Newsletter diario de IA
Nº 025 · Domingo, 5 de julio de 2026
La NHS apuesta 10.000 millones por desplegar IA mientras EE.UU. y China copan el entrenamiento de los modelos
Sábado sin estrenos de modelo: el foco del día se va a la economía y la geopolítica de la IA. Reino Unido pone cifras a la mayor apuesta pública por la IA sanitaria —10.000 millones de libras y un triaje dentro de la app del NHS—, mientras un análisis de Our World in Data confirma que casi todos los modelos más usados del mundo se entrenan en EE.UU. o China. En paralelo, dos lecturas incómodas para builders: los modelos baratos ya están reescribiendo el gasto de las empresas, y un estudio de California apunta que a quien más golpea la IA es a los trabajadores más cualificados. En X, la conversación la dominan el hito de China entrenando un modelo de billón de parámetros sin Nvidia y el aviso de seguridad sobre agentes: deja de confiar en ellos por defecto.
3 apartados · 12 piezas · 9 min de lectura
Lo grande
4 piezasReino Unido acelera el despliegue de IA en la sanidad: 10.000 millones de libras y un triaje dentro de la app del NHS
La NHS de Inglaterra anuncia un despliegue acelerado de IA para recortar listas de espera y detalla cómo usará 10.000 millones de libras en tres años para renovar su tecnología. Lo concreto: una herramienta de triaje en la app que dirige al paciente al servicio adecuado —llegará a más de 200.000 pacientes en 12 meses y a todos los usuarios de la app en abril de 2028— y un despliegue nacional de herramientas que graban y transcriben en tiempo real las consultas para generar resúmenes clínicos. Un piloto en una consulta de Sussex redujo un 29% las llamadas en cola, matando el "atasco de las 8 de la mañana". El plan estima 41.000 millones de libras en beneficios acumulados a diez años.
Qué significa: es una de las mayores compras públicas de IA aplicada del mundo, y marca el patrón que seguirán otros sistemas sanitarios: triaje conversacional en el móvil y transcripción clínica automática como primera ola. Para quien construye en salud o servicios públicos, define qué casos de uso se financian de verdad —y a qué escala— cuando un Estado decide apostar por la IA.
Casi todos los modelos de IA más usados del mundo se entrenan en EE.UU. o China
Un nuevo dato de Our World in Data pone gráfico a algo que se intuía: la práctica totalidad de los modelos con más tracción global salen de empresas estadounidenses o chinas. El resto del mundo —Europa incluida— apenas figura entre los modelos que la gente usa a diario. La concentración no es solo de talento o capital, sino de la infraestructura de cómputo necesaria para entrenar en la frontera.
Qué significa: el mapa de dependencia queda dibujado. Quien construye producto sobre modelos ajenos depende, en la práctica, de dos jurisdicciones que ya usan la IA como palanca geopolítica —el veto de Alibaba a Claude Code de esta semana es el primer aviso. Diversificar proveedores y vigilar de dónde viene tu modelo deja de ser paranoia y pasa a ser gestión de riesgo del stack.
Los modelos más baratos están rediseñando el gasto de las empresas en IA
El análisis recoge el giro de fondo del año: la caída del precio por token y la llegada de modelos abiertos y económicos están moviendo los presupuestos corporativos desde los modelos frontera premium hacia opciones más baratas y suficientes para la mayoría de tareas. Las empresas dejan de pagar por la máxima potencia "por si acaso" y empiezan a elegir el modelo por coste real del trabajo terminado.
Qué significa: es la otra cara del "tokenmaxxing" que dominaba hace unos meses. Para quien construye, la ventaja competitiva ya no es tener el modelo más grande, sino elegir bien: modelo barato para el 80% de tareas y frontera solo donde la calidad se paga sola. El coste por caso de uso, no el precio por token, se vuelve el criterio central del diseño.
Un estudio de California concluye que la IA golpea más a los trabajadores más cualificados
Un nuevo estudio en California da la vuelta a la intuición sobre a quién desplaza la IA: en lugar de arrasar primero con los empleos rutinarios, el mayor impacto se observa en trabajadores altamente formados, cuyas tareas de conocimiento son precisamente las que los modelos actuales automatizan mejor. Es una señal más de que la IA generativa reordena el mercado laboral por tipo de tarea, no por nivel de cualificación.
Qué significa: el mensaje de "sube en la escalera para estar a salvo" deja de ser garantía. Para quien construye herramientas de IA, es a la vez oportunidad —los productos que aumentan al profesional cualificado tienen mercado— y aviso: el argumento de venta ya no es "sustituye a los junior", sino "haz que tu gente experta rinda por diez".
De X / conversación social
3 piezasChina entrena un modelo de 1,6 billones de parámetros sin un solo chip Nvidia: el hito de LongCat-2.0
Desglose muy compartido de cómo Meituan —sí, la empresa de reparto de comida— entrenó su LongCat-2.0 de 1,6 billones de parámetros íntegramente sobre unos 50.000 aceleradores domésticos (Huawei Ascend). El TL;DR: es el primer modelo de billón de parámetros que completa entrenamiento e inferencia enteros en hardware chino, no solo la inferencia como hizo DeepSeek. Para lograrlo reescribieron piezas del stack (implementaciones deterministas de FlashAttention y operadores Scatter) asumiendo un ~5% de penalización de rendimiento.
