X-twitter

Día: noviembre 29, 2024

Cumplimiento tech: la pregunta no es qué norma aplica, sino qué controles faltan

ENS, NIS2, DORA, AI Act, RGPD, eIDAS, Data Act, ISO 27001, NIST, CIS. Para muchos equipos técnicos, el mapa regulatorio empieza a parecer una lista interminable de siglas que llega siempre tarde a la mesa: cuando hay una licitación, una auditoría, un cliente financiero, una certificación pendiente o un incidente de seguridad. El error habitual es tratar cada marco como si fuera un proyecto separado. Un equipo monta el ENS, otro prepara ISO 27001, legal revisa RGPD, seguridad habla de NIS2, producto empieza a mirar el AI Act y compras pregunta por proveedores. El resultado suele ser una pila de documentos, controles duplicados y evidencias repartidas entre correos, tickets, hojas de cálculo y herramientas que no se hablan entre sí.

IBM y Red Hat amplían Lightwell con nuevas soluciones para construir la infraestructura de confianza del código abierto en la era de la IA

IBM y Red Hat han presentado el lanzamiento comercial de Lightwell, una nueva plataforma diseñada para automatizar la corrección de vulnerabilidades de seguridad en software de código abierto a gran escala. La solución llega al mercado con dos productos principales: Lightwell Network y Lightwell Clearinghouse Premier, orientados a reforzar la protección de las organizaciones frente a amenazas cada vez más complejas. Lightwell Network ya se encuentra disponible y ofrece acceso a un catálogo inicial de más de 6.500 dependencias de software corregidas, firmadas digitalmente y certificadas para algunos de los principales ecosistemas de desarrollo, entre ellos Java y Python. Por su parte, Lightwell Clearinghouse Premier inicia una fase de disponibilidad limitada como plataforma de confianza para coordinar la gestión de

IDC Quanta lleva la inteligencia tecnológica al flujo de trabajo con IA

Durante años, el valor de una firma de análisis como IDC ha estado en sus informes, datos, metodologías y analistas. El problema para muchas empresas no era la falta de información, sino la distancia entre esa información y el lugar donde se toman decisiones. Buscar un dato en un portal, abrir PDFs, comparar informes, resumir conclusiones y llevarlas a una presentación o a un comité consume tiempo. En un entorno donde la IA ya responde en segundos, esa espera empieza a parecer demasiado larga. IDC quiere cerrar esa brecha con IDC Quanta, una plataforma de inteligencia tecnológica que inserta su investigación, datos y conocimiento de analistas dentro de las herramientas donde ya trabajan los equipos. La compañía la presenta como

NVIDIA Vera: por qué la CPU vuelve al centro de la IA agéntica

Durante los últimos años casi todo el debate sobre inteligencia artificial ha girado alrededor de las GPU. Tiene sentido: entrenamiento, inferencia, modelos multimodales, Mixture of Experts y grandes contextos dependen de aceleradores cada vez más potentes. Pero NVIDIA está empujando una idea que conviene mirar con atención: en la era de los agentes de IA, la CPU vuelve a estar en la ruta crítica. El argumento de la compañía con NVIDIA Vera es sencillo de entender. Un agente no solo genera texto. Razona, llama herramientas, ejecuta código, consulta bases de datos, analiza resultados, lanza pruebas, mueve datos, verifica salidas y vuelve a decidir el siguiente paso. En cada una de esas fases, la GPU puede estar esperando a que la

Databricks prueba agentes de código en producción y GLM 5.2 entra en la primera liga

Databricks ha publicado uno de los benchmarks más interesantes del momento para agentes de programación, no porque use una batería pública de ejercicios, sino porque se apoya en su propio código. La compañía ha evaluado modelos y harnesses de agentes sobre tareas reales extraídas de pull requests internos, con cambios sobre un codebase de millones de líneas y múltiples lenguajes, entre ellos Python, Go, TypeScript, Scala, Rust y Java. El resultado más llamativo es que GLM 5.2, un modelo open source de Z.ai, aparece en el grupo alto de capacidad y queda estadísticamente empatado con Claude Opus 4.8 en calidad dentro de esta prueba interna de Databricks. La diferencia está en el coste: GLM 5.2 aparece con 1,28 dólares por

La IA empuja los tiny teams: menos capas, más plataforma y más ingeniería

Gartner ha puesto cifra a una tendencia que ya se empieza a notar en muchos equipos de desarrollo: para 2029, el 60 % de las organizaciones adoptará equipos de ingeniería de software más pequeños a escala, frente al 15 % en 2026. La consultora los llama tiny teams, pero el concepto no debería confundirse con una plantilla recortada ni con una moda de eficiencia mal entendida. La idea es más técnica y más profunda: la IA está absorbiendo parte del trabajo rutinario de desarrollo, pruebas, documentación, revisión y generación de código, pero eso no elimina la necesidad de ingenieros. Cambia el tipo de equipo que hace falta. Menos capas de coordinación, más autonomía, más responsabilidad de producto y más dependencia

