WordCraft, GridCraft y DeckCraft: el creador de ArtCraft clona Word, Excel y PowerPoint en código abierto, pero aún están en alfa

Publicado el

por Natalia Polo

Brandon Thomas, el desarrollador detrás de ArtCraft, ha publicado WordCraft, GridCraft y DeckCraft, tres aplicaciones gratuitas y de código abierto que imitan a Word, Excel y PowerPoint. Abren y guardan .docx, .xlsx y .pptx, pero de compatibilidad total, nada: las tres están en alfa, y, a 15 de octubre, sus propios repositorios estiman que están entre un 50 % y un 60 % preparadas para trabajo real. Tampoco hay ataque frontal a Microsoft 365. Es un proyecto abierto, temprano y muy ambicioso, escrito en Rust con ayuda de Claude.

La noticia la han recogido medios como Tom’s Hardware y TechRadar, y la información técnica está en la página oficial de las Crafting Apps de ArtCraft y en los repositorios de GitHub de cada aplicación.

¿Qué son WordCraft, GridCraft y DeckCraft?

Son tres de las 13 aplicaciones que ArtCraft agrupa bajo el nombre de Crafting Apps, todas nativas, de código abierto y escritas en Rust. La familia empezó replicando Adobe (PhotoCraft, VectorCraft, FilmCraft, LightCraft o PdfCraft) y ahora salta a la ofimática.

  • WordCraft: procesador de textos con cinta de opciones, estilos, tablas, control de cambios, referencias y combinación de correspondencia. Abre y guarda .docx de forma nativa, importa y exporta .odt, .rtf, .html, .md y .txt, y exporta a PDF.
  • GridCraft: hoja de cálculo con barra de fórmulas, más de 500 funciones, matrices dinámicas, tablas dinámicas y gráficos. Su formato nativo es .xlsx.
  • DeckCraft: presentaciones con patrones de diapositiva, temas, más de 150 formas vectoriales, transiciones, animaciones y vista del moderador. Abre y guarda .pptx.

Las tres se pueden descargar para macOS, Windows y Linux, y la web oficial también ofrece versión para navegador. La versión publicada en las páginas de descarga es la 0.5.0.

¿Son realmente compatibles con los archivos de Office?

Parcialmente, y lo dicen sus propios autores. El README de GridCraft lo resume sin rodeos: «el flujo de trabajo básico funciona de principio a fin, pero la profundidad, la fidelidad y la compatibilidad de archivos todavía son toscas».

Estas son las estimaciones que publican los repositorios a 15 de octubre de 2026, unas cifras que sus autores actualizan con frecuencia:

  • WordCraft: en torno al 60 % del camino para sustituir a Word en trabajo real, con un 88 % de las funciones de la cinta de Word cubiertas. Antes de la beta, la hoja de ruta exige conservar gráficos y SmartArt al abrir y guardar, y acercar la paginación a la de Word.
  • GridCraft: alrededor del 50 % listo para trabajo real. Soporta 513 de las 523 funciones de hoja de cálculo de Excel, pero los .xls antiguos se abren sin formato ni objetos.
  • DeckCraft: cerca del 55 % listo para trabajo real y un 84 % de cobertura de funciones de PowerPoint. La prensa que cubrió el lanzamiento citaba un 79 %; la cifra del repositorio ha cambiado desde entonces.

IBTimes subraya que son estimaciones de los propios desarrolladores, no pruebas auditadas. Su consejo es sensato: probar con copias de tus archivos y revisar saltos de página, fórmulas, gráficos, control de cambios y animaciones antes de fiarte.

¿Qué papel ha tenido Claude en el desarrollo?

Uno grande, aunque nadie ha medido cuánto. TechRadar explica que Thomas ha usado Claude, de Anthropic, para la mayor parte del trabajo de estos proyectos, y TechSpot y ProPakistani concretan que el modelo fue Claude Opus 5.5. Según IBTimes, el historial de commits en GitHub no deja claro cuánto código escribió, revisó o probó Thomas en persona.

Thomas no es un recién llegado: ProPakistani lo presenta como ingeniero con unos 15 años de experiencia, antiguo CEO de Storyteller.ai y exingeniero de Square. Ante las críticas que tachan sus apps de «vibe coding» o «AI slop», respondió en X que sabe programar.

Hay un detalle más interesante que el debate sobre quién tecleó cada línea. Las aplicaciones están pensadas para que las manejen agentes de IA: WordCraft expone cientos de comandos (389 según su web y 422 según su repositorio a 15 de octubre) a través de una CLI, un canal de control JSON y un servidor MCP, y DeckCraft supera los 200. En la práctica, cada botón de la cinta se puede pulsar desde un script o un agente.

¿Por qué no es un rival de Microsoft 365?

Porque juega en otra liga. Microsoft 365 es una suscripción con servicios en la nube pensada también para empresas. Las Crafting Apps, en cambio, son aplicaciones locales y de código abierto que los propios autores siguen considerando una alfa. Se parecen más a LibreOffice que a la suite de Microsoft.

Y con LibreOffice tiene Thomas una cuenta pendiente. «Odio LibreOffice. Una vez me destrozó un trabajo de 40 páginas la semana de entrega, en plena época de exámenes», escribió en redes sociales en un mensaje que recoge TechRadar. Ese mismo medio cita las críticas de quienes le reprochan recurrir al vibe coding en lugar de apoyar proyectos libres ya existentes, como LibreOffice, GIMP o Thunderbird. Quien quiera comparar tiene la evolución de LibreOffice como suite ofimática de código abierto, y las formas de usar Microsoft Word gratis que ya existen.

La licencia es doble, MIT o Apache-2.0, a elección del usuario. El modelo de negocio de ArtCraft está en otra parte: su estudio de imagen y vídeo con IA tiene planes de pago desde 10 dólares al mes (unos 8,70 euros), con descuento temporal en la web. Las aplicaciones de ofimática no cuestan nada.

Lo que más me interesa de WordCraft y compañía no es que vayan a jubilar a Word, porque no lo van a hacer pronto. Es la velocidad. Un desarrollador apoyado en un modelo de IA ha montado tres aplicaciones que ya abren y guardan formatos de Office, con licencia permisiva y preparadas para agentes, y lo ha hecho mientras seguía clonando Adobe. Si eso se sostiene, el foso de las suites ofimáticas ya no estará en el código, sino en la fidelidad de formato, el soporte y la confianza.

Y ahí la pregunta incómoda es la del mantenimiento: ¿quién arregla el documento roto de un cliente a las once de la noche cuando el autor ya está clonando AutoCAD? Para jugar, probar flujos con agentes o editar documentos sencillos, merecen una descarga. Para el contrato que tienes que entregar mañana, todavía no.

Facebook te deja moldear su algoritmo con lenguaje natural: así funciona ‘Your algorithm’

Publicado el

por Natalia Polo

Facebook ya permite decirle con tus propias palabras qué quieres ver en el Feed y en Reels. Meta anunció el 13 de octubre de 2026 «Your algorithm», un espacio dentro del menú de tres puntos donde añades y gestionas los temas que te interesan. Además, al marcar una publicación como interesante o no, la aplicación puede pedirte detalles. Según la compañía, unos modelos de lenguaje interpretan esas instrucciones y ajustan las recomendaciones en tiempo real.

