mysummit.school - Blog de IA para Managers

Meta Muse Spark: el primer modelo cerrado de Meta desde 2023

Hasta hoy, esta serie no tenía ni una sola entrega sobre Meta. Mientras la gran noticia era Llama 4, el silencio estaba justificado: el modelo salió polémico y no había nada que contarle a un directivo sobre él como herramienta de trabajo.

El 9 de julio de 2026, Meta lanzó Muse Spark 1.1 y ese mismo día abrió el acceso público a la Meta Model API. El anuncio se publicó en el blog de la compañía. La familia Muse, que sustituye a Llama, había arrancado tres meses antes: la versión 1.0 salió el 8 de abril y el modelo actual está construido sobre ella. En la instantánea de septiembre de LMArena, muse-spark-1.2 en modo xHigh ocupa el quinto puesto del ranking de texto, muse-spark-1.1 el décimo, y en el ranking de imágenes muse-spark es sexto. Quien compare herramientas por tablas de clasificación se va a topar con ese nombre. En la serie todavía no había respuesta para él.

Las puntuaciones son aquí la tercera noticia en importancia. La primera es la licencia: en nueve meses Meta cambió a la dirección de su área de IA, rehízo el stack y volvió con pesos cerrados. La segunda, qué tipo de modelo ha salido: la 1.1 lidera en tareas de llamada a herramientas y se queda claramente atrás escribiendo código.

Los managers y la IA: los que más la usan – pero no para dirigir

De todas las profesiones que abren Claude con mayor frecuencia, los managers ocupan el primer lugar. En la encuesta de Anthropic representaron el 23% de los participantes – cuando su peso en el empleo estadounidense ronda el 7%. Es decir, los directivos están sobrerrepresentados entre los usuarios de IA por un factor de tres. Ahora la segunda cifra: las tareas de gestión suponen apenas el 4% de todas las sesiones. Las personas que dirigen usan la IA para todo menos para dirigir.

Detrás de estos dos números se esconde la descripción más precisa de cómo un manager trabaja realmente con la IA. Y de por qué el miedo a que «me quite el trabajo» funciona en esta profesión de forma distinta a lo que parece.

Por qué los pilotos de IA mueren entre la demo y la planta

El piloto se presentó ante el consejo directivo, todos aplaudieron, se aprobó el presupuesto para ’escalar’. Seis meses después, el sistema de visión artificial que en la demo detectaba el 98% de los defectos apenas atrapa la mitad, los inspectores de calidad dejaron de confiar en él y el proyecto migró silenciosamente a la columna de ‘iniciativas aplazadas’. No es un fallo raro ni culpa de un integrador en particular. Según RAND, así termina más del 80% de los proyectos corporativos de IA – y casi siempre por razones que eran visibles antes de empezar.

Cómo implementar IA en la manufactura: plan paso a paso para directivos

El jefe de turno de una planta metalúrgica dedica 40 minutos cada mañana a rellenar el informe de turno. Transfiere manualmente los indicadores de los equipos a una plantilla de Word, describe los incidentes con sus propias palabras, los coteja con el registro de seguridad. Este trabajo existe desde los años 70 y no ha cambiado ni un minuto. La IA puede reducirlo a diez minutos. La parte difícil no es la tecnología. La parte difícil es por dónde empezar.

GigaChat en el trabajo: cómo sacar el máximo a la IA soberana rusa

GigaChat es el modelo de lenguaje de Sber, el mayor banco de Rusia. Fuera del país casi nadie lo usa. Dentro, muchas veces es la única opción: bancos, organismos públicos, contratistas de defensa y grandes grupos industriales lo ejecutan en sus propios servidores, porque las normas rusas de localización de datos y las sanciones dejan fuera a ChatGPT, Claude y Gemini. Si trabaja con un equipo ruso, una filial en Rusia o un cliente de un sector regulado allí, esta es la herramienta que tienen sobre la mesa.

La guía se escribió para esos usuarios diarios, y se nota: los ejemplos son contratos rusos, leyes rusas y precios en rublos. Para cualquier otro lector es un caso práctico de un problema más amplio: cómo sacar un trabajo decente de un modelo «soberano» o desplegado en local que va por detrás de los mejores, porque fue la normativa, y no la calidad, la que decidió que lo usara.