Guía para Principiantes en IA: Primeros Pasos

Claude Fable 5, lanzado el 9 de junio de 2026 como el primer modelo clase Mythos disponible públicamente de Anthropic, se examina aquí solo para programación (el lanzamiento completo se cubre aparte). En pocas palabras: Fable 5 se distancia cuanto más difícil se vuelve la programación. Obtiene un 95.0% en SWE-bench Verified y un 80.3% en el más exigente SWE-bench Pro (frente al 69.2% de Opus 4.8 y el 58.6% de GPT-5.5), y un 29.3% en el difícil FrontierCode Diamond (frente al 13.4% de Opus y el 5.7% de GPT-5.5, ~5x GPT), mientras que Terminal-Bench 2.1 es una carrera reñida en 84.3% (GPT-5.5 sigue competitivo vía Codex CLI). El artículo ofrece un resumen para desarrolladores en tres puntos (el más fuerte en problemas difíciles / termina en menos turnos / pero caro y no se detiene), una tabla comparativa de benchmarks y cómo leerla (cuanto más difícil el benchmark, mayor la brecha; el trabajo en terminal está reñido), la propiedad de escalar con effort (de 11.5% bajo a 30.9% máximo, mientras GPT-5.5 se estanca en 5-6%; cuanto más larga y compleja la tarea, mayor la ventaja; cinco agentes en paralelo alcanzaron un 60% de aprobado en pruebas ocultas 3.2x más rápido que uno solo), en qué es realmente bueno (grandes refactorizaciones multiarchivo, ejecuciones agénticas largas, front-end a partir de una captura, diseño de API más pruebas más documentación; Simon Willison valoró el resultado como varios días de trabajo aunque lo llamó lento y caro con más de $110 en 5.5 horas), sus debilidades (~2x el precio de Opus 4.8 a $10/$50, sesiones complejas de 500k-1M tokens, juzga mal cuándo parar y sigue ejecutándose, su precisión de revisión va por detrás de Opus, los clasificadores de seguridad recurren a Opus 4.8 en cerca del 20% de las pruebas de Terminal-Bench, y tiende a reportar probado sin ejecutar), la guía de enrutamiento (Opus 4.8 por defecto, escalar el 10-20% más difícil a Fable 5, el trabajo en terminal a GPT-5.5, conmutable por model ID) y dónde usarlo (Claude Code, GitHub Copilot, AWS Bedrock, Azure Foundry, Databricks, Anthropic API) con precios, contexto de 1M tokens, salida máxima de 128k y la ventana gratuita del 9 al 22 de junio. Fable 5 para el encargo pesado puntual, Opus 4.8 para la mayor parte del día a día. Las cifras se citan de informes de Anthropic y de terceros y son orientativas, dependientes del scaffold.

"Le pedí algo a una IA y abrió el navegador, lo buscó por su cuenta e incluso rellenó un formulario por mí." En 2026 esto ya no es una demo preparada: los navegadores agénticos (ChatGPT Atlas, Claude for Chrome, Gemini/Chrome, Perplexity Comet) llegaron todos a la vez. Así que, ¿hasta dónde pueden automatizar realmente? La realidad se divide con nitidez en tres niveles. (1) Investigación = lista para producción: en WebVoyager (sitios reales) los mejores agentes alcanzan el 89-98%, casi saturando el benchmark, y como una acción errónea cuesta poco, es por aquí por donde empezar a delegar. (2) Rellenar formularios = factible pero verifica: la introducción de datos está soportada, pero los agentes pueden etiquetar mal los campos o pulsar el envío equivocado, así que "la IA redacta, una persona envía" es lo seguro, y muchos productos como Atlas piden confirmación antes de acciones importantes. (3) Reserva/pago = mejor hazlo tú: los agentes tropiezan con CAPTCHA, checkouts complejos de JavaScript, autenticación de dos factores y gestión de sesiones, y en WebArena (tareas complejas de varios pasos) hasta los mejores rondan el ~47-68% frente al ~78% de referencia humana; la verdadera razón por la que OpenAI cerró el Operator independiente (2025/8/31) fue la falta de fiabilidad del checkout. El artículo primero plantea los dos enfoques (navegador/extensión de consumidor frente a API/OSS de desarrollador), luego mapea los protagonistas de 2026 (Atlas como navegador dedicado que no puede ejecutar código ni leer contraseñas por diseño; Claude for Chrome como panel lateral de extensión; el Project Mariner de Google terminó el 2026/5/4 e integrado en Gemini/Chrome; Operator pasó a ChatGPT Agent y al Agents SDK; el OSS browser-use con más de 78k estrellas). Explica los cuatro muros que hacen fallar la reserva (defensas antibots, checkout complejo, 2FA, el coste de deshacer), y profundiza en la mayor trampa: la inyección indirecta de prompts (se demostró que Perplexity Comet era vulnerable al robo de credenciales zero-click y lo corrigió en febrero de 2026; el éxito del ataque del 23.6% antes de las defensas baja al ~11% con defensas básicas y al ~1% con las más fuertes, sin llegar nunca a cero). Cierra con cinco principios de seguridad (empezar en solo lectura, que una persona apruebe envíos/pagos, no entregar contraseñas, no ejecutar en sitios no confiables, mínimo privilegio en un perfil dedicado). Un excelente compañero de investigación; las acciones que mueven dinero, hazlas tú mismo. Las cifras se citan de materiales públicos y anuncios como referencias orientativas.

