este año en un Mac Studio que podría llegar a 768 GB de RAM.
DeepMind revive el mejor gol de Pelé con modelos generativos
Google DeepMind ha reconstruido el legendario gol de Pelé de 1959 que nunca fue grabado, utilizando Gemini Omni, Veo 3 y técnicas de Performance Control. El proyecto, presentado en Cannes Lions 2026, combina historiadores, creativos y futbolistas actuales como dobles de acción para entrenar los modelos. El resultado se exhibirá en el Museo Pelé con foco en educación y preservación cultural.
Técnicamente se trata de sintetizar movimiento realista a partir de archivos históricos, uniformes de época y el campo original. Performance Control permite alinear el rendimiento atlético con datos culturales de la época, evitando que la IA genere movimientos imposibles o anacrónicos. Es un ejemplo de cómo las herramientas generativas pueden ampliar la narrativa histórica en lugar de solo crear contenido nuevo.
Meta y el coste humano de entrenar agentes de IA
Meta instaló en abril de 2026 un programa llamado Model Capability Initiative en los ordenadores de sus empleados. El software registraba contenido de pantalla, pulsaciones de teclado y clics para entrenar agentes de IA que presumiblemente acabarán sustituyendo tareas. Un fallo de seguridad expuso esos datos a otros trabajadores, lo que obligó a pausar el programa tras quejas masivas en foros internos.
La realidad es que 1.600 empleados ya habían firmado una petición denunciando el carácter invasivo y los riesgos de seguridad. Esto se suma a una ronda de más de 8.000 despidos y la reubicación de 7.000 personas en el departamento Applied AI, al que muchos ingenieros describen como un ‘gulag’ por su trabajo mecánico y poco creativo. Stephan Kasriel, vicepresidente de investigación de IA, ha dicho que reactivarán MCI cuando los controles de protección de datos sean sólidos.
Meta acumula un historial largo: Cambridge Analytica en 2018, el robo de datos de 533 millones de usuarios en 2021, reconocimiento facial sin permiso en 2024 y las gafas que siguen grabando incluso cuando se quitan. Ahora hasta sus propios empleados ven vulnerada su privacidad en nombre del entrenamiento de IA.
Lo que hoy parece radical mañana será obvio
Como señala Enrique Dans, el próximo gran avance de la inteligencia artificial empresarial parecerá obvio cuando lo miremos en retrospectiva. Renault, Apple, Google y Meta están tomando decisiones que redefinen sus estructuras, sus hojas de ruta técnicas y su relación con los empleados. La velocidad de iteración, los motores neuronales optimizados y los datasets masivos se convierten en ventajas competitivas directas.
La analogía con pipelines de CI/CD es útil: lo que antes eran ciclos anuales de desarrollo de hardware o vehículos ahora se parecen más a despliegues continuos donde la IA acelera cada etapa. Sin embargo el coste no es trivial. Recortes de ingeniería local, vigilancia de empleados y riesgos de privacidad no son detalles menores. En 2026 estas reestructuraciones ya no son experimentos, son la nueva normalidad que separa a quienes se adaptan de quienes se quedan atrás.