La inteligencia artificial ya no solo crea imágenes: construye realidades creíbles que millones comparten sin verificar. El negocio crece y plantea un dilema urgente.

Una explosión perfecta. Un misil que impacta con precisión quirúrgica. Una imagen satelital que parece sacada de un informe militar. Todo encaja demasiado bien. Y ahí, en ese detalle, comienza la sospecha.

En los últimos meses, videos que muestran supuestos ataques —como misiles iraníes impactando en Tel Aviv o bases militares estadounidenses— se viralizaron con millones de visualizaciones. Sin embargo, tras una mirada más detenida, el relato se desarma: animaciones fluidas como las de un videojuego, objetos estáticos repetidos en imágenes satelitales antiguas y errores que no son visibles en un primer vistazo, pero que revelan una realidad inquietante.

No estamos ante simples fake news. Estamos frente a una nueva economía de la desinformación.

El negocio detrás del engaño

Las plataformas digitales —como TikTok, YouTube, Facebook o X— monetizan la atención. Y la atención, hoy, se captura con emociones intensas.

El contenido bélico generado con inteligencia artificial cumple todos los requisitos para volverse viral:

• Impacta visualmente
• Genera miedo o sorpresa
• Invita a compartir sin pensar

Cuanto más se comparte, más lo impulsa el algoritmo. Y cuanto más circula, más ingresos puede generar para quien lo publica.

En ese circuito, la veracidad pasa a un segundo plano.

El cerebro no detecta la mentira (al menos, no rápido)

Desde la neurociencia, este fenómeno tiene explicación. Nuestro cerebro no está diseñado para cuestionar de inmediato lo que ve, sino para procesarlo como real en una primera instancia.

Ese mecanismo —clave para la supervivencia— hoy juega en contra.

Cuando vemos un video impactante:

1. La emoción se activa primero (sorpresa, miedo, indignación)
2. La razón llega después
3. La acción (compartir) ocurre en segundos

Este desfase entre emoción y análisis es el terreno ideal para que el contenido falso prospere.

Chatbots, errores y una falsa sensación de verificación

Muchos usuarios recurren a herramientas de IA para validar lo que ven. Sin embargo, estudios recientes muestran que los chatbots:

• Pueden confundir fechas y contextos
• Tienden a responder con seguridad incluso cuando no saben
• Están diseñados para ser útiles, no necesariamente precisos en tiempo real

Un caso reciente lo evidencia: un bot aseguró que un video viral era real… hasta que un usuario detectó inconsistencias y lo corrigió.

La confianza ciega en la IA, en este contexto, también se vuelve un riesgo.

¿Vacío legal o dilema ético?

Las plataformas comenzaron a reaccionar. X, por ejemplo, suspendió cuentas por publicar contenido bélico generado por IA sin etiquetarlo. Meta y Google (propietaria de YouTube) anunciaron medidas para limitar la monetización de este tipo de contenido.

Pero el problema es más profundo.

Las mismas plataformas que intentan regular el fenómeno también se benefician de él. Más viralidad implica más tiempo de permanencia. Y más tiempo, más ingresos publicitarios.

Entonces surge la pregunta inevitable:
¿estamos ante una falla del sistema… o ante un modelo que funciona exactamente como fue diseñado?

Imágenes satelitales falsas: el nuevo riesgo invisible

Uno de los aspectos más preocupantes es la manipulación de imágenes satelitales. Algunas publicaciones recientes intentaron mostrar daños en bases militares con imágenes aparentemente reales.

El detalle que las delató: autos y objetos en posiciones idénticas a registros antiguos de Google Maps.

Para analistas y organismos de seguridad, este tipo de falsificaciones puede tener consecuencias mucho más graves que un simple video viral.

Una nueva forma de contenido… y de responsabilidad

Estamos frente a un cambio de paradigma. La inteligencia artificial no solo crea imágenes o textos: crea realidades plausibles.

Y en ese escenario, el rol del usuario se vuelve central.

Antes de compartir, una pausa.
Antes de creer, una duda.
Antes de reaccionar, una verificación.

Porque en este nuevo ecosistema, no todo lo que parece real… lo es.

Cómo entrenar una inteligencia artificial para que piense como tú: la lógica detrás de Claude Cowork

En un escenario donde la inteligencia artificial deja de ser herramienta para convertirse en socio de trabajo, aparece un concepto que empieza a marcar diferencia: entrenar la IA con tu propio criterio.

Claude Cowork propone precisamente eso. No se trata de pedir respuestas, sino de construir una lógica de pensamiento que responda a tu estilo, tus decisiones y tu forma de trabajar.

