5 tendencias críticas a tener en cuenta en DevOps

El software hace que el mundo gire cada vez más. Sin esta infraestructura digital crítica, la economía y la sociedad en general no funcionarían.

Pero como han demostrado acontecimientos recientes como la interrupción de CrowdStrike el año pasado, los enormes saltos en la potencia y complejidad del software, incluida la integración de la IA en el proceso de desarrollo, aumentan el potencial de que las cosas se tuerzan rápidamente.

¿Cómo pueden los equipos de software aprovechar mejor las nuevas herramientas sobrealimentadas que tienen a su disposición? He aquí cinco cosas que nos esperan.

1-A medida que los consumidores pierden la paciencia con las interrupciones, los desarrolladores hacen el software más resistente


Para los consumidores, la interrupción de CrowdStrike es solo la punta del iceberg. Otras interrupciones de software recientes incluyen el paro por vacaciones de American Airlines, el cierre global de las aplicaciones de Meta y un fallo de Microsoft 365.

Cuando encargamos una encuesta a consumidores estadounidenses en 2024, su resentimiento era palpable. Más de la mitad se habían visto afectados por interrupciones del software.

Lo irónico es que estas interrupciones no se deben a piratas informáticos ni a problemas de seguridad, sino a fallos evitables y descuidos en el propio proceso de desarrollo.

¿Cuál es la solución? En el futuro, cada vez más empresas adoptarán las modernas prácticas DevOps, herramientas y procesos que hacen que la entrega de software sea más fiable y eficiente. DevOps, una disciplina emergente hace apenas unos años, se está convirtiendo rápidamente en una apuesta segura en todos los sectores.

2-La IA trasciende el bombo publicitario

Aproximadamente el 60 % de los desarrolladores utilizarán IA en 2024, casi un 20 % más que el año anterior. Pero hasta ahora, no hemos visto las ganancias de productividad de IA esperadas. Eso cambiará en el futuro.

A medida que los equipos de software descubran cómo hacer operativa la IA, la tecnología empezará a mostrar su valor real.

Los desarrolladores tienen ahora acceso a plataformas de entrega de software nativas de IA que incorporan agentes de IA en todas las fases del proceso de desarrollo, no sólo en la codificación.

3-Amenazas a la seguridad (y respuestas)


Aunque de incalculable valor para los desarrolladores, la IA también ha sido una bendición para los piratas informáticos. Por ejemplo, agentes estatales de China, Rusia e Irán han estado utilizando herramientas de OpenAI para perfeccionar sus habilidades y engañar a sus objetivos. De hecho, la mayoría de los piratas informáticos coinciden en que las empresas que adoptan la IA han creado nuevos vectores de ataque.

Una vulnerabilidad cada vez más explotada: Las API, las puertas y ventanas al código que permiten a las aplicaciones «hablar» entre sí. En los últimos dos años, el 57% de las organizaciones se han visto afectadas por una brecha de seguridad en las API. Y en una encuesta que realizamos, más de dos tercios de las empresas afirmaron que genAI supone un riesgo para la seguridad de las API.

4-Las plataformas DevOps ofrecen a los desarrolladores una ventanilla única


A medida que DevOps madura, ha surgido un problema importante: demasiadas herramientas.

Las soluciones puntuales, herramientas prácticas y automatizaciones que facilitan la vida de los desarrolladores, están empezando a abrumarlos.

Todo ello apunta a la necesidad de una plataforma sólida e integrada que reúna las herramientas necesarias para el desarrollador en un único lugar. Sin embargo, lo más importante es que todas las soluciones sean las mejores de su clase. Los desarrolladores no son indulgentes y prefieren crear sus propias herramientas antes que utilizar otras inferiores.

Por todas estas razones, es de esperar que la ingeniería de plataformas se generalice este año.

5-Las herramientas de costes en la nube se convierten en una misión crítica


Para los desarrolladores, controlar los costes de los servicios en la nube siempre ha sido un quebradero de cabeza. La IA ha llevado esa frustración a un nivel completamente nuevo.

Debido a que las últimas aplicaciones de IA utilizan tanta potencia de procesamiento, los costes de la nube pueden aumentar rápidamente, dando lugar a enormes facturas sorpresa. Para una empresa media, el gasto en la nube se ha disparado un 30% en el último año, en gran parte debido a la IA generativa.

Para los desarrolladores de software, se avecinan grandes oportunidades, junto con crecientes amenazas. Los equipos que se mantengan vigilantes y aprovechen las mejores herramientas estarán mejor posicionados para ver ganancias reales de productividad de la IA, evitando al mismo tiempo los escollos de seguridad y calidad.

El contenido original de esta nota fue publicado en Fastcompany.com. Para leer la nota completa ingresá acá

La IA exige más desarrolladores de software, y no menos

Ha llegado ya la hora de enterrar el mantra de que la IA significa que ya no se necesitarán más desarrolladores de software. Y es que, durante años, hemos escuchado que la IA generativa y los grandes modelos de lenguaje (LGM) terminarían por quitarnos el trabajo. Y si vemos el desarrollo de software, eso vendría a suponer que cada vez habrá menos humanos escribiendo código, pero eso no es lo que sugieren los datos. Porque, en lugar de dejar de lado a los desarrolladores, las herramientas de codificación de IA como GitHub Copilot estimulan a las organizaciones para crear más cantidad de software de una manera más rápida

En consecuencia, conforme las herramientas de IA abaratan y facilitan la codificación, la demanda de código se dispara, al igual que la necesidad de desarrolladores cualificados. Así que, la única pregunta real que queda es: ¿qué papel desempeñarán los desarrolladores junior en el desarrollo de software impulsado por la IA?

Codificación más rápida, mayor rendimiento

Partamos de la base de GitHub Copilot. Un estudio interno dividió a 95 ingenieros en dos grupos: los que tenían aquella solución y los que no. Los primeros terminaron una tarea de codificación un 55% más rápido, con una tasa de éxito general más alta (78% frente a 70%).

