Apple anuncia que Siri será por fin inteligente
Gemini estaría detrás del renacimiento de Siri que llegará a finales de 2026
Querido lector:
Antes de seguir, quiero invitarte a un evento muy especial que hemos preparado en Barcelona el próximo 19 de junio para hablar sobre “El Futuro del Trabajo”.
Contaremos con ponentes de primer nivel, como Daniel Jeffries, habitual en esta newsletter, para analizar de manera rigurosa y sin exageraciones cómo está cambiando el trabajo con la Inteligencia Artificial.
El evento será exclusivamente presencial y las plazas son limitadas.
Más información: IIA Summit: El Futuro del Trabajo
¿Qué pasó ayer? En un minuto:
Apple rehace Siri desde cero con una versión especial de Gemini; estará disponible a finales de 2026 y sin fecha para la Unión Europea.
OpenAI ordena su estrategia en torno a tres objetivos: un investigador de IA automatizado, acelerar la economía y una AGI personal para cada individuo.
Moonshot AI lanza Kimi Work, una app de escritorio que coordina hasta 300 sub-agentes en paralelo, controla el navegador y genera documentos.
OpenAI ha registrado de forma confidencial un S-1, el paso previo a una salida a bolsa, pero sin fijar calendario.
El límite de la IA ya no es la potencia del modelo, sino la ingeniería de contexto: guiar al sistema hacia lo que quieres consume más tiempo del que parece.
Claude Code cumple un año y su responsable describe un giro en la práctica diaria: menos prompts y más operación continua.
NotebookLM pasa a ejecutar tareas agénticas, como buscar fuentes de información y soporte de ‘skills’, disponibles en el plan Google AI Ultra.
SemiAnalysis sostiene que Unitree va camino de dominar la robótica mundial: ha bajado el precio de sus humanoides de $50.000 a $27.300 en año y medio.
IA y trabajo: un informe de Wharton indica que la IA debe multiplicar la productividad por 2,7x para justificar el gasto actual. El boom de centros de datos dispara la demanda de electricistas y técnicos de fibra.
Y si tienes más de un minuto…
1. Apple reconstruye Siri y se apoya en Gemini
En octubre de 2011 Apple anunció Siri, uno de los primeros asistentes conversacionales disponibles en un teléfono móvil. En la WWDC 2026, celebrada el 8 de junio en Apple Park, Apple presentó una versión reconstruida de Siri y una nueva iteración de Apple Intelligence, su plataforma de IA. El cambio de fondo está en el proveedor: parte de las capacidades generativas se apoyarían en Gemini, el modelo de Google, en lugar de depender solo de tecnología propia. Aunque no existen detalles de la colaboración con Google, todo apunta a que Apple habría reentrenado Gemini con sus propios datos para tener su modelo de fundación propio con una experiencia adaptada a su ecosistema. El nuevo Siri se plantea como un asistente conversacional capaz de entender el contexto personal del usuario, acceder a conocimiento de la web y reconocer lo que aparece en pantalla, además de ejecutar comandos y mostrar respuestas adaptadas dentro del sistema.
Para Apple es un intento de recortar distancia frente a los asistentes generativos de Google, OpenAI y Amazon, después de años con una Siri percibida como rezagada. La integración profunda en el ecosistema y el peso del contexto personal apuntan a una estrategia ligada a la privacidad y a una experiencia unificada entre dispositivos. El alcance, eso sí, llega con limitaciones. Siri AI saldrá en beta a finales de 2026 y no estará disponible al inicio en la Unión Europea, en línea con las fricciones que la DMA ya impuso a despliegues previos de Apple Intelligence. En paralelo, la beta de iOS 27 incluye una nueva versión de Image Playground, la función de generación de imágenes de Apple, cuyo modelo subyacente también referenciaría a Google, aunque los resultados de prueba no coinciden con Nano Banana ni Imagen.
El repaso de 𝕏 @testingcatalog (Ai News | Testingcatalog) coloca el dato más incómodo en primer plano: una Apple Intelligence apoyada en Gemini llega con asterisco geográfico, sin disponibilidad inicial en la UE pese a anunciarse para todo el ecosistema.