La imagen que acompaña esta nota sintetiza un proceso que, bien aplicado, puede cambiar la productividad de profesionales, empresas y creadores de contenido.

De usuario a arquitecto de pensamiento

El proceso comienza con algo simple: acceder a la aplicación de escritorio. Sin embargo, lo relevante no es la herramienta, sino lo que viene después.

Crear un proyecto implica definir un foco. No sirve lo genérico. Cuanto más específico sea el objetivo, más precisa será la respuesta de la inteligencia artificial.

Aquí aparece el primer punto clave: la claridad estratégica supera a la tecnología.

La base de conocimiento: el verdadero diferencial

El paso más importante no es técnico, es conceptual.

Construir una base de conocimiento significa trasladar tu experiencia, tu forma de escribir, tus decisiones pasadas y tus criterios a un sistema.

Esto puede incluir:

• Conversaciones previas
• Publicaciones propias
• Documentos estratégicos
• Estilo de comunicación
• Casos reales de trabajo

La inteligencia artificial no “aprende” sola en este modelo: aprende de ti.

Instrucciones que definen el comportamiento

Una vez creada la base, el siguiente paso es pedirle a la propia IA que redacte las instrucciones que regirán su funcionamiento.

Este punto resulta interesante: la herramienta se convierte en coautora de su propia configuración.

Luego, esas instrucciones se ajustan y se incorporan al proyecto.

Aquí se construye algo más profundo que prompts:
se diseña un sistema de pensamiento replicable.

Automatización con sentido

Cuando el proyecto está activo, aparece la verdadera potencia: la automatización.

Cowork permite iniciar tareas con contexto claro, por ejemplo:

• Redacción de contenidos
• Análisis de mercados
• Desarrollo de propuestas
• Respuestas comerciales

La diferencia es que ya no parte de cero.
Trabaja sobre una lógica entrenada.

Más allá de la tecnología: una nueva forma de trabajar

Lo interesante de este modelo no es la herramienta en sí, sino el cambio de paradigma.

Pasamos de preguntar a una IA…
a construir una IA que responde como nosotros.

En sectores como el turismo, el marketing o la comunicación, donde el estilo y la mirada marcan la diferencia, esto abre una oportunidad concreta: escalar sin perder identidad.

Te ayuda en tus tareas:

Claude Cowork no es simplemente una función más dentro del ecosistema de inteligencia artificial.

Es una invitación a ordenar, sistematizar y proyectar el propio conocimiento.

Quien entienda este proceso no solo va a usar mejor la IA.
Va a trabajar distinto.

¿Dónde conviene hacer el supermercado? Tecnología y datos llegan al carrito de compras

En Uruguay, la pregunta aparece cada semana en miles de hogares: ¿dónde conviene comprar para gastar menos?. La diferencia de precios entre supermercados, promociones y marcas convierte la compra cotidiana en una pequeña estrategia económica doméstica.

En ese escenario surge una nueva generación de emprendimientos tecnológicos que buscan resolver el problema con datos. Entre ellos aparece Cabacua, una startup uruguaya que desarrolló un sistema digital capaz de comparar precios de supermercados y sugerir el carrito más económico posible para cada usuario.

La propuesta se inscribe en una tendencia global: utilizar inteligencia artificial y análisis de datos para mejorar decisiones de consumo que hasta ahora dependían del tiempo y la paciencia del comprador.

Cuando la tecnología entra al supermercado

Cabacua funciona como un asistente inteligente de compras disponible en versión web y aplicación móvil. Su objetivo es sencillo de explicar: reunir en un solo lugar la información de precios de diferentes supermercados y ayudar al usuario a identificar dónde conviene comprar cada producto.

Para lograrlo, la plataforma procesa más de 100.000 precios correspondientes a cerca de 40.000 productos, construyendo una base de datos que se actualiza de manera permanente.

Sobre esa información, el sistema aplica algoritmos que calculan el carrito óptimo, es decir, la combinación de productos y supermercados que permite reducir el gasto total.

El usuario puede buscar productos por nombre o incluso escanear el código de barras con el teléfono, y en segundos obtiene una comparación de precios entre distintas cadenas.

La lógica es simple: convertir información dispersa en una decisión de compra más inteligente.

Datos para entender el consumo

Más allá del ahorro individual, plataformas de este tipo introducen un cambio interesante en el comercio minorista. Al hacer visibles las diferencias de precios entre supermercados, también aumenta la transparencia del mercado y la competencia entre cadenas.