Si miramos más allá de los pequeños experimentos, los datos consistentes. En 2023, GitHub ya reconoció que Copilot generó cerca del 46% de todo el código en archivos donde está habilitado, porcentaje que alcanza el 60% e incluso más dependiendo del lenguaje. Eso incluye Java, uno de los lenguajes empresariales más utilizados en el mundo.

El resultado es ingenieros que consiguen hacer más, se sienten menos frustrados y pueden asumir proyectos que antes dormían en el repositorio de tareas atrasadas. Los estudios demuestran que los equipos asistidos por IA también disfrutan de mayores tasas de precisión: en algunas pruebas, el código automatizado tuvo una tasa de éxito un 53% mayor en las pruebas en
comparación con el código escrito de manera manual.

Más IA, más personas

Esta ganancia inesperada de productividad tiene una consecuencia pasmosa. Cuando un equipo cumple con su lista de tareas en la mitad de tiempo, no invita a sus ingenieros a tomarse libre el resto del año. Lo que hace es centrarse en una nueva idea de negocio. Ahora, las empresas se dedican a crear el doble de cosas, pero sólo contratan a la mitad de desarrolladores, con lo que llegamos al efecto de la paradoja de Jevons: hacer que la codificación sea más eficiente impulsa a las organizaciones a expandirse, abordando iniciativas de software más grandes y diversas.

Por consiguiente, ahí van algunas razones de por qué veremos a los desarrolladores cualificados volverse más importantes con la IA, en lugar de ocurrir al contrario:

-Productividad: todas las empresas tienen una lista de funciones deseadas, herramientas internas, proyectos de automatización e ideas de aplicaciones que no se han desarrollado debido a limitaciones de tiempo y recursos. Los LLM reducen la energía de activación que se necesita para iniciar estos proyectos.

-Mantenimiento: cuanto más software se escriba, más habrá que probar, depurar, proteger, mantener, actualizar e integrar. El código generado por los LLM no está libre de errores ni se mantiene por sí mismo. En todo caso, la velocidad de generación podría llevar inicialmente a una revisión cuidadosa, refactorización y soporte del código.

-Complejidad: los LLM destacan en tareas bien definidas y localizadas basadas en patrones aprendidos de vastos conjuntos de datos. En cuanto a estadísticas, brillan, pero les cuesta afrontar cuestiones tales como la arquitectura de sistemas a gran escala, la resolución de problemas novedosos, la comprensión profunda del contexto empresarial, las consideraciones de seguridad complejas, la optimización del rendimiento bajo cargas inusuales y el diseño de experiencias de usuario matizadas.

-Control de calidad: en relación con lo anterior, un LLM podría generar código que parezca aceptable, pero ¿es seguro? ¿Es eficiente? ¿Maneja correctamente los casos extremos? ¿Se alinea con la arquitectura general del sistema y los objetivos empresariales? Los desarrolladores humanos son controladores de calidad esenciales. Salvan la brecha entre el código generado y el software fiable y listo para la producción.

Por eso seguiremos necesitando personas. Como recordatorio de por qué también necesitaremos más IA, una investigación de IBM sugiere que la IA generativa podría traducirse en un 15% a 20% más de productos o funciones lanzados por las empresas, con un tiempo de comercialización entre un 10% y un 15% más rápido. Sin duda, una enorme ventaja competitiva.

El contenido original de esta nota fue publicado en Computerworld.es. Para leer la nota completa ingresá acá

Starups "low-cost": cómo la inteligencia artificial está abaratando el costo de fundar una empresa

Casi todos los días, Grant Lee, un empresario de Silicon Valley, recibe noticias de inversores que intentan persuadirlo para que acepte su dinero. Algunos incluso le han enviado a él y a sus cofundadores cestas de regalo personalizadas.

Lee, de 41 años, normalmente se sentiría halagado. En el pasado, una startup de rápido crecimiento como Gamma, una empresa de inteligencia artificial (IA) que él ayudó a fundar en 2020, habría buscado constantemente más financiación.

Pero, al igual que muchos emprendimientos de Silicon Valley en la actualidad, Gamma está siguiendo una estrategia diferente: está utilizando herramientas de IA para aumentar la productividad de sus empleados en todo, desde atención al cliente y marketing hasta codificación e investigación de clientes.

Eso significa que Gamma, que fabrica software que permite a las personas crear presentaciones y sitios web, no necesita más dinero, aseguró Lee. Su empresa ha contratado solo a 28 colaboradores para obtener «decenas de millones» en ingresos recurrentes anuales y casi 50 millones de usuarios. Gamma también es rentable.

«Si fuéramos de la generación anterior, fácilmente tendríamos 200 empleados», comparó Lee. «Tenemos la oportunidad de repensar eso, básicamente reescribir el manual», destacó.

El viejo modelo de Silicon Valley dictaba que las empresas emergentes debían recaudar una enorme suma de dinero de inversores de capital riesgo y gastarla en contratar un ejército de empleados para crecer rápidamente. Las ganancias llegarían mucho más tarde. Hasta entonces, el recuento de empleados y la recaudación de fondos eran insignias de honor entre los fundadores, que filosofaban que cuanto más grande, mejor.

Sin embargo, Gamma forma parte de un grupo cada vez más grande de empresas emergentes, la mayoría de las cuales trabajan en productos de IA, que también utilizan esta tecnología para maximizar la eficiencia. Con ello, ganan dinero y crecen rápidamente sin la financiación ni los empleados que habrían necesitado antes. El mayor motivo de orgullo de estas startups es el de generar la mayor cantidad de ingresos con la menor cantidad de trabajadores.

Hacer más con menos

El potencial de la IA para permitir a las empresas emergentes hacer más con menos ha dado lugar a especulaciones descabelladas sobre el futuro. El CEO de OpenAI, Sam Altman, ha predicho que algún día podría haber una empresa unipersonal que valga US$ 1.000 millones. Su compañía, que está construyendo una forma costosa de IA llamada modelo fundacional, emplea a más de 4.000 personas y ha recaudado más de US$ 20.000 millones en financiación. También OpenAI está en conversaciones para recaudar más dinero para sus proyectos.

