La economía del prompt se basa en la promesa y la ejecución. La promesa es evidente en los anuncios de empresas como Visa, Mastercard, Google y otras que continúan acaparando las noticias. La ejecución se manifiesta en la transición de los directores financieros de la experimentación a la acción. En el punto intermedio se encuentran los desarrolladores y los protocolos necesarios para crear la infraestructura ágil adecuada.

Este punto intermedio comienza a tomar forma a medida que la IA ágil gana terreno. Un buen ejemplo se puede encontrar en esta publicación de Cisco. En ella se explica cómo dos protocolos emergentes están moldeando la siguiente fase del desarrollo de la IA ágil: el Protocolo de Contexto del Modelo (MCP) y de Agente a Agente (A2A). MCP ayuda a los modelos de lenguaje grandes a comprender y utilizar herramientas externas traduciendo las API complejas a lenguaje natural. Esto facilita a los desarrolladores la conexión de los sistemas de IA con el software del mundo real. MCP se ha extendido rápidamente porque resuelve un problema práctico: los modelos tienen dificultades para trabajar directamente con las API sin procesar a escala, especialmente a medida que las herramientas cambian o se multiplican. MCP proporciona a la IA una forma más clara y fiable de interactuar con esas herramientas.

El artículo argumenta que MCP por sí solo no es suficiente a medida que los sistemas se vuelven más complejos. A medida que aumenta el número de herramientas, la información enviada al modelo puede volverse demasiado grande para gestionarla eficientemente. Aquí es donde A2A desempeña un papel complementario. A2A permite a los agentes descubrir y coordinarse con otros agentes utilizando descripciones de alto nivel de lo que cada agente puede hacer, en lugar de enumerar cada herramienta en detalle. Barton compara esto con las redes informáticas, donde los sistemas iniciales funcionaban a nivel local antes de añadir capas de enrutamiento para escalar. Utilizados conjuntamente, MCP gestiona la ejecución precisa de las herramientas, mientras que A2A gestiona la coordinación de agente a agente. La conclusión clave es que los desarrolladores no necesitan elegir entre los dos. Los sistemas ágiles de grado de producción dependerán de ambos como parte de una arquitectura en capas.

“No se trata de una decisión entre MCP y A2A; es una decisión arquitectónica”, señala la publicación, “donde ambos protocolos pueden aprovecharse a medida que el sistema crece y evoluciona”.

Agentes Duales

La idea de los agentes duales también ha surgido en las nuevas investigaciones de Google. Un nuevo informe en Search Engine Journal sobre la investigación SAGE de Google explica cómo se está entrenando a los sistemas de IA ágil para realizar tareas de búsqueda más profundas y complejas. SAGE, que significa Generación de Datos Ágiles Dirigible para Búsqueda Profunda con Retroalimentación de Ejecución, está diseñado para enseñar a los agentes de IA cómo responder a preguntas difíciles que requieren múltiples búsquedas y varios pasos de razonamiento. Los conjuntos de datos de entrenamiento anteriores se centraban en preguntas más sencillas que podían resolverse rápidamente, lo que dejaba a los agentes de IA mal preparados para las tareas de investigación del mundo real. El trabajo de Google demuestra cómo se puede entrenar a los agentes utilizando preguntas más difíciles y retroalimentación continua para que aprendan cuándo volver a buscar, cuándo detenerse y cómo razonar a partir de diferentes fuentes.

El artículo también destaca lo que esta investigación significa en la práctica, especialmente en lo que respecta a cómo se encuentra y utiliza el contenido por parte de los sistemas de IA. En las pruebas, los agentes de investigación profunda a menudo se basaron en los resultados de búsqueda mejor clasificados y favorecieron las páginas que reunían información clave en un solo lugar. Cuando una sola página respondía claramente a varias partes de una pregunta, el agente buscaba menos en otros lugares. La conclusión es que la búsqueda clásica sigue siendo importante. Una estructura clara, una sólida relevancia y una alta clasificación siguen siendo fundamentales. La IA ágil no reemplaza el comportamiento de búsqueda tradicional. Lo complementa, utilizando las mismas señales para decidir en qué fuentes confiar y cuándo seguir adelante.

