Hanademi

AI will reward the institutions that moveLa IA premiará a las instituciones que actúen · V8.1 Master Engine

62 slides · 13 min · 2 hours ago62 láminas · 13 min · hace 2 h language
ENES
theme
LightDark
view
TalkTable
brand
HanademiPlatzi
AI will reward the institutionsthat moveMade for Freddy Vega, by Hanademi
  1. Medical services rose 2.7% while durable goods fell 0.2%, so Baumol reversal remains a forecast.
  2. FDA approved new active substances in a median 356 days versus EMA's 430 days in 2024.
  3. Latin America's advantage depends on clean power, digital infrastructure and disciplined testing, not frontier-model spending.
La IA premiará a lasinstituciones que actúenMade for Freddy Vega, by Hanademi
  1. Los servicios médicos subieron 2,7%, mientras que los bienes duraderos cayeron 0,2%; por eso, la reversión de Baumol sigue siendo una proyección.
  2. La FDA aprobó nuevas sustancias activas en una mediana de 356 días, frente a los 430 días de la EMA en 2024.
  3. La ventaja de América Latina depende de energía limpia, infraestructura digital y pruebas disciplinadas, no del gasto en modelos de frontera.
How did medical care and durable-goodsprices move?Year-over-year U.S. Consumer Price Index change from June 2025 to June 2026.Made for Freddy Vega, by HanademiSources: bls.gov.; bls.gov.Unit12-month CPI changeMedical careservices2.7%Durable goods-0.2%* Year-over-year U.S. Consumer Price Index change from June 2025 to June 2026.
Start with the price signal. Medical care services rose 2.7% over 12 months, while durable goods fell 0.2%. The split makes service-cost pressure visible, but it does not yet prove an economy-wide AI reversal.
Sources
¿Cómo cambiaron los precios médicos y delos bienes duraderos?Variación interanual del Índice de Precios al Consumidor de United States, de June 2025 a June 2026.Made for Freddy Vega, by HanademiFuentes: bls.gov.; bls.gov.UnidadVariación del CPI en 12 mesesServicios de atenciónmédica2,7 %Bienes duraderos-0,2 %* Variación interanual del Índice de Precios al Consumidor de United States, de June 2025 a June2026.
Comencemos por la señal de precios. Los servicios de atención médica subieron 2,7% en 12 meses, mientras que los bienes duraderos cayeron 0,2%. La brecha hace visible la presión sobre los costos de los servicios, pero todavía no demuestra una reversión de Baumol en toda la economía impulsada por la IA.
Fuentes
How much more did private insurers paythan Medicare?Average U.S. price charged to private health insurers versus Medicare, 2019.Made for Freddy Vega, by HanademiSources: oecd.org.UnitRelative priceMedicare1xPrivateinsurers2x* Average U.S. price charged to private health insurers versus Medicare, 2019.
Pricing power is not abstract. In 2019, private insurers paid twice Medicare's average price in the same broad U.S. health market. Institutions can shape service costs before technology changes the underlying work.
Sources
¿Cuánto más pagaron las aseguradorasprivadas que Medicare?Precio promedio cobrado a las aseguradoras privadas de salud frente a Medicare en United States, 2019.Made for Freddy Vega, by HanademiFuentes: oecd.org.UnidadPrecio relativoMedicare1xAseguradorasprivadas2x* Precio promedio cobrado a las aseguradoras privadas de salud frente a Medicare en United States,2019.
El poder de fijación de precios no es abstracto. En 2019, las aseguradoras privadas pagaron el doble del precio promedio de Medicare en el mismo mercado general de salud de United States. Las instituciones pueden determinar los costos de los servicios antes de que la tecnología cambie el trabajo subyacente.
Fuentes
How much service volume do high U.S.health prices buy?U.S. health-service volume relative to the OECD average, with the source's high-price qualification.Made for Freddy Vega, by HanademiSources: oecd.org.UnitRelative health-service volumeOECD average1xUnitedStates2x* U.S. health-service volume relative to the OECD average, with the source's high-pricequalification.