En paralelo, la acumulación de información genera una nueva dimensión empresarial. La base de datos de precios y hábitos de consumo puede convertirse en una herramienta de análisis para marcas, supermercados y empresas del sector retail que buscan entender mejor cómo se comporta el consumidor.

Ese cruce entre datos, tecnología y consumo explica por qué proyectos como Cabacua despiertan interés en el ecosistema emprendedor.

Del acto cotidiano al consumo informado

Un ejemplo cotidiano ayuda a comprender la lógica de estas plataformas.

Una familia arma su lista mensual de compras: productos básicos, limpieza, alimentos frescos. En lugar de recorrer diferentes supermercados o revisar promociones en múltiples sitios, carga la lista en la aplicación.

El sistema analiza los precios disponibles y sugiere una combinación de supermercados donde cada producto resulta más barato, mostrando además el ahorro estimado.

Detrás de ese proceso hay una idea sencilla pero poderosa: usar tecnología para transformar una rutina diaria en una decisión de consumo informada.

Innovación desde Uruguay

El desarrollo de este tipo de herramientas también refleja la evolución del ecosistema tecnológico uruguayo, donde equipos de ingeniería y emprendedores comienzan a explorar soluciones digitales aplicadas a problemas muy concretos de la vida diaria.

En un país donde el costo de vida suele ocupar el centro del debate público, iniciativas que combinan inteligencia artificial, ciencia de datos y economía doméstica muestran cómo la innovación puede aparecer en los lugares más inesperados.

A veces, incluso en algo tan simple como el carrito del supermercado.

Una empresa tecnológica nacida en Uruguay

Cabacua se define como un asistente inteligente de compras disponible en versión web y aplicación móvil. Su objetivo es ayudar a los consumidores a reducir el gasto en supermercado utilizando tecnología para comparar precios de manera automática.

La startup forma parte del ecosistema emprendedor uruguayo y fue creada por un equipo de ingenieros que decidió aplicar herramientas de inteligencia artificial y análisis de datos a un problema muy concreto: la dificultad que tienen los consumidores para comparar precios entre múltiples cadenas.

La empresa inicia su desarrollo en Montevideo, aunque su visión es más amplia. El proyecto apunta a escalar hacia otros mercados de Latinoamérica, donde la transparencia de precios y el acceso a información comparativa todavía son limitados.

El servicio se ofrece de forma gratuita para los usuarios, una decisión estratégica que busca ampliar rápidamente la base de personas que utilizan la plataforma.

La tecnología detrás del “asistente inteligente de compras”

El corazón de Cabacua es una plataforma tecnológica capaz de analizar más de 100.000 precios correspondientes a unos 40.000 productos disponibles en supermercados.

Para lograrlo, el sistema recopila información de los catálogos online de distintas cadenas y construye una base de datos de precios que se actualiza de forma constante.

Sobre esa base se aplican algoritmos de optimización que permiten calcular el “carrito óptimo”, es decir:

• Qué productos comprar

• ¿En qué supermercado?

• Y cómo combinar esas compras para minimizar el gasto total.

El usuario puede:

• Buscar productos por nombre.

• Escanear códigos de barras con la cámara del celular.

• o cargar una lista completa de compras.

En pocos segundos, la plataforma muestra dónde está más barato cada producto y cuánto dinero puede ahorrarse el consumidor.

A diferencia de otras iniciativas públicas de comparación de precios, la tecnología de Cabacua está diseñada para el uso cotidiano, con foco en rapidez, simplicidad y ahorro real.

La idea de negocio: datos, ahorro y transparencia

El modelo empresarial de Cabacua parte de una premisa clara: cuando el consumidor tiene información, puede tomar mejores decisiones de compra.

La propuesta de valor se apoya en tres pilares.

Ahorro.
La plataforma encuentra automáticamente las mejores ofertas y calcula el carrito más barato posible.

Simplicidad.
El usuario no necesita recorrer múltiples webs o revisar folletos de promociones.

Transparencia.
La app muestra con claridad cuánto se ahorra y en qué productos o supermercados.

Según estimaciones de la empresa, el sistema puede generar ahorros significativos en el gasto mensual, especialmente cuando se trata de compras grandes.

El negocio detrás de la app gratuita

Aunque el servicio es gratuito para el consumidor, el modelo empresarial de Cabacua no termina allí.

La startup proyecta desarrollar una segunda línea de ingresos basada en información de mercado y análisis de datos para empresas.