Advertisement: Scroll to Continue

Apetito por el Riesgo

Todo esto conlleva un riesgo calculado. Ese riesgo fue el tema de una publicación para desarrolladores de NVIDIA la semana pasada que expone por qué los sistemas de IA ágil introducen una nueva clase de riesgo de seguridad para los desarrolladores y las empresas. A diferencia del software tradicional, las herramientas ágiles pueden escribir y ejecutar código, llamar a herramientas externas y actuar con los mismos permisos del sistema que un usuario humano. Ese poder las hace productivas, pero también amplía la superficie de ataque.

El informe explica que la amenaza más grave proviene de la inyección de prompts indirecta, donde las instrucciones maliciosas se ocultan en lugares como repositorios de código, archivos de configuración o respuestas de herramientas. Una vez ingeridas, esas instrucciones pueden hacer que un agente de IA realice acciones perjudiciales sin que el usuario se dé cuenta.

El artículo argumenta que la gestión de este riesgo requiere un sólido sandboxing a nivel de sistema operativo, no solo controles a nivel de aplicación. Las aprobaciones manuales por sí solas no son suficientes, ya que crean fatiga y fomentan los clics descuidados. NVIDIA recomienda bloquear el acceso a la red de forma predeterminada, evitar la lectura y escritura de archivos fuera de un espacio de trabajo definido, proteger todos los archivos de configuración del agente y aislar la ejecución del agente mediante la virtualización.

El mensaje central es que los sistemas ágiles deben diseñarse teniendo en cuenta la contención desde el principio. La seguridad debe asumir que el agente ejecutará código no confiable y planificar en consecuencia. Los equipos que implementen estos controles desde el principio pueden beneficiarse de la automatización sin poner en riesgo datos confidenciales, sistemas o propiedad intelectual.

0 comments
0 FacebookTwitterPinterestLinkedinEmail
(Photo Credit: Tada Images/Shutterstock)
  • ¿Quiénes?: Meta, TikTok y YouTube se enfrentan a una demanda presentada por una joven de 19 años, K.G.M., y su madre, Karen Glenn.
  • ¿Por qué?: La demanda alega que estas compañías crearon funciones adictivas en sus plataformas que perjudicaron la salud mental de K.G.M.
  • ¿Dónde?: El juicio se lleva a cabo en el Tribunal Superior del Condado de Los Ángeles, California.
  • ¿Cómo obtener ayuda?: Si usted o su hijo han experimentado adicción a las redes sociales o problemas de salud mental relacionados con el uso excesivo de plataformas, es posible que califique para emprender acciones legales.

Meta, TikTok y YouTube se enfrentan a una demanda en Los Ángeles, donde deben defenderse de las acusaciones de que sus plataformas han impactado negativamente la salud mental de los jóvenes.

El caso, presentado por K.G.M., de 19 años, y su madre, acusa a las compañías de diseñar funciones adictivas que provocaron problemas de salud mental, incluyendo autolesiones e ideas suicidas.

El juicio, que comenzó esta semana, marca la primera vez que estos gigantes de las redes sociales testificarán ante un jurado en relación con tales acusaciones. La demanda busca una compensación económica no especificada y podría influir en más de 1,000 casos similares contra estas compañías.

Según documentos judiciales, K.G.M. comenzó a usar las redes sociales a los 10 años a pesar de los intentos de su madre por bloquear el acceso. La denuncia afirma que los diseños adictivos de las plataformas llevaron a un uso compulsivo y a un deterioro de la salud mental de K.G.M.

“Los demandados, con conocimiento y deliberación, diseñaron, comercializaron, distribuyeron, programaron y operaron productos y realizaron conductas que causaron graves daños emocionales y mentales a K.G.M. y a su familia”, afirma la denuncia.

Plataformas de redes sociales bajo escrutinio por diseños adictivos

La demanda alega que las funciones en plataformas como Instagram, TikTok y Snapchat fomentaron comportamientos e interacciones dañinas.