El anuncio está en la entrada oficial de Meta «Your Algorithm, Your Words», una nota breve de 438 palabras. Llama la atención lo que no dice: ni países, ni calendario, ni idiomas, ni ejemplos concretos.

¿Cómo se usa «Your algorithm» en Facebook?

Se abre desde el menú de tres puntos que aparece en cada publicación, que Meta ha rediseñado para dar acceso a estas herramientas. Dentro, la compañía lo describe como «un espacio dedicado para decirnos exactamente qué te gusta», donde puedes añadir y gestionar los temas que quieres ver en el Feed y en Reels.

La segunda vía funciona publicación a publicación. Cuando pulsas «Interested» o «Not interested» (así se llaman las opciones en la versión inglesa), Facebook puede hacerte preguntas de seguimiento sobre qué te ha gustado o molestado. Ahí respondes en texto libre, con tus palabras, qué quieres ver más o menos.

Meta afirma que las recomendaciones se actualizan «en tiempo real» y se adaptan «dentro de la misma sesión». En la práctica, no deberías tener que esperar días a que el Feed note el cambio. TechCrunch, que cubrió el anuncio el mismo día, tampoco aporta datos de disponibilidad por país ni un calendario de despliegue.

¿Qué cambia por dentro?

Hasta ahora, el sistema de ranking de Facebook deducía tus gustos de lo que hacías: publicaciones con me gusta, comentarios, lo que veías y, según Meta, «miles de otras señales». La novedad es que los modelos de lenguaje incorporan también lo que escribes, con sus matices de interés, contexto e intención.

Meta lo llama un «algoritmo con el que puedes hablar». Detrás de la frase hay un cambio técnico real: se combina texto libre con el historial de comportamiento que la empresa ya tiene. La nota no dice qué modelo usa, solo que son «grandes modelos de lenguaje».

Hay un matiz que la nota no aclara. Escribir «quiero más recetas veganas y menos política» es una señal muy explícita sobre tus preferencias, y Meta no explica cómo trata ese texto ni si se usa para algo más que ordenar el Feed. No es motivo de alarma, pero sí una pregunta razonable para una empresa cuyo negocio es entender qué te interesa.

Facebook llega el último a una idea que Meta ya probó en Instagram y Threads

Instagram lanzó su «Your Algorithm» en Reels el 10 de diciembre de 2025. Mostraba un resumen, generado con IA, de los temas que la aplicación creía que te interesaban, y te dejaba subirlos, bajarlos o escribir otros nuevos. TechCrunch recuerda que en junio de 2026 la función se extendió al Feed y a Explorar, y que Instagram incluso probó a convertir «Tu Algoritmo» en el centro de la experiencia, con un gesto en el feed para abrir el panel.

Threads siguió otra vía el 11 de febrero de 2026 con «Dear Algo». Se escribe esa fórmula en una publicación pública seguida de lo que quieres ver más o menos, y el ajuste del feed de Threads dura tres días. Según Meta, se estrenó en Estados Unidos, Nueva Zelanda, Australia y Reino Unido.

Con Facebook se completa el patrón: Meta lleva casi un año probando el control del algoritmo en lenguaje natural en sus aplicaciones, y la red social más antigua del grupo es la última en recibirlo.

¿Sirve de algo o es un gesto?

Puede servir, con condiciones. Que el usuario explique con palabras lo que quiere es más preciso que esperar a que el algoritmo lo adivine por el tiempo que te paras en un vídeo. Si el ajuste se nota en la misma sesión, como promete Meta, la diferencia puede ser grande.

Mi lectura es que el límite está en lo que no se puede pedir. Puedes decir «más fútbol» o «menos famosos», pero nada indica que puedas pedir un Feed cronológico, menos contenido recomendado o menos publicidad. El control se ejerce dentro del sistema de recomendaciones, no sobre él.

Aun así, es un paso en la buena dirección, y que Meta lo haya llevado ya a Instagram, Threads y Facebook indica que no es un experimento aislado, sino su forma de entender la recomendación. Falta saber cuándo llega a España y en qué idiomas. Hasta que Meta lo concrete, la promesa de «tu algoritmo, tus palabras» es solo eso para quien no sepa si la tiene ya en su móvil.

Google Play no endurece las reglas para apps hechas con IA: abre la puerta a las apps personales creadas en AI Studio

Publicado el

por Natalia Polo

Google Play no ha endurecido sus reglas para las aplicaciones creadas con IA. Ha hecho lo contrario: desde el 13 de octubre de 2026, y por ahora solo en algunos mercados, permite que cualquiera cree una aplicación Android con Google AI Studio mediante vibe coding y la ejecute en su propio dispositivo a través de Google Play, sin cuenta de desarrollador. Esas aplicaciones personales quedan fuera del catálogo público. Las reglas solo pesan cuando alguien quiere publicarlas para todo el mundo: entonces pasan por las mismas revisiones de Trust & Safety que cualquier aplicación profesional.

El anuncio está en la entrada oficial de Google «New on Google Play: More ways to create, discover, and play». Llegó acompañado de novedades de descubrimiento y de juegos que no afectan al tema de este artículo.

¿Qué ha anunciado Google exactamente?

Que una aplicación hecha con IA ya puede llegar a tu móvil por Google Play sin pasar por la tienda pública. Google lo resume como el paso de «hay una aplicación para eso» a «hay una aplicación para mí».

Los detalles oficiales son estos:

  • La aplicación se crea en Google AI Studio, con vibe coding.
  • Se lanza en tu propio dispositivo a través de Google Play, como una aplicación personal.
  • Es privada y queda separada del catálogo público de la tienda.
  • Basta con una cuenta de Google normal: no hace falta cuenta de desarrollador.
  • El despliegue empezó el 13 de octubre en «mercados seleccionados, incluido Estados Unidos», para mayores de 18 años.

Google no ha publicado la lista de mercados, y Android Authority, que también cubrió el anuncio, tampoco los nombra, así que no hay confirmación de que la función esté ya disponible en España.

¿Hay reglas nuevas para las apps generadas con IA?

No hay ninguna norma nueva específica. La página de plazos de políticas de Google Play, consultada el 15 de octubre, no recoge cambios dedicados a las aplicaciones hechas con IA. Las novedades que recoge tratan de las apps de chat anónimo y la protección de menores, los permisos de contactos y de ubicación, el uso del registro de llamadas y el registro obligatorio de aplicaciones en Play Console, con plazo el 30 de septiembre de 2026. Según Google, el 99 % de las aplicaciones de Play ya se había registrado de forma automática.

Lo que existe desde antes es la política de contenido generado por IA de Google Play. Se aplica a las aplicaciones cuya función central es generar contenido, como chatbots o generadores de imagen, voz o vídeo, y no habla de las aplicaciones que se han programado con ayuda de IA. Esa norma hace responsable al desarrollador de que su aplicación no genere contenido ofensivo, y prohíbe, entre otras cosas, los deepfakes sexuales no consentidos y las grabaciones de personas reales usadas para estafas.

TechCrunch añade que las aplicaciones personales deben cumplir igualmente las políticas existentes de Google Play. Es decir, no hay barra libre, pero tampoco un endurecimiento.

Qué cambia para quien desarrolla

Para el desarrollador profesional, casi nada de forma inmediata. Lo relevante es el camino que Google dibuja para los aficionados que crean aplicaciones en AI Studio.

