Las 5 noticias de inteligencia artificial más relevantes del día para líderes de empresa.
Un tribunal aprobó el acuerdo de $1,500 millones de dólares de Anthropic con titulares de derechos de autor por el uso de obras protegidas para entrenar modelos de IA. Si bien el caso queda cerrado, la cuestión más amplia sobre el uso de contenido con derechos de autor en el entrenamiento de IA sigue sin resolverse legalmente. Este precedente marca un hito en la relación entre la industria de la IA y los creadores de contenido.
Asesores clave del gobierno de Trump, incluyendo el ex zar de IA David Sacks, se enfrentaron públicamente en un debate sobre cómo responder a los modelos de IA de código abierto desarrollados en China. El conflicto interno refleja la dificultad de convertir la política de IA en una ventaja competitiva para Estados Unidos. Esta disputa tiene implicaciones directas para las empresas que dependen de modelos abiertos chinos como DeepSeek.
Nvidia presentó su plataforma Vera Rubin, que combina CPUs y GPUs en un solo sistema, con el objetivo de controlar toda la infraestructura de los centros de datos de IA. Esta expansión estratégica refuerza el dominio de Nvidia en el ecosistema de hardware de IA a nivel mundial. Las empresas que planean construir o escalar infraestructura de IA deberán considerar una mayor dependencia de un solo proveedor.
Una nueva investigación revela que los modelos de lenguaje grande (LLMs) no solo replican sesgos humanos de sus datos de entrenamiento, sino que también desarrollan sus propios sesgos al evaluar currículums. Este hallazgo cuestiona el uso acrítico de IA en procesos de recursos humanos y contratación empresarial. Las organizaciones que automatizan la selección de talento con IA enfrentan riesgos legales y reputacionales significativos.
Alphabet está desarrollando un nuevo chip diseñado específicamente para mejorar la eficiencia operativa de sus modelos Gemini, reduciendo costos de inferencia. Esta iniciativa forma parte de una tendencia más amplia en la que las grandes tecnológicas invierten en hardware propio para optimizar sus modelos de IA. Una mayor eficiencia en Gemini podría traducirse en servicios de IA más económicos y accesibles para empresas que usan Google Cloud.