Las funciones de recomendación de usuarios de Snapchat e Instagram supuestamente conectaron a K.G.M. con extraños, incluidos adultos depredadores. Además, se acusa a Instagram y TikTok de dirigir contenido a K.G.M. que afectó negativamente su imagen corporal y su salud mental.

La denuncia también destaca incidentes de acoso y extorsión que K.G.M. experimentó en Instagram, que tardaron semanas en resolverse.

El caso forma parte de una litigación multidistrital más amplia que involucra a alrededor de 1,500 casos de lesiones personales contra estas compañías de redes sociales. El resultado podría tener implicaciones significativas para la forma en que estas plataformas operan y su responsabilidad por la seguridad de los usuarios.

A pesar de las acusaciones, las compañías mantienen que han implementado funciones y políticas de seguridad para proteger a los jóvenes. Meta afirma que ha introducido “cuentas para adolescentes” con protecciones de privacidad predeterminadas y herramientas de supervisión parental, mientras que YouTube dice que ha implementado restricciones similares.

En el mismo caso, Snap Inc. alcanzó un acuerdo sobre las acusaciones de que su plataforma de redes sociales Snapchat perjudica la salud mental de los jóvenes, justo días antes del juicio programado.

¿Qué opinas de las acusaciones en esta demanda contra Meta, TikTok y YouTube? Déjanos saber en los comentarios.



Lee sobre más demandas colectivas y acuerdos de demandas colectivas:

¡Te contamos sobre el dinero que puedes reclamar CADA SEMANA! Suscríbete a nuestro boletín gratuito.

0 comments
0 FacebookTwitterPinterestLinkedinEmail

Capital One: Demanda Colectiva por Cashback No Pagado

by Editora de Negocio
(Photo Credit: The Bold Bureau/Shutterstock)

Resumen de la demanda colectiva por reembolso en efectivo de Capital One:

  • Quién: El demandante Alan B. McNichols presentó una demanda colectiva contra Capital One Bank N.A., Capital One Shopping Holdings LLC y Capital One Financial Corp.
  • Por qué: McNichols alega que Capital One no proporcionó a los consumidores las recompensas de reembolso en efectivo prometidas a través de su programa Capital One Offers.
  • Dónde: La demanda colectiva por reembolso en efectivo de Capital One se presentó ante un tribunal federal de Virginia.

Una nueva demanda colectiva acusa a Capital One de no proporcionar a los consumidores las recompensas de reembolso en efectivo prometidas a través de su programa Capital One Offers.

La demanda colectiva de Alan B. McNichols afirma que Capital One no entregó los reembolsos en efectivo a pesar de haber asegurado a los consumidores que estarían disponibles dentro de los 45 días posteriores a una compra.

“Capital One no cumplió regularmente con el pago prometido a los titulares de tarjetas después de que estos realizaran compras confiando en la oferta”, alega la demanda colectiva contra Capital One.

McNichols busca representar a una clase nacional y una sub-clase de Connecticut de consumidores que reclamaron una Oferta de Capital One pero no recibieron el reembolso correspondiente.

Capital One supuestamente motivado financieramente para incumplir sus obligaciones, según la demanda colectiva

McNichols argumenta que Capital One estuvo motivado financieramente para incumplir sus obligaciones en virtud de la ley contractual de Virginia y para realizar declaraciones materialmente falsas y engañosas con respecto al programa Capital One Offers.

“Capital One pudo reportar mayores ganancias al pagar menos a los titulares de tarjetas en los reembolsos que había prometido por el uso de su dinero”, alega la demanda colectiva contra Capital One.

McNichols afirma que Capital One es culpable de incumplimiento de contrato y de la obligación de buena fe y trato justo, incumplimiento de cuasi-contrato y enriquecimiento injusto, así como de violaciones de la Ley de Protección al Consumidor de Virginia y la Ley de Prácticas Comerciales Desleales de Connecticut.

