El último relevamiento de McKinsey & Company destaca que América Latina fue la región con mayor adopción de la inteligencia artificial.
Montevideo | Todo El Campo | Ilustrando cómo los productores agrícolas del mundo toman decisiones en un contexto complejo y en constante cambio, McKinsey & Company publicó los resultados de la cuarta edición de su encuesta bienal “Global Farmer Insights”, realizada a 5.500 agricultores entre abril y julio de 2026. En representación de América Latina, participaron productores de Argentina, Brasil y Perú.
Los resultados revelan que, ante las presiones económicas, los encuestados se están volviendo más selectivos en sus gastos y continúan preservando su liquidez frente a las condiciones desafiantes que enfrentan los mercados desde hace tres años. En este marco, las expectativas de gasto bajaron 24 puntos porcentuales en comparación con la medición de 2024, aunque la mayoría prevé incrementar sus inversiones durante los próximos 12 a 18 meses.
Mientras en los países europeos los productores de cultivos extensivos prevén aumentar el uso de productos genéricos de protección de cultivos por sobre los de marca, América Latina anticipa en un 33% una mayor utilización de los de marca y un 23% de alternativas genéricas.
A pesar de las restricciones económicas, McKinsey destaca que la adopción de nuevas tecnologías y soluciones para el agro mantiene su dinamismo, y América Latina lidera en los rubros de biocontrol y bioestimulantes, impulsada principalmente por Perú.
Asimismo, la adopción de tecnologías agrícolas continúa creciendo a nivel global y ya alcanza al 50% de los productores consultados, cuatro puntos porcentuales más que en 2024. Argentina es el mercado latinoamericano mejor ubicado y el que muestra mayor potencial de crecimiento con una escala productiva que favorece la incorporación de nuevas soluciones y mayores presiones debido a eventos climáticos extremos, plagas, enfermedades y una regulación más exigente sobre el uso del agua y los insumos.
La inteligencia artificial (IA) generativa también comienza a incorporarse a las actividades productivas, según el relevamiento, aunque los agricultores siguen recurriendo a asesores de confianza para obtener orientación en sus compras.
Si bien la IA generativa es relativamente nueva en el panorama tecnológico agrícola, ha ganado popularidad rápidamente y, en la actualidad, el 17% la implementa para tareas agrícolas, aunque solo el 4% lo hace con opciones de pago. América Latina es la región con mayor adopción, donde el porcentaje escala a un 26%, seguido de forma cercana por América del Norte, con 23%.
El reporte también aborda el proceso de decisión de compra, donde los canales digitales ganan relevancia, con un 36% de los agricultores identificándolos como su fuente preferida para comparar opciones de compra entre distintos proveedores, 14 puntos porcentuales más que en la edición previa.
Sin embargo, el asesoramiento especializado continúa teniendo un peso significativo, puesto que 56% señala a los agrónomos técnicos como uno de los principales actores que influyen en sus decisiones de compra, una proporción que permanece prácticamente igual a la edición anterior.
“En el entorno incierto actual, aquellos actores clave que ayuden a los agricultores a tomar decisiones ponderadas según el riesgo y a un nivel granular estarán mejor posicionados para ganarse su confianza. Los agentes del sector agrícola deberán aliviar la presión financiera a corto plazo que soportan los agricultores, mejorar su propia competitividad en costes y dejar claro el valor que les ofrecen, ya sea mediante una diferenciación impulsada por la innovación o a través de propuestas más sencillas y económicas”, explica McKinsey.
Este proceso, agrega, requerirá “demostrar el valor a nivel local e integrar canales digitales con asesoramiento agrícola de confianza en los momentos en que los agricultores toman sus decisiones de compra”.
El informe completo “Global Farmer Insights 2026” se encuentra disponible en el sitio web de McKinsey & Company.
El uso estratégico de la automatización y la inteligencia artificial permite estandarizar procesos, reducir riesgos y potenciar la experiencia humana en el campo.
Montevideo | Todo El Campo | Históricamente, la discusión sobre la modernización tecnológica se ha centrado principalmente en una pregunta: ¿qué necesita actualizarse? Es pregunta sigue siendo relevante, pero ya no es suficiente. Ante la velocidad de las transformaciones tecnológicas y la creciente presión por la eficiencia, los responsables tecnológicos de las empresas y los líderes empresariales también necesitan responder a otra cuestión: ¿cómo ejecutar esa modernización con velocidad, previsibilidad y menor riesgo?