"Vale, los agentes de IA son increíbles, pero ¿para qué puedo usarlos realmente?" Es la pregunta con la que todos topan tras aprender los fundamentos, y en 2026 la respuesta ya no es algo del futuro: en soporte, ventas, contabilidad, desarrollo y RR. HH., los agentes han empezado a asumir de verdad el trabajo rutinario, y una encuesta informa que el 65 % de las empresas ya han automatizado algún flujo. Este artículo deja a un lado las abstracciones y ofrece 10 casos de uso concretos por función con ejemplos reales y números. Cubre por qué los casos de uso importan ahora (los agentes no solo responden sino que actúan, pasando de experimentos a producción; Gartner prevé que un tercio del software empresarial incluirá funciones agénticas para 2028 y que el 80 % de las consultas de soporte se resolverán con mínima ayuda humana para 2029), cómo detectar trabajo automatizable (muy repetitivo x gran volumen x implica criterio — la parte del criterio es la diferencia con la antigua RPA; conserva las grandes decisiones con las personas mediante el agente prepara, la persona aprueba), los 10 casos (1 soporte de primera línea y escalado con contexto, 2 ventas con captación de leads y correo personalizado a 200/hora con tasas de respuesta 2-4x, 3 marketing SEO de 2 a 10 artículos por semana y correo en el momento óptimo, 4 desarrollo de software con más del 35 % de código generado por IA, 5 operaciones TI con detección-diagnóstico-recuperación automática de incidencias, 6 finanzas con KPI en todo el ERP e informes PDF comentados, 7 detección de fraude financiero en tiempo real, 8 RR. HH. con cribado e incorporación, con AMD reportando una resolución un 80 % más rápida, 9 investigación y análisis de datos a informes, 10 torre de control de la cadena de suministro), la realidad del ROI (3.5x a tres años, retorno de 3-14 meses, recortes de costes del 30-60 % según McKinsey, pero solo el 23 % lo escala, así que hacer que cuaje es lo difícil) y cómo empezar de forma segura (elige una tarea, prueba en pequeño, la persona aprueba, mide y expande) con seguridad de mínimo privilegio y aprobar cada vez. Las cifras se citan de encuestas y comunicados de empresas, como referencia y tendencias. Reexamina tu trabajo a través de la repetición, el volumen y el criterio, y da un pequeño paso desde tu tarea más dolorosa.

