AI Act, robots con Gemini, y la guerra por el contenido IA: etiquetas, seguridad y arquitectura para el mundo físico

La UE obliga a etiquetar contenido de IA que parezca auténtico

El Artículo 50 del AI Act entra en vigor el 2 de agosto de 2026 para nuevos sistemas y deja hasta diciembre de 2026 a los ya existentes. Las empresas deben identificar imágenes, audio, texto o vídeo generados por IA que intenten parecer reales, principalmente mediante marcas de agua digitales y divulgación explícita cuando haga falta. El incumplimiento puede acarrear multas de hasta el 3% de la facturación global anual, lo que plantea riesgos económicos enormes para actores como Google o Meta. Exenciones limitadas cubren contenido personal y obras claramente artísticas o satíricas, aunque la UE avisa que la barra para considerarlas "evidentes" será alta. Más detalles en WWWhat's New IA.

Embodied AI: la robótica no es un simple chatbot

Los modelos grandes aplicados a robots exigen una arquitectura de agentes incorporada que vaya mucho más allá de prompts y llamadas a APIs. Se requieren bucles de percepción, contratos de acción, dry runs, puertas de seguridad, aprobación humana y evidencia reproducible antes de que una decisión de software se convierta en movimiento físico. Google ha impulsado esa tendencia con Gemini Robotics 2 y endpoints públicos para razonamiento embebido, streaming en tiempo real y orquestación de herramientas, lo que sube la exigencia técnica y de seguridad para desplegar robots en almacenes, hospitales o entornos domésticos.

Plataformas y contenido: Spotlight dice «no» al AI slop

Snapchat ha decidido que los vídeos totalmente generados por IA quedan excluidos de la recomendación en Spotlight: solo se recomendará contenido creado por personas reales. Se mantiene el uso de IA para edición y efectos, pero no la elegibilidad para distribución automática. La estrategia contrasta con la apuesta de Meta por modelos Muse para generar un flujo masivo de contenido personalizado, y dibuja apuestas opuestas sobre qué tipo de experiencia prefieren los usuarios. Información en WWWhat's New IA.

Seguridad y alianzas: Nvidia deja fuera a OpenAI

La alianza de seguridad liderada por Nvidia suma 37 miembros pero no incluye a OpenAI. El precedente de la brecha en Hugging Face subraya que las APIs cerradas pueden fallar en defensa cibernética colaborativa; por eso algunos actores prefieren acuerdos que maximicen visibilidad y trazabilidad entre pares. El análisis completo está en Towards AI.

Ingeniería de agentes: Pydantic AI v2 en tres escenarios

Se publica un registro de compilación de Pydantic AI v2 que muestra salidas tipadas, evaluaciones multi-ejecución y una puerta de aprobación antes del merge. El trabajo está diseñado contra sistemas de producción reales orquestados con LangGraph, pero aún no hay benchmarks públicos. El texto plantea preguntas prácticas sobre integración, pruebas y gobernanza cuando se conectan asistentes a acciones de producto; leer el avance en Towards AI.

Escalado de entrenamiento: DDP en PyTorch explicado desde cero

Una guía desde primeros principios aclara por qué cada GPU necesita su propia copia del modelo, cómo se promedian los gradientes sin un trabajador maestro y por qué el shuffle en el DataLoader importa en DistributedDataParallel (DDP). Es lectura esencial para equipos que buscan eficiencia y reproducibilidad al entrenar modelos a escala; más en Towards AI.

Qué reconocer en conjunto

Regulación, arquitectura y política de plataforma están convergiendo: el AI Act forcejea con la necesidad de transparencia; la robótica exige runtimes seguros y explicables; y las plataformas definen señales de distribución que afectan visibilidad, reputación y monetización de creadores. Para equipos de producto y negocio esto significa replantear cumplimiento, pipelines de verificación y diseño de experiencia cuando la IA pasa de generar pantallas a interactuar con el mundo físico.