Para 𝕏 @DotCSV (Carlos Santana) es la primera integración seria de IA que hace Apple, con una Siri que por fin usa modelos frontera, con ayuda de Gemini, para dar respuestas contextualizadas con los datos y apps del usuario.
𝕏 @WesRoth (Wes Roth) subraya el giro de producto: una Siri rehecha desde cero, conversacional y con conciencia de lo que aparece en pantalla, frente a la versión que durante años quedó por detrás de sus rivales.
Más información:
📎 Apple introduces Siri AI, a profoundly more capable and personal assistant
📎 Introducing the Third Generation of Apple’s Foundation Models
2. OpenAI fija sus metas hacia la AGI
OpenAI ha publicado 'Built to benefit everyone', un documento que ordena su rumbo en torno a tres objetivos: construir un investigador de IA automatizado capaz de avanzar en la propia investigación, acelerar la economía mediante el uso de la tecnología y dotar a cada persona del planeta de una AGI personal. Todo gira sobre la misión de fondo de la empresa: que la inteligencia artificial general beneficie a toda la humanidad. No hay productos nuevos ni plazos. Es una declaración de dirección, no un lanzamiento.
El momento llega tras la reestructuración societaria de OpenAI, que despeja el camino hacia una posible salida a bolsa y una fase de inversión intensiva en centros de datos, chips y talento. La compañía opera como corporación de beneficio público parcialmente con ánimo de lucro, lo que condiciona cómo equilibra misión e intereses comerciales. Un discurso de 'beneficio para todos' funciona también como argumento de legitimidad mientras escala su infraestructura a un coste muy alto. De hecho el único dato financiero que sí ha precisado OpenAI es su expectativa de gasto en cómputo: unos 600.000 millones de dólares hasta 2030, una rebaja frente al 1,4 billones que la propia empresa había llegado a manejar.
Al enmarcar el plan en torno al acceso, la seguridad y la prosperidad compartida, 𝕏 @sama (Sam Altman) presenta la ambición de la AGI como un proyecto colectivo más que como una hoja de ruta de producto.
𝕏 @gdb (Greg Brockman) ata los objetivos a la idea de 'expandir la agencia humana' conforme avanza la IA, un encuadre que legitima el rumbo más allá de ChatGPT.
𝕏 @emollick (Ethan Mollick) señala la contradicción incómoda: tanto OpenAI como Anthropic admiten que ralentizar la IA solo funcionaría con coordinación mundial, pero reconocen que no existen métodos identificados para lograrla.
Más información:
📎 Built to benefit everyone: our plan
3. Kimi Work lleva los agentes al escritorio
Moonshot AI ha presentado Kimi Work, un agente que se ejecuta en local en el escritorio, con versiones para macOS y Windows. Reúne varias piezas en un mismo espacio de trabajo: un enjambre nativo que coordina hasta 300 sub-agentes en paralelo, control del navegador a través de la extensión WebBridge (buscar, desplazarse, operar en webs desde el navegador del usuario), herramientas de datos financieros, memoria y generación de documentos. El sistema entrega resultados en PPTX, Word, PDF y Excel directamente en el equipo. Suma además un motor Cron para automatizar tareas repetitivas de forma continua: briefings matinales redactados por un LLM o scripts de Python nocturnos para procesar grandes volúmenes de datos.
El planteamiento encaja con un giro del sector: menos chatbots conversacionales y más sistemas que ejecutan trabajo de oficina sin supervisión constante. Kimi entra en la batalla por conseguir ser el punto de entrada del usuario con el mundo digital, en competencia directa con los grandes laboratorios (i.e. Codex, Claude Cowork, etc.). La coordinación masiva de sub-agentes, en cambio, arrastra dudas conocidas sobre fiabilidad y verificación de lo generado. Detrás está la plataforma API de Kimi con el modelo K2, contexto de 256K y posibilidad de llamar a herramientas. Moonshot no ha detallado precios, requisitos de hardware ni qué fuentes de datos cubre exactamente, y describe el producto como una primera fase, con más conectores y herramientas anunciados para próximas versiones.
