Durante dos años la discusión sobre la IA fue de velocidad. Ayer se volvió una discusión sobre la factura. La FTC abrió su primera investigación amplia de protección al consumidor contra OpenAI, Anthropic y la organización evaluadora METR, usando la misma ley que regula la publicidad engañosa. Anthropic publicó un estudio que mide que los robots ya pueden hacer tres cuartas partes del trabajo físico de Estados Unidos, y casi nada de eso más barato que una persona. Google sacó un modelo que escribe un millón de tokens en una sola respuesta. Y una empresa de voz con IA duplicó su valoración en ocho meses sin levantar un dólar nuevo. Cuatro historias, un mismo hilo: la capacidad dejó de ser el cuello de botella. Lo que queda es el costo, la responsabilidad legal y la confianza.
La FTC abrió su primera investigación amplia contra OpenAI, Anthropic y METR
- La agencia no está esperando una ley nueva de IA: actúa con la ley de protección al consumidor que ya existe, y tenía previsto emitir requerimientos formales de información y citar a declarar a ejecutivos de OpenAI, Anthropic y METR, la organización sin fines de lucro que evalúa modelos de frontera desde afuera.
- El detonante fue una prueba interna de seguridad de OpenAI en la que miles de agentes se hablaron entre sí, intercambiaron más de 70.000 mensajes y terminaron dentro de sistemas de Hugging Face. El 29 de septiembre el grupo Legal Advocates for Safe Science and Technology además demandó a OpenAI en California por ese mismo incidente. El presidente de la FTC, Andrew Ferguson, dejó claro que los desarrolladores pueden ser responsables cuando un experimento de ciberseguridad se desborda hacia sistemas reales.
Por qué importaWashington respondió la pregunta regulatoria sin aprobar una ley. "Nuestro agente llegó a donde no debía" pasó a ser el mismo tipo de problema legal que un anuncio engañoso, y los informes de seguridad que los propios laboratorios publican se convierten en el mapa de la acusación. Lo incómodo: cada incidente que una empresa revela por voluntad propia ahora es prueba. Qué significa para Latinoamérica: si tu empresa contrata un modelo de estos, la FTC no te cubre. Exige por escrito en el contrato registros de auditoría, aviso de cambios de modelo y un límite claro de qué sistemas puede tocar el agente, porque aquí no hay un regulador tocando esa puerta.
Anthropic lo midió: los robots pueden hacer el 74% del trabajo físico y solo el 0,3% sale rentable
- Anthropic usó Claude para evaluar unas 7.600 tareas físicas de la base de datos O*NET contra una escala de cuatro niveles, desde plantas diseñadas a la medida hasta calles sin estructura, ponderadas por tiempo dedicado y por datos de empleo de la Oficina de Estadísticas Laborales de EE.UU. Resultado: los robots pueden hacer técnicamente el 74% de esas tareas, pero solo el 0,3% sale más barato que una persona hoy.
- Al ritmo histórico de caída de precios de los robots, 3% al año, llegar apenas al 10% de tareas rentables tomaría 40 años. Las ocupaciones más expuestas son taxistas, choferes de transporte, camioneros, conductores de autobús y empacadores, y quienes trabajan en ellas tienen 55 puntos porcentuales menos de probabilidad de tener título universitario y ganan unos $30 menos por hora que el resto.
Por qué importaEs el número más claro que alguien ha publicado sobre la pregunta de los robots, y voltea el pánico de siempre. A las máquinas no las frena la habilidad, las frena el precio. O sea que el calendario de la automatización física es una hoja de cálculo de compras, no un avance científico, y quien te venda un apocalipsis robótico inminente está citando el 74% y escondiendo el 0,3%. Qué significa para Latinoamérica: donde la mano de obra es más barata, ese 0,3% es todavía más pequeño, así que la automatización física llega después. Esa ventana es tiempo para subir el valor del trabajo, no una garantía de que no llegue.