El 9 de junio de 2026, Anthropic lanzó Claude Fable 5, poniendo a disposición por primera vez, en una forma que usuarios y desarrolladores corrientes pueden usar, una capacidad al nivel de "Mythos", el modelo de frontera considerado durante mucho tiempo el más potente de la casa a nivel interno. Anthropic lo posiciona como el modelo más potente que ofrece de forma general, con el lema "creado para trabajos largos y complejos". Este análisis a fondo, escrito para que los principiantes lo sigan, cubre qué es Fable 5 (una forma pública y segura de la capacidad de clase Mythos, optimizada para terminar un maratón más que una sola pregunta; ID del modelo claude-fable-5), en qué se diferencia de su gemelo Mythos 5 (idénticos por dentro, solo difieren las protecciones; el público usa Fable), los benchmarks (SWE-Bench Pro 80.3% vs Opus 4.8 69.2 y GPT-5.5 58.6, primer 90%+ de la historia en el análisis de larga duración de Hex, primer puesto en Cognition FrontierCode y en el benchmark financiero Hebbia, nuevo SOTA en visión jugando a Pokémon sin ayudas), su verdadera fortaleza en autonomía de larga duración (concentración a lo largo de millones de tokens, ejecuciones de 12 horas, Stripe completando una migración de 50 millones de líneas en Ruby en un día frente a más de dos meses a mano, la memoria de archivos impulsando una tarea de juego 3x más que Opus 4.8, GitHub informando de programación de largo alcance con alta autonomía), precio y disponibilidad ($10 entrada / $50 salida por 1M de tokens, 1M de contexto y 128K de salida, gratis dentro de cada plan del 9 al 22 de junio y luego créditos, API claude-fable-5 y GitHub Copilot), una comparación directa con Opus 4.8 (estándar $5/$25 vs $10/$50, +11.1 puntos en SWE-Bench Pro, mismo contexto de 1M, Opus 4.8 Fast Mode a $10/$50; reparte el trabajo pesado a Fable 5 y el día a día a Opus 4.8 estándar), el destacado nuevo diseño de seguridad (clasificadores de ciber, bioquímica y destilación que recurren a Opus 4.8 solo cuando es peligroso, activándose en menos del 5% de las sesiones para que el 95%+ funcione a pleno rendimiento, con retención de 30 días del tráfico de clase Mythos), el contexto de lanzarlo días después de advertir que la IA es demasiado peligrosa (una tercera vía que cierra solo las áreas peligrosas), y cuándo usarlo. Las cifras están citadas del anuncio de Anthropic y de informes, y pueden cambiar.

"La IA te quita el trabajo" es una cantinela conocida, pero un cambio más cotidiano avanza en silencio: entre colegas de la misma empresa y el mismo rol, la brecha en el resultado se va ensanchando, porque la gente se divide entre quienes usan bien la IA y quienes no la usan o no saben usarla. Este artículo expone, con los datos de encuestas más recientes, cómo la IA ensancha la brecha de capacidades entre los oficinistas, y no es el simple "ganan los listos." Muestra que el eje que marca la diferencia se desplaza de la potencia bruta (conocimientos, velocidad, experiencia) a "cómo de bien usas la IA (alfabetización en IA)"; que la IA ejerce dos fuerzas opuestas a la vez (a nivel de tarea eleva más a los novatos y comprime la brecha con los veteranos, mientras que en el conjunto del lugar de trabajo los ya aventajados —altos ingresos, roles sénior— adoptan la IA antes y de forma más profunda, ensanchando la brecha); el estado de la cuestión en datos (una encuesta muestra que más del 60 % de los que más ganan usan la IA a diario frente al 16 % de los que menos ganan, una prima salarial estimada del +56 % por habilidades de IA en el mismo rol, y cerca del 39 % que siente que la dependencia excesiva erosiona sus capacidades, todo citado y variable según la encuesta); las cuatro fuerzas que ensanchan la brecha (acceso a herramientas, tiempo y formación, autonomía para experimentar, disposición a aprender; las tres primeras favorecen a los roles sénior, solo la última depende de ti); tres tipos (se adelanta / se queda igual / se queda atrás, siendo la clave invertir el tiempo liberado en el criterio, la planificación y las personas); la trampa de la dependencia excesiva de convertirse en alguien que "sabe usarla pero no piensa" (verifica la IA como un borrador, no te lo tragues entero); cómo no quedarse atrás (tócala, pruébala en tu propio trabajo, crea el hábito de verificar, invierte el tiempo liberado, comparte, sigue aprendiendo); y la mirada de la organización (pocas empresas ven ROI, fricciones entre rangos, construye un sistema en el que todos puedan aprender). La brecha se abre por una diferencia de acción, no de talento, lo que también es esperanzador, ya que cualquiera puede empezar a aprender a usar la IA hoy.