The United States does not simply buy less care at higher prices. The OECD reports twice the average health-service volume, alongside some of the highest prices. That points to institutional structure as part of the cost problem.
Sources
¿Cuánto volumen de servicios compran losaltos precios sanitarios estadounidenses?Volumen de servicios de salud de United States relativo al promedio de la OECD, con la salvedad de preciosaltos indicada por la fuente.Made for Freddy Vega, by HanademiFuentes: oecd.org.UnidadVolumen relativo de servicios de saludPromedio de laOECD1xEstados Unidos2x* Volumen de servicios de salud de United States relativo al promedio de la OECD, con la salvedad deprecios altos indicada por la fuente.
United States no simplemente compra menos atención médica a precios más altos. La OECD reporta el doble del volumen promedio de servicios de salud, junto con algunos de los precios más altos. Esto apunta a que la estructura institucional forma parte del problema de costos.
Fuentes
How much did drug approval time fall beforemodern AI?Average U.S. time from submission to new-drug approval, in months, 1990-1991 versus 1998-1999.Made for Freddy Vega, by HanademiSources: sage.cnpereading.com.UnitAverage approval time31.31990 to 199113.21998 to 1999
This is the historical control case. Average U.S. approval time dropped from 31.3 months to 13.2 months, a 58% decline. Institutions have already shown they can change the clock through process reform alone.
¿Cuánto cayó el tiempo de aprobaciónfarmacéutica antes de la IA moderna?Tiempo promedio en EE. UU. desde la presentación hasta la aprobación de nuevos medicamentos, en meses,1990-1991 frente a 1998-1999.Made for Freddy Vega, by HanademiFuentes: sage.cnpereading.com.UnidadTiempo promedio de aprobación31,31990 a 199113,21998 a 1999
Este es el caso de control histórico. El tiempo promedio de aprobación en EE. UU. cayó de 31.3 a 13,2 meses, una disminución del 58%. Las instituciones ya han demostrado que pueden cambiar los tiempos únicamente mediante reformas de procesos.
Did expedited FDA review shorten the fulldrug journey?Median time from investigational application to marketing approval, with and without an FDA expeditedprogram, 2026 study.Made for Freddy Vega, by HanademiSources: sage.cnpereading.com.; link.springer.com.UnitMedian time to marketing approvalExpedited program6.9No expeditedprogram6.9* Median time from investigational application to marketing approval, with and without an FDAexpedited program, 2026 study.
The lesson is not that speed never matters. It is that review speed alone may not move the full system. With or without an expedited FDA program, the median journey to marketing approval was 6.9 years.
¿La revisión acelerada de la FDA acortótodo el desarrollo farmacéutico?Tiempo mediano desde la solicitud de investigación hasta la aprobación para comercialización, con y sin unprograma acelerado de la FDA, estudio de 2026.Made for Freddy Vega, by HanademiFuentes: sage.cnpereading.com.; link.springer.com.UnidadTiempo mediano hasta la aprobación para comercializaciónPrograma acelerado6,9Sin programaacelerado6,9* Tiempo mediano desde la solicitud de investigación hasta la aprobación para comercialización, cony sin un programa acelerado de la FDA, estudio de 2026.
La lección no es que la velocidad nunca importe. Es que la velocidad de revisión por sí sola quizá no mueva todo el sistema. Con o sin un programa acelerado de la FDA, el trayecto mediano hasta la aprobación para comercialización fue de 6,9 años.
How often did the FDA meet its performancegoals?FDA performance goals met for priority and standard drug and biologic applications, FY 2000 to FY 2010.Made for Freddy Vega, by HanademiSources: gao.gov.UnitFiscal years10Years meeting goals1Years not meeting goals
A capable institution can hit its targets repeatedly. GAO found that FDA met performance goals in 10 of 11 fiscal years examined. That consistency matters when AI increases the number of decisions institutions must process.