Lo distintivo para 𝕏 @WesRoth (Wes Roth) es que Kimi Work junta enjambres de agentes, control del navegador, datos financieros, memoria y generación de documentos en un único entorno de escritorio, en lugar de repartirlos entre varias herramientas.
𝕏 @Kimi_Moonshot (Kimi.Ai) vende el producto bajo la idea de 'configúralo y olvídate': un flujo que no se detiene, con el motor Cron ejecutando tareas en segundo plano a la hora exacta para trabajadores del conocimiento.
𝕏 @ErickSky (Erick) subraya el lado práctico: 300 agentes en paralelo, control real del navegador y herramientas nativas de finanzas conectadas a Yahoo Finance, World Bank o Binance.
Más información:
📎 Kimi Work: Next-Gen Desktop AI Agent for Knowledge Workers
4. OpenAI también se prepara para salir a bolsa
OpenAI ha presentado de forma confidencial un formulario S-1 ante el regulador estadounidense, el documento que precede a una salida a bolsa. Es un paso preparatorio, no un compromiso de cotizar: la empresa responsable de ChatGPT ha precisado que aún no ha fijado el calendario y quiere conservar margen para decidir cuándo tiene sentido. La vía confidencial permite avanzar sin exponer todavía las cifras internas, una práctica habitual entre tecnológicas que tantean los mercados públicos sin atarse a una fecha.
El interés es evidente: OpenAI es una de las compañías privadas más valoradas del sector, y cualquier gesto hacia los mercados alimenta la expectación sobre la maduración de la IA generativa. El registro llega tras la reestructuración societaria de la empresa, que despeja parte de los obstáculos hacia una eventual cotización. Conviene prudencia con el grado de confirmación. El debate de fondo sobre estas firmas sigue abierto: combinan pérdidas elevadas con valoraciones muy altas, un punto que divide a los inversores cuando se acercan a bolsa. En paralelo, SpaceX ha registrado una solicitud para lo que podría ser la mayor IPO de la historia, una referencia del apetito actual por las tecnológicas pre-IPO.
El matiz que destaca 𝕏 @WesRoth (Wes Roth) es la cautela de la propia OpenAI: registra el S-1 para mantener la opción abierta, pero deja claro que aún no ha decidido cuándo le conviene salir a bolsa.
Frente a quienes ven solo pérdidas y valoraciones desbocadas en SpaceX, OpenAI y Anthropic, 𝕏 @ARKInvest (Ark Invest) sostiene que centrarse en el corto plazo hace perder de vista el crecimiento futuro de estas firmas.
5. El cuello de botella de la mejora de la IA es el contexto
El debate sobre los límites de la IA se ha movido de la potencia de los modelos a un problema más prosaico: el contexto. La tesis, defendida por varios responsables de producto, sostiene que ninguna mejora en el razonamiento elimina la necesidad de orientar al modelo. Un sistema de propósito general tiene un rango casi ilimitado de direcciones posibles, así que siempre hay que guiarlo hacia el resultado concreto que busca el usuario. El argumento conecta con el auge de la ingeniería de contexto y la integración de datos propios en entornos empresariales: el valor no está solo en el modelo, sino en las capas de datos, instrucciones y preferencias que lo envuelven.
Este ejemplo recurrente lo ilustra bien: pedir a una IA que 'ordene la bandeja de entrada' parece trivial, pero hacerlo bien exigiría páginas de instrucciones que cambian a diario según las prioridades de cada persona. El reto de los agentes autónomos es tanto de comunicación e intención como de inteligencia bruta. A esto se suma una previsión sobre el reparto del trabajo: en uno o dos años, el mercado tendería a separarse entre modelos de máxima capacidad para tareas exigentes y modelos mucho más baratos para cargas masivas y repetitivas. Las cifras pedidas con pinzas: la afirmación de que los programadores ya dedican el 80% del tiempo a especificar lo que quieren, y la previsión de segmentación, se presentan sin fuente, y sus autores admiten que sus números podrían ser extremos.
El razonamiento de 𝕏 @levie (Aaron Levie) invierte el foco habitual: por mucha inteligencia que acumule un modelo, su rango infinito de direcciones obliga siempre a guiarlo, así que el contexto no es un accesorio sino la pieza que determina el resultado.