Así comienza el último artículo de Guilherme Joventino -cofundador y responsable global de Mignow, empresa de tecnología especializada en automatización e inteligencia artificial-, titulado “El mayor desafío de la modernización tecnológica está en la ejecución” del que Todo El Campo extrae a continuación los principales 10 puntos o conceptos que, con una mirada agropecuaria, pueden vincularse al sector.
Es importante considerar que para el común de las personas el avance de la tecnología es tan acelerado que no nos da tiempo suficiente para adaptarnos, y cuando recién estamos comprendiendo un aspecto de lo que nos ofrece surgen nuevas propuestas, algunas o muchas de ellas disruptivas, que nos hacen replantearnos lo que aun no fuimos capaces de comprender a cabalidad.
Ese desafío de la constante evolución no debe inhibirnos, por el contrario, debería animarnos a introducirnos en ella y acompañarla en aquellos puntos que pueden ser de utilidad la para actividad que cada uno desempeña. En este caso, el interés está puesto en uno de los sectores que absorbe y ejecuta tecnología permanentemente, el agro.
LOS DIEZ PUNTOS DESTACADOS.
1) Joventino señaló en su nota que las personas debemos cambiar el enfoque con el que nos relacionamos con la tecnología, y pasar del simple “¿qué tecnología comprar?” a algo más evolucionado que es “¿cómo ejecutar la transformación con velocidad, previsibilidad y menor riesgo?”.
2) Otro punto es el de la dependencia del conocimiento individual, sobre el que señala que la alta vulnerabilidad operativa que genera basar las tareas críticas en el saber empírico o manual de unas pocas personas.
3) Agrega que hay escasez de talento especializado y presión por la eficiencia, lo que constituye en un reto regional de operar con personal técnico calificado limitado mientras la demanda productiva exige mayor efectividad.
4) Por otra parte, plante la redefinición del rol de la automatización entendiendo por automatizar no es solo el ganar velocidad y hacer todo más rápido, sino estandarizar procesos para hacerlos estructurados, repetibles y predecibles.
5) Introduce el concepto que él llama escalabilidad de la experiencia humana, o sea, liberar a los técnicos calificados de tareas mecánicas para que se enfoquen en áreas más complejas como la gobernanza, los análisis de riesgo y las decisiones estratégicas.
6) Asimismo, menciona la previsibilidad como gestión de riesgos que lleva reducir desviaciones e incertidumbre en costos y plazos en sistemas que sostienen la producción y la logística.
7) Otro punto interesante es lo que denomina romper el límite de escala tradicional, o sea, entender que hacer crecer el negocio o la operación no requiere un aumento directamente proporcional en horas de trabajo manual.
8) Una característica de estos tiempos es la existencia de plazos críticos, o sea la urgencia de actualizar sistemas frente a ventanas de tiempo acotadas u obligaciones del entorno.
9) Acompañar la evolución tecnológica que debe ser continua con integración de la inteligencia artificial, dado que la transformación digital no termina con la adopción de una herramienta; requiere actualización permanente y uso de inteligencia artificial (cada vez más) para el análisis de patrones.
10) En el final lo más importante, la sinergia persona-tecnología, que es el valor máximo surge de articular el conocimiento del profesional en campo con la precisión de las herramientas que nos va dando la tecnología.
APLICACIÓN PRÁCTICA AL SECTOR AGROPECUARIO.
Cada uno de los puntos anteriores, tomados del citado artículo de Guilherme Joventino puede tener una aplicación directa en los agronegocios.
1) Enfoque en la ejecución – Elegir maquinaria con GPS o sensores no basta; la clave está en cómo la red de datos del campo procesa y ejecuta las decisiones de fertilización o siembra sin fallas operativas.
2) Reducción de la dependencia empírica – Mapear y digitalizar el conocimiento que maneja un capataz o un agrónomo para que las decisiones críticas (riego, siembra, sanidad) no dependan de una sola persona.
3) Mitigación de escasez de mano de obra – Suplir la falta de mano de obra en el sector mediante la automatización de labores intensivas (pilotos automáticos en tractores, riego automatizado).