Con una base amplia de precios y hábitos de consumo, la plataforma puede ofrecer:

• Inteligencia comercial para supermercados

• Análisis de competencia para marcas

• Estudios de comportamiento del consumidor

En otras palabras, la empresa transforma datos cotidianos de compra en información estratégica para el sector retail.

Cada revolución tecnológica despierta una pregunta incómoda: ¿la máquina sustituirá al ser humano?

La expansión de los agentes de inteligencia artificial reabre ese debate. Sistemas capaces de analizar datos, escribir textos, programar código o ejecutar tareas complejas despiertan una inquietud profunda en el mundo laboral.

Sin embargo, esta discusión no comenzó con la inteligencia artificial. Sus raíces aparecen mucho antes.

Cuando las matemáticas humanas calculaban el espacio

Durante las décadas de 1940 y 1950, antes de la informática moderna, la NASA dependía de equipos de matemáticas que realizaban cálculos manuales extremadamente complejos.

Se las conocía como “computadoras humanas”.

Entre ellas se destacaron científicas como Katherine Johnson, Dorothy Vaughan y Mary Jackson, quienes trabajaban desde la época de la National Advisory Committee for Aeronautics, organismo que luego se transformó en la NASA.

Sus cálculos permitieron diseñar trayectorias de vuelo, órbitas espaciales y misiones que marcaron el inicio de la carrera espacial.

En 1962, durante la misión del astronauta John Glenn, la computadora IBM 7090 calculó la trayectoria orbital. Glenn pidió que Katherine Johnson verificara los números manualmente antes del lanzamiento.

La escena refleja una transición histórica. La computadora aparecía como herramienta poderosa, pero la confianza final seguía apoyada en el conocimiento humano.

Con el tiempo muchas de estas matemáticas aprendieron programación y comenzaron a trabajar con las nuevas máquinas.

No desaparecieron. Su trabajo evolucionó.

Las advertencias de los filósofos del siglo XX

Durante los años sesenta, con la expansión de la informática y la cibernética, algunos pensadores comenzaron a analizar el impacto social de la tecnología.

El filósofo Herbert Marcuse, en One-Dimensional Man (1964), observó que las sociedades industriales avanzadas podían utilizar la tecnología para ampliar la eficiencia productiva, pero también para reforzar estructuras de control social.

El matemático y pensador Norbert Wiener, creador de la cibernética, ya había advertido en The Human Use of Human Beings que la automatización modificaría profundamente el empleo si las sociedades no preparaban nuevas formas de organización laboral.

La inquietud por el impacto tecnológico en el trabajo acompaña a cada revolución industrial.

Bauman y la fragilidad del trabajo en la modernidad líquida

Décadas después, el sociólogo Zygmunt Bauman describió el cambio social que acompañó a la globalización tecnológica.

En su concepto de modernidad líquida, Bauman sostuvo que el trabajo dejó de ser una estructura estable para transformarse en una experiencia flexible, incierta y muchas veces precaria.

La tecnología digital, según su análisis, acelera ese proceso:
las organizaciones se vuelven más livianas, los empleos más temporales y las carreras más inestables.

“La modernidad líquida es una civilización de exceso, de redundancia y de residuos”.
— Zygmunt Bauman

Rifkin y el fin del trabajo industrial

En 1995 el economista y analista social Jeremy Rifkin publicó un libro que generó un debate mundial: The End of Work.

Rifkin argumentó que la automatización y la digitalización reducirían progresivamente la necesidad de trabajo humano en la economía industrial.

Aunque su predicción no se cumplió de forma literal, el fenómeno que describía sí se hizo visible: cada salto tecnológico elimina tareas específicas y obliga a redefinir el mercado laboral.

“Estamos entrando en una era en la que cada vez menos trabajadores serán necesarios para producir los bienes y servicios de la economía global”.
— Jeremy Rifkin

Lo que dicen los economistas contemporáneos

El debate también ingresó al terreno de la economía académica.

El premio Nobel Christopher Pissarides, galardonado con el Nobel Prize in Economics en 2010, sostiene que la inteligencia artificial no necesariamente destruye empleo de manera permanente.

Su análisis señala que las tecnologías suelen eliminar tareas rutinarias, pero generan nuevas ocupaciones que requieren habilidades diferentes.

Por su parte, el informe Future of Jobs del World Economic Forum proyecta que la automatización y la inteligencia artificial transformarán millones de empleos durante la próxima década, mientras aparecen nuevas profesiones vinculadas al análisis de datos, ingeniería de sistemas inteligentes y creatividad digital.

El nuevo desafío de los agentes de inteligencia artificial

La diferencia con otras revoluciones tecnológicas es que los agentes de inteligencia artificial no solo automatizan tareas físicas o repetitivas.

