IA persuade mejor que humanos, chips de $400M y Anthropic vs gobierno
Superpersuasión, la nueva máquina de ASML y el conflicto de Anthropic con Washington dominan el martes en IA.
Lo más importante de hoy en IA
El martes llega cargado de tensiones y revelaciones que apuntan en la misma dirección: la IA ya no es una tecnología que se evalúa en laboratorio, sino una fuerza que negocia con gobiernos, redefine la infraestructura global de semiconductores y supera a expertos humanos en tareas de persuasión. No es un día de lanzamientos espectaculares, sino de consecuencias: los efectos de decisiones tomadas meses atrás empiezan a materializarse en política, hardware y conducta humana.
La IA puede convencerte mejor que cualquier experto humano
Un estudio conjunto de la Universidad de Oxford, el UK AI Security Institute y Stanford, cubierto hoy por Import AI, llega a una conclusión que debería quitarle el sueño a más de un product manager y ejecutivo: “los sistemas de IA fueron consistentemente más persuasivos que los humanos expertos” en experimentos controlados. No hablamos de margen pequeño ni de condiciones artificiales; los investigadores lo llaman superpersuasión.
Para quienes construyen productos con IA conversacional —chatbots de ventas, asistentes de onboarding, herramientas de negociación— esto cambia el cálculo de riesgo. La misma capacidad que hace que un agente cierre más ventas o reduzca el churn puede usarse para manipular decisiones financieras, políticas o médicas. La diferencia entre una feature valiosa y un vector de daño masivo es, en muchos casos, solo la intención del que despliega el modelo.
La implicación práctica es inmediata: si tu empresa usa IA para comunicaciones dirigidas a usuarios, necesitas una política de uso ético antes de que alguien externo —regulador o periodista— la escriba por ti. Lo que hoy es una ventaja competitiva puede convertirse mañana en el centro de una audiencia legislativa.
Anthropic enfrenta su conflicto más serio con el gobierno de EE.UU.
En abril, Anthropic reveló que había construido un modelo llamado Mythos. Lo que vino después fue una escalada que MIT Technology Review describe como el “último enfrentamiento” entre la compañía y el gobierno estadounidense, y señala tres vectores de tensión que vale seguir de cerca.
El primero es de gobernanza: ¿qué obligaciones tiene una empresa privada de informar al gobierno cuando desarrolla capacidades que podrían considerarse de riesgo nacional? Anthropic ha apostado históricamente por una relación colaborativa con Washington, pero Mythos parece haber cruzado algún umbral que aún no está del todo definido en la regulación vigente. El segundo vector es competitivo: mientras OpenAI y Google tienen estructuras corporativas más consolidadas para navegar presión política, Anthropic opera como una PBC —public benefit corporation— con una carta constitucional que le impone compromisos de seguridad propios, lo cual complica su posición negociadora. El tercero es precedente: cómo termine este conflicto determinará en gran medida qué espacio regulatorio queda para los laboratorios de segunda generación que vengan después.
Para ejecutivos y emprendedores en Latinoamérica que dependen de la API de Anthropic o evalúan Claude para casos de uso críticos, el mensaje es este: la estabilidad operativa de los grandes labs no está garantizada. Diversificar proveedores de modelos fundacionales dejó de ser una preferencia técnica y se convirtió en gestión de riesgo real.
La máquina de $400 millones que decide quién puede hacer chips de IA
ASML acaba de presentar su nueva máquina de litografía extrema ultravioleta de siguiente generación, y MIT Technology Review la describe con una imagen que vale más que cualquier spec sheet: “del tamaño de un autobús de dos pisos, más de 150 toneladas de aluminio de precisión cubierto de miles de tubos, cables de colores y tanques presurizados”. El precio por unidad ronda los 400 millones de dólares.
¿Por qué le importa esto a alguien que no fabrica chips? Porque ASML es el único proveedor mundial de este tipo de equipo, y sin él no se pueden producir los semiconductores de vanguardia que alimentan los centros de datos donde corren los modelos de IA. Cada restricción de exportación que EE.UU. impone a China, cada decisión de TSMC sobre capacidad de producción, cada hoja de ruta de NVIDIA pasa por si hay suficientes máquinas de ASML disponibles y a quién se las venden.
Para developers y PMs que trabajan con GPUs en la nube, esto se traduce en una realidad muy concreta: la escasez de cómputo no es solo un problema de precio, es un problema geopolítico con un cuello de botella físico de un solo proveedor. Los ciclos de disponibilidad de instancias GPU en AWS, Azure o GCP están, en última instancia, atados a cuántas de estas máquinas existen en el mundo y dónde están instaladas.
En pocas palabras
Las tres noticias de hoy comparten una estructura subyacente: el poder de la IA está siendo disputado simultáneamente en tres frentes —el psicológico, el político y el físico. Los modelos ya persuaden mejor que los humanos, los gobiernos no saben exactamente qué hacer con eso, y la infraestructura que hace posible todo lo anterior depende de una cadena de suministro absurdamente concentrada. Quien quiera entender hacia dónde va la IA en los próximos dos años no debería mirar solo los benchmarks de los modelos, sino estos tres tableros en paralelo.
Fuentes utilizadas: Import AI 462 — https://jack-clark.net/2026/06/22/import-ai-462-superpersuasion-self-sustaining-ai-paths-to-asi/, MIT Technology Review (Anthropic) — https://www.technologyreview.com/2026/06/22/1139424/three-things-to-watch-amid-anthropics-latest-feud-with-the-government/, MIT Technology Review (ASML) — https://www.technologyreview.com/2026/06/23/1138837/asml-400-million-dollar-machine-powering-future-of-chipmaking/