4) Estandarización de procesos – Sistematizar la dosificación de insumos, monitoreo de plagas y cronogramas de alimentación ganadera mediante algoritmos repetibles y medibles.
5) Optimización del perfil agronómico – Permitir que el ingeniero agrónomo deje de tomar muestras a mano o ingresar datos manualmente en planillas, enfocando su tiempo en el análisis de suelos y estrategias de rendimiento.
6) Previsibilidad y gestión de riesgo – Estimar rendimientos y proyectar costos de insumos con base en datos estructurados para planificar la venta de grano o hacienda con menor incertidumbre financiera.
7) Escalar hectáreas sin escalar estructura – Expandir la superficie gestionada por un establecimiento agrícola sin necesidad de duplicar linealmente la cantidad de personal o maquinaria tradicional.
8) Ventanas de tiempo críticas – Maximizar las ventanas de siembra o cosecha -condicionadas estrictamente y cada vez más por el clima- asegurando que la maquinaria y la logística operen sin interrupciones.
9) Uso de IA y análisis continuo – Integrar sensores de campo e imágenes satelitales procesadas con inteligencia artificial para identificar patrones de estrés hídrico, malezas o deficiencias nutricionales en tiempo real.
10) integración hombre-máquina – Potenciar el criterio del productor o profesional de campo combinándolo con telemetría de vanguardia para decidir cuándo y cómo intervenir en la producción.
La verdadera transformación digital del sector agropecuario no concluye con la incorporación de maquinaria moderna o sensores de vanguardia, sino con la capacidad de integrar esa tecnología a la toma de decisiones estratégicas.
La automatización y la inteligencia artificial no reemplazan el criterio humano, sino que lo escalan.
En escenarios cada vez más complejos, la clave del éxito productivo radica en la sinergia entre la precisión analítica de la máquina y el conocimiento empírico del profesional en el campo.
El principal reto de la inteligencia artificial no es la infraestructura digital, es poder acceder a la energía.
Montevideo | Todo El Campo | Los centros de datos modernos impulsados por inteligencia artificial (IA) requieren cantidades crecientes de electricidad para soportar cargas de trabajo de computación de alta densidad, sistemas avanzados de refrigeración e infraestructuras cloud a hiperescala. A medida que las empresas tecnológicas continúan ampliando sus capacidades de IA, el acceso a un suministro eléctrico fiable y escalable se ha convertido en una de las variables más críticas a la hora de determinar dónde y cómo puede desarrollarse la infraestructura digital.
En muchos mercados, el acceso a un suministro eléctrico fiable está adquiriendo una importancia para la selección de emplazamientos comparable a la conectividad, el suelo disponible y los incentivos fiscales.
Este cambio está modificando la economía y el perfil de riesgo del sector, y está redefiniendo la forma en que promotores, inversores, entidades financieras y gobiernos abordan la planificación de infraestructuras a largo plazo.
LA CONVERGENCIA ENTRE LA INFRAESTRUCTURA DIGITAL Y LA INFRAESTRUCTURA ENERGÉTICA.
Bruce Habig, responsable de Commercial Real Estate Finance en BBVA USA, considera que el rápido crecimiento de la infraestructura de IA está transformando fundamentalmente la relación entre la inversión tecnológica y la inversión energética.
“La infraestructura de IA está acercando mucho más la inversión digital y la inversión energética”, explica Habig. “Para promotores, inversores y financiadores, comprender la disponibilidad, la fiabilidad y los costes y condiciones económicas del suministro eléctrico a largo plazo se está convirtiendo en un elemento cada vez más importante a la hora de evaluar la infraestructura digital”.
A medida que los “hyperscalers” continúan ampliando su capacidad, promotores e inversores están integrando cada vez más el suministro de energías renovables, el almacenamiento en baterías, la planificación de la red de transmisión y las tecnologías de refrigeración sostenible en proyectos de centros de datos a gran escala.
El resultado es un ecosistema de infraestructuras en evolución, en el que el crecimiento digital y la inversión energética están cada vez más interconectados.
Al mismo tiempo, muchas empresas tecnológicas buscan equilibrar la rápida expansión de sus infraestructuras con objetivos de descarbonización y eficiencia a largo plazo. Esta dinámica está impulsando una demanda creciente de acuerdos de compra de energía renovable, inversiones destinadas a reforzar la resiliencia de la red y soluciones de infraestructura energéticamente eficientes capaces de soportar la próxima generación de cargas de trabajo de IA.