Cumplimiento tech: la pregunta no es qué norma aplica, sino qué controles faltan

ENS, NIS2, DORA, AI Act, RGPD, eIDAS, Data Act, ISO 27001, NIST, CIS. Para muchos equipos técnicos, el mapa regulatorio empieza a parecer una lista interminable de siglas que llega siempre tarde a la mesa: cuando hay una licitación, una auditoría, un cliente financiero, una certificación pendiente o un incidente de seguridad. El error habitual es tratar cada marco como si fuera un proyecto separado. Un equipo monta el ENS, otro prepara ISO 27001, legal revisa RGPD, seguridad habla de NIS2, producto empieza a mirar el AI Act y compras pregunta por proveedores. El resultado suele ser una pila de documentos, controles duplicados y evidencias repartidas entre correos, tickets, hojas de cálculo y herramientas que no se hablan entre sí.

IBM y Red Hat amplían Lightwell con nuevas soluciones para construir la infraestructura de confianza del código abierto en la era de la IA

IBM y Red Hat han presentado el lanzamiento comercial de Lightwell, una nueva plataforma diseñada para automatizar la corrección de vulnerabilidades de seguridad en software de código abierto a gran escala. La solución llega al mercado con dos productos principales: Lightwell Network y Lightwell Clearinghouse Premier, orientados a reforzar la protección de las organizaciones frente a amenazas cada vez más complejas. Lightwell Network ya se encuentra disponible y ofrece acceso a un catálogo inicial de más de 6.500 dependencias de software corregidas, firmadas digitalmente y certificadas para algunos de los principales ecosistemas de desarrollo, entre ellos Java y Python. Por su parte, Lightwell Clearinghouse Premier inicia una fase de disponibilidad limitada como plataforma de confianza para coordinar la gestión de

IDC Quanta lleva la inteligencia tecnológica al flujo de trabajo con IA

Durante años, el valor de una firma de análisis como IDC ha estado en sus informes, datos, metodologías y analistas. El problema para muchas empresas no era la falta de información, sino la distancia entre esa información y el lugar donde se toman decisiones. Buscar un dato en un portal, abrir PDFs, comparar informes, resumir conclusiones y llevarlas a una presentación o a un comité consume tiempo. En un entorno donde la IA ya responde en segundos, esa espera empieza a parecer demasiado larga. IDC quiere cerrar esa brecha con IDC Quanta, una plataforma de inteligencia tecnológica que inserta su investigación, datos y conocimiento de analistas dentro de las herramientas donde ya trabajan los equipos. La compañía la presenta como

NVIDIA Vera: por qué la CPU vuelve al centro de la IA agéntica

Durante los últimos años casi todo el debate sobre inteligencia artificial ha girado alrededor de las GPU. Tiene sentido: entrenamiento, inferencia, modelos multimodales, Mixture of Experts y grandes contextos dependen de aceleradores cada vez más potentes. Pero NVIDIA está empujando una idea que conviene mirar con atención: en la era de los agentes de IA, la CPU vuelve a estar en la ruta crítica. El argumento de la compañía con NVIDIA Vera es sencillo de entender. Un agente no solo genera texto. Razona, llama herramientas, ejecuta código, consulta bases de datos, analiza resultados, lanza pruebas, mueve datos, verifica salidas y vuelve a decidir el siguiente paso. En cada una de esas fases, la GPU puede estar esperando a que la

Databricks prueba agentes de código en producción y GLM 5.2 entra en la primera liga

Databricks ha publicado uno de los benchmarks más interesantes del momento para agentes de programación, no porque use una batería pública de ejercicios, sino porque se apoya en su propio código. La compañía ha evaluado modelos y harnesses de agentes sobre tareas reales extraídas de pull requests internos, con cambios sobre un codebase de millones de líneas y múltiples lenguajes, entre ellos Python, Go, TypeScript, Scala, Rust y Java. El resultado más llamativo es que GLM 5.2, un modelo open source de Z.ai, aparece en el grupo alto de capacidad y queda estadísticamente empatado con Claude Opus 4.8 en calidad dentro de esta prueba interna de Databricks. La diferencia está en el coste: GLM 5.2 aparece con 1,28 dólares por

La IA empuja los tiny teams: menos capas, más plataforma y más ingeniería

Gartner ha puesto cifra a una tendencia que ya se empieza a notar en muchos equipos de desarrollo: para 2029, el 60 % de las organizaciones adoptará equipos de ingeniería de software más pequeños a escala, frente al 15 % en 2026. La consultora los llama tiny teams, pero el concepto no debería confundirse con una plantilla recortada ni con una moda de eficiencia mal entendida. La idea es más técnica y más profunda: la IA está absorbiendo parte del trabajo rutinario de desarrollo, pruebas, documentación, revisión y generación de código, pero eso no elimina la necesidad de ingenieros. Cambia el tipo de equipo que hace falta. Menos capas de coordinación, más autonomía, más responsabilidad de producto y más dependencia

Las últimas novedades de tecnología y cloud

Suscríbete gratis al boletín de Revista Cloud. Cada semana la actualidad en tu buzón.

Suscripción boletín
×