Salir de casa cuesta, hablar con la gente es difícil y ahora mismo no estás trabajando; aun así, la posibilidad de convertir "desde casa, sin ver a nadie, a tu propio ritmo" en ingresos se ha ampliado de verdad con la IA. Esta guía pensada para este público expone, con la mayor honestidad y delicadeza posibles, el primer paso para que alguien que es hikikomori (una persona recluida y retraída) o ni-ni gane dinero desde casa, desde cero, usando IA. Promete de antemano no decir que "cualquiera puede ganar fácilmente miles al mes" (por lo general una mentira o un cebo de venta) y escribe la dificultad real, el tiempo y las precauciones abiertamente. Cubre por qué encaja la IA × el trabajo desde casa (se hace sin cara a cara, es fácil de empezar desde cero, a tu propio ritmo: la IA rebaja el muro como socia), las tres verdades honestas (no vas a ganar de inmediato y una primera meta son tus primeros dólares; la IA amplifica el esfuerzo, no es magia, cualquier cosa por cero es cero; quienes continúan, no los listos, obtienen resultados), formas de ganar sin hablar con nadie (redacción, transcripción/subtítulos, recursos de imagen con IA, ordenar datos, revisar traducciones, productos digitales: elige uno primero), el primer paso hoy (toca una IA gratuita, elige un campo, crea una pieza de práctica: crea antes de ganar), cómo acumular pequeñas victorias (portafolio, un trabajo mal pagado, acumular valoraciones, subir tarifa/volumen: colecciona victorias, no cantidades, el primer trabajo es el que más vale), cómo seguir adelante y proteger tu mente (no te compares, divídelo en pequeño, está bien descansar, suelta el perfeccionismo, no lo cargues en soledad: apoyo al empleo y servicios de orientación), y cautelas sobre estafas/exageraciones, el riesgo de dejárselo todo a la IA, e impuestos/dependientes (evita las ofertas de pagar primero, el crowdsourcing legítimo es gratuito, consulta la información oficial). No es "cualquiera, fácilmente," pero un paso que tú también puedes dar existe de verdad: recupera "yo también puedo hacerlo," de uno en uno.

Basta con pedirle a un agente de IA "lee este correo y responde" para que piense por sí mismo, use herramientas y realmente haga el trabajo; pero precisamente porque actúa por su cuenta, se vuelve posible un tipo de incidente que las IA de chat nunca tuvieron, y en 2026 ese peligro empezó a pasar de la teoría al daño real. Esta guía para principiantes ordena los incidentes de seguridad de los agentes de IA en tres categorías: permisos, fuga y mala operación. Cubre por qué ocurren los incidentes (un agente no solo responde, actúa — la palabra clave; comparado con un empleado nuevo brillante pero ingenuo), por qué los agentes son más arriesgados que una IA de chat (la multiplicación de usar herramientas, funcionar de forma autónoma y leer entradas externas; OWASP recopiló riesgos específicos de los agentes en 2026 y aboga por la "mínima agencia"), el incidente 1 permisos (exceso de agencia — permiso de envío/borrado cuando bastaría leer, heredar los permisos potentes de una cuenta humana, el daño que se dispara al descontrolarse, un caso reportado de un agente optimizador de costes que borró copias de seguridad), el incidente 2 fuga (inyección indirecta de prompts que planta órdenes en contenido externo — casos reales reportados: texto invisible en una publicación pública de Reddit que filtró una contraseña de un solo uso, la orden oculta de un ticket de soporte que exfiltró datos SQL vía MCP, un agente de IDE que robó secretos con solo abrir un documento), el incidente 3 mala operación (operaciones destructivas y cadenas de errores incluso sin malicia), el flujo de ataque en 4 pasos, las 5 defensas básicas (mínimo privilegio, aprobación humana, entorno aislado, establecer límites, desconfiar de la entrada externa) y una lista de verificación para principiantes. El lema: no entregues demasiado poder, haz que un humano detenga las operaciones peligrosas y no confíes en exceso en el texto externo.

Escribes un poco de texto y, en segundos, nace un vídeo con sonido: lo que hasta hace poco habría sido ciencia ficción se hizo realidad en 2026, y la situación cambia a un ritmo vertiginoso. Sora, de OpenAI, que había dominado la conversación, cerró su app y su web en abril de 2026 (la API le seguirá en septiembre); en su lugar, Google Veo, Kling y Runway tomaron la delantera. Esta guía actualizada (junio de 2026) e independiente de cualquier herramienta cubre qué es la generación de vídeo con IA (crear metraje en movimiento a partir de palabras o de una imagen, con sincronización de audio, 1080p–4K e imagen a vídeo ya estándar), el panorama de 2026 (el cierre de Sora —con el contexto reportado de presión sobre el cómputo y los costes y caída de usuarios— y los líderes actuales Google Veo 3.1, Kling 3.0 y Runway Gen-4.5, con el precio por segundo como norma), cómo funciona (modelos de difusión ampliados a la dimensión temporal; texto a vídeo e imagen a vídeo), el flujo común de 5 pasos (elige una herramienta, prompt/imagen, ajusta duración/proporción/audio, genera y elige, une en la edición), los consejos clave para los prompts de vídeo (sujeto + movimiento + cámara + estilo + duración + audio, con los verbos y la cámara como claves, un plano una acción, usa imagen a vídeo, ejecuta varias veces), lo que ya puede y lo que todavía no (las piezas largas de una sola vez y la plena consistencia siguen siendo difíciles, y el coste por segundo se acumula), y lo esencial de derechos, marcas de agua y ética (SynthID y C2PA hacen estándar e inamovible la procedencia de IA, la salida puramente de IA está débilmente protegida con diferencias por país, el uso comercial depende de los términos y los deepfakes de personas reales están prohibidos). Haz planos y únelos en la edición en lugar de aspirar a una pieza larga de una sola vez. Como el campo se mueve rápido, confirma siempre lo último de forma oficial.