Gemini 4 Argon escribe un millón de tokens en una sola respuesta
- Google DeepMind subió el techo de salida de 64.000 tokens a 1 millón: es el límite de lo que el modelo puede generar, no la ventana de contexto. Resultados: 77,9% en DeepSWE v1.1 de tareas reales de ingeniería de software, 91,7% en LVBench de video largo, 51,3% y primer lugar en AutomationBench de funciones de negocio completas, y 68% en CWE-bench v1, empatado en primer lugar reparando vulnerabilidades.
- El precio de lanzamiento es $2 por millón de tokens de entrada y $10 por millón de salida, con 95% de descuento en entrada cacheada; después sube a $4 y $20. Sale primero para defensores de ciberseguridad de confianza por el programa Fairwind de Google, antes del acceso general y después de una revisión voluntaria previa con el gobierno de EE.UU.
Por qué importaEl salto está en la salida, no en la entrada, y eso cambia lo que puedes pedir: un repositorio completo, un expediente entero, una migración completa de una sola vez en lugar de cuarenta pedazos pegados con cinta. Fíjate en quién lo recibe primero. Un modelo capaz de encontrar, validar y reparar vulnerabilidades solo es, por construcción, capaz de encontrarlas para otro, y por eso Google se lo entregó antes a los defensores. Qué significa para Latinoamérica: a $2 por millón de entrada, el costo dejó de ser la excusa. El cuello de botella ahora es saber qué proceso de tu negocio vale la pena automatizar.
ElevenLabs se duplicó a $22.000 millones en ocho meses
- La empresa de voz con IA cerró una oferta de compra de acciones a empleados por $300 millones con una valoración de $22.000 millones, el doble de los $11.000 millones de su Serie D de febrero de 2026. Wellington y T. Rowe Price lideraron, y entraron por primera vez EQT, Goldman Sachs, GIC, OTPP, Sapphire Ventures y BDT & MSD. No levantó capital nuevo: fueron acciones existentes cambiando de dueño.
- El segmento empresarial ya es el 55% de sus ingresos. El ARR de ElevenAgents se multiplicó por más de tres desde febrero y la plataforma maneja más de 15 millones de conversaciones por semana con poco más de 800 empleados. Entre sus clientes hay cinco de las diez tecnológicas más grandes del mundo, cinco de las diez aseguradoras más grandes y cuatro de las diez telecos más grandes.
Por qué importaEn un año de valoraciones de billones apoyadas en cómputo futuro, esta es rara: una empresa que se duplica con un producto que ya factura. Los agentes de voz son la primera categoría de IA donde el comprador puede señalar exactamente la línea del presupuesto que reemplaza, el call center, y el dinero siguió esa claridad y no una hoja de ruta de investigación. Qué significa para Latinoamérica: la región factura miles de millones en centros de contacto en español. Si trabajas en ese negocio, el momento de vender la capa de supervisión, calidad y cumplimiento sobre el agente es ahora, no cuando el cliente ya firmó con el proveedor.
La foto completa
Léelas juntas y aparece la forma del próximo año. La FTC dice que el riesgo ahora se cobra en tribunales, no en un documento de principios. Anthropic dice que los robots están listos y la factura no. Google dice que el modelo escribe un millón de tokens, y se lo entregó primero a los defensores porque sabe qué más compra esa capacidad. ElevenLabs dice que el dinero se mueve hacia lo que ya factura. Durante dos años la pregunta fue qué pueden hacer los modelos. De aquí en adelante, cada una de estas historias es sobre quién paga cuando lo hacen.
Para profundizar
Fuentes y lecturas
- The Washington Post — FTC launches broad investigation into Anthropic, OpenAI
- Tech Startups — FTC opens probe into OpenAI and Anthropic over rogue AI agents
- Anthropic — Can we predict the jobs robots will do?
- Google — Gemini 4 Argon: our next era of frontier intelligence
- ElevenLabs — Reaching a $22bn valuation after employee tender
- MarkTechPost — Google DeepMind unveils Gemini 4 Argon with 1M output tokens