Según la entrada oficial, en los próximos meses podrás compartir tus aplicaciones personales con un círculo cercano de amigos y familia. Si un día quieres publicar la aplicación para todo el mundo, Google Play te ayudará a pasar a una cuenta de desarrollador profesional, y en ese momento la aplicación pasará por las mismas revisiones de Trust & Safety y los mismos estándares de calidad que cualquier otra.

Es la versión móvil de algo que Google ya venía empujando en la web, cuando potenció la creación de apps con vibe coding en AI Studio. TechCrunch da el contexto: Google Play tiene unos 3.000 millones de usuarios y, hasta ahora, usar una aplicación propia en Android pasaba por publicarla en la tienda, lo que llevó a muchos a limitarse a aplicaciones web.

Si no tienes claro qué significa programar así, aquí explicamos qué es el vibe coding y por qué programar se siente más que se escribe.

¿Por qué Google prefiere abrir la puerta a cerrarla?

Porque la alternativa es peor para Google. Quien crea una aplicación con IA para sí mismo puede instalarla igualmente a mano, como un APK, y Android Authority presenta la novedad como una forma de ahorrarse esa incómoda instalación manual. Ofrecerle una vía oficial le mantiene dentro de Play y, cuando quiera dar el salto, ya está dentro del sistema de revisión. Google ya ponía trabas a la instalación por fuera en 2024, cuando permitió a los desarrolladores bloquear sus apps si se instalaban fuera de Google Play.

El mensaje lo resume Sam Bright, vicepresidente y director general de Google Play y del ecosistema de desarrolladores, en declaraciones recogidas por TechCrunch: «el futuro de las aplicaciones en Google Play es personal, seguro y construido por todos».

Mi lectura es que el titular de «Google endurece las reglas» se escribe solo, pero los hechos van en la otra dirección. Google ha decidido que las aplicaciones hechas con IA no son un problema que filtrar, sino un tipo de usuario que captar, y ha puesto la frontera donde siempre estuvo: en la publicación. Lo que queda por resolver es qué pasará cuando miles de esas aplicaciones personales quieran saltar a la tienda pública a la vez, y si la revisión de Trust & Safety está preparada para ese volumen. Ese será el momento de hablar de reglas más estrictas, si llegan.

Apple HomeView: la pantalla de 299 dólares para el hogar que no se venderá en la Unión Europea

Publicado el

por Natalia Polo

Apple ya tiene su pantalla para el hogar: se llama HomeView, cuesta 299 dólares (≈ 260 euros) y empieza a venderse el 13 de noviembre. La mala noticia para quien lee esto desde España es que no se venderá en la Unión Europea, porque el producto depende de Siri AI y esa función no está disponible en iOS dentro de la UE.

Apple lo anunció el 13 de octubre en su nota de prensa oficial sobre Apple HomeView. Hay dos versiones al mismo precio: una de sobremesa con base de altavoz y otra para montar en la pared. Por dentro lleva un chip A18 y una pantalla de 7 pulgadas.

Lo interesante no es la ficha técnica, sino lo que dice la letra pequeña: HomeView es un producto cuya venta en un mercado depende por completo de que allí funcione un asistente de IA.

¿Qué es exactamente Apple HomeView y cuánto cuesta?

HomeView es una pantalla táctil para el hogar que mezcla altavoz, centro de control domótico, marco de fotos y terminal de videollamadas. Las dos versiones cuestan 299 dólares en Estados Unidos; la de pared necesita además un soporte de alimentación que se vende aparte desde 59,95 dólares (≈ 52 euros).

Según las especificaciones técnicas de HomeView, la pantalla Liquid Retina mide 7 pulgadas, tiene una resolución de 1.088 × 1.088 píxeles y llega a 500 nits de brillo máximo (baja hasta 0,3 nits para usarla de noche en la mesilla). Incluye:

  • Cuatro micrófonos (frontal, trasero y laterales).
  • Una cámara de 12 megapíxeles con Center Stage para FaceTime.
  • Sensor de luz ambiental, sensor de temperatura y humedad y acelerómetro.
  • Wi-Fi 6E, Bluetooth 6.0 y Thread, compatible con accesorios Matter.

La versión de sobremesa pesa 952 gramos y viene en plata, blanco estrella, rosa y gris espacial. La de pared se queda en 286 gramos y solo en plata o gris espacial.

¿Por qué no llega a la Unión Europea?

Apple lo explica en una línea de su nota de prensa: HomeView no estará a la venta en la UE porque Siri AI no está disponible en iOS en la Unión Europea, y la compañía dice que «trabaja con la UE» para encontrar una salida. No da fechas.

Las reservas abrieron el 13 de octubre en Australia, Canadá, India, Nueva Zelanda, Reino Unido y Estados Unidos; Singapur se suma el 15 de octubre y Sudáfrica llega el 13 de noviembre a través de distribuidores autorizados. Incluso donde se vende, Siri AI llega en beta (versión de software 27.2) y solo en inglés; el francés canadiense vendrá más adelante.

Aquí está, en mi lectura, la parte más relevante para el lector europeo. Una cosa es vender un aparato con una función de IA recortada y otra muy distinta es no venderlo. Con HomeView, Apple ha decidido que sin el asistente no hay producto. Es una forma de trasladar presión a Bruselas: el consumidor europeo no ve una función gris, ve que el aparato directamente no existe en su tienda. Si quieres entender qué datos maneja ese asistente, tienes aquí una guía para controlar el acceso de Siri AI a tus mensajes y apps en iOS 27.

Qué hace Siri AI en una pantalla compartida por toda la familia

La idea central de HomeView es que la misma pantalla sea personal para cada miembro de la casa. Reconoce hasta seis personas por la cara y muestra a cada una su propia pantalla de inicio. «Apple HomeView está pensado para que lo comparta todo el hogar y, aun así, resulte completamente personal para cada usuario», dice Greg Joswiak, vicepresidente sénior de marketing mundial de Apple.

Para que Siri use datos personales (Mensajes, Calendario), HomeView necesita un iPhone o iPad emparejado con Apple Intelligence y Siri AI activado. Sin él, Siri AI sigue ofreciendo conocimiento general, conversación y descubrimiento de música. Apple añade una advertencia: algunas funciones de servidor tienen límites de uso diario y el acceso ampliado será de pago en el futuro.

En privacidad, Apple insiste en dos piezas. Las Secure Exclaves del A18 procesan los datos de cámara y micrófono aislados del resto del sistema. Y las peticiones a Siri se resuelven en el dispositivo o en Private Cloud Compute, que según Apple no guarda los datos. Además, el contenido personal solo aparece si la cara del usuario se reconoce y su iPhone está cerca y desbloqueado recientemente.

¿Compite con Echo Hub y Nest Hub?

Sí, pero desde arriba en precio. Según la comparativa publicada por IBTimes Singapore, el Amazon Echo Hub cuesta 179,99 dólares (≈ 157 euros) y el Google Nest Hub Max, 229 dólares (≈ 199 euros). HomeView es la opción más cara de las tres.

En domótica, Apple juega la carta de los estándares: controla luces, termostatos, cerraduras y persianas compatibles con Matter y Apple Home, muestra hasta nueve cámaras a la vez y detecta el sonido de alarmas de humo y monóxido de carbono para avisar a tus dispositivos. Si tu casa ya usa Matter, conviene repasar cómo funcionan Matter y Thread en la casa inteligente, porque es lo que hace que HomeView no te ate solo a accesorios de Apple.