Sources
¿Con qué frecuencia cumplió la FDA susobjetivos de desempeño?Objetivos de desempeño cumplidos por la FDA para solicitudes prioritarias y estándar de medicamentos yproductos biológicos, FY 2000 a FY 2010.Made for Freddy Vega, by HanademiFuentes: gao.gov.UnidadAños fiscales10Años en que cumplió losobjetivos1Años en que no cumplió losobjetivos
Una institución capaz puede alcanzar sus objetivos de manera reiterada. La GAO encontró que la FDA cumplió sus objetivos de desempeño en 10 de los 11 años fiscales examinados. Esa consistencia importa cuando la IA aumenta la cantidad de decisiones que las instituciones deben procesar.
Fuentes
Which approved drugs faster in 2024, theFDA or EMA?Median days from submission to approval for new active substances approved in 2024.Made for Freddy Vega, by HanademiSources: Centre for Innovation in Regulatory Science. (2025). R&D Briefing 95: New drug approvals in six major authorities2015-2024.; cirsci.org.UnitMedian approval daysFDA UnitedStates356EMA Europe430* Median days from submission to approval for new active substances approved in 2024.
The clean comparison is not the old 444-day figure. CIRS's corrected 2024 ordering is FDA at 356 days and EMA at 430 days. That 74-day gap matters, but it measures regulatory review, not the full journey from discovery to patient access.
¿Quién aprobó medicamentos más rápido en2024, la FDA o EMA?Días medianos desde la presentación hasta la aprobación de nuevas sustancias activas aprobadas en 2024.Made for Freddy Vega, by HanademiFuentes: Centre for Innovation in Regulatory Science. (2025). R&D Briefing 95: New drug approvals in six majorauthorities 2015-2024.; cirsci.org.UnidadDías medianos de aprobaciónFDA EstadosUnidos356EMA Europa430* Días medianos desde la presentación hasta la aprobación de nuevas sustancias activas aprobadas en2024.
La comparación correcta no es la cifra anterior de 444 días. El orden corregido de CIRS para 2024 es FDA con 356 días y EMA con 430 días. Esa brecha de 74 días importa, pero mide la revisión regulatoria, no el trayecto completo desde el descubrimiento hasta el acceso de los pacientes.
What nearly explains the 74-day FDA-EMAapproval gap?Made for Freddy Vega, by HanademiSources: Centre for Innovation in Regulatory Science. (2025). R&D Briefing 95: New drug approvals in six major authorities2015-2024.; New Drug Approvals by Six Authorities 2015‑2024 | CIRS.; New drug approvals by six major authorities 2015-2024:.Unitcalendar daysFDA published timeline356 daysEMA published timeline430 daysFDA-EMA gap74 daysEuropean Commissiondecision deadline67 days
Most of the published approval-time gap is similar in size to a legally separate EU institutional step, so the headline comparison does not isolate scientific review speed.
¿Qué casi explica la brecha de aprobaciónde 74 días?Made for Freddy Vega, by HanademiFuentes: Centre for Innovation in Regulatory Science. (2025). R&D Briefing 95: New drug approvals in six major authorities2015-2024.; New Drug Approvals by Six Authorities 2015‑2024 | CIRS.; New drug approvals by six major authorities 2015-2024:.Unidaddías naturalesPlazo publicado de la FDA356 díasPlazo publicado de la EMA430 díasBrecha FDA-EMA74 díasPlazo de decisión de laComisión Europea67 días
La mayor parte de la brecha publicada tiene una magnitud similar a un paso institucional legalmente separado de la UE, por lo que la comparación no aísla la velocidad de la revisión científica.