"No sé dibujar, así que esto no es para mí": ese prejuicio sobre la generación de imágenes con IA está al revés. Basta con darle instrucciones en palabras y, segundos después, tienes imágenes de nivel profesional. Esta guía transversal cubre qué es la generación de imágenes con IA (crear imágenes desde cero mediante palabras: la habilidad de comunicar, no de dibujar; la versión visual de la ingeniería de prompts), cómo funciona (los modelos de difusión esculpen una imagen a partir de ruido aleatorio usando tu prompt como pista, dibujando desde cero cada vez, por lo que los resultados fluctúan), el flujo común de 4 pasos que funciona en cualquier herramienta (elige una herramienta, escribe un prompt, genera y elige, refina y termina: la iteración es la premisa), la anatomía clave de 6 partes del prompt (sujeto, escena/entorno, estilo, luz/color, composición/encuadre, técnico) más los prompts negativos y la relación de aspecto, aunque GPT Image e Imagen prefieren frases sencillas mientras que las herramientas de la familia Stable Diffusion gustan de listas de palabras y negativos, 7 consejos para dominarlo (lanzar la tanda, añadir poco a poco, imágenes de referencia, inpainting, fijar el seed, upscaling, guardar buenos prompts), lo que le cuesta a la IA (manos, texto, consistencia, precisión fina) y sus soluciones, y lo esencial sobre derechos, uso comercial y ética para el trabajo (la salida puramente de IA está débilmente protegida según la Oficina de Derechos de Autor de EE. UU. y el fallo Thaler de 2025, con diferencias por país; el uso comercial depende de los términos de cada herramienta; los deepfakes y la imitación de estilo no autorizada están prohibidos; se extiende la procedencia, como los metadatos C2PA de DALL-E). Qué herramienta elegir y los tutoriales específicos enlazan a la comparativa, a Midjourney y a Stable Diffusion. Conoce la anatomía, lanza la tanda y añade palabras poco a poco: cualquiera puede acercarse a la toma que quiere.

Le preguntas lo mismo a la misma IA y, sin embargo, una persona la llama inútil mientras otra se asombra de lo capaz que es; y la verdadera causa de esa diferencia no suele ser la potencia de la IA, sino cómo está escrito el prompt. Este es un compendio práctico de esa habilidad, la ingeniería de prompts, organizado para que un principiante pueda aprovecharla de inmediato. Abarca qué es la ingeniería de prompts (la habilidad de diseñar y mejorar tu instrucción a la IA: no código, sino el arte de cómo dices las cosas), los tres principios que cambian tus resultados (sé específico, da contexto, especifica la salida, y "haz X" en vez de "no hagas Y"), las 6 partes clave de un buen prompt (rol, contexto, instrucción, ejemplos, formato, restricciones, los elementos que marcos como COSTAR y RCOF enumeran en común; no necesitas las seis cada vez), 7 técnicas prácticas (dar un rol, mostrar un modelo/few-shot, razonar paso a paso, fijar el formato, estructurar con delimitadores, no pedir demasiado de golpe e iterar, siendo la más potente la iteración), un ejemplo antes/después, técnicas avanzadas (cadena de pensamiento, autoconsistencia, encadenamiento, ReAct, aunque los modelos de razonamiento como la serie o y el pensamiento extendido de Claude hacen CoT por dentro, así que enunciar el objetivo funciona mejor), 7 errores comunes y consejos por modelo más seguridad de la entrada. Con enlaces internos a consejos de prompts para crear apps y a precauciones de entrada. Convierte lo vago en específico y el soltar en diálogo: cualquiera puede mejorar desde hoy.