Junto a HomeView, Apple presentó la Apple Home Collection, cámaras, termostatos y una cerradura diseñados con LG Electronics y Schneider Electric, que llegarán a partir de diciembre y algunos accesorios a principios de 2027. El reconocimiento de personas, mascotas, paquetes y vehículos exige suscripción a iCloud+.

Mi postura: HomeView es un producto bien resuelto sobre el papel, con una idea clara: una pantalla compartida que se vuelve personal cuando la miras. Pero llega con tres asteriscos que no conviene minimizar: un asistente en beta, un acceso ampliado que Apple ya avisa que será de pago y una disponibilidad que deja fuera a toda la Unión Europea.

Para Europa, el mensaje es más político que tecnológico. Mi impresión es que HomeView funciona, de paso, como escaparate de lo que el usuario europeo se pierde mientras Siri AI no esté disponible en la UE. Queda por ver si Bruselas lo lee como una presión legítima o como un pulso, y si Apple acaba cediendo antes que el regulador.

Character.AI se acoge al Chapter 11 y Disney ofrece 20 millones por parte de sus activos

Publicado el

por Natalia Polo

Character.AI se ha acogido al Chapter 11 de la ley de quiebras estadounidense para vender la compañía bajo supervisión judicial. El primer comprador sobre la mesa es Disney, que ofrece 20 millones de dólares (≈ 17,4 millones de euros) por una licencia sobre parte de su propiedad intelectual. Si el proceso no produce una oferta que mantenga viva la plataforma, el servicio se cerrará.

La empresa lo comunicó el 12 de octubre en su blog, en el post «An Update on Character.ai», donde anuncia el proceso voluntario de Chapter 11. Habla de «importantes vientos en contra legales, regulatorios y operativos» y de que su consejo concluyó que una venta supervisada por el juez es la mejor forma de maximizar el valor.

Es un final llamativo para una startup que en 2024 cerró un acuerdo de licencia con Google valorado en 2.700 millones de dólares. Y la explicación pasa, sobre todo, por los tribunales.

¿Qué significa que Character.AI se acoja al Chapter 11?

Significa que la compañía busca comprador bajo control judicial mientras sigue operando. La plataforma continúa activa, las suscripciones de pago se mantienen sin cambios en la facturación y Character.AI se compromete a avisar con antelación si algo afecta a las funciones de pago.

Según Reuters, en la información publicada por The Star, la solicitud se presentó ante el tribunal de quiebras de Wilmington (Delaware) a nombre de Character Technologies, con activos y pasivos estimados de entre 50 y 100 millones de dólares. Los documentos judiciales citados por Reuters hablan de unas pérdidas de entre 8 y 9 millones de dólares al mes, y la agencia sitúa sus usuarios activos en unos 12 millones.

La venta debería cerrarse entre finales de noviembre y principios de diciembre. El consejero delegado, Colin Adams, lo resumió así en declaraciones recogidas por TechCrunch: la empresa espera que el proceso produzca «una propuesta viable que permita continuar las operaciones». Si no la hay, «la plataforma se cerrará».

Para el usuario, la recomendación práctica es la que da la propia empresa: los datos siguen protegidos bajo la política de privacidad actual y se pueden exportar o borrar desde la aplicación o la web.

¿Qué compra Disney por 20 millones?

Disney no compra la empresa entera, al menos de momento. Es el stalking horse, el primer postor que fija un suelo, y su oferta de 20 millones cubre una licencia no exclusiva y perpetua sobre parte de la propiedad intelectual de Character.AI. Otros interesados pueden superarla.

La relación entre ambas compañías es más estrecha de lo que parece. Karandeep Anand, que fue consejero delegado de Character.AI desde junio de 2025, fichó hace unas semanas por Disney como director de tecnología, y varios ingenieros de la startup se van con él, según Gizmodo. Hace apenas un año, en septiembre de 2025, Disney había enviado a Character.AI un requerimiento para que retirara los chatbots creados por usuarios con sus personajes.

Mi lectura es que Disney no paga por una red social de chatbots en apuros, sino por tecnología y talento a precio de saldo, con una licencia perpetua que le permite usar lo aprendido sin heredar el pasivo legal. La oferta es pequeña frente a lo que Google pagó en 2024, y esa diferencia dice mucho de cuánto ha caído el valor de la empresa.

¿Cómo pasó de un acuerdo de 2.700 millones a la quiebra?

La historia empieza bien. Noam Shazeer y Daniel De Freitas, ingenieros que venían de Google, fundaron Character.AI en 2021. En agosto de 2024, Google cerró un acuerdo de 2.700 millones de dólares (≈ 2.350 millones de euros) para licenciar sus modelos y volvió a contratar a los dos fundadores, según TechCrunch. En wwwhatsnew contamos entonces cómo Google fichó a Noam Shazeer para codirigir sus modelos de IA. Tras aquel acuerdo, la startup dejó de entrenar modelos fundacionales propios y se centró en crecer como producto.

El problema llegó por otro lado. Megan Garcia demandó a la empresa y a Google tras el suicidio de su hijo de 14 años, Sewell Setzer III, en febrero de 2024; la demanda describía su relación con un chatbot como «emocional y sexualmente abusiva». Siguieron otras demandas de familias en Colorado, Nueva York y Texas, una historia que ya seguíamos cuando Character.AI se enfrentó a una nueva demanda por mensajes dañinos a adolescentes.

En enero de 2026, Character.AI y Google acordaron cerrar esas demandas, según informó AP. Los términos no se han hecho públicos y, según Reuters, los acuerdos preliminares en cinco demandas aún no se han cerrado ni pagado. A eso se suman demandas de estados como Kentucky y Pensilvania, y la empresa aspira a usar la quiebra para resolver todas sus reclamaciones legales a la vez.

Las medidas para menores llegaron tarde

En octubre de 2025, Character.AI anunció que eliminaría el chat abierto para menores de 18 años antes del 25 de noviembre de 2025, con un límite de dos horas diarias durante la transición y nuevos sistemas de verificación de edad. Mi lectura es que la decisión tenía sentido, pero dejó fuera a una parte del público de un producto que vivía del tiempo de uso.

Mi postura es que Character.AI es el primer gran aviso de que el modelo de negocio del «compañero de IA» no se sostiene si el producto premia el enganche emocional y la seguridad llega después. La propia empresa cita los problemas legales y regulatorios entre las causas, y las cifras lo respaldan: pérdidas de millones al mes, demandas de familias y de estados, y una oferta de 20 millones donde Google puso 2.700.

La pregunta que queda abierta es quién heredará esa responsabilidad. Si Disney u otro comprador se quedan con la tecnología sin el pasivo, el sector aprenderá que el riesgo se puede liquidar en un juzgado de Delaware. Y eso sería una mala lección para todas las aplicaciones que hoy compiten por ser el amigo digital de alguien.

El satélite SWOT mide por primera vez cuánto cambia el agua de los ríos del mundo, y los modelos fallaban

Publicado el

por Natalia Polo

El satélite SWOT, de la NASA y la agencia espacial francesa CNES, ha seguido por primera vez, mes a mes y durante un año entero, cuánto cambia el agua almacenada en los ríos de casi todo el planeta. En su primer ciclo de observación, de octubre de 2023 a septiembre de 2024, el volumen de los ríos que vigila osciló unos 313 kilómetros cúbicos, un 28 % menos que la estimación más baja de los modelos. El estudio se publicó en Nature el 4 de marzo de 2026.

