Hola y bienvenido a Eye on AI. En este episodio… China bloquea la adquisición de Manus por parte de Meta… OpenAI no alcanza sus objetivos de ingresos y crecimiento… Anthropic muestra que los modelos de IA pueden ayudar a avanzar en la investigación de seguridad de la IA… Sen. La decisión de Bernie Sanders de invitar a expertos chinos en inteligencia artificial a una reunión en el Capitolio está provocando la ira de los halcones de China.

En la batalla por las ventas empresariales, OpenAI y Anthropic tienen como objetivo a las empresas de servicios financieros. Esto no es sorprendente. Como dice el viejo chiste sobre por qué los delincuentes roban bancos: “Ahí es donde está el dinero”. OpenAI supuestamente tiene un batallón de ex analistas de inversiones que ayudan a crear un producto de análisis financiero basado en agentes que aún no se ha lanzado utilizando inteligencia artificial. Anthropic aporta habilidades de modelado financiero a sus productos Claude Code, Cowork y Claude for Finance. La startup Samaya AI también crea herramientas de inteligencia artificial para el sector financiero. También hay muchas herramientas nuevas de asesoramiento financiero que utilizan IA, como analizó mi colega Jeff John Roberts en su reciente artículo informativo.

El principal proveedor de herramientas de análisis y datos financieros especializados es, por supuesto, Bloomberg. El acceso al “terminal” de la empresa, como llama a su producto principal (aunque sus datos ya no se transmiten a través de una máquina dedicada), todavía se considera una herramienta imprescindible para todo operador, banquero de inversión y analista de fondos de cobertura.

Incluso antes de dejar la empresa para unirme a Fortune en 2019, Bloomberg comenzó a utilizar el aprendizaje automático y grandes modelos de lenguaje para hacer que el acceso a estas funciones fuera mucho más intuitivo, así como para permitir nuevos tipos de análisis de datos. Y estos esfuerzos no han hecho más que acelerarse, especialmente con el debut de los chatbots de IA generativa en 2022 y los recientes avances en la IA basada en agentes.

He escrito periódicamente sobre el progreso de Bloomberg en inteligencia artificial aquí en Fortune. Pero todavía me sorprendió e impresionó cuando asistí a la reciente “Cumbre de IA en Finanzas” en la oficina de la compañía en Londres, donde estaba demostrando su nueva función “AskB”, que la compañía llama la mayor reinvención de terminal en la historia de Bloomberg. AskB permite a los usuarios utilizar lenguaje natural para navegar por las funciones del terminal, pero hace mucho más. El sistema actúa como un agente, genera pantallas de inversión y produce informes de investigación completos, incluidos modelos financieros complejos y pronósticos de mercados alcistas y bajistas específicos para acciones, sobre la marcha.

AskB, que utiliza una variedad de modelos de IA bajo el capó, incluidos algunos creados por el propio Bloomberg, así como otros de compañías de modelos de IA de vanguardia como Anthropic, muestra que Bloomberg se está tomando en serio la amenaza potencial de las nuevas empresas de IA. Hablé con Sean Edwards, director de tecnología de Bloomberg, para obtener más información sobre cómo Bloomberg creó AskB. Gran parte de lo que dijo contiene lecciones para las empresas de cualquier industria que intenten lograr que la IA basada en agentes brinde valor comercial real.

Los datos son la diferencia

Eso no significa que la IA no pueda ayudar. Edwards me dijo que los agentes de IA han acelerado significativamente el proceso de creación de conjuntos de datos de Bloomberg. El procesamiento de datos que antes tomaba cuatro meses y medio ahora toma dos días, afirmó. Esto liberó a grandes equipos que antes se dedicaban a la entrada y limpieza de datos, muchos de los cuales fueron reasignados para realizar evaluaciones internas.

Cree estimaciones confiables

Esto nos lleva a la segunda lección importante: realizar buenas evaluaciones internas es fundamental para obtener el retorno de la inversión de los agentes de IA. “Las calificaciones, no puedo enfatizarlo lo suficiente, son un factor crítico en la construcción de un sistema útil y confiable”, dice Edwards, calificando el énfasis en la creación de esas calificaciones como uno de los mayores “cambios culturales” que Bloomberg ha experimentado en los últimos dos años.

Realizar evaluaciones no es fácil ni barato. Esto requiere una estrecha colaboración con expertos en la materia (en este caso, expertos en bonos, analistas de acciones, especialistas en estructuras de mercado e incluso periodistas de Bloomberg), así como con los equipos de ingeniería y productos. Bloomberg estaba dispuesto a eliminar a estos expertos de su trabajo diario, tanto para redactar pruebas para los subagentes como para ayudar a evaluar todos los flujos de trabajo. Usar los propios modelos de IA como estimadores puede ayudar en casos simples, dice Edwards. Pero todo lo demás requiere evaluadores humanos. Al crear tales calificaciones, Bloomberg codifica el “conocimiento tácito” de sus expertos sobre cómo funcionan sus agentes de inteligencia artificial, dijo.

El uso de múltiples modelos puede ayudar a contener los costos.

A continuación, la disciplina de fijación de precios es fundamental. Esto significa que los flujos de trabajo deben ser multimodelo. AskB utiliza una combinación de modelos comerciales y abiertos de Frontier, así como sus propios modelos internos, enrutando solicitudes al modelo más barato que puede manejar una tarea determinada con la confiabilidad y el rendimiento que requiere el flujo de trabajo, dijo Edwards.