Con las herramientas de IA, algunas startups están declarando que dejarán de contratar a partir de un determinado tamaño. Runway Financial, una firma de software financiero, ha dicho que planea contratar hasta 100 empleados porque cada uno de sus colaboradores hará el trabajo de 1,5 personas. Agency, una empresa emergente que utiliza IA para brindar servicio al cliente, también planea contratar no más de 100 trabajadores.

Otro nivel de riesgo

Pero si las startups pueden volverse rentables sin gastar mucho, eso podría convertirse en un problema para los inversores de capital de riesgo, que destinan decenas de miles de millones de dólares a startups de IA. El año pasado, las empresas de ese sector recaudaron US$ 97.000 millones en financiación, lo que representa el 46% de toda la inversión de riesgo en EE.UU., de acuerdo con la plataforma de información empresarial PitchBook, que hace un seguimiento de las firmas emergentes.

«El capital de riesgo solo funciona si se invierte dinero en los ganadores», apuntó Terrence Rohan, un inversor de Otherwise Fund, que se centra en empresas emergentes muy jóvenes. Añadió: «Si el ganador del futuro necesita mucho menos dinero porque tendrá mucha menos gente, ¿cómo cambia eso al capital de riesgo?».

Lee, el cofundador de Gamma, reveló que el modelo eficiente en IA le había permitido ahorrar tiempo que de otro modo habría dedicado a gestionar personal y a contratar trabajadores. Ahora, se centra en hablar con los clientes y mejorar el producto. En 2022, el empresario creó una sala de Slack para recibir comentarios de los principales usuarios de Gamma, quienes a menudo se sorprenden al descubrir que el propio CEO estaba respondiendo a sus comentarios.

El contenido original de esta nota fue publicado en Elpais.com.uy. Para leer la nota completa ingresá acá

Vibe Coding: cómo la IA está cambiando el desarrollo de software para siempre

El desarrollo de software está experimentando un cambio gracias a la “codificación de vibración”, un nuevo enfoque en el que La inteligencia artificial ayuda a escribir código Basado en instrucciones humanas. Tanto los ingenieros experimentados como los principiantes están empezando a codificar describiendo lo que quieren en lugar de escribir cada línea.

Andrej Karpathy, cofundador de OpenAI, quien acuñó el término, describió en broma su flujo de trabajo de codificación como: “Simplemente veo cosas, digo cosas, ejecuto cosas y copio y pego cosas, y en general funciona”. En otras palabras, la IA se encarga del trabajo pesado de la programación mientras el desarrollador se centra en las ideas.

Descripción general de la codificación Vibe
La codificación Vibe se refiere a una forma de crear software asistida por IA donde “entregarse completamente a las vibraciones” (como dice Karpathy) y dejar que la máquina genere código a partir de lenguaje natural Indicaciones. En lugar de escribir la sintaxis tradicional, un desarrollador (o no desarrollador) describe la funcionalidad deseada en un lenguaje sencillo y la IA produce el código correspondiente. Las indicaciones se han vuelto tan útiles que, en algunos casos, son tan importantes como los lenguajes de programación en este paradigma.

¿Por qué Vibe Coding es tendencia?
Varios factores explican su auge. En primer lugar, puede acelerar drásticamente el desarrollo: las tareas repetitivas y tediosas se descargan en la IA, por lo que los proyectos que antes llevaban semanas se pueden crear en días u horas. En segundo lugar, reduce la barrera de entrada a la programación: las personas sin formación formal en codificación pueden crear aplicaciones funcionales hablando con un asistente de IA. A muchos les resulta empoderante el hecho de que si tienes una idea, puedes lograr un producto mediante una comunicación y una indicación eficaces. En tercer lugar, los desarrolladores pueden centrarse en la resolución creativa de problemas y el diseño en lugar de luchar con errores de sintaxis, lo que mantiene un estado de fluidez y dinamismo. Incluso la depuración puede convertirse en una cuestión de copiar un mensaje de error a la IA y dejar que sugiera una solución. Este flujo de trabajo fluido es increíblemente satisfactorio para los recién llegados y eficiente para los expertos.

Las mejores herramientas de codificación de Vibe
Una ola de nuevas herramientas y plataformas está haciendo que la codificación por vibración sea accesible. Estos entornos de desarrollo impulsados ​​por IA permiten a los usuarios conversar con una computadora para generar y modificar código. Cuatro de las principales herramientas de codificación por vibración en la actualidad son Replit, Cursor, Lovable y Windsurf. Cada una adopta un enfoque ligeramente diferente para la codificación asistida por IA.

Impacto en el desarrollo de software
El auge de la codificación por vibración ya se está sintiendo en toda la industria del software. La productividad y la velocidad de desarrollo han experimentado aumentos significativos. Los desarrolladores que utilizan asistentes de codificación de IA a menudo completan las tareas mucho más rápido; por ejemplo, GitHub informa que aproximadamente El 30% del nuevo código en su plataforma ahora se escribe con la ayuda de Copilot Las sugerencias y los equipos que utilizan estas herramientas reducen el tiempo de codificación. Las empresas emergentes están aprovechando la codificación Vibe para acortar los plazos de creación de prototipos: lo que antes le llevaba semanas a un equipo de ingenieros ahora lo pueden lograr una o dos personas en un fin de semana con la ayuda de la IA. Esto significa una innovación más rápida y un menor tiempo de comercialización de las nuevas ideas.

Fundamentalmente, la codificación vibe está haciendo que el desarrollo de software sea más accesible más allá de la comunidad de programadores tradicionales. Los no ingenieros, como diseñadores, gerentes de productos, científicos o empresarios con ideas, pueden usar estas herramientas para crear software funcional sin conocimientos profundos de codificación. Esta democratización de la codificación se evidencia en los tipos de usuarios que acuden en masa a las plataformas de codificación vibe.