Por qué importa: China no está copiando el chip de Nvidia, está rediseñando la pila entera —red, software, arquitectura— para esquivar los controles de exportación. Si el entrenamiento de frontera deja de depender de un único proveedor de hardware, cambia el mapa de costes y de riesgo para todo el que construye sobre modelos abiertos.
NVIDIA abre un escáner de "skills" de agente y los datos asustan más que la herramienta
El hilo destapa SkillSpector, el escáner open source de NVIDIA para skills de agentes, y la cifra que lo acompaña: en la investigación, el 26,1% de las skills analizadas contenían vulnerabilidades y un 5,2% mostraba intención probablemente maliciosa. El vector es sutil —instrucciones en lenguaje natural o ejemplos de configuración que el agente lee, se cree y ejecuta— y es justo el ángulo del paper de "skills sin payload" que hoy circula en Hacker News.
Por qué importa: instalar una skill de terceros empieza a parecerse a instalar una dependencia de npm sin mirarla. Si más de una de cada cuatro trae fallos, la cadena de suministro de skills es un frente de ataque real —y escanear antes de cargar deja de ser opcional para quien monta agentes con capacidades de fuera.
"Deja de confiar en tus propios agentes": la guía de 36 páginas de Anthropic que arde en X
La guía de zero-trust para agentes de Anthropic vuelve a la conversación con fuerza. La tesis del hilo: la seguridad del modelo no basta, porque tres de las cuatro capas de un agente —el harness, las herramientas y el entorno— viven fuera del modelo, y ahí es donde hace daño de verdad. La pregunta que resume todo: ¿tu seguridad hace el ataque imposible o solo tedioso? Un atacante automatizado tiene paciencia infinita, y lo tedioso no lo frena.
Por qué importa: cataloga cinco ataques propios de los sistemas agénticos —inyección de prompt, envenenamiento de herramientas, abuso de identidad, envenenamiento de memoria y cadena de suministro— y los aterriza con estándares públicos (NIST, CISA). Es la lista de comprobación que debería mirar cualquiera que ponga un agente con permisos sobre datos o sistemas reales.
Herramientas, repos y técnicas
5 piezasmattpocock/skills: el ".claude" de Matt Pocock hecho repo público, "skills para ingenieros de verdad"
El set de skills de Claude Code de Matt Pocock —figura conocida del ecosistema TypeScript— publicado tal cual como repositorio, hoy en lo más alto del trending con unas 157.000 estrellas. Son skills reales de trabajo diario (patrones de código, revisiones, flujos) que se pueden copiar y adaptar, en vez de partir de una carpeta vacía.
Para qué sirve
robar patrones probados de un builder experto para tu propio Claude Code —qué skills merece la pena tener, cómo estructurarlas y qué instrucciones dar— sin reinventar la rueda.
browser-use/video-use: editar vídeo con agentes de coding
De los creadores de browser-use llega video-use (unas 14.700 estrellas), que lleva la idea de "dile al agente qué hacer" a la edición de vídeo: describes el montaje y un agente lo ejecuta sobre tus clips. Encaja con la ola de producción de contenido automatizada con agentes.
Para qué sirve
automatizar cortes, recortes y montajes repetitivos de vídeo desde un flujo de agente —útil para quien produce contenido en volumen y no quiere tocar el timeline a mano para cada pieza.
Glaze by Raycast: crea tus propias apps de Mac chateando con IA
Raycast estrena Glaze, un constructor conversacional para hacerte apps de Mac hablando con la IA, sin montar un proyecto ni escribir el andamiaje. Que un actor consolidado como Raycast entre al "vibe building" nativo es señal de que crear microapps a medida se vuelve mainstream.
Para qué sirve
montarte utilidades de escritorio personales —automatismos, herramientas internas, pequeñas apps— describiéndolas en lenguaje natural, en vez de abrir Xcode para cada idea suelta.
Local MCP: deja que Claude o ChatGPT lean tu iMessage, Teams y ficheros en local
Servidor MCP que corre on-device y da a los agentes acceso a datos personales —mensajes de iMessage, Teams, archivos locales— sin subir nada a la nube. La propuesta: contexto real de tu vida y tu trabajo para el agente, manteniendo los datos en tu máquina.
Para qué sirve
darle a tu asistente el contexto de tus mensajes y documentos para tareas de verdad (buscar, resumir, redactar) sin el coste de privacidad de enviar todo a una API externa.
Explotar la cadena de suministro de agentes con "skills sin payload"
Paper que formaliza el ataque que hoy se comenta en Hacker News: no hace falta código malicioso explícito. Basta con incrustar la lógica dañina en ejemplos y plantillas de la documentación de una skill; el agente los reutiliza durante tareas normales y los ejecuta sin instrucción directa. La técnica logra tasas de evasión del 11,6% al 33,5% donde los ataques de instrucción explícita caen al 0% frente a defensas fuertes.
Para qué sirve
entender por qué los escáneres actuales no bastan y revisar de forma crítica la documentación —no solo el código— de cualquier skill de terceros antes de dársela a un agente con permisos.
Fin de la edición Nº 025