How many separate clocks govern Europeandrug approval?Published European medicines-authorization limits by process stage; clock-stops are excluded from activeevaluation time.Made for Freddy Vega, by HanademiSources: European Medicines Agency. (2024). The evaluation of medicines, step-by-step.; ema.europa.eu.UnitDaysStandard evaluation210Acceleratedevaluation150Commission decision67* Published European medicines-authorization limits by process stage; clock-stops are excluded fromactive evaluation time.
Europe does not use one simple approval clock. Standard scientific evaluation can take up to 210 active days, or 150 under acceleration. After that opinion, a separate Commission decision usually has its own 67-day deadline, so comparisons must respect the stages.
¿Cuántos relojes separados rigen laaprobación farmacéutica europea?Límites publicados para la autorización de medicamentos en Europa por etapa del proceso; las pausas delreloj se excluyen del tiempo de evaluación activa.Made for Freddy Vega, by HanademiFuentes: European Medicines Agency. (2024). The evaluation of medicines, step-by-step.; ema.europa.eu.UnidadDíasEvaluación estándar210Evaluación acelerada150Decisión de laComisión67* Límites publicados para la autorización de medicamentos en Europa por etapa del proceso; laspausas del reloj se excluyen del tiempo de evaluación activa.
Europa no usa un solo reloj simple de aprobación. La evaluación científica estándar puede tardar hasta 210 días activos, o 150 con aceleración. Después de esa opinión, una decisión separada de la Comisión suele tener su propio plazo de 67 días, por lo que las comparaciones deben respetar las etapas.
Acceleration cut median review from364 to 189 days, yet only 12 of 164medicines used it.The accelerated pathway was much faster in the 2019 to 2021 sample, but it wasuncommon. The evidence points to a large speed benefit paired with limited use.Sources: doi.org.
The accelerated route delivered a sharp time advantage. Median review fell from 364 days to 189 days. But only 12 of 164 medicines used that route, which makes institutional access to acceleration as important as the clock itself.
Sources
La vía acelerada redujo la revisiónmediana de 364 a 189 días, pero solo 12de 164 medicamentos la usaron.La vía acelerada fue mucho más rápida en la muestra de 2019 a 2021, pero su uso fuepoco común. La evidencia apunta a un gran beneficio en velocidad, acompañado de un usolimitado.Fuentes: doi.org.
La vía acelerada ofreció una ventaja contundente en tiempo. La revisión mediana bajó de 364 a 189 días. Pero solo 12 de 164 medicamentos usaron esa vía, por lo que el acceso institucional a la aceleración es tan importante como el reloj mismo.
Fuentes
How long were PRIME and other medicinespaused?EMA PRIME and non-PRIME medicines, separating active review days from clock-stop days.Made for Freddy Vega, by HanademiSources: ema.europa.eu.UnitDaysActive review daysdays176183PRIME medicinesNon-PRIMEmedicinesClock-stop daysdays97298PRIME medicinesNon-PRIMEmedicines
The active part of the review was almost the same for both groups. PRIME medicines had 176 active days and 97 clock-stop days. Non-PRIME medicines had 183 active days but 298 clock-stop days, so the hidden pause time created the real gap.
¿Cuánto tiempo estuvieron en pausa losmedicamentos PRIME y los demás?Medicamentos PRIME y no PRIME de la EMA, separando los días de revisión activa de los días con el relojdetenido.Made for Freddy Vega, by HanademiFuentes: ema.europa.eu.UnidadDíasDías de revisión activadays176183Medicamentos PRIMEMedicamentos noPRIMEDías con el reloj detenidodays97298Medicamentos PRIMEMedicamentos noPRIME
La parte activa de la revisión fue casi igual para ambos grupos. Los medicamentos PRIME tuvieron 176 días activos y 97 días con el reloj detenido. Los medicamentos no PRIME tuvieron 183 días activos, pero 298 días con el reloj detenido, por lo que el tiempo oculto en pausa generó la verdadera brecha.