El demandante solicita un juicio con jurado y solicita medidas declarativas y cautelares, así como una indemnización por daños y perjuicios, daños triples y daños punitivos para él y todos los miembros de la clase.

A principios de 2025, un consumidor demandó a Capital One por presunta negligencia, incumplimiento de contrato y conducta ilícita que impidió a los clientes acceder a sus fondos y les privó de la capacidad de comprar artículos esenciales.

¿Alguna vez se le ha negado un reembolso en efectivo por parte de Capital One? Háganoslo saber en los comentarios.

El demandante está representado por Matthew B. Kaplan de The Kaplan Law Firm y Carl L. Stine, Philip M. Black y Samuel Coffin de Wolf Popper LLP.

La demanda colectiva contra Capital One es McNichols v. Capital One Bank N.A., et al., Caso No. 1:26-cv-00145, en el Tribunal de Distrito de los Estados Unidos para el Distrito Este de Virginia.



Lea sobre más demandas colectivas y acuerdos de demandas colectivas:

¡Le contamos sobre el dinero que puede reclamar CADA SEMANA! Suscríbase a nuestro boletín gratuito.

0 comments
0 FacebookTwitterPinterestLinkedinEmail

IA en Cuentas por Pagar: De Costo a Activo Estratégico

by Editor de Tecnologia

La gestión administrativa de las empresas está en plena renovación, y las cuentas por pagar se encuentran en el centro de esta transformación.

Durante décadas, las cuentas por pagar han operado en un segundo plano dentro de las finanzas corporativas. Su éxito era necesario, pero poco llamativo y centrado en operaciones constantes, medido en facturas procesadas, cheques emitidos y excepciones resueltas con la menor interrupción posible.

Cuando la innovación llegó, a menudo se tradujo en una automatización incremental superpuesta a flujos de trabajo manuales. Esa era está llegando a su fin.

La inteligencia artificial está impulsando a las cuentas por pagar a salir de la retaguardia y asumir un papel más estratégico. A medida que los procesos manuales dan paso a la toma de decisiones inteligente, la defensa proactiva contra el fraude y la optimización de pagos basada en datos, las cuentas por pagar emergen como una fuente de liquidez, resiliencia e ingresos.

“La gente apenas está comenzando a entender que la IA no es simplemente automatización con un marketing más atractivo”, afirmó Finexio, CEO y fundador Ernest Rolfson, a PYMNTS. “Adoptarla como infraestructura permite utilizar sus datos como un activo estratégico”.

Esta distinción es importante. La automatización acelera los procesos existentes. La infraestructura redefine lo que es posible. Cuando la IA se integra a nivel arquitectónico en los flujos de trabajo de las cuentas por pagar, hace más que reducir los tiempos de ciclo o la plantilla. Aprende continuamente de los datos de las transacciones, el comportamiento de los proveedores y los resultados de los pagos.

Advertisement: Scroll to Continue

Leer también: AI-Driven Accounts Payable: Elevating AP From Cost Center to Strategic Asset

La IA como Infraestructura, No Como Automatización

Históricamente, la escalabilidad de las cuentas por pagar ha estado limitada por la economía laboral. Más proveedores, más facturas y más métodos de pago significaban más personal o un riesgo creciente. La IA cambia esta ecuación.

“En el pasado, teníamos personal en grandes centros de llamadas realizando un seguimiento manual”, dijo Rolfson. “Esperábamos una tasa de conversión”.

Ese modelo nunca fue sostenible. Las empresas estaban “luchando contra un problema matemático con la mano de obra”, afirmó.

La IA “realmente resuelve ese problema matemático”, dijo Rolfson. Permite altos niveles de personalización, un contacto con los proveedores preciso y una participación escalable sin aumentar la plantilla, una ventaja especialmente crítica a medida que las empresas enfrentan mercados laborales más ajustados e incertidumbre económica de cara a 2026.

El resultado es una ventaja compuesta. A diferencia de los motores de reglas estáticas, los sistemas de IA mejoran con cada transacción, creando lo que Rolfson llamó un “foso competitivo” para las organizaciones dispuestas a invertir temprano.