La curva de aprendizaje de la programación se reduce efectivamente: En lugar de pasar meses aprendiendo la sintaxis de JavaScript o Python, un recién llegado podría crear un sitio web sencillo o automatizar una tarea mediante el chat con un agente de IA. Esto abre la puerta a una participación mucho más amplia en la creación de software. También significa que los desarrolladores profesionales pronto podrán colaborar con colegas que tengan experiencia en el área pero una formación mínima en codificación: los sistemas de IA ayudan a cerrar la brecha.

Desafíos y controversias
A pesar de su promesa, la codificación de vibraciones conlleva desafíos y controversias importantes que son objeto de debate en la comunidad tecnológica. Tal vez la preocupación más inmediata sea la calidad y la corrección del código. Los modelos de IA pueden producir, y de hecho producen, código incorrecto o subóptimo. La facilidad de uso es un arma de doble filo: los principiantes pueden generar una aplicación funcional rápidamente, pero sin comprender el funcionamiento del código pueden pasar por alto errores o fallas de diseño.

También hay cuestiones de confianza y supervisión. ¿Quién es responsable si un script generado por IA falla o causa algún daño? Los desarrolladores que utilizan herramientas de codificación Vibe aún necesitan revisar y probar el resultado, pero no todos lo hacen con diligencia.

También se han planteado cuestiones éticas y legales. Los modelos de IA como los que impulsan Copilot o Cursor se entrenan en grandes repositorios de código existente, algunos de ellos de código abierto. Esto ha generado controversia sobre si El código generado por IA podría plagiar inadvertidamente código con licenciaSi bien el usuario promedio de herramientas de codificación de vibraciones no está involucrado directamente en tales disputas, el resultado podría afectar la forma en que operan estas herramientas o el código que pueden producir de manera segura. Además, la privacidad es un factor a tener en cuenta: el uso de inteligencia artificial basada en la nube para generar código podría exponer detalles de proyectos patentados a servicios de terceros, lo que preocupa a algunas empresas.

Lo más importante es…
Vibe coding representa un avance notable para hacer que la creación de software sea más eficiente e inclusiva, pero no está exenta de dificultades. Está revolucionando la cultura de la codificación al permitir que las personas creen software a través de una conversación natural, pero también plantea preguntas sobre lo que podría perderse cuando ya no escribimos código. linea por linea.

Los entusiastas lo ven como una evolución de la programación, donde los desarrolladores colaboran con la IA como socio creativo, mientras que los críticos piden cautela, enfatizando la necesidad de supervisión humana, de aprender los fundamentos y de no tratar a la IA como una solución mágica para todos los problemas. Como con cualquier herramienta poderosa, la clave estará en cómo la usemos.estará lista para el futuro de la gobernanza de IA, reduciendo riesgos y ganando la confianza de clientes y socios estratégicos.

El contenido original de esta nota fue publicado en Unite.ai. Para leer la nota completa ingresá acá

Regulación de la IA: por qué la ISO 42001 se convertirá en un requisito obligatorio antes de lo que pensás

El mercado actual de tecnologías de inteligencia artificial (IA) se estima en casi 250.000 millones de dólares, y se espera que supere los 826.000 millones de dólares para 2030. A medida que la IA gana protagonismo en el mundo de los negocios, garantizar su uso responsable se vuelve fundamental. Sin una supervisión adecuada, las organizaciones corren el riesgo de exponer a sus clientes y a sí mismas a amenazas como filtraciones de seguridad, sesgos en los algoritmos y violaciones de privacidad.

La norma ISO 42001 es un estándar internacional en desarrollo que busca regular el uso responsable de la IA. Brinda a las organizaciones un marco para gestionar y supervisar sus sistemas de inteligencia artificial de manera que garanticen seguridad, privacidad y prácticas éticas, promoviendo al mismo tiempo la confianza y credibilidad entre sus partes interesadas.

Los beneficios de estar preparado para la certificación ISO 42001

Obtener la certificación ISO 42001 ofrece ventajas que van más allá del cumplimiento normativo y se traducen en beneficios estratégicos para el negocio.

Credibilidad y confianza: La certificación ISO 42001 es un reconocimiento a la excelencia en la gestión de la inteligencia artificial. Demuestra a clientes, socios y reguladores que tu organización aplica las mejores prácticas en el uso de sistemas de IA.

Mitigación de riesgos: Implementar ISO 42001 ayuda a reducir los riesgos asociados con la inteligencia artificial, como filtraciones de datos, sesgos y fallas en los sistemas.

Cumplimiento de futuras regulaciones: Aunque ISO 42001 aún no es un requisito legal, permite a las organizaciones adelantarse a las normativas que están por venir, como la Ley de IA de la Unión Europea. Adoptar este estándar desde ahora facilita la adaptación a las nuevas exigencias y evita ajustes de último momento para cumplir con futuras regulaciones.

Pasos clave para prepararse para la certificación ISO 42001

Lograr la preparación para ISO 42001 requiere una planificación cuidadosa y una implementación estructurada. A continuación, los pasos fundamentales para guiar a tu organización en este proceso.

  1. Establecer una base sólida para el cumplimiento
    El primer paso es comprender en profundidad los requisitos de ISO 42001. Es importante familiarizarse con los términos y principios clave de la IA, como los definidos en ISO/IEC 22989, para asegurarte de que hablás el mismo idioma que los auditores. Luego, definí el rol de tu organización dentro del ecosistema de IA: si sos proveedor, desarrollador o usuario. Esto es clave, ya que el Sistema de Gestión de IA (AIMS) debe adaptarse a tu función.
  2. Desarrollar e implementar un AIMS
    Después de identificar las brechas, el siguiente paso es construir un AIMS sólido. Designá a un gerente de proyecto con experiencia en IA y cumplimiento normativo para supervisar el desarrollo del sistema. Su función será documentar los procesos y asegurarse de que cumplan con los requisitos de ISO 42001.
  3. Prepararse para la auditoría externa
    Antes de someterse a una auditoría externa, realizá una auditoría interna para asegurarte de que todas las brechas de cumplimiento hayan sido abordadas. Este proceso funciona como una prueba que permite identificar aspectos que requieren mayor atención.

