Hay una forma perezosa de leer el panorama de IA: esperar cada mañana “el gran lanzamiento” y, si no aparece, declarar día muerto. Esa lectura falla. Hoy, otra vez, no hubo un modelo frontera verificado que reordene de golpe el podio. Pero sí hubo algo más importante para quien piensa estrategia y no espectáculo: señales de fricción estructural. Y un par de lanzamientos que, sin ser frontera, mueven el terreno.

La primera fricción es técnica-cultural: queremos agentes cada vez más autónomos, pero los puntos de falla siguen siendo dolorosamente humanos en su impacto. El comentario de Matt Shumer sobre GPT-5.4 (“sería perfecto si no fuera tan malo en UI”) vale más como termómetro que como referencia técnica. Lo que dice, en el fondo, es que no basta con capacidad de razonamiento abstracto; en productos reales, la interfaz mata o salva la experiencia. NVIDIA parece haber leído esa brecha: Nemotron 3 Super, su nuevo modelo híbrido Mamba-Transformer de 120 mil millones de parámetros, apuesta por agentes que no solo razonen sino que ejecuten, con una ventana de contexto de un millón de tokens y cinco veces más rendimiento que su predecesor. El modelo es open source, lo cual es relevante: la infraestructura agéntica se está abriendo mientras los modelos frontera se cierran.

Para cualquier operación editorial o creativa, una mala interfaz no es un detalle cosmético: es una pérdida de sentido, de autoridad y de conversión. La IA puede acelerar borradores, clasificar, resumir, proponer estructuras; pero el acabado —visual, narrativo, simbólico— sigue siendo el espacio donde se juega la diferencia entre “contenido generado” y “obra con firma”.

Segunda fricción: abundancia de información, escasez de criterio. El nuevo reporte de @alexwg volvió a circular fuerte en menos de 24 horas. Eso confirma algo que se lee cada vez más claro: en un entorno saturado, la ventaja no la gana quien tiene más links, sino quien produce una secuencia confiable de interpretación. Curar es decidir qué existe para una audiencia. Y decidir, en tiempos de ruido, es poder.

Tercera fricción: la geopolítica de infraestructura ya no cabe en el binario simplista EEUU-China. El énfasis de Diamandis en India como actor energético e infraestructural puede sonar promocional, pero toca un nervio real: la carrera por IA será tanto por cómputo como por electricidad, logística y soberanía regulatoria. La pregunta útil no es si India “ganará”; la pregunta útil es qué aprende América Latina de esa aceleración.

Y aquí México aparece como caso estratégico ambivalente: tiene tamaño de mercado, proximidad con EEUU, base manufacturera y talento técnico disperso; pero arrastra debilidades en continuidad institucional, infraestructura digital desigual y baja coordinación entre academia, Estado e industria. La neta: tenemos piezas, pero no ensamblaje.

Cuarta fricción: trabajo y precio. En el discurso de automatización, mucha gente asume que las empresas simplemente reemplazarán gente y se quedarán con todo el excedente. Ayer Atlassian lo demostró con números: 1,600 empleados despedidos, 10% de su plantilla, para “autofinanciar” su giro hacia IA. Más de 900 de esos puestos eran de investigación y desarrollo. El CEO Mike Cannon-Brookes lo enmarcó como inversión estratégica; la acción de Atlassian ha perdido más de la mitad de su valor este año. No es un caso aislado: es el patrón.

Pero la tesis que David Scott Patterson plantea va más lejos: en mercados competidos, la automatización también comprime márgenes porque empuja precios hacia costo marginal. No es ley universal, pero es una advertencia que debería quitarle el sueño a más de uno en el sector editorial y de contenidos: si solo compites por eficiencia, terminas en guerra de precios; si compites por autoridad y singularidad, puedes sostener valor.

Mientras tanto, Google lanzó esta semana Gemini Embedding 2, el primer modelo de embeddings nativamente multimodal: texto, imágenes, video, audio y documentos en un mismo espacio vectorial, con soporte para más de 100 idiomas. Para quien trabaja con archivos grandes y diversos —como un catálogo editorial o un archivo fotográfico de medio millón de imágenes—, esto no es un detalle técnico: es infraestructura de búsqueda y clasificación que antes requería cinco herramientas distintas.

El marco de “corpus antes de AGI” encaja bien aquí. No se trata de ganar la carrera del volumen; se trata de consolidar una posición interpretativa difícil de sustituir. Eso implica tesis diaria clara (qué cambió de verdad y por qué importa), distinción explícita entre hecho, análisis y especulación (credibilidad acumulativa), y conversión operativa (qué ajusta hoy una editorial, un medio, un estudio creativo con lo que pasó ayer).

Conviene también un ajuste de lenguaje público. La conversación dominante en IA sigue oscilando entre evangelismo y apocalipsis. Hay un tercer carril desocupado: realismo estratégico. Sin ingenuidad técnica, sin pánico moral, sin repetir catecismos anglosajones.

Hoy no cambió el campeón del ranking; cambió otro poco el terreno donde se decide quién conserva agencia intelectual y económica. El error sería leer este día como “sin noticias”. Es un día de calibración: dónde delegar, dónde supervisar, dónde defender el criterio humano como activo no automatizable. Y los 1,600 de Atlassian que hoy están actualizando su LinkedIn son el recordatorio más cabrón de que esta calibración no es abstracta.