UN CAMBIO GLOBAL EN LAS INFRAESTRUCTURAS CON IMPLICACIONES LOCALES.
Las implicaciones van mucho más allá del sector tecnológico.
En Estados Unidos, las crecientes restricciones en el suministro eléctrico y los cuellos de botella en las redes de transmisión ya están condicionando dónde pueden desarrollarse grandes proyectos de centros de datos. Los principales hubs tradicionales de centros de datos siguen atrayendo inversiones, pero los promotores también están ampliando su presencia hacia mercados emergentes, donde la disponibilidad de energía a largo plazo puede ofrecer ventajas estratégicas.
Al mismo tiempo, el carácter global de la infraestructura de IA está generando nuevas oportunidades de inversión transfronteriza vinculadas al desarrollo de energías renovables, la electrificación y la financiación de infraestructuras a largo plazo.
BBVA Corporate & Investment Banking observa esta convergencia de tendencias en Estados Unidos, Europa y América Latina.
Europa continúa avanzando en el desarrollo de marcos de sostenibilidad y estándares de eficiencia energética aplicables a la infraestructura digital, mientras que América Latina se está consolidando como una región cada vez más atractiva para la inversión en energías renovables y el desarrollo de infraestructuras a largo plazo. A medida que las grandes empresas tecnológicas buscan una capacidad energética escalable que permita sostener la expansión de la IA, las entidades financieras con experiencia y presencia en estos mercados adquieren una relevancia cada vez mayor.
FINANCIAR LA PRÓXIMA GENERACIÓN DE INFRAESTRUCTURAS INTENSIVAS EN ENERGÍA.
La creciente convergencia entre la infraestructura digital y la energética también está transformando la forma en que se financian las infraestructuras.
Los grandes proyectos de centros de datos requieren cada vez más estrategias de financiación integradas que tengan en cuenta el suministro de energía renovable, la conexión a la red y los objetivos de sostenibilidad a largo plazo. Estas estructuras de financiación son cada vez más sofisticadas, a medida que los promotores afrontan una demanda energética creciente, un entorno regulatorio en evolución y unos plazos de desarrollo cada vez más ajustados.
Esta convergencia está estrechamente relacionada con la amplia experiencia de BBVA CIB en financiación sostenible, financiación de proyectos y financiación de infraestructuras.
El banco ha seguido reforzando sus capacidades para apoyar a sus clientes en proyectos de energías renovables, desarrollo de infraestructuras y soluciones de financiación a largo plazo vinculadas a las tendencias globales de electrificación.
EL FUTURO DE LA INFRAESTRUCTURA DE IA ESTARÁ IMPULSADO POR LA ENERGÍA.
A medida que la adopción de la inteligencia artificial se acelera en todo el mundo, se espera que la relación entre la infraestructura digital y la energética adquiera una importancia cada vez más estratégica, no solo para las empresas tecnológicas y los inversores, sino también para los gobiernos y las economías que compiten por liderar la próxima generación de crecimiento digital.
En opinión de Habig, una de las características que definirá el sector será la necesidad de analizar la infraestructura digital como parte de un ecosistema mucho más amplio, que tenga en cuenta factores como la disponibilidad de energía, la inversión energética y la planificación de infraestructuras a largo plazo.
“La próxima fase de crecimiento de la infraestructura de IA requerirá una coordinación mucho más estrecha entre la inversión tecnológica y la planificación de la infraestructura energética”, señala. “Esta convergencia se está convirtiendo rápidamente en uno de los temas de infraestructura más importantes de la economía mundial”.
Para el sector bancario, esto significa que la infraestructura de IA no es simplemente una cuestión de tecnología o inmobiliaria. Cada vez se sitúa más en la intersección entre el inmobiliario comercial, la energía, las infraestructuras, el crédito corporativo y los mercados de capitales.
A medida que la economía de la IA crece, el futuro de la infraestructura digital podría depender no solo de quién sea capaz de construir la mayor capacidad de computación, sino también de quién pueda garantizar la energía necesaria para sostenerla.
En un plan piloto que involucra a la NASA, el USDA busca recuperar la confianza de los productores sobre los datos que aporta.