Que la cifra sea menor que la de los modelos no significa que los ríos tengan menos agua. Significa que, por primera vez, hay una medición con la que comprobar cuánto se equivocan las simulaciones, y la respuesta es que bastante.

¿Qué mide exactamente SWOT?

SWOT no mide el volumen total de un río, sino cómo cambia. Su instrumento principal, el radar interferométrico en banda Ka (KaRIn), mide a la vez la anchura del río y la altura de su superficie, rebotando microondas en el agua en dos franjas de 50 kilómetros a cada lado del satélite, según el resumen de la NASA sobre el estudio. Con esos datos se calcula cuánto volumen gana o pierde cada tramo de un mes a otro.

Hasta ahora había que combinar instrumentos que medían la altura con estimaciones de anchura por satélite óptico o radar, o directamente recurrir a modelos. SWOT lo hace todo a la vez. El satélite se lanzó en diciembre de 2022 desde la base de Vandenberg, en California, con aportaciones de las agencias espaciales canadiense y británica. En wwwhatsnew contamos entonces que la NASA estaba a punto de lanzar SWOT para vigilar el agua de la Tierra.

El análisis usó casi 1,6 millones de observaciones de unos 127.000 tramos de río; la nota de Nature concreta 126.674.

¿Qué ríos cambian más a lo largo del año?

El Amazonas, con diferencia. Ganó y perdió más de 172 kilómetros cúbicos de agua en el periodo estudiado, más que cualquier otro río. La NASA lo traduce a otra escala: suficiente para llenar 68 millones de piscinas olímpicas.

En el Amazonas, el Misisipi, el Orinoco, el Yangtsé, el Ganges, el Mekong y el Yeniséi, el nivel del agua varía más de 10 metros entre su punto más alto y el más bajo del año, según la NASA y la nota de prensa de Nature. En el otro extremo está el Nilo, que solo osciló 8,5 kilómetros cúbicos, menos de lo esperado. La NASA apunta tres posibles causas: las presas río arriba, una sequía severa y las dificultades propias de un instrumento nuevo.

Por qué la cifra es menor que la de los modelos

La variación medida fue un 28 % inferior a la estimación más baja de los modelos hidrológicos. La NASA relaciona parte de esa diferencia con la sequía extrema que vivió la cuenca del Amazonas durante el periodo de observación: con menos agua entrando, hay menos que ganar y perder.

Pero la conclusión de los autores va más allá de un año seco. Según la Universidad Estatal de Ohio, cuyo equipo participó en el trabajo, la comparación indica que los modelos globales necesitan mejoras importantes en cómo representan la dinámica de ríos y aguas superficiales. Los propios autores reconocen que los datos son de la primera etapa de la misión y tienen incertidumbre, y que quedan huecos en zonas con hielo y en llanuras de inundación.

La forma de las orillas

El estudio tiene una segunda parte menos llamativa pero útil: mapas casi globales de la forma de los cauces activos. El título del artículo lo deja claro, «Wide-swath altimetry maps bank shapes and storage changes in global rivers». Una de las conclusiones es que ríos con caudales parecidos pueden tener formas muy distintas, algo que los modelos tienden a simplificar.

¿Cuánta agua hay en total en los ríos?

SWOT no lo dice, pero hay una estimación anterior del mismo grupo de la NASA. En abril de 2024, un estudio publicado en Nature Geoscience, con datos de 1980 a 2009 y unos 3 millones de tramos de río, calculó que los ríos del planeta almacenan de media unos 2.246 kilómetros cúbicos, y que el Amazonas concentra alrededor del 38 %, según el JPL.

Ese trabajo combinaba modelos con unas 1.000 estaciones de aforo. Sus autores ya anticipaban que SWOT serviría para contrastarlo. Los dos números no se pueden comparar directamente: uno es un volumen medio estimado con modelos para otra época y otra red de ríos, y el otro, una oscilación anual medida desde el espacio. Lo que sí tienen en común es el grupo que los firma y el objetivo, que es dejar de depender solo de simulaciones.

«Estamos empezando a resolver algunas de las preguntas realmente difíciles para las que se construyó SWOT», dijo Cédric David, que dirige el equipo de investigación de SWOT en el JPL. «Esto es solo el principio». Para Arnaud Cerbelaud, que codirigió el estudio, las implicaciones «van mucho más allá de la hidrología».

Mi lectura es que el valor de este estudio no está en el número, sino en que por fin existe un número medido. La gestión del agua y la predicción de inundaciones y sequías se apoyan en modelos que, como muestra SWOT, pueden desviarse bastante; los autores lo dicen explícitamente. Un solo año de datos, y además excepcionalmente seco en el Amazonas, no basta para rehacerlos, pero sí para dejar de tratarlos como verdad.

Lo prudente es esperar a varios ciclos anuales antes de sacar conclusiones sobre tendencias. Lo que sí se puede afirmar ya es que la observación por satélite está pasando de complementar los modelos a corregirlos, una tendencia que también vemos en la nueva generación de satélites de observación terrestre con IA a bordo.

BRP, el péptido que Stanford encontró con IA y que frena el apetito sin las náuseas de Ozempic (de momento, en animales)

Publicado el

por Natalia Polo

Un equipo de Stanford Medicine encontró con ayuda de un algoritmo un péptido natural, el BRP, que en ratones y cerdos reduce el apetito, y en ratones la grasa corporal, sin los efectos secundarios digestivos típicos de la semaglutida (el principio activo de Ozempic y Wegovy). El estudio se publicó en Nature en 2025. Lo que conviene tener claro desde el principio: no se ha probado todavía en personas, y entre un buen resultado en animales y un fármaco hay muchos años y muchos fracasos posibles.

Aun así, el hallazgo tiene dos cosas que lo hacen interesante: cómo se encontró y por qué vía actúa. La explicación más completa está en la nota de Stanford Medicine sobre el péptido BRP, y la cobertura sigue llegando en 2026, como prueban los artículos de ScienceDaily de abril y julio de este año.

¿Qué es el BRP y de dónde sale?

Es un péptido de 12 aminoácidos que el propio cuerpo produce. Su nombre viene de la prohormona de la que procede, BRINP2.

Las prohormonas son proteínas que unas enzimas cortan en trozos más pequeños con función propia. El caso más famoso es el GLP-1, la hormona que imitan la semaglutida y el resto de fármacos de su familia. La enzima clave en ese proceso se llama prohormona convertasa 1/3 (PCSK1). Según el resumen del artículo en Nature, buena parte de los péptidos que genera esa enzima seguían sin caracterizar, y ahí es donde entra el algoritmo.

Cómo lo encontró la inteligencia artificial

El equipo, dirigido por la investigadora Katrin Svensson, creó una herramienta computacional llamada Peptide Predictor. Su trabajo fue revisar los cerca de 20.000 genes humanos que codifican proteínas y buscar en ellos los puntos donde la PCSK1 suele cortar.

El embudo es claro. De 20.000 genes salieron 373 prohormonas candidatas, que daban lugar a 2.683 péptidos posibles. De ellos, los investigadores eligieron 100 para probarlos en células neuronales cultivadas en el laboratorio. El BRP multiplicó por unas diez la actividad de esas células frente al control; el GLP-1, por unas tres.

