Komprise publicó los resultados de una encuesta realizada en septiembre de 2026 a 500 responsables técnicos. Aunque el 68% afirmó que su organización estaba madurando o era madura en IA, solo el 28% dijo haber cuantificado el retorno de la inversión. Apenas el 7% indicó que al menos el 70% de sus datos estaba limpio y clasificado para IA; el 57% dijo que estaba listo la mitad o menos.
MLCommons fue seleccionada para desarrollar el benchmark MLPerf Agents dentro del AI Efficiency Challenge, respaldado por la Fundación Nacional de Ciencias de EE. UU. y dotado con 3,5 millones de dólares durante dos años. El benchmark previsto medirá flujos completos, no solo la entrega de tokens del modelo: incluye el arnés del agente, selección del modelo, recuperación, herramientas, orquestación, estado, recuperación de fallos y validación.
Databricks habilitó en disponibilidad general sus API REST síncronas para analizar, clasificar y extraer campos de documentos. ai_parse_document convierte tablas y figuras en texto estructurado; ai_extract devuelve los campos solicitados con citas de origen y puntuaciones de confianza opcionales. ai_classify etiqueta documentos o entidades según una taxonomía empresarial.
Databricks anunció en beta Predictive AI Functions, un conjunto SQL para pronósticos, detección de anomalías, análisis de factores y predicción. Incluye una versión mejorada de ai_forecast y las funciones ai_top_drivers, ai_detect_anomalies, ai_predict_value y ai_predict_class. Se pueden invocar desde SQL; algunas también están disponibles en Genie.
OpenAI Economic Research publicó un análisis del uso en cuentas de ChatGPT Business y Enterprise de la Unión Europea. La compañía informa que Codex y ChatGPT Work generaron más de la mitad de los tokens de salida de su muestra empresarial europea. Los usuarios activos semanales de estas herramientas en pequeñas y medianas empresas de la UE aumentaron más de ocho veces desde mayo de 2026.
OpenAI Economic Research2 min de lectura Incluye datos
Una publicación técnica de Arm del 13 de octubre sostiene que la IA local requiere elegir modelos, marcos y procesadores para todo el flujo de trabajo. Cita demostraciones en eventos de una cadena de traducción con más de 30 modelos y síntesis de voz en un solo núcleo de CPU Arm.
Una arquitectura de referencia de AWS del 12 de octubre procesa lecturas públicas de secuenciación de NCBI SRA con HealthOmics y permite consultar en lenguaje natural los resultados sobre genes de resistencia. Es una demostración, no nuevos datos de vigilancia ni un sistema clínico.
AWS Architecture Blog1 min de lectura Incluye datos
Una guía técnica de AWS del 12 de octubre explica el uso de perfiles globales de inferencia de Bedrock desde Singapur, Yakarta, Malasia, Tailandia y Taipéi. GPT-6 Astra se muestra solo desde Singapur; el perfil global puede dirigir el procesamiento a otras regiones de destino compatibles.
AWS Machine Learning Blog1 min de lectura Incluye datos
Una guía de AWS del 12 de octubre muestra una configuración del contenedor Ray LLM en EKS que distribuye un LLM entre dos nodos GPU y separa el prellenado de la generación de tokens. El artículo se centra en la implementación y configuración.
AWS Machine Learning Blog1 min de lectura Incluye datos
Un explicador de IBM Research del 12 de octubre resume métodos del marco llm-d, como enrutamiento consciente de la caché, descarga de la caché KV, control de flujo y separación de fases. Las cifras de rendimiento corresponden a demostraciones de llm-d citadas en la publicación.
Alteryx y Google Cloud publicaron un ejemplo de arquitectura que combina Live Query y BigQuery para flujos de documentos no estructurados. Las facturas PDF permanecen en Cloud Storage; Alteryx diseña el flujo en el navegador y BigQuery ejecuta transformaciones y conciliación mediante SQL pushdown. En el ejemplo práctico, Gemini AI.GENERATE extrae campos de las facturas.
Google Cloud and Alteryx1 min de lectura Incluye datos
Una publicación técnica de AWS del 9 de octubre describe cómo Agent Mode de Postman limita las herramientas según la tarea, usa lecturas basadas en esquemas y prepara el contexto. Postman cifra su comunidad de desarrolladores en 40 millones.
AWS Machine Learning Blog1 min de lectura Incluye datos