Cómo superar los desafíos más comunes en la preparación para ISO 42001

Lograr la preparación para ISO 42001 no es tarea fácil, y muchas empresas enfrentan obstáculos en el proceso. A continuación, los principales desafíos y cómo abordarlos.

Asignación de recursos
Las organizaciones suelen subestimar los recursos necesarios para implementar los controles de ISO 42001. Contar con un equipo especializado, un presupuesto adecuado y herramientas apropiadas es clave para cumplir con los requisitos de manera efectiva.

Resistencia interna
El cambio siempre genera desafíos, y algunos empleados pueden ver la certificación ISO 42001 como una carga adicional. Para superar esta resistencia, es importante generar conciencia sobre los beneficios a largo plazo, como la reducción de riesgos y una mejor reputación en el mercado.

Seguir el ritmo de la evolución tecnológica
La inteligencia artificial avanza rápidamente, y cumplir con ISO 42001 requiere una vigilancia constante. La preparación para esta certificación no es un esfuerzo único, sino un proceso continuo. Las empresas deben revisar y actualizar regularmente su Sistema de Gestión de IA (AIMS) para adaptarse a nuevas tecnologías, cambios regulatorios y riesgos emergentes en el uso de la IA.

Consideraciones adicionales para la preparación de ISO 42001

Además de los pasos fundamentales, algunas acciones clave pueden fortalecer la preparación para ISO 42001 y garantizar el cumplimiento a largo plazo.

Involucrar al liderazgo ejecutivo para un respaldo continuo
Para lograr y mantener la preparación para ISO 42001, es fundamental contar con el apoyo de la alta dirección. Presentar un caso sólido sobre la importancia de la certificación ayudará a asegurar los recursos necesarios y el compromiso a largo plazo.

Planificar la mejora continua y el monitoreo post-certificación
Obtener la certificación es solo el primer paso. Es clave establecer procesos para mejorar continuamente el sistema de gestión de IA. Programar auditorías internas y externas de manera regular permitirá identificar oportunidades de optimización.

Posicioná a tu empresa como líder

Lograr la preparación para ISO 42001 posiciona a tu empresa como un referente en la gestión responsable de inteligencia artificial, garantizando que tus sistemas sean seguros, éticos y cumplan con las regulaciones.

Siguiendo estos pasos—establecer una base sólida, desarrollar un AIMS, realizar auditorías exhaustivas y abordar desafíos—podrás enfrentar con éxito las complejidades de la certificación ISO 42001. Más importante aún, tu empresa estará lista para el futuro de la gobernanza de IA, reduciendo riesgos y ganando la confianza de clientes y socios estratégicos.

El contenido original de esta nota fue publicado en Forbesargentina.com. Para leer la nota completa ingresá acá

Si tus desarrollos no cumplen las expectativas, es porque no tienes el equipo adecuado

Crear una aplicación móvil exitosa va mucho más allá de tener una buena idea. Requiere planificación, estrategia y, sobre todo, un equipo de desarrollo que entienda cómo transformar tu visión en una solución digital funcional y atractiva. Si tus desarrollos no están alcanzando los resultados que esperabas, el problema podría no estar en la idea, sino en el equipo detrás de ella.

¿Por qué tu equipo de desarrollo marca la diferencia?

El desarrollo de una app no se trata solo de escribir código. Es un proceso que involucra diseño UX/UI, arquitectura de software, integración con sistemas, pruebas rigurosas y una estrategia de crecimiento. Un equipo inexperto o mal estructurado puede llevar a problemas como:

-Fallas de rendimiento: Apps que se bloquean, consumen demasiados recursos o no funcionan correctamente en todos los dispositivos.
-Experiencia de usuario deficiente: Interfaces confusas, navegación poco intuitiva o falta de optimización para el usuario final.
-Lanzamientos tardíos: Equipos sin una metodología de trabajo eficiente pueden retrasar el desarrollo, impactando el tiempo de salida al mercado.
-Problemas de escalabilidad: Una app mal construida no podrá crecer junto con tu negocio, obligándote a rehacer partes clave del desarrollo.

Mobilenik: El equipo que necesitas para llevar tu app al siguiente nivel

En Mobilenik, sabemos que el éxito de una app no depende solo del código, sino de la estrategia y el equipo que la construye. Nos especializamos en el desarrollo de aplicaciones móviles innovadoras, ofreciendo un servicio integral que abarca desde la ideación hasta el lanzamiento y optimización continua.

¿Por qué elegirnos?

-Desarrollo centrado en el usuario
Diseñamos apps con una experiencia de usuario (UX) impecable, asegurándonos de que sean intuitivas, atractivas y funcionales.

-Tecnología de vanguardia
Utilizamos las herramientas y frameworks más avanzados para garantizar aplicaciones rápidas, seguras y escalables.

-Metodología ágil
Trabajamos con metodologías ágiles para entregar avances constantes, adaptándonos rápidamente a cambios y optimizando cada fase del desarrollo.

-Equipo multidisciplinario
Desde diseñadores UX/UI hasta desarrolladores y especialistas en estrategia digital, en Mobilenik reunimos el talento necesario para hacer realidad tu app.

No se trata sólo de desarrollar, sino de desarrollar bien

Si tu aplicación no cumple con las expectativas, es momento de replantear quién está a cargo de su desarrollo. Mobilenik no solo crea apps, sino que garantiza que sean exitosas desde el día uno.

¿Listo para potenciar tu aplicación? Contáctanos AQUÍ y trabajemos juntos en un desarrollo que realmente marque la diferencia.

El restablecimiento de las expectativas: 7 formas en que la IA está redefiniendo las expectativas de los clientes

Hay un sinfín de especulaciones sobre las capacidades futuras de la IA. Esto genera ruido y parálisis en los equipos de producto, que necesitan construir hoy. La verdadera señal a la que los equipos de producto deben prestar atención es cómo están cambiando las expectativas de sus clientes en este momento.