«El algoritmo fue absolutamente clave para nuestros hallazgos», dijo Svensson. Conviene matizar qué tipo de IA es: no un modelo generativo que inventa moléculas, sino un sistema de predicción que acota la búsqueda para que el laboratorio pruebe 100 candidatos en lugar de miles. Es el mismo enfoque de cribado que vimos en DrugCLIP, la IA que convierte la búsqueda de fármacos en un motor de búsqueda molecular.

¿Qué efectos tuvo en los animales?

En ratones delgados y en minicerdos, una inyección antes de comer redujo la ingesta de la hora siguiente hasta un 50 %. En ratones obesos, tras 14 días de inyecciones diarias, los tratados perdieron de media unos 3 gramos, sobre todo grasa, mientras los del grupo control ganaron unos 3 gramos. Además, mejoraron su tolerancia a la glucosa y a la insulina.

Lo más llamativo es lo que no apareció. En las pruebas de comportamiento no hubo diferencias en movimiento, consumo de agua, ansiedad ni heces. Según Stanford, el BRP funcionó sin efectos asociados a la semaglutida como las náuseas, el estreñimiento o la pérdida significativa de masa muscular.

Para poner eso en perspectiva: en el ensayo STEP 1 de semaglutida en personas, publicado en el New England Journal of Medicine en 2021, el 44,2 % de los pacientes tuvo náuseas, frente al 17,4 % con placebo, según el resumen del Colegio Americano de Gastroenterología. En ese mismo ensayo, la pérdida de peso media a las 68 semanas fue del 14,9 %, frente al 2,4 % con placebo. Esa es la vara de medir, y el BRP está lejos de poder compararse con ella todavía.

Una vía distinta en el cerebro

Según los autores, el BRP activa la proteína FOS en el cerebro y actúa sobre todo en el hipotálamo, la zona que controla el apetito y el metabolismo. Y lo hace de forma independiente del receptor de GLP-1, de la leptina y del receptor de melanocortina 4. La semaglutida, en cambio, actúa sobre receptores del cerebro, del intestino y del páncreas, lo que explica parte de sus efectos más amplios.

Esa independencia es lo que hace del BRP algo más que «otro Ozempic»: si funciona por otra vía, podría servir a quien no tolera los fármacos actuales o combinarse con ellos. Pero son hipótesis; el receptor al que se une el BRP todavía no se ha identificado.

¿Cuándo podría llegar a personas?

No hay fecha. Según Stanford, Svensson cofundó la empresa Merrifield Therapeutics para llevar el péptido a ensayos clínicos «en un futuro próximo», y ella y la primera autora, Laetitia Coassolo, figuran como inventoras en las patentes del BRP. «Tenemos muchas ganas de saber si es seguro y eficaz en humanos», dijo Svensson.

Las coberturas de 2026 que hemos revisado no recogen ningún ensayo en marcha. Antes de eso, el equipo tiene deberes pendientes: identificar el receptor, mapear la cadena de señales y conseguir que el efecto dure más en el cuerpo para permitir una pauta de dosis más cómoda.

Mi lectura es que la noticia de verdad no es el péptido, sino el método. Un barrido computacional de los genes humanos ha encontrado una molécula que el cuerpo ya fabricaba y que nadie había caracterizado, y los autores sostienen que el mismo método puede descubrir otros péptidos bioactivos. Eso es más sólido que cualquier promesa sobre peso.

Lo discutible es el titular de «rival de Ozempic» con el que se difundió el estudio. Tres gramos en un ratón y menos comida durante una hora no son un tratamiento contra la obesidad, y un buen resultado en roedores no garantiza nada en personas. La biología del peso es tozuda, como recordábamos al hablar de los mecanismos con los que el cerebro defiende el peso corporal. Habrá que esperar a los primeros ensayos en personas para saber si el BRP es una alternativa o solo una buena historia.

PhoneBot: el humanoide de la UCLA que usa un móvil Android como cerebro y cuyo cuerpo cuesta unos 400 dólares

Publicado el

por Natalia Polo

Un equipo de la UCLA ha construido un robot humanoide bípedo de 48 centímetros cuyo cerebro es un móvil Android normal y corriente. Se llama PhoneBot, pesa 1,8 kilos con el teléfono incluido y su cuerpo cuesta unos 400 dólares (≈ 350 euros), sin contar el móvil. Es hasta 35 veces más barato que otros humanoides pequeños de investigación.

El trabajo está descrito en un preprint publicado en arXiv el 6 de octubre de 2026, firmado por Ruochen Hou, Quanyou Wang, Daniel Koh y Dennis W. Hong, del Robotics and Mechanisms Laboratory (RoMeLa) de la UCLA. Es un preprint: todavía no ha pasado revisión por pares.

La idea es sencilla y por eso funciona: casi todo lo caro de un robot (sensores de movimiento, cámara, procesador, conectividad) ya lo llevas en el bolsillo.

Cómo funciona un robot que usa el móvil como cerebro

El teléfono va montado en el torso y hace de ojos, de oído del equilibrio y de cerebro. Su unidad de medida inercial (IMU) informa de la inclinación y la rotación; su cámara trasera ve; su procesador ejecuta la red neuronal que decide dónde poner cada articulación; y su pantalla táctil sirve como panel de control.

Lo que el móvil no hace es mover los motores directamente. Según el paper, envía las posiciones de las articulaciones por Wi-Fi a un pequeño ordenador de placa única instalado en el cuerpo, que las reenvía a los servos. Los autores explican que es una decisión deliberada para evitar las limitaciones de las conexiones por cable y para que la plataforma sea compatible con distintos teléfonos.

El cuerpo lleva 13 servomotores DYNAMIXEL XL430-W250-T, de 23,90 dólares cada uno: seis por pierna (cadera, rodilla y tobillo) y uno que gira el torso. Ese giro permite que la cámara siga a una persona sin que el robot tenga que mover los pies. Los motores son, según el propio paper, el principal coste de la plataforma.

La conversación tampoco corre entera en el teléfono. El reconocimiento de voz (whisper.cpp) y el modelo de lenguaje funcionan en un portátil cercano, al que el móvil se conecta por Wi-Fi, y la respuesta se reproduce con síntesis de voz por el altavoz del teléfono.

¿Por qué un humanoide de 400 dólares importa para la investigación?

Porque el precio es lo que hoy deja fuera a muchas aulas y laboratorios. La tabla comparativa del paper sitúa a PhoneBot frente a otros humanoides pequeños de investigación:

  • ROBOTIS OP3: 51 cm y 13.800 dólares.
  • BRUCE: 70 cm y 9.000 dólares.
  • ToddlerBot: 56 cm y 6.000 dólares.
  • Berkeley Humanoid Lite: 80 cm y 5.000 dólares.
  • HighTorque Mini Pi: 52 cm y 3.500 dólares.
  • PhoneBot: 48 cm y unos 400 dólares, sin móvil.

La comparación no es del todo justa, y conviene decirlo: casi todos los demás tienen más grados de libertad (entre 16 y 30, frente a los 13 de PhoneBot; solo el Mini Pi se queda en 12), y PhoneBot no tiene brazos. Pero el salto de precio es tan grande que cambia la pregunta. Ya no es «¿podemos permitirnos un humanoide?», sino «¿cuántos podemos montar?». Va en la misma línea que proyectos abiertos como HopeJR, el humanoide de código abierto por menos de 3.000 dólares, o Bridge, el humanoide de 88 centímetros de Zeroth, pero apretando todavía más el coste.