Para 𝕏 @gabriel1 (Gabriel), la imagen de la AGI como una caja de texto donde escribimos intenciones y obtenemos lo que queremos ignora que tareas aparentemente simples esconden instrucciones que cambian cada día. Lleva la idea más lejos: para que un modelo sea cien veces más inteligente necesitaríamos una aplicación capaz de comunicarse con mucho más ancho de banda que texto a secas.
6. Claude Code cumple un año hacia la autonomía
Claude Code, la herramienta de programación asistida de Anthropic, cumple un año desde su disponibilidad general, y su responsable, Boris Cherny, ha usado la fecha para explicar cómo ha cambiado el trabajo con ella. El relato apunta en una dirección clara: menos prompts puntuales y más operación continua. Cherny dice trabajar ahora en modo 'auto' en vez del modo 'plan', apoyarse en rutinas que detectan y corrigen fallos antes de que él los vea, y programar la mayor parte del tiempo desde el móvil.
También presenta a Opus como el modelo más capaz para tareas de ejecución prolongada y comparte recomendaciones para correrlo de forma autónoma durante horas o días: activar permisos automáticos para que el agente no pida aprobación en cada paso y delegarle la orquestación de subtareas. El hilo común es un cambio de rol del desarrollador, que pasa de redactar instrucciones a definir procesos repetibles.
El contraste que plantea 𝕏 @bcherny (Boris Cherny) es revelador: la primera demo interna de Claude Code apenas sumó dos reacciones en Slack, y un año después dice programar casi todo desde el teléfono confiando en rutinas que arreglan errores antes de verlos.
Para 𝕏 @miguelgfierro (Miguel Fierro) el cambio de fondo es de rol más que de herramienta: con comandos como /loop el usuario deja de ser un 'prompter' reactivo y pasa a diseñar bucles que corren tests o revisan pull requests sin intervención constante.
𝕏 @0xAndros (Andros) lo resume como el fin del prompting: hace un año se escribía código en un IDE con autocompletado, luego se pasó a lanzar varias sesiones en paralelo, y ahora la mecánica real es el comando /loop ejecutándose solo.
Desde 𝕏 @ClaudeDevs (Claudedevs) sitúan la verificación como pieza central: defienden buenas prácticas de comprobación junto al modo 'auto', las rutinas y los bucles, un reconocimiento de que la autonomía sin control de resultados es frágil.
7. NotebookLM suma capacidades agénticas, solo para usuarios Ultra
Google ha actualizado NotebookLM, su herramienta de investigación y síntesis a partir de documentos, con un giro hacia lo agéntico. El cambio se concentra en el chat central: deja de limitarse a responder consultas sobre las fuentes cargadas y pasa a ejecutar tareas. Ahora puede buscar nuevas fuentes en línea, correr código en una máquina virtual, trabajar con 'skills' y asistir en la creación de podcasts y visualizaciones, estas últimas apoyadas en NanoBanana. La actualización añade razonamiento más sólido y nuevos formatos de salida, pensados para investigaciones de varios pasos.
NotebookLM llega tarde a un terreno ya transitado por ChatGPT, Claude y el propio Gemini, donde la ejecución autónoma de tareas lleva tiempo asentada. Para Google, el atractivo está en convertir una herramienta de consulta en un asistente que amplía el flujo de trabajo, no solo lo resume. Las funciones agénticas se reservan por ahora al plan Google AI Ultra, el nivel de suscripción más caro, lo que deja fuera al resto de usuarios en esta primera fase. Según las fuentes, la actualización incorporaría también Gemini 3.5 como modelo subyacente.
Para 𝕏 @WesRoth (Wes Roth) el valor está en encadenar capacidades agénticas, razonamiento reforzado y nuevos formatos de salida en una sola herramienta, pensada para tareas de investigación de varios pasos.
𝕏 @DotCSV (Carlos Santana) subraya el cambio de función del chat: pasa de ser un buscador de respuestas sobre tus documentos a un asistente que sale a buscar fuentes nuevas y ayuda a montar podcasts o visualizaciones. Su pega: por ahora esta versión solo llega a los usuarios Ultra.