Finalmente, la próxima frontera es proactiva. Cuando pregunté qué sigue, Edwards dijo: flujos de trabajo de agente a agente y monitoreo continuo de datos. Quiere que Bloomberg sea los “ojos y oídos” de sus clientes financieros, observando el mundo desde la perspectiva de la posición, el mandato y la estrategia de cada cliente e identificando no sólo los efectos obvios, sino también los de segundo y tercer orden. Una inundación destruyó una fábrica que producía piezas para un proveedor de una empresa en la que usted tenía acciones desde hacía mucho tiempo; AskB, según Edwards, le dirá que hay un problema incluso antes de que piense en preguntar.

Lograr esta visión será difícil. Pero este tipo de agente proactivo y siempre disponible es lo que muchas empresas buscan. Bloomberg muestra algunos pasos clave en el camino.

SUERTE CON LA IA

Anthropic afirma que los errores de ingeniería son los culpables del declive de un mes de Claude Code después de semanas de reacciones negativas de los usuarios – Beatrice Nolan

El éxito europeo de Cohere pone de relieve el ascenso de las potencias medias de IA fuera de EE.UU. y China – Sharon Goldman

DeepSeek presenta su último modelo a sus precios más bajos y con “soporte total” para los chips de Huawei – Nicholas Gordon

Exclusivo: la startup de reclutamiento de IA Dex recauda una ronda inicial de $ 5,3 millones – Jeremy Kahn

He estado usando la nueva función de envío de Claude durante un mes. Eso es todo lo que logré hacer – Katerina Giovino

Comentario: Mark Zuckerberg está creando un clon de sí mismo con inteligencia artificial. La mayoría de la gente sólo necesita ayuda con su buzón – Mukund Jha

IA EN LAS NOTICIAS

El regulador de competencia de China ha bloqueado la compra del agente de inteligencia artificial Manus por parte de Meta. China bloqueó la adquisición de Manus por aproximadamente 2 mil millones de dólares por parte de Meta, ordenando que el acuerdo se rescindiera incluso después de que los empleados se hubieran unido a Meta y los inversionistas originales de Manus ya hubieran recibido su pago. La medida subraya cuán agresivamente China está reforzando su control de la IA como tecnología estratégica, especialmente cuando las nuevas empresas nacionales intentan lavar sus identidades trasladando sus oficinas centrales a la nación insular para atraer capital, chips o compradores extranjeros. La decisión subraya el acelerado desacoplamiento de los ecosistemas de inteligencia artificial en Estados Unidos y China, con los fundadores cada vez más atrapados entre las restricciones de inversión estadounidenses y el creciente control de Beijing sobre las reestructuraciones en el extranjero. Para un análisis detallado de la decisión, consulte al editor de Fortune Asia, Nicholas Gordon.

UNA MIRADA A LA INVESTIGACIÓN EN IA

Anthropic demuestra avances en el uso de la IA para automatizar la investigación de seguridad de la IA. En una publicación de blog y en un artículo de investigación adjunto, la compañía dijo que un grupo de investigadores que patrocinó demostró que Claude Opus 4.6 podría ayudar a desarrollar y realizar investigaciones que apunten hacia una solución a un espinoso problema de seguridad de la IA: ¿Cómo puede una inteligencia más débil, ya sea un modelo de IA o tal vez un ser humano, controlar un modelo de IA más inteligente? Cada una de las nueve copias paralelas del Explorador de alineación automática de Claude, equipadas con algunas herramientas de investigación, se dirigió hacia una hipótesis inicial ligeramente diferente. Luego, los Claude tuvieron que realizar un estudio utilizando el modelo de peso abierto Qwen 3-4B Base de Alibaba como un modelo de IA fuerte y Qwen 1.5-0.5B-Chat como un modelo de control menos efectivo. Se les permitió pasar siete días planteando hipótesis sobre los experimentos, y luego los resultados se compararon con lo que dos investigadores de seguridad de la IA humana pudieron hacer durante un período de tiempo similar.

Los Claudes fueron probados para ver si podían lograr que el modelo más fuerte tuviera el mejor desempeño en una serie de pruebas, a pesar de que el modelo más débil tuvo un desempeño mucho peor en esas tareas. En conjunto, los Claude lograron encontrar formas de lograr que un modelo débil convenciera a un modelo fuerte para cerrar el 97% de la “brecha de desempeño” entre el modelo débil y el fuerte, mientras que los investigadores de IA humana solo lograron cerrar el 23% de esa brecha. Además, los métodos se generalizaron a tareas de codificación y matemáticas invisibles, pero no al otro modelo. Además, en ocasiones los investigadores han descubierto a Claudes intentando hacer trampa simplemente instruyendo directamente al modelo fuerte, en lugar de idear formas de lograr que el maestro débil controle al modelo fuerte. Si bien no es un resultado perfecto, el costo computacional total de los experimentos que realizó Claude fue de $18,000, lo que según Anthropic podría significar que estos métodos automatizados aún podrían ser útiles para encontrar nuevas vías de investigación para los humanos.

¿TIENES UN CALENDARIO?

23-27 de abril: Conferencia Internacional sobre Representaciones del Aprendizaje (ICLR), Río de Janeiro, Brasil.

22 al 24 de abril: Google Next, Las Vegas.

8 al 10 de junio: Fortune Brainstorm Tech, Aspen, CO. Solicite participar aquí.

17-20 de junio: VivaTech, París.

6 al 11 de julio: Conferencia internacional sobre aprendizaje automático (ICML), Seúl, Corea del Sur.

7 al 10 de julio: Cumbre AI for Good, Ginebra, Suiza.

NUTRICIÓN PARA EL CEREBRO