Washington, EE.UU. | Todo El Campo | El Departamento de Agricultura de Estados Unidos (USDA) utilizará tecnología de avanzada -inteligencia artificial y aprendizaje automático- para mejorar la recolección de datos agrícolas.
De acuerdo a lo que ha publicado la agencia Reuters, Estados Unidos lanzó un proyecto piloto de base tecnológica para mejorar sus estimaciones de superficie agrícola y rendimiento, dijo el martes 1° de setiembre la secretaria Brooke Rollins.
La medida de involucrar tecnología e inteligencia artificial se toma frente las crecientes críticas sobre la fiabilidad de los datos gubernamentales.
“Realizaremos un piloto para evaluar el uso de imágenes satelitales mejoradas, trabajando con la NASA y otras agencias federales del país para averiguar cómo podemos hacer que esta información sea más precisa”, dijo Rollins.
Los agricultores han criticado los recortes profundos de personal en el USDA, afirmando que han afectado a la recopilación y precisión de los datos, lo cual es grave porque informes equivocados pueden afectar los mercados de materias primas, afectar los precios e incidir en las finanzas de los agricultores al modificar lo que reciben por sus cosechas, además de influir en los programas federales agrícolas.
El proyecto utilizará herramientas geoespaciales y modelos de cultivos junto con encuestas a agricultores para estimar la superficie y los rendimientos de los cultivos. El departamento también dijo que exploraría el uso de inteligencia artificial y aprendizaje automático.
El USDA ha intentado modernizar la recopilación de datos en el pasado, y algunos de esos esfuerzos han tardado años en implementarse.
EL USDA FUE CUESTIONADO EN SU FIABILIDAD.
Los agricultores reunidos en el Farm Progress Show dijeron que muchos de los procesos tradicionales de recopilación de datos del USDA llevaban mucho tiempo necesitando una actualización.
El anuncio oficial sigue a quejas sobre la fiabilidad de los datos del Departamento de Agricultura por parte de agricultores, comerciantes de cereales y economistas tras recortes profundos de personal y aumentos sin precedentes entre las estimaciones iniciales y finales de cuántas hectáreas de maíz plantaron los agricultores estadounidenses en 2025, reportó Reuters.
Farm Progress Show, es la mayor exposición de equipos agrícolas al aire libre en Estados Unidos, este año comenzó el martes 1° y finalizará el jueves 3 de setiembre, en Boone, Iowa.
An incredible day at the @FPShow in Boone, Iowa, with @MikeNaigIA, @IADeptAg, and producers from across the heartland! 🌽🚜🇺🇸
Officially launched @USDA’s new Data Modernization Plan — built with direct input from farmers to reduce reporting burdens, modernize technology,… pic.twitter.com/F9j2lCKrRv
Drones que vigilan bosques, robots que inspeccionan espacios de riesgo y sistemas que anticipan fallas ya operan en el agro, la energía, los puertos y la industria uruguaya.
Montevideo | Todo El Campo | La inteligencia artificial (IA) en Uruguay dejó de ser un experimento aislado y ya se integra en operaciones críticas de agro, energía, puertos e industria. Con el modelo AI First de Sonda, se combinan agentes inteligentes, analítica avanzada y robótica autónoma para anticipar fallas, vigilar bosques, reducir riesgos laborales y optimizar logística.
Los beneficios más visibles son la seguridad de los trabajadores (robots que ingresan a espacios peligrosos en lugar de personas) y la eficiencia operativa, como detectar incendios forestales a tiempo o prever cortes de energía. El desafío central está en la gobernanza y ciberseguridad, ya que cada dispositivo autónomo abre nuevas puertas de ataque y plantea preguntas sobre regulación y responsabilidad.
En síntesis: la IA en Uruguay ya no es un piloto, sino una herramienta concreta que protege vidas, mejora servicios y exige marcos sólidos de integridad y control.
La siguiente nota explica el modelo de inteligencia artificial que combina agentes inteligentes, analítica avanzada y robótica ya se despliega en el país para anticipar fallas, cuidar infraestructura crítica y sacar a las personas de tareas de riesgo. Una especialista en transformación digital repasa qué cambia en el día a día del agro, la energía, los puertos y la industria
—
DRONES QUE VIGILAN BOSQUES, ROBOTS QUE EVITAN ACCIDENTES: ASÍ ES LA IA QUE YA TRABAJA EN URUGUAY.