8. SemiAnalysis ve a Unitree liderando la robótica
SemiAnalysis sostiene en un informe que Unitree, con sede en Hangzhou y fundada por Wang Xingxing, va camino de dominar la robótica mundial. El argumento no se apoya en una tecnología concreta, sino en la velocidad de iteración. La empresa pasó en tres años de fabricar cuadrúpedos a liderar el mercado de humanoides, y este año sus modelos G1 empiezan a entrar en despliegues viables, con tres diseños nuevos en preparación.
Las cifras citadas sostienen la tesis. Unitree triplicaría sus ingresos interanuales con líneas al 60% de margen bruto, prevé cerca de 300 millones de dólares en I+D de IA e internaliza parte de su fabricación. Su mayor ventaja es el coste: ha recortado el precio antes de impuestos de sus humanoides de más de 50.000 a 27.300 dólares en año y medio, con márgenes estimados del 67%. El informe añade que podría enviar su unidad número 10.000 en las próximas semanas, frente a rivales occidentales aún en fase inicial. En el lado negativo, el propio informe reconoce que los humanoides de Unitree arrastran fama de fiabilidad imperfecta y utilidad limitada fuera de la I+D y el entretenimiento. A ello se suma el frente regulatorio: el Departamento de Defensa de EE. UU. ha incluido a Unitree en su lista 1260H de empresas militares chinas, junto a BYD, Alibaba, Baidu y Tencent, lo que añade presión reputacional antes de su esperada salida a bolsa.
La tesis de 𝕏 @SemiAnalysis_ (Semianalysis) sitúa la velocidad de iteración, no una tecnología concreta, como la palanca decisiva: el ciclo más rápido en robótica de nueva generación debería traducirse, a su juicio, en una aceleración sin precedentes.
Frente al escepticismo sobre el formato antropomórfico, 𝕏 @ericjang11 (Eric Jang) defiende que con el tiempo la gente acabará entendiendo 'por qué humanoides', dando por sentado que el debate sobre diseños especializados se resolverá a favor de la forma humana.
Más información:
📎 How China's Unitree Will Dominate Global Robotics
9. La IA presiona productividad, oficios y emprendimiento
El debate sobre IA y empleo se ha desplazado de la sustitución abstracta a efectos medibles en tres frentes. El primero es la presión sobre la productividad: un trabajo de la Wharton School, difundido por Alex Panetta y citado por Yann LeCun, sostiene que la IA debe multiplicar la productividad por 2,7 (y pronto) para justificar las inversiones actuales de las grandes tecnológicas. Es un listón alto que condiciona la rentabilidad del gasto en cómputo.
El segundo frente es físico: el despliegue de centros de datos dispara la demanda de oficios manuales cualificados, con escasez de electricistas, técnicos de fibra y perfiles mecánicos. Meta ha respondido con la America's Workforce Academy, dotada con 115 millones de dólares para formar esa mano de obra. La academia ofrece formación remunerada y se presenta junto a socios, según el anuncio de la compañía.
El tercero es la creación de empresas: ARK Invest indica un alza del 10% al 20% en nuevas solicitudes de registro de negocios en EE. UU. desde la irrupción de ChatGPT.
La lectura de 𝕏 @ARKInvest (Ark Invest) sitúa el efecto de la IA no en la productividad sino en el ritmo de creación de empresas, con una generación de valor que concentra en los mercados privados y describe como sin precedentes.
El ángulo que recoge 𝕏 @DavidSacks (David Sacks) recuerda que el boom de infraestructura no solo demanda talento digital: la construcción de centros de datos tensiona el mercado de oficios manuales, y la academia de Meta busca tapar esa brecha.
Para 𝕏 @jeremyphoward (Jeremy Howard) la ventaja no estará en disponer de la herramienta, ya masiva, sino en usarla para elevar las propias competencias y las del equipo, un perfil que considera escaso y muy cotizado.
El matiz de 𝕏 @tunguz (Bojan Tunguz) apunta a por qué el trabajo resiste: casi cualquier empleo remunerado consiste sobre todo en gestionar los casos límite, justo lo que peor cubren los sistemas actuales.