También comienzan a intervenir en procesos intelectuales.

Redacción automática, análisis de información, programación básica, atención al cliente o soporte técnico empiezan a integrarse a sistemas automatizados.

Por eso el debate ya no pertenece únicamente a los ingenieros. Involucra a educadores, economistas, filósofos y responsables de políticas públicas.

Una lección que llega desde la historia

La experiencia de las matemáticas de la NASA muestra que la tecnología no elimina necesariamente el talento humano.

Transforma su papel.

Cuando aparecieron las computadoras IBM desapareció el cálculo manual, pero surgieron nuevas profesiones:

• Programación

• Ingeniería informática

• Análisis de sistemas

• Ciencia de datos

La inteligencia artificial puede seguir un camino similar, aunque con una velocidad mucho mayor.

La pregunta abierta

El verdadero debate no es si las máquinas reemplazarán al ser humano.

La pregunta es qué capacidades humanas seguirán siendo esenciales en una economía donde los algoritmos participan cada vez más en la toma de decisiones.

Creatividad, pensamiento crítico, contexto cultural y juicio ético aparecen como territorios donde el ser humano continúa siendo decisivo.

La historia sugiere que el trabajo humano no desaparece.
Cambia.

Pero cada generación debe aprender nuevamente cómo adaptarse al cambio.

Historia que se repite: de las IBM a los agentes de IA

Vender sin tener productos: el fenómeno del dropshipping

Durante años el comercio tradicional siguió una lógica simple: comprar mercadería, almacenarla y luego venderla. Sin embargo, la expansión del comercio electrónico comenzó a modificar ese esquema. En ese contexto surgió un modelo que hoy atrae a miles de emprendedores digitales en todo el mundo: el dropshipping.

La idea es sencilla. El vendedor crea una tienda online y ofrece productos, pero no necesita tenerlos físicamente. Cuando un cliente realiza una compra, el pedido se envía directamente desde el proveedor al comprador. El emprendedor se concentra en la tienda, el marketing y la atención al cliente.

Este sistema reduce el riesgo inicial, ya que evita inversiones en inventario o depósitos.

Cómo funciona este modelo de negocio

El proceso es bastante directo:

1. Un emprendedor crea una tienda online.

2. Publica productos de un proveedor mayorista.

3. Un cliente compra en la tienda.

4. El proveedor envía el producto directamente al cliente.

5. El vendedor obtiene la diferencia entre el costo y el precio de venta.

En la práctica, el negocio se apoya en plataformas digitales que permiten integrar tiendas con proveedores de manera automática.

Entre las herramientas más utilizadas aparece Shopify, una plataforma que facilita la creación de tiendas online y la gestión de pedidos.

Muchos vendedores también utilizan mercados mayoristas globales como AliExpress o Alibaba, donde se encuentran miles de productos disponibles para comercializar.

Un negocio que depende más del marketing que del producto

A diferencia del comercio tradicional, el éxito del dropshipping no depende tanto de la logística como de la capacidad de encontrar nichos de mercado.

Accesorios para mascotas, gadgets tecnológicos, productos de fitness o utensilios de cocina suelen convertirse en tendencias dentro de este modelo.

El desafío principal está en construir una tienda confiable, comunicar bien el valor del producto y generar tráfico desde redes sociales o campañas digitales.

Plataformas como TikTok, Instagram o Facebook se han convertido en canales clave para mostrar productos mediante videos cortos o recomendaciones de creadores de contenido.

Ventajas y desafíos del modelo

El dropshipping presenta ventajas claras para quienes comienzan en el comercio electrónico:

• baja inversión inicial

• posibilidad de vender desde cualquier país

• escalabilidad rápida

• gran variedad de productos disponibles

Pero también plantea desafíos. El tiempo de envío, la calidad del proveedor y la competencia global obligan a cuidar la reputación de la tienda y la experiencia del cliente.

Por esa razón, muchos emprendedores que logran consolidar ventas terminan evolucionando hacia un segundo paso: crear su propia marca y mejorar el control sobre los productos.

El comercio digital como puerta de entrada al emprendimiento

El crecimiento del comercio electrónico está cambiando la forma en que nacen muchos emprendimientos. Para jóvenes creadores digitales, profesionales independientes o pequeños empresarios, el dropshipping se presenta como una puerta de entrada al mundo del comercio global.

En ese escenario, el verdadero diferencial no está en el producto sino en la capacidad de entender al cliente, construir confianza y desarrollar una marca en el entorno digital.