Navegando por las arenas movedizas de la IA

Creo firmemente en la IA. Tenemos nuevas limitaciones y posibilidades en torno a los productos que podemos crear y cómo los hacemos crecer.

Pero con este enorme cambio ha llegado el ruido inevitable:

-Predicciones grandilocuentes sobre la IA
-Afirmaciones que no son reales (o que omiten muchos detalles), como promesas de precisión perfecta o automatización completa sin supervisión humana.
-Malentendidos sobre lo que la IA puede hacer realmente y lo que sigue siendo ciencia ficción.
-Exageraciones de marketing que confunden la automatización básica con las verdaderas capacidades de la IA.

Así que cuando se trata de crear productos en esta era de cambio a la IA, pueden surgir fácilmente algunos problemas.

Las expectativas de los clientes y el colapso del PMF

El ajuste del mercado de productos es un hito clave que hay que alcanzar, pero a menudo se interpreta erróneamente como un momento estático en el tiempo. La realidad es que la base de clientes cambia constantemente y las expectativas de los consumidores crecen sin cesar.
La clave de este concepto es que los cambios tecnológicos aceleran el ritmo de cambio de las expectativas de los clientes. Específicamente, con el cambio de la IA estamos viendo que cambian tan rápido que puede causar algo que llamamos Colapso de la Adecuación del Producto al Mercado:

Con la IA, cuando un caso de uso funciona, la adopción es mucho más rápida. Las potentes herramientas de IA están fácilmente disponibles a un coste mínimo o nulo, y los usuarios pueden incorporarlas a sus flujos de trabajo inmediatamente. Como mínimo, la IA está provocando que la pendiente del umbral de PMF sea mucho más pronunciada que en anteriores cambios tecnológicos, y cuando un caso de uso realmente alcanza el umbral de PMF «se dispara».
Las expectativas de los clientes no están aumentando a un ritmo predecible y lineal durante largos periodos de tiempo, sino que están aumentando exponencialmente. De repente, las soluciones «suficientemente buenas» parecen obsoletas cuando los usuarios se dan cuenta de que pueden recibir respuestas más eficientes, hiperpersonalizadas y casi instantáneas de las plataformas impulsadas por IA. Esto crea un colapso del ajuste del producto al mercado.

«Un lugar para crear» → »Haz el trabajo por mí»
Muchos productos de software que utilizamos hoy en día son herramientas que nos permiten crear diferentes contenidos y experiencias. Canva, Notion, Google Docs, Gmail, etc. Pero, ¿y si ese trabajo lo hicieran por nosotros? La IA está cambiando las expectativas de los clientes de «dame una herramienta donde pueda crear» a «haz el trabajo por mí». En algunos casos, esto convierte a los productos de IA de una «herramienta que uso» a un «compañero de equipo al que asigno trabajo». Generan el primer borrador y luego pueden ofrecer inspiración, sugerir mejoras y co-crear.

«Talla única, hago a medida» → »A medida para mí»
Muchos productos B2B están hechos de una manera que requiere que el cliente haga una fuerte personalización de su proceso, flujo de trabajo y datos. Tomemos como ejemplo la categoría CRM. Configurar un CRM requiere tanto trabajo que existe una industria de servicios multimillonaria en torno a los integradores de sistemas que configuran Salesforce y otros CRM para satisfacer sus necesidades. Pero, ¿y si eso no fuera necesario? La IA está empezando a cambiar las expectativas de los clientes: de «Tendré que hacer mucho trabajo a medida para que la herramienta se adapte a mis necesidades» a «A medida que adopte el producto, se adaptará a mis necesidades y a mi forma de trabajar».

«Yo haré el trabajo ocupado» → »El trabajo ocupado está hecho para mí»
Muchos productos requieren que realices un montón de tareas manuales para que el equipo obtenga valor de ellos. Como señala Michael Pici, cofundador de Day.ai, la mayoría de las veces el valor que obtienes es menor que el que aportas. Como equipo de producto, probablemente el que más nos afecta es JIRA. El tiempo necesario para crear tareas, mantenerlas actualizadas y prepararlas a lo largo del tiempo. Pero, ¿qué pasaría si esto ocurriera por ti a través de tu flujo de trabajo natural? La IA está cambiando las expectativas de los clientes de «yo haré el trabajo ocupado» a «el trabajo ocupado se hace por mí».

«Pagaré por asiento» → »Pagaré por salida»
En los últimos 20 años, muchos consumidores de productos esperan pagar por asiento o por mes. El cliente hace algún cálculo aproximado en su cabeza si su uso del producto es aproximadamente de mayor valor que lo que está pagando. El valor real está a un paso del precio. Pero, ¿y si se pudiera pagar por el valor real y el resultado obtenido? Los productos de IA están cambiando la expectativa del cliente de «pagaré por asiento y espero que todo el mundo obtenga valor» a «pagaré cuando la herramienta complete una tarea valiosa para mí».

«Esperaré» → »Lo espero ya»
La IA también está cambiando las expectativas de los clientes en cuanto a la rapidez y comodidad con la que entregas el valor. En otras palabras, los usuarios se están volviendo «más perezosos». (¡como si no fuéramos ya lo suficientemente perezosos!)

«Aprenderé este flujo de trabajo» → »La interfaz se adapta a mí»
Hoy en día, los productos de software se construyen con estructuras rígidas de menús, entradas de formularios y flujos de trabajo estáticos. Esto significa que cada vez que un usuario adopta un nuevo producto necesita aprender todos esos patrones para obtener valor de la herramienta.

Pero, ¿y si la experiencia del usuario pudiera cambiar dinámicamente para adaptarse a sus necesidades? En lugar de seguir cursos o leer documentos de ayuda, los usuarios podrían querer productos impulsados por la IA que observen sus necesidades y personalicen las interfaces automáticamente.