Los autores publican el diseño de hardware y el software como código abierto, con la web del proyecto en phonebot.dev, y lo orientan a educación, investigación y prototipado rápido.

¿Sirve cualquier móvil Android?

No está demostrado que sirva cualquiera, pero sí que valen móviles baratos o viejos. El equipo probó la aplicación en cuatro teléfonos: un Honor 9 de 2017 de segunda mano y tres móviles de prepago de entre 50 y 90 dólares (un moto g 2025, un Galaxy A16 5G y un moto g 2024).

Los cuatro ejecutaron las funciones básicas: lectura de la IMU a 200 Hz, comunicación con los motores, la red neuronal de locomoción, la visión y la interacción. La única excepción fue el mapeado con ARCore en el Honor 9, que no funcionó porque ese terminal de Huawei no tiene los servicios de Google en Estados Unidos.

Es una buena noticia para la segunda vida de los móviles que acumulamos en un cajón, una idea que en wwwhatsnew ya exploramos cuando hablamos de convertir tu viejo smartphone en el cerebro del hogar inteligente.

Cómo aprendió a andar

La marcha se entrenó por aprendizaje por refuerzo en simulación (MuJoCo/MJX), con un modelo que reproduce los límites reales de los servos: un par máximo de 1,4 N·m, su velocidad y la holgura de los engranajes. Así, lo que el robot aprende en el simulador es algo que sus motores pueden ejecutar de verdad. Un truco de «espejo» sagital, que intercambia los lados izquierdo y derecho durante el entrenamiento, mejoró la eficiencia y la simetría de los pasos.

En las pruebas físicas, PhoneBot anduvo, se levantó desde el suelo y siguió a una persona con la cámara. El paper reconoce sus límites sin rodeos: no tiene brazos, solo se ha entrenado en suelo plano y la poca fuerza de los servos limita la carga y los movimientos dinámicos. El trabajo futuro pasa por terreno irregular y brazos ligeros.

Mi lectura es que PhoneBot no va a competir con los humanoides industriales que vemos en fábricas, ni lo pretende. Su valor está en otra parte: demuestra que el hardware más caro de la robótica de investigación ya está fabricado en masa y metido en un bolsillo, y que lo que faltaba era el diseño para aprovecharlo.

Si el proyecto cumple lo que promete en código abierto, el humanoide de bajo coste deja de ser una pieza de laboratorio bien financiado y pasa a ser algo que un instituto puede montar con un presupuesto modesto y los móviles viejos de sus alumnos. Esa es la apuesta, y me parece la parte más interesante de todo el trabajo.

El MIT crea un hidrogel que respira: canales de aire que multiplican por diez el paso de oxígeno

Publicado el

por Natalia Polo

Los hidrogeles tienen un problema que cualquiera que haya llevado un parche varios días conoce: no dejan respirar la piel. Un equipo del MIT dirigido por Xuanhe Zhao ha resuelto buena parte de ese problema metiendo diminutos canales de aire dentro del gel, y ha conseguido una permeabilidad al oxígeno unas diez veces mayor que la de un hidrogel convencional sin que pierda su blandura.

El trabajo se publicó en Nature en julio de 2026 con el título «Air-permeable hydrogels through viscoelastic phase separation of aerogels», y el MIT lo presentó el 8 de julio en un artículo de MIT News sobre el hidrogel transpirable. Es investigación de laboratorio con pruebas en voluntarios, no un producto a la venta.

Lo interesante es el truco que usan para conseguirlo y lo que abre para vendajes, sensores y wearables médicos que hoy no aguantan más de unos días pegados a la piel.

¿Por qué los hidrogeles no dejan pasar el aire?

Porque son, sobre todo, agua. Un hidrogel típico tiene alrededor de un 90 % de agua retenida en una red de polímeros, y gases como el oxígeno se disuelven y se difunden muy mal en el agua. «No puedes respirar a través de una gelatina», lo resume en MIT News Xiao-Yun Yan, que firma el estudio en primer lugar.

Eso tiene consecuencias prácticas. Un parche que no deja pasar el oxígeno ni el vapor de agua acumula humedad debajo, puede irritar la piel y empeora la señal de los sensores cuando sudas. Según el paper, las soluciones anteriores para hacerlos más transpirables eran frágiles o obligaban a sacrificar contenido de agua, por ejemplo por debajo del 50 % en volumen.

Los hidrogeles convencionales se quedan, por lo general, por debajo de 40 barrer de permeabilidad al oxígeno (el barrer es la unidad con la que se mide cuánto gas atraviesa un material). Un hidrogel de PVA estándar se queda en 15,5 barrer.

Cómo consiguen meter aire en un gel

La clave son unas partículas de aerogel de sílice, de unos 8 micrómetros de diámetro y un 90 % de porosidad. Son superhidrófobas, es decir, repelen el agua, así que funcionan como burbujas de aire en forma sólida.

El equipo añade una pequeña cantidad de esas partículas (un 2 % o un 4 % en peso) a la receta normal del hidrogel. Durante unas horas se produce una separación de fases viscoelástica, parecida a cuando el aceite y el agua se separan: el agua se concentra en bolsas y empuja las partículas de sílice hasta formar una red de túneles finos e interconectados. Después, el gel se entrecruza para fijar esa red de canales de aire.

El resultado es un hidrogel con un 70 % de agua que alcanza 185 barrer, el récord según los autores. El de PVA pasa de 15,5 a 153 barrer con el nuevo método. El paper añade que su transmisión de vapor de agua es entre 10 y 100 veces mayor que la de los parches de silicona y poliuretano, y que la técnica funciona con varias químicas distintas: alginato, agarosa, quitosano y gelatina.

Hay una demostración visual muy clara: a diferencia de los hidrogeles convencionales, el gel transpirable flota en el agua. En las pruebas, siguió flotando durante 10 días.

¿Aguanta el uso real?

Los datos de durabilidad son prometedores, aunque con una escala de pruebas todavía pequeña. Tras 10.000 ciclos de estiramiento al 20 %, la permeabilidad al aire cayó en torno a un 5 % y la rigidez (módulo de Young) bajó un 12,8 %. «Después de 10.000 ciclos, la caída de permeabilidad al oxígeno fue inferior al 5 %», explica Shucong Li, coautor del trabajo. Con un 2 % de aerogel, el material mantiene una rigidez parecida a la del hidrogel original, de unos 50 a 100 kilopascales.

Para probarlo en personas, el equipo usó el gel como adhesivo de un monitor de electrocardiograma inalámbrico. Durante 20 minutos de ejercicio, la señal se mantuvo estable, mientras que con un adhesivo de hidrogel comercial fluctuaba mucho. En pruebas de 10 días con entrenamientos habituales, la calidad de la señal se mantuvo y, según MIT News, no aparecieron ampollas ni rojeces al retirarlo.

Conviene leer esto con cautela. Según el propio paper, los grupos de prueba fueron reducidos: diez participantes en el estudio de comodidad del parche en el pecho y tres en las pruebas de electrocardiograma. Es una prueba de concepto sólida, no un ensayo clínico.

Qué puede cambiar en parches, sensores y vendajes

Los autores y el MIT apuntan a varias aplicaciones: vendajes y apósitos que duren más, mascarillas cosméticas y lentes de contacto, monitores de salud y también implantes. El paper muestra además versiones conductoras con aditivos, pensadas para electrodos de electrocardiograma más estables con el sudor. «Ahora que hemos añadido aire a los hidrogeles, la gente puede encontrar aplicaciones muy amplias», dice Zhao.

