Guías, comparativas y novedades sobre herramientas de IA

Arrastra un CSV al cuadro de chat, escribe «analiza la tendencia de ventas y grafícala», y decenas de segundos después la IA ha escrito y ejecutado Python entre bastidores y devuelve un gráfico más comentarios de análisis — ahí es donde está el análisis de datos en 2026. El análisis de datos con IA es un método en el que, con solo dar instrucciones en lenguaje natural, la IA se encarga de la agregación, la visualización, la estadística y el análisis de causa raíz. Hay tres puertas de entrada: (1) soltar un archivo en el chat (ChatGPT, Claude), (2) integración con Excel/Sheets (Copilot, Claude for Excel) y (3) herramientas dedicadas (Julius). Este artículo cubre los tres enfoques, una comparativa de herramientas, el flujo de 5 pasos objetivo → describir datos → preguntar poco a poco → verificar → interpretar, y las trampas más importantes (números inventados, huecos rellenados en silencio, confundir correlación con causalidad, filtrar datos confidenciales, sobrescribir datos en bruto), además de qué análisis encajan y cuáles no. La IA derribó el «muro de las herramientas» pero dejó el «muro de la interpretación» a los humanos — solo quienes combinan comodidad con verificación lo dominan de verdad.

GitHub Copilot se lanzó en 2021 como un autocompletado de código inteligente; para 2026 es algo distinto. Asígnale un único Issue de GitHub y aléjate: la IA escribe el código, hace pasar las pruebas, abre una pull request y te la devuelve — Copilot cloud agent (antes Copilot coding agent). GitHub Copilot es un servicio de asistencia de codificación con IA de GitHub (propiedad de Microsoft), con tres formas de usarlo: autocompletado, chat y agente. Su rasgo definitorio es que se instala como una extensión en editores ya existentes como VS Code y JetBrains — añades IA sin cambiar tu editor habitual. Este artículo cubre qué puede hacer Copilot, la estrella de 2026 que son el modo agente y el cloud agent, los precios Free/Pro $10/Pro+ $39/Max $100 y el paso a la facturación por uso (créditos de IA) en junio de 2026, en qué se diferencia de Cursor y Claude Code, a quién le conviene y cómo empezar — todo con la información más reciente.

Entrenar GPT-4 requirió unos 2,1×10²⁵ FLOP de cómputo con un coste de unos 78 millones de dólares (ambas cifras estimadas), y solo el entrenamiento de GPT-3 consumió 1.287 MWh (más de un siglo de energía doméstica). Detrás de nuestro casual "resume esto" se esconde un mundo de física y dinero. Este artículo disecciona un LLM desde tres direcciones: mecanismo, energía y dinero. (1) ¿Por qué un LLM puede predecir palabras a partir de una pila de "pesos (parámetros)"? — predicción del siguiente token, Transformer, Attention. (2) El aprendizaje en dos etapas: preentrenamiento y RLHF. (3) La energía por consulta depende de quién la midió y cómo (0,24 Wh medidos por Google; más de 29 Wh para un prompt largo a los modelos más pesados según una estimación de terceros). (4) ¿Es cierto que "el desarrollo de frontera es una pelea de dinero"? — el coste de entrenamiento crece 2,4 veces al año y se prevén entrenamientos de más de 1.000 M$ en 2027. (5) Pero la contracorriente de la eficiencia (DeepSeek, entre otros) también es fuerte. (6) El muro físico que viene de energía, interconexión y escasez de datos. Una guía intermedia para ver un LLM no como una caja mágica sino como una máquina de probabilidades alimentada por electricidad.

Las 6 fases del desarrollo de sistemas (requisitos, diseño, implementación, pruebas, despliegue y operaciones) apenas cambiaron durante más de 20 años, pero en 2025–2026 el flujo se ha reescrito desde sus cimientos. Gartner prevé que en 2028 el 90% de los ingenieros de software empresariales usará asistentes de código con IA. Este artículo repasa el estado de cada fase, las herramientas principales, los problemas de calidad, los cambios de roles y tres trampas del SDLC liderado por IA.