«La herramienta no tiene contexto» → »La herramienta puede ver lo que estoy haciendo»
La IA permite al software adaptar sus funciones y contenidos en función del contexto actual del usuario. Imagina el asistente de IA que sabe lo que estás haciendo y has hecho en tu ordenador independientemente de la app en la que te encuentres.

Evolucionar y adaptarse

Estos siete cambios en las expectativas de los clientes representan tanto un reto como una oportunidad para los equipos de producto. Aunque el ritmo del cambio puede parecer abrumador, el camino a seguir está claro: hay que centrarse menos en predecir las capacidades futuras a largo plazo de la IA y más en comprender cómo está cambiando las expectativas de los clientes. No todos estos cambios se aplicarán a todos los productos. Entender cuáles son los más importantes para sus casos de uso será el primer paso.

El contenido original de esta nota fue publicado en Reforge.com. Para leer la nota completa ingresá acá

¿Apuesta por la IA? Primero hay que considerar la adecuación entre el producto y el mercado

El auge de la IA no está yendo según lo previsto. Las organizaciones luchan por convertir las inversiones en IA en flujos de ingresos fiables. Las empresas están encontrando que la IA generativa es más difícil de desplegar de lo que esperaban. Las startups de IA están sobrevaloradas y los consumidores están perdiendo interés. Incluso McKinsey, después de pronosticar 25,6 billones de dólares en beneficios económicos de la IA, admite ahora que las empresas necesitan una «cirugía organizativa» para desbloquear todo el valor de la tecnología.

Sin embargo, antes de apresurarse a reconstruir sus organizaciones, los líderes deberían volver a lo básico. Con la IA, como con todo lo demás, la creación de valor empieza por la adecuación del producto al mercado: Comprender la demanda que se intenta satisfacer y asegurarse de que se utilizan las herramientas adecuadas para la tarea.

La prisa por aplicar la IA a todos los problemas imaginables da lugar a muchos productos que son sólo marginalmente útiles, además de algunos que son francamente destructivos. Un chatbot gubernamental, por ejemplo, indicó erróneamente a los empresarios de Nueva York que despidieran a los trabajadores que se quejaban de acoso. Turbotax y HR Block, por su parte, lanzaron bots que daban malos consejos hasta la mitad de las veces.

El problema no es que nuestras herramientas de IA no sean lo bastante potentes o que nuestras organizaciones no estén a la altura del reto. Es que estamos utilizando martillos para cocinar tortitas. Para obtener un valor real de la IA, tenemos que empezar por volver a centrar nuestras energías en los problemas que estamos tratando de resolver.

La falacia del Furby
A diferencia de otras tendencias tecnológicas, la IA es especialmente propensa a cortocircuitar los procesos existentes en las empresas para establecer la adecuación entre el producto y el mercado. Cuando utilizamos una herramienta como ChatGPT, es fácil tranquilizarse por lo humana que parece y asumir que entiende nuestras necesidades como los humanos.

Esto es análogo a lo que podríamos llamar la falacia Furby. Cuando estos juguetes parlanchines salieron al mercado a principios de la década de 2000, mucha gente -incluidos algunos funcionarios de inteligencia- supuso que los Furby aprendían de sus usuarios. En realidad, los juguetes se limitaban a ejecutar cambios de comportamiento preprogramados; nuestro instinto de antropomorfizar a los Furbys nos llevó a sobrestimar su sofisticación.

Del mismo modo, es fácil atribuir erróneamente intuición e imaginación a los modelos de IA, y cuando parece que una herramienta de IA nos entiende, es fácil saltarse la difícil tarea de articular claramente nuestros objetivos y necesidades. Los informáticos llevan décadas enfrentándose a este reto, conocido como el «problema de la alineación»: Cuanto más sofisticados se vuelven los modelos de IA, más difícil resulta dar instrucciones con suficiente precisión, y mayores son las consecuencias potenciales de no hacerlo

Volver a lo básico
Dado que los sistemas de IA no pueden encontrar su propio camino hacia la adecuación del producto al mercado, depende de nosotros, como líderes y tecnólogos, satisfacer las necesidades de nuestros clientes. Esto significa seguir cuatro pasos clave, algunos conocidos de las clases de Business 101 y otros específicos de los retos del desarrollo de la IA.

1-Entender el problema. Aquí es donde la mayoría de las empresas se equivocan, porque parten de la premisa de que su principal problema es la falta de IA. Eso les lleva a la conclusión de que «añadir IA» es una solución en sí misma, ignorando las necesidades reales del usuario final.

2-Definir el éxito del producto. Descubrir y definir qué hará que su solución sea eficaz es vital cuando se trabaja con IA, porque siempre hay compensaciones.

3-Elige tu tecnología. Una vez que entienda lo que quiere conseguir, trabaje con sus ingenieros, diseñadores y otros socios sobre cómo conseguirlo. Puede considerar varias herramientas de IA, desde modelos de IA genérica hasta marcos de aprendizaje automático (ML), e identificar los datos que utilizará, las normativas pertinentes y los riesgos para la reputación.

4-Pruebe (y vuelva a probar) su solución. Ahora, y sólo ahora, puede empezar a crear su producto. Demasiadas empresas se precipitan en esta fase, creando herramientas de IA antes de comprender realmente cómo se van a utilizar. Inevitablemente, acaban buscando problemas que resolver y enfrentándose a retos técnicos, de diseño, legales y de otro tipo que deberían haber tenido en cuenta antes.

Sin embargo, independientemente del tipo de producto de IA que se esté creando, hay algo que permanece constante. La única forma de generar valor es conseguir que el producto se adapte al mercado y crear tecnologías que satisfagan los deseos y necesidades reales de los clientes. Las empresas que lo hagan bien saldrán ganando en la era de la IA.

El contenido original de esta nota fue publicado en Venturebeat.com. Para leer la nota completa ingresá acá

Aplicaciones de la Inteligencia Artificial en la Programación: Cómo la IA revoluciona el desarrollo de software

Imagina que en lugar de perder tiempo en tareas mecánicas, pudieras centrarte en la parte creativa del desarrollo de software, mientras la inteligencia artificial se encarga del resto. Hoy en día, eso ya es posible gracias a herramientas de IA diseñadas para programadores. En este artículo, descubrirás cómo la IA está transformando la programación y cómo sacar provecho de esta tecnología para maximizar tu productividad.