Por Qué las Tarjetas Virtuales Aún No Han Despegado

Pocos ámbitos ilustran mejor los límites del pensamiento tradicional en las cuentas por pagar que las tarjetas virtuales. A pesar de estar disponibles durante años y ofrecer beneficios en velocidad, seguridad y reembolsos, la adopción sigue siendo baja. Rolfson situó la adopción a nivel nacional en torno al 7%.

El problema no es el producto, dijo. Es el modelo.

“Las empresas están utilizando reglas estáticas”, explicó. “Este proveedor acepta tarjetas y este no. Es un pensamiento un poco perezoso”.

La IA introduce lo que Rolfson describió como una “toma de decisiones dinámica”, optimizando los métodos de pago a nivel de transacción en función de las tarifas, los plazos, el comportamiento del proveedor y los niveles de reembolso.

“No se trata necesariamente de obtener la mayor aceptación de tarjetas, sino de optimizar la combinación de pagos”, afirmó.

Ese nivel de complejidad está más allá de la escala humana.

“El equipo en el terreno con un salario base de 50.000 o 60.000 dólares no puede resolver este nivel de complejidad”, dijo Rolfson, y los bancos rara vez están equipados para ayudar.

Sin plataformas impulsadas por la IA, los equipos de cuentas por pagar se ven obligados a gestionar manualmente la incorporación de proveedores, los reintentos, los reembolsos y las excepciones.

“A menos que trabaje con más de 100 proveedores, olvídese de ello”, dijo. “Solo obtendrá la punta del iceberg”.

Transformando las Cuentas por Pagar en un Motor de Ingresos

El diferenciador clave de las soluciones modernas de cuentas por pagar es arquitectónico. Los proveedores tradicionales “añadieron pagos a los flujos de trabajo existentes de las cuentas por pagar”, dijo Rolfson, creando a menudo procesos desconectados y manuales. Las plataformas nativas de IA tratan los pagos como la plataforma en sí.

“Cuando cada transacción puede generar algunos ingresos, generar flotación y reducir las pérdidas por fraude, se está cambiando la mentalidad de las cuentas por pagar como un centro de costes a un centro de beneficios”, afirmó.

Sin embargo, la tecnología por sí sola no es suficiente, dijo. Los equipos de cuentas por pagar más exitosos comparten una mentalidad cultural distinta.

“No quieren estar enviando cheques”, dijo, citando un mayor riesgo de fraude, mayores costes y una menor satisfacción del proveedor.

En cambio, promueven activamente los pagos electrónicos, especialmente las tarjetas, en los contratos, los sitios web y las comunicaciones con los proveedores. La estrategia de pago se convierte en parte de las negociaciones con los proveedores, utilizando pagos más rápidos o predecibles como palanca.

“Ahora tenemos supercomputadoras que pueden resolverlo por usted”, dijo Rolfson.

Si la optimización de los pagos es una cara de la historia de las cuentas por pagar impulsadas por la IA, la prevención del fraude es la otra.

“Ahora la IA puede generar facturas que parecen perfectas”, dijo Rolfson. “Tiene voces falsas que pueden autorizar transferencias bancarias. Son imperceptibles”.

Los correos electrónicos de phishing pueden pasar todas las pruebas internas. Lo que antes era un fraude de “aficionado” se ha convertido en un fraude de “calidad estatal”, afirmó.

La única respuesta viable es una defensa proactiva basada en la IA, dijo. Esto significa validar las identidades en tiempo real, confirmar las instrucciones de pago en cada transacción y verificar continuamente a los proveedores con respecto a las señales de riesgo y las listas de defraudadores.

Las cuentas por pagar nunca serán glamurosas. Pero en una economía impulsada por la IA, se están convirtiendo rápidamente en una de las palancas más poderosas de las finanzas.

Para obtener cobertura completa de PYMNTS sobre B2B e IA, suscríbase a los boletines diarios B2B y de IA.

0 comments
0 FacebookTwitterPinterestLinkedinEmail