Encaja con otras líneas de investigación que buscan electrónica blanda compatible con el cuerpo, desde los transistores 3D de hidrogel que hablan el idioma de las células hasta la lámina de hidrogel inspirada en el pulpo que cambia de forma.

Mi lectura es que el avance importa más por lo que desbloquea que por lo que es. El cuello de botella de los wearables médicos no suele ser el sensor, sino el adhesivo: cuánto tiempo aguanta la piel debajo sin irritarse y cuánto dura la señal limpia. Un gel que respira ataca justo ese punto débil.

Lo que falta ahora es lo de siempre entre el laboratorio y la farmacia: pruebas con más personas, en pieles distintas y durante más tiempo, y un fabricante que lo produzca a escala y a buen precio. Hasta entonces, es una de las ideas más elegantes en materiales para la piel de los últimos tiempos, pendiente de demostrar que funciona fuera del MIT.

Flox Intelligence, la IA sueca que ahuyenta a la fauna de aeropuertos y vías de tren, busca 10 millones

Publicado el

por Natalia Polo

Flox Intelligence fabrica dispositivos con IA que detectan animales cerca de pistas de aeropuerto, vías de tren o carreteras y los ahuyentan con sonidos adaptados a cada especie, sin dañarlos. La empresa nació en 2020 como spin-off del KTH Real Instituto de Tecnología de Estocolmo, tiene ya su sede en el estado de Nueva York y, según contó a TechCrunch el 13 de octubre, está abriendo una Serie A de 10 millones de dólares (≈ 8,7 millones de euros).

La ronda todavía no está cerrada. Lo que sí hay son unos 150 dispositivos instalados en Norteamérica, Europa y Australia, y un problema con un coste muy concreto.

¿Cómo funciona el dispositivo Edge?

Es una unidad autónoma, alimentada por batería, que procesa todo en el propio aparato y no en la nube. Se instala en postes, árboles u otras estructuras. Según TechCrunch, un sensor de movimiento despierta una cámara; modelos de IA que se ejecutan en el dispositivo identifican al animal, y el aparato reproduce un sonido apropiado para esa especie para alejarlo.

La clave está en que el sistema varía sus respuestas para que los animales no se acostumbren, que es el gran fallo de los espantapájaros acústicos clásicos. «Estaba convencida de que la respuesta no era un disuasorio más ruidoso», explicó a TechCrunch su cofundadora y consejera delegada, Sara Nozkova, que antes pasó 13 años en el sector del transporte y los vehículos autónomos.

Flox vende además una plataforma de software que muestra dónde están los dispositivos y qué detectan, y genera informes de cumplimiento normativo y de seguimiento de biodiversidad. Según la empresa, Edge ha registrado más de 60.000 eventos de fauna de 27 especies, una cifra que recoge Pulse 2.0 y que no ha sido auditada de forma independiente.

¿Por qué los aeropuertos son su mejor cliente potencial?

Porque el problema está medido y es caro. El último informe de la FAA sobre impactos con fauna, publicado en agosto de 2026, contabiliza 24.447 impactos notificados en la aviación civil estadounidense en 2025, un 9,3 % más que el año anterior. El 94,4 % fueron con aves.

El mismo informe estima para 2025 unas 74.372 horas de aviones parados y 391 millones de dólares en pérdidas, aunque advierte de que esas cifras pueden estar en la parte alta por cómo se notifican los costes. TechCrunch, citando a la FAA, da una media de unos 272 millones de dólares al año entre 1990 y 2025.

Flox ya tiene presencia en el sector. Entre sus clientes y socios figuran el aeropuerto internacional Gerald R. Ford y el Departamento de Agricultura de EE. UU., según Pulse 2.0. Antes, la empresa probó drones autónomos para despejar fauna en aeropuertos suecos (Malmö, Kiruna y Umeå) y preparó una demostración en un aeródromo del condado de San Mateo, en California, según el programa sueco Future Mobility.

Más allá de las pistas

El aeropuerto no es su único mercado. Los dispositivos también están en corredores de carretera y ferrocarril, parques nacionales, explotaciones agrícolas, minas y subestaciones eléctricas. Con Alstom tiene un acuerdo de tipo OEM: el fabricante paga una cuota anual por integrar el software de Flox en sus vehículos. Nozkova habla de una «IA física» que sale de la fábrica al exterior y sostiene que esas máquinas necesitarán una capa de «inteligencia de la naturaleza» que «casi nadie está construyendo».

Cuánto dinero ha levantado y cuánto factura

Unos 5 millones de dólares (≈ 4,4 millones de euros) entre presemilla y semilla, según TechCrunch. La secuencia, reconstruida con varias fuentes, es esta:

  • Verano de 2025: ronda semilla de casi 1 millón de dólares, liderada por Unconventional Ventures, con Norrsken Accelerate, según Tech.eu.
  • Febrero de 2026: ampliación Seed+ de 3 millones de dólares (≈ 2,6 millones de euros), liderada por Tilia Impact Ventures, con Satgana, GENIUS NY y J.O.S.S., según Pulse 2.0.
  • Mayo de 2026: gana el premio de 1 millón de dólares del acelerador GENIUS NY, que obliga a operar en el centro del estado de Nueva York durante al menos un año. Según CenterState CEO, Nozkova anunció que Syracuse sería su sede global; la I+D sigue en Estocolmo, según Techleap.
  • Octubre de 2026: abre la Serie A de 10 millones para pasar de 150 dispositivos a «varios miles».

Su modelo combina la venta inicial del hardware con una suscripción anual al software y la IA a partir del segundo año. Flox prevé cerrar 2026 con unos 1,5 millones de dólares de ingresos (≈ 1,3 millones de euros), según dijo a TechCrunch. La empresa es una de las finalistas de la competición Startup Battlefield 200 de TechCrunch Disrupt, que se celebra del 13 al 15 de octubre en San Francisco.

¿Qué la diferencia de la competencia?

No está sola. TechCrunch cita a Robin Radar, cuyo sistema Scarecrow emite llamadas de alarma específicas para cada especie de ave, y a iCHASE, que usa visión artificial y un láser móvil. Frente a ellos, Flox se presenta como un sistema para varias especies, mamíferos incluidos, pensado para lugares remotos con poca conectividad y que aprende de la experiencia para variar sus respuestas. Nozkova lo resume como «la verdad sobre el terreno de qué hace que un alce o un oso pardo se mueva de forma segura».

Mi lectura es que Flox tiene algo que muchas startups de IA no tienen: un problema caro, cuantificado por un regulador y con clientes que ya pagan por soluciones peores. Lo discutible está en la escala. Pasar de 150 a varios miles de dispositivos en entornos tan distintos como una pista de aterrizaje, una vía de tren o una mina es un reto de hardware, no solo de modelos, y las cifras de eficacia que maneja son todavía de la propia empresa.

Sería interesante ver datos independientes de algún aeropuerto: cuántos impactos había antes de instalar Edge y cuántos después. Hasta que lleguen, la apuesta tiene sentido, pero es eso, una apuesta. Para situarla en contexto, en wwwhatsnew hemos repasado otros usos de la IA en el campo, como la agricultura de precisión con sensores, drones e IA, y proyectos de conservación como la apuesta de Google por proteger la naturaleza con IA y su modelo SpeciesNet.