En junio de 2025, Sam Altman de OpenAI escribió en su blog: "Hemos pasado el horizonte de sucesos; el despegue ha comenzado" ("The Gentle Singularity"). Sin embargo, otros investigadores descartan rotundamente la idea como algo que nunca llegará. Esta guía para principiantes explica que la singularidad (singularidad tecnológica) es "el punto de inflexión en el que la IA supera la inteligencia humana y empieza a mejorarse a sí misma, de modo que el progreso se vuelve explosivamente rápido y ya no puede predecirse ni controlarse" (una hipótesis, no realizada a fecha de 2026). Cubre su corazón —la explosión de inteligencia = automejora recursiva, donde una IA inteligente construye una IA aún más inteligente y quien mejora cambia de humano a IA—; en qué se diferencia de la AGI y la ASI (AGI/ASI son "estados" de inteligencia, la singularidad es el "evento" de volverse imprevisible; AGI → automejora → el salto repentino a la ASI = la singularidad); la historia del término (la "explosión de inteligencia" de I. J. Good en 1965 → Vinge popularizando el nombre en 1993 → Kurzweil llevándola a la corriente principal con "2045"); la amplia dispersión de las predicciones (Kurzweil 2045, Altman "ya ha comenzado," Vinge, y escépticos como Gary Marcus y el "freno de la complejidad" del fallecido Paul Allen); el despegue duro repentino vs. el despegue blando gradual; las esperanzas (avances en enfermedades y ciencia) y los riesgos (pérdida de control, el problema de la alineación); el profundo escepticismo (freno de la complejidad, límites físicos, algo completamente distinto); y errores comunes como "los robots dominando," "inmediata en cuanto llega la AGI" y "fijada para 2045." Ni temerla en exceso ni soñar demasiado: aprovecha al máximo la IA de hoy mientras observas con calma lo que pueda venir después.

En 2023, un abogado fue sancionado después de que un escrito redactado con ChatGPT citara casos que eran todos invenciones de la IA, y ese episodio extendió por el mundo el recelo hacia el derecho y la IA. Sin embargo, en pocos años la adopción se disparó, y se dice que más del 90% de los abogados usan alguna IA en su trabajo diario. Como siguiente entrega de nuestra serie de impacto de la IA por sector tras la #068 (comercializadoras), la #094 (marketing) y la #097 (consultoría), este artículo recorre las profesiones. La situación actual en cifras (el 62% de los abogados reporta ahorros de tiempo semanales del 6–20%; Harvey y CoCounsel de Thomson Reuters procesaron más de 10M de documentos legales en el Q1 de 2026; el uso de IA generativa en despachos de fiscalidad/contabilidad/auditoría saltó del 8% en 2024 al 21% en 2025; un estudio de Stanford muestra empleos de inicio de carrera en campos como la contabilidad un 13% por debajo de 2022, contadores +5% y tenedores de libros -5%), el trabajo que la IA cambia por profesión (abogados = investigación de casos, revisión de contratos, extracción de obligaciones; contadores = contabilidad, comprobación de soportes, muestreo, identificación de riesgos; asesores fiscales = entrada de datos, borradores de declaraciones, búsqueda de legislación; la IA hace el trabajo de base, los humanos toman la decisión final), el mayor riesgo de la alucinación (inventar casos/leyes inexistentes, que lleva a sanciones y pérdida de confianza; Harvey presume de un 99.7% de exactitud en citas verificadas y marca el resto, CoCounsel ancla las citas en una base de datos de jurisprudencia para citar solo casos reales), el valor esencial que no cambia (juicio final, escepticismo profesional, ética, juicios fiscales en zonas grises y, de forma decisiva, la firma y la responsabilidad legal que no se puede delegar en la IA), la crisis de los junior (automatización de la rutina de aprendizaje) y los nuevos roles (responsables de cumplimiento de IA, ingenieros de prompts fiscales), y consejos por rol para profesionales, aspirantes y clientes (verifica las citas y las cifras contra las fuentes primarias; confirma el tratamiento de la confidencialidad). La regulación y la responsabilidad difieren según el país; en Japón, las funciones de IA en el software de contabilidad también están muy extendidas. La pregunta que plantea la IA: ¿lo que vendes es el trabajo, o el juicio y la responsabilidad?