Itochu 900.300 millones de yenes, Mitsui 834.000 millones, Mitsubishi 800.500 millones: en FY2025 (cerrado en marzo de 2026) Mitsubishi y Mitsui, más expuestas a recursos, ganaron menos e Itochu pasó al primer puesto entre las cinco sogo shosha japonesas. Berkshire Hathaway posee alrededor del 10% de cada una (entre el 9,7% y el 10,8% a finales de 2025), pero un cambio estructural sacude el modelo central. El foso histórico, la "asimetría de información", se esfuma a medida que Bloomberg, SaaS, IA generativa e imágenes satelitales convierten la inteligencia en commodity. El 19 de mayo de 2026, el Consejo de Investigación de Políticas del LDP aprobó una propuesta sobre "IA de nueva generación y finanzas on-chain": no menciona a las casas comerciales, pero la automatización de transacciones y liquidaciones que plantea se solapa con su trabajo central. La ejecución de operaciones (inteligencia, documentos, crédito, logística, cobertura cambiaria), el 50-60% del trabajo del shosha-man, podría automatizarse en un 70% para 2030. Las estrategias de las cinco grandes se han polarizado: Itochu (downstream x IA x Silicon Valley) es el número 1 en beneficio neto; de Mitsubishi se informa que el término "DX" ha caído en picado en sus informes integrados. Tres estrategias de supervivencia (holding de inversión estilo Berkshire, expansión downstream, organización AI-nativa), tres capas de carrera del shosha-man (junior alto riesgo, intermedio en transformación, GM+ reforzado) y la ampliación de la brecha sogo vs especializadas.

Dominan las historias de despidos, pero el WEF prevé un saldo neto de unos 78 millones de empleos hasta 2030. Este artículo se centra en el lado que crece. En las proyecciones 2025–2035 del BLS de EE. UU., los enfermeros de práctica avanzada (+41,0%), los científicos de datos (+34,6%), la seguridad de la información (+21,0%), la atención domiciliaria (+18,1%) y los electricistas (+9,2%) superan la media de +3,5%. Explicamos tres principios del trabajo resistente a la IA y una cuarta categoría, una tabla de 15 ocupaciones con salario mediano y requisitos de entrada del BLS, y cuatro movimientos hacia el lado que crece.

⚠️ Claude Cowork se unificó con el chat el 16 de septiembre de 2026 y dejó de ser una entrada independiente (las funciones siguen ahí y se usan desde cualquier conversación). Lo que sigue es la explicación de su contenido. Un equipo de cinco personas recuperó entre seis y ocho horas a la semana solo en organización de archivos y preparación de informes; un usuario vació una carpeta de Descargas con 2.200 archivos en veinte minutos. Claude Cowork es el espacio de trabajo con IA que Anthropic lanzó en 2026 para que la IA toque directamente tus archivos, carpetas y aplicaciones y ejecute un ciclo completo de observar → planificar → ejecutar → dirigir. Cualquier plan de pago a partir de Pro a 20 $ te da acceso en macOS o Windows. Cowork se conecta directamente con Google Drive, Gmail, Slack, Jira y DocuSign mediante conectores oficiales, y la capa de plugins permite a las organizaciones incrustar su conocimiento departamental. Enterprise añade RBAC, topes de gasto y OpenTelemetry. Puedes tocar Cowork desde Pro a 20 $, pero las tareas de Cowork consumen entre 50 y 100 veces más tokens que el chat, así que para uso diario Max a 100 $ es la línea realista. Este artículo cubre qué hace Cowork, por qué se creó, el bucle de trabajo de cuatro pasos, los principales conectores, los plugins y funciones empresariales, la línea real de coste y cómo repartir las peticiones tras la unificación: preguntar en corto, indicar el objetivo y delegar, o pasarlo a Claude Code.

En 2023, un abogado de Nueva York citó en el tribunal seis precedentes generados por ChatGPT, y los seis no existían. Así es como se ven los problemas con la IA. Este artículo ordena los problemas representativos del uso de la IA en siete categorías —alucinación, fuga de confidenciales, derechos de autor, inyección de prompts, exceso de confianza, AI slop y dependencia excesiva— y recorre el incidente típico (incluidos los casos de Avianca y Samsung), la causa y la prevención. La raíz se condensa en tres: «la comodidad nos baja la guardia, dejamos de verificar, la responsabilidad se difumina». Por eso las contramedidas son comunes: verifica la información importante en una fuente primaria, trata la confidencialidad con el mismo peso que el correo externo, deja las decisiones finales a los humanos, reserva un día sin IA por semana para las habilidades centrales. Para las organizaciones: distribuye esta semana una guía de uso de IA de una sola página, imperfecta, en lugar de esperar medio año por un reglamento perfecto. A octubre de 2026.