IA en el desarrollo de software: Una nueva era

La IA ya no es solo una tendencia, es una revolución en el desarrollo de software. Desde la automatización de tareas repetitivas hasta la optimización de cada línea de código, las herramientas de inteligencia artificial están cambiando el juego para los desarrolladores.

Uno de los principales beneficios de la IA en la programación es su capacidad para detectar errores y prever problemas antes de que estos se conviertan en una amenaza para el rendimiento del software.

¿Cómo está impactando la IA en la programación?

La inteligencia artificial está presente en muchas etapas del desarrollo de software. Aquí tienes algunos ejemplos clave de cómo la IA facilita el trabajo de los programadores:

Generación automática de código: Herramientas como GitHub Copilot o TabNine son capaces de generar fragmentos de código de manera automática según lo que estás escribiendo. Esto ahorra tiempo y reduce la posibilidad de errores humanos.

Testing automatizado: Plataformas como Testim y Applitools realizan pruebas exhaustivas usando IA para identificar errores que podrían pasar desapercibidos para un humano.

Optimización de código: Herramientas como DeepCode analizan tu código en tiempo real, ofreciendo sugerencias para mejorar su estructura y rendimiento.

Automatización en DevOps: La IA también se integra en los flujos de trabajo de DevOps, facilitando la automatización y monitorización del software en entornos de producción. Google Cloud es un buen ejemplo de cómo la IA se aplica en la gestión de operaciones de software.

Herramientas IA para desarrolladores: Lo que necesitas para optimizar tu trabajo

Si buscas incorporar la IA en tu flujo de trabajo, estas herramientas son esenciales:

GitHub Copilot: Un asistente de código impulsado por machine learning que te sugiere líneas de código a medida que escribes.

DeepCode: Analiza tu código en tiempo real para detectar errores complejos y ofrecerte sugerencias para optimizar su rendimiento.

TabNine: Predice fragmentos de código y te ayuda a ahorrar tiempo en tareas repetitivas.

Estas herramientas están diseñadas para que puedas maximizar tu eficiencia y mejorar la calidad de tu código.

Machine Learning y Deep Learning: La inteligencia detrás de la IA

El machine learning y el deep learning están impulsando gran parte de la innovación en IA para programación. Estas tecnologías permiten que los sistemas aprendan de grandes cantidades de datos y generen soluciones autónomas.

Frameworks como TensorFlow y PyTorch facilitan la integración de modelos de machine learning en proyectos de software. Estos frameworks permiten entrenar modelos de IA que no solo resuelven problemas actuales, sino que también se adaptan y mejoran continuamente.

El futuro del desarrollo de software con IA

La IA está marcando el camino hacia el futuro del desarrollo de software. A medida que estas herramientas evolucionen, la programación será más rápida, precisa y eficiente. Los programadores que adopten estas tecnologías estarán en la vanguardia de la innovación, capaces de resolver problemas complejos y crear software de alta calidad de manera más eficiente.

¿Estás listo para dar el siguiente paso? Aprovecha el poder de la inteligencia artificial y transforma tu manera de programar.

El contenido original de esta nota fue publicado en Iebschool.com. Para leer la nota completa ingresá acá

Preocupación por la evolución de los ciberataques con Inteligencia Artificial que dejan obsoletos a los sistemas de defensa

Con la inteligencia artificial impulsando hackeos cada vez más sofisticados a usuarios y aplicaciones móviles, como la clonación de voz para ataques de vishing, la suplantación de identidad facial con FaceID y la generación automatizada de ataques, el enfrentamiento entre lo primitivo y lo tecnológico se vuelve inevitable. A medida que estas amenazas digitales impulsadas por IA se refinan, las tácticas tradicionales de defensa – atrapadas en la edad de piedra – necesitan evolucionar de manera urgente.

Las defensas que antes eran suficientes para proteger contra intrusiones simples ahora son insuficientes debido a la complejidad y sofisticación de los ataques generados por IA. La transformación es inevitable: nuestros métodos de defensa deben evolucionar no solo para sobrevivir, sino también para prosperar en un entorno donde la inteligencia artificial domina el campo de batalla cibernético.

Ataques IA entre nosotros

Clonación de voz con vishing
Esta técnica implica crear una copia de la voz de una persona utilizando IA, lo que permite a los ciberdelincuentes realizar llamadas fraudulentas y convencer a las víctimas de proporcionar información sensible o transferir dinero. Con la tecnología disponible hoy en día, la clonación de voz puede realizarse con solo unos minutos de grabación, lo que convierte a esta amenaza en algo extremadamente peligroso.

Clonación facial con suplantación de FaceID
En este caso, se utiliza IA para crear imágenes faciales tridimensionales que pueden engañar a los sistemas de reconocimiento facial. Esto pone en riesgo la seguridad de los dispositivos móviles y las aplicaciones que usan el reconocimiento facial como forma de autenticación. Estos ataques pueden tener graves consecuencias, desde el acceso no autorizado a información personal hasta fraudes financieros.

Cómo prepararse

Para superar estos desafíos impulsados por IA, es fundamental que las organizaciones aceleren sus modelos de entrega de defensa cibernética. Esto incluye la adopción de sistemas automatizados que utilicen IA para detectar y neutralizar amenazas en tiempo real, sin la necesidad de intervención humana.

Para prosperar en este nuevo mundo, es esencial que se reevalúen las prioridades de ciberseguridad. Las organizaciones deben estar dispuestas a invertir en las tecnologías más avanzadas y capacitar a sus equipos para evolucionar y enfrentarse con éxito a los depredadores móviles y digitales del futuro.

El contenido original de esta nota fue publicado en Economis.com.ar. Para leer la nota completa ingresá acá