Hasta hace poco, la inteligencia artificial en las empresas uruguayas se limitaba, en la mayoría de los casos, a un chatbot que respondía consultas o a algún proyecto piloto aislado. Esa etapa está quedando atrás. Hoy la IA empieza a instalarse dentro de la operación diaria de organizaciones públicas y privadas: detecta un incendio forestal antes de que se propague, avisa que una pala eólica necesita mantenimiento antes de que falle, o evita que una persona tenga que entrar a un tanque o un espacio confinado para hacer una inspección. que respondía consultas o a algún proyecto piloto aislado. Esa etapa está quedando atrás.
Ese es el terreno que ocupa AI First, el modelo con el que Sonda despliega en América Latina -y en Uruguay en particular- una arquitectura que combina tres capacidades: agentes inteligentes que ejecutan tareas dentro de procesos de negocio (AgentIA), analítica que transforma datos en alertas tempranas (Analytics) y robótica autónoma que lleva la inteligencia artificial al terreno físico (RobOps). El objetivo, coinciden en la compañía, no es reemplazar personas sino cambiar qué hacen: menos tiempo revisando planillas o recorriendo instalaciones de riesgo, más tiempo tomando decisiones con información confiable.
DE LOS BOSQUES A LOS PUERTOS: LA IA EN EL TERRENO.
El caso más directo se ve en el campo. “El problema uruguayo es de superficie: miles de hectáreas con pocos ojos disponibles”, describe María Emilia Araujo, manager Digital Factory de Sonda Uruguay.
Para Araujo, la escala del país juega a favor: “Uruguay tiene condiciones que lo vuelven un laboratorio ideal, por su densidad de conectividad alta, su escala manejable y una infraestructura crítica geográficamente dispersa. Esa combinación permite pilotear rápido y escalar”.
La matriz energética uruguaya, mayoritariamente renovable, implica activos distribuidos y sensibles: parques eólicos, plantas solares, líneas de transmisión y redes de agua potable. Ahí, la inspección con termografía y sensores LiDAR aéreos permite anticipar fallas antes de que ocurran y detectar pérdidas en las redes de distribución. “El retorno acá es medible: es un indicador que todo operador mira, las horas de indisponibilidad evitadas”, señala la ejecutiva de SONDA. En la práctica, eso se traduce en menos cortes de suministro y una respuesta más rápida cuando algo empieza a fallar, antes de que el usuario final note el problema.
La logística portuaria y las zonas francas son otro terreno donde el modelo ya se aplica: inventario autónomo de patios, verificación de contenedores por visión artificial y gemelos digitales que anticipan la congestión antes de que se forme. Para un país cuya economía depende en gran medida del comercio exterior, esa anticipación se traduce en operaciones más previsibles y menos tiempos muertos, algo que impacta tanto a las empresas exportadoras como a quienes trabajan en la cadena logística.
SACAR A LA PERSONA DEL LUGAR DE RIESGO.
En la industria -celulosa, frigoríficos, refinación- el argumento central no es la productividad sino la seguridad de los trabajadores. “Los robots entran al espacio confinado, al tanque, a la altura. Sacamos a la persona del lugar de alto riesgo, donde no debería estar, y la ponemos a decidir sobre los datos analizados y recabados”, explica Araujo. Es, quizás, el beneficio más concreto del modelo para quienes trabajan todos los días en plantas industriales: menos exposición física a situaciones peligrosas y más participación en el análisis y la toma de decisiones.
La propia Araujo es cauta respecto de dónde está el verdadero desafío: “El robot es la parte visible y la menos difícil. El valor está en la orquestación, en el modelo analítico y en la ciberseguridad, porque cada dispositivo autónomo es también una puerta de ataque nueva.” Por eso, apunta, RobOps no funciona de manera aislada: “El dron levanta el dato, la analítica anticipa la falla, el agente dispara la orden de trabajo. Recién ahí hay operación y valor agregado para el negocio”.
QUIÉN RESPONDE CUANDO LA IA SE EQUIVOCA.
El avance de sistemas que toman decisiones de forma autónoma trae también preguntas sobre regulación, ética y ciberseguridad, un debate que en Uruguay involucra tanto al sector privado como al Estado. En ese contexto, Sonda Uruguay obtuvo recientemente la certificación internacional ISO 37001 contra el soborno y la corrupción. Araujo es clara sobre sus alcances: “La ISO 37001 no certifica un modelo de IA. Ninguna norma antisoborno lo hace. Sería deshonesto vender el certificado como un sello de calidad algorítmica.”