Hay quien dice "con la IA gratis sobra" y quien dice "la versión gratuita no sirve". Cuando el veredicto se divide así de tajantemente incluso entre quienes usan el mismo ChatGPT, no es una cuestión de capacidad, sino de si sabes "en qué punto del plan gratuito chocas contra el muro". A octubre de 2026 los planes gratuitos de ChatGPT, Claude y Gemini son todos realmente prácticos, pero sus formas son completamente distintas. ChatGPT tiene un abanico amplio de funciones y chats de texto cotidianos ilimitados, pero en el plan gratuito usa un modelo ligero y herramientas como la generación de imágenes tienen límites aparte. Claude ofrece análisis y redacción de textos largos de alta calidad, pero su límite de cinco horas varía según la demanda, lo que hace difícil prever la cuota. Gemini tiene una fuerte integración con Google, pero la versión gratuita no permite elegir modelo (selección automática, sobre todo Flash-Lite), y tiene un límite de cinco horas y otro semanal. Claude y Gemini no publican cifras, así que no se puede comparar con datos oficiales cuál es el más generoso. Este artículo ordena por qué "gratis" significa cosas distintas en los tres, qué puede hacer cada uno y dónde está su muro, una tabla de referencia rápida por caso de uso, tres consejos para aprovechar el plan gratuito y las señales de que es hora de considerar un plan de pago.

En 2025, el número de ofertas de un rol creció en un extraordinario 1.165% interanual: el FDE, el Forward Deployed Engineer. ¿Por qué un trabajo discreto que Palantir sistematizó a lo largo de unos 20 años se ha convertido de repente en "el título más codiciado" en 2026? Un FDE es "un ingeniero que lleva el producto de su propia empresa al lugar del cliente y se hace cargo personalmente, de principio a fin, de la observación, el diseño, la implementación, la operación y la retroalimentación de producto." La IA generativa arrastra una última milla de "la demo funciona pero no funciona in situ", y el FDE es el rol que la cierra a mano. Este artículo cubre la definición, por qué el rol explotó en 2026 (la avalancha de contratación de OpenAI, Anthropic y Google), el ciclo de trabajo de 5 etapas, el salario y la carrera (mediana de Palantir 278.000 USD, máximo declarado 620.000 USD), la diferencia con SE / consultor de TI / Applied AI Engineer, a quién le encaja y a quién no, y cómo llegar hasta ahí sin experiencia, todo con datos a octubre de 2026.

Crear listas, enviar el primer correo, agendar y cargar el CRM ya pasa a los agentes de IA, pero los compradores siguen queriendo a una persona que responda sus dudas, les ayude a aprobar la compra y acompañe la cuenta. Este artículo divide el trabajo comercial en SDR, negociaciones y clientes actuales, con dos encuestas verificadas en los comunicados originales. El séptimo State of Sales de Salesforce (4.050 profesionales de 22 países, agosto–septiembre de 2025) muestra que el vendedor dedica el 40% de su tiempo a vender, que espera que los agentes de IA reduzcan un 34% la investigación de prospectos y un 36% la redacción de correos, y que el 79% de los de alto rendimiento prioriza la higiene de datos frente al 54% de los de bajo rendimiento. La encuesta de Gartner a 645 compradores B2B muestra que el 67% prefiere comprar sin vendedor y el 69% quiere validar con un vendedor la información de la IA; Gartner prevé que en 2030 el 75% preferirá ventas centradas en personas. Incluye un mapa por tareas, criterios para elegir herramientas de AI SDR y qué pueden hacer vendedores y gerentes.

Vercel MCP, el Vercel Plugin y las Agent Skills suenan parecido, pero son cosas distintas. MCP es un servidor remoto al que te conectas con OAuth y que ofrece despliegues, logs y variables de entorno como herramientas; el Plugin añade cinco comandos como /vercel-plugin:deploy y conocimiento de Vercel; las Skills son instrucciones. Escrito tras releer la documentación oficial el 30 de septiembre de 2026, este artículo presenta una tabla que distingue la integración con Git, la CLI, MCP, el Plugin y las Skills (qué hace cada uno, cómo se autentica, condiciones de plan) y recorre tres enfoques con configuración real: ① integración con Git (despliegue automático con git push), ② directo desde el editor (MCP y Plugin) y ③ GitHub Actions (@claude corrige, compuertas de tests y aprobación). También trata cómo evitar despliegues dobles desde Actions, el límite de Hobby de 100 despliegues al día, las condiciones de plan de la protección por contraseña, el rollback y la aprobación humana para producción.