Lo que sí certifica, dice, es algo distinto: que la organización tiene una gobernanza sólida, algo que hoy falta en buena parte del debate público sobre IA autónoma. “Todos discuten qué modelo usar, muy pocos discuten quién responde cuando el modelo se equivoca”, plantea. Y traslada la lógica de la norma antisoborno al terreno de la inteligencia artificial: evaluar el riesgo antes de operar y calibrar los controles según su magnitud -no es lo mismo un asistente que resume documentos que un sistema que prioriza expedientes de personas-; definir niveles de autonomía según la criticidad, de modo que el agente ejecute hasta donde el riesgo lo permite y, de ahí en más, proponga para que una persona apruebe; dejar registro auditable de cada decisión, con su versión, sus datos de origen y su autorización; y habilitar un canal para que un operador pueda señalar que “esto está decidiendo mal” sin costo personal.
Para el sector público, agrega Araujo, esa integridad deja de ser un tema interno de la empresa proveedora: “Cuando el Estado incorpora un sistema que prioriza, califica o asigna recursos, la integridad del proveedor pasa a ser un asunto de política pública.” Ninguna certificación alcanza por sí sola, aclara: la ISO 37001 aporta integridad, la ISO 27001 aporta seguridad de la información, y ambas deben dialogar con el marco normativo uruguayo -la Estrategia Nacional de IA, la normativa de protección de datos personales y el trabajo que Agesic viene desarrollando para incorporar la dimensión de la IA al Marco de Ciberseguridad.
Más allá de cada sector, el cambio que describe Sonda apunta en una misma dirección: automatizar las tareas repetitivas y de riesgo para que las personas dediquen su tiempo a analizar, supervisar y decidir. Es, en definitiva, la promesa detrás de AI First: que la inteligencia artificial deje de ser una curiosidad de laboratorio y empiece a notarse en cosas concretas -un corte de luz que no llega a ocurrir, un incendio forestal detectado a tiempo, un trabajador que ya no tiene que subir a una torre para revisar un cable.
Los interesados e interesadas pueden preinscribirse a través de la web de la UTEC hasta el viernes 28 de agosto.
Las Piedras, Canelones | Todo El Campo | Abrieron las preinscripciones para el Certificado de Inteligencia Artificial (IA) dictado por UTEC en alianza con Google en Las Piedras.
La Universidad Tecnológica está inscribiendo para participar de la primera cohorte del Certificado en Desarrollo de Soluciones Digitales con IA, la formación que brindará en alianza con Google, en la sede de Las Piedras.
El curso está especialmente orientado a jóvenes que busquen dar sus primeros pasos en el mundo tecnológico.
Los interesados e interesadas pueden preinscribirse a través de la web de la UTEC hasta el viernes 28 de agosto.
El certificado tiene una carga horaria semanal de 20 horas, con una cursada en modalidad híbrida.
Asimismo, el curso cuenta con 150 cupos, distribuidos en dos turnos y existe la posibilidad de acceder a becas que permitan cursar el certificado de forma gratuita.
ALINAZA UTEC GOOGLE.
El certificado nace de la alianza de la UTEC con Google, que desarrolla en nuestro país su Programa de Impacto a la Comunidad. Algunos de sus objetivos son que los estudiantes participen de proyectos reales, aprendan fundamentos de programación, automatización de tareas, uso de inteligencia artificial generativa y desarrollo de asistentes inteligentes.
El Programa de Impacto a la Comunidad desembarca en Uruguay tras la instalación del gigante tecnológico en el departamento de Canelones, donde construye un data center.
No es necesario contar con conocimientos previos de programación ni haber cursado una orientación específica de bachillerato. El único requisito formal es tener Educación Media Superior completa, ya sea de Secundaria o UTU.
Las clases se realizarán en el Parque Tecnológico Canario, en Las Piedras, dentro del Nodo de Talento Digital de Canelones.
El primer encuentro será el lunes 7 de setiembre. El grupo matutino tendrá clases de 09.00 a 12.00 y el vespertino de 14.00 a 17.00. Desde la semana siguiente, los encuentros presenciales serán los martes, manteniendo esos horarios.