How much electricity could data centres useby 2030?Estimated global electricity use by data centres, in TWh, with a projected 2030 value and methodology risk.Made for Freddy Vega, by HanademiSources: International Energy Agency. (2025). Energy and AI.; Energy demand from AI.UnitTWh41520249452030
Data centres already consumed an estimated 415 TWh in 2024. The IEA projects roughly 945 TWh by 2030, more than double the starting point. That makes power supply and permitting part of the AI deployment story, although the exact projection carries methodology risk.
¿Cuánta electricidad podrían consumir loscentros de datos para 2030?Consumo estimado de electricidad de los centros de datos a nivel mundial, en TWh, con un valor proyectadopara 2030 y riesgo metodológico.Made for Freddy Vega, by HanademiFuentes: International Energy Agency. (2025). Energy and AI.; Energy demand from AI.UnidadTWh41520249452030
Los centros de datos ya consumieron un estimado de 415 TWh en 2024. La IEA proyecta aproximadamente 945 TWh para 2030, más del doble del punto de partida. Esto convierte el suministro eléctrico y los permisos en parte de la historia del despliegue de la AI, aunque la proyección exacta conlleva un riesgo metodológico.
How did reported 2024 U.S. and Chinesedata-centre use compare?Made for Freddy Vega, by HanademiSources: International Energy Agency. (2025). Energy and AI.; Energy demand from AI.; International Energy Agency.Electricity Mid-Year Update 2025.Unitterawatt-hours in 2024World415 TWhUnited States180 TWhChinaover 100 TWh
The United States alone represented about 43% of the reported global load, while China’s lower-bound estimate represented more than 24%.
¿Cómo se comparó el consumo reportado deEE. UU. y China en 2024?Made for Freddy Vega, by HanademiFuentes: International Energy Agency. (2025). Energy and AI.; Energy demand from AI.; International Energy Agency.Electricity Mid-Year Update 2025.Unidadteravatios-hora en 2024Mundo415 TWhEstados Unidos180 TWhChinamás de 100 TWh
Estados Unidos por sí solo representó cerca del 43 % de la carga mundial publicada, mientras que la estimación mínima de China representó más del 24 %.
How much electricity could data centres useby 2035?Global data-centre electricity generation in TWh, with projected values for 2030 and 2035.Made for Freddy Vega, by HanademiSources: iea.org.UnitTWh46020241,00020301,3002035
The power story does not stop at the first buildout. The supplied IEA path rises from 460 TWh in 2024 to over 1,000 TWh in 2030 and 1,300 TWh in 2035. Those future values are projections, but the direction makes grid capacity an institutional constraint, not a side issue.
Sources
¿Cuánta electricidad podrían consumir loscentros de datos para 2035?Generación mundial de electricidad de los centros de datos en TWh, con valores proyectados para 2030 y2035.Made for Freddy Vega, by HanademiFuentes: iea.org.UnidadTWh46020241.00020301.3002035
La historia de la electricidad no termina con la primera expansión. La trayectoria proporcionada por la IEA aumenta de 460 TWh en 2024 a más de 1,000 TWh en 2030 y 1,300 TWh en 2035. Esos valores futuros son proyecciones, pero la dirección convierte la capacidad de la red en una restricción institucional, no en un asunto secundario.
Fuentes
How high could U.S. data-centre electricitydemand rise?Annual U.S. data-centre electricity use, terawatt-hours, 2014 to 2028; 2028 is an estimated interval.Made for Freddy Vega, by HanademiSources: newscenter.lbl.gov.UnitTWh58580 Upper325 Lower201420232028
The United States used 58 TWh for data centres in 2014 and 176 TWh in 2023. The next estimate reaches as high as 580 TWh by 2028. That is the infrastructure constraint arriving before the institutional debate is settled.
¿Hasta cuánto podría crecer la demanda eléctrica decentros de datos estadounidenses?Consumo anual de electricidad de los centros de datos en EE. UU., teravatios-hora, 2014 a 2028; 2028 esun intervalo estimado.Made for Freddy Vega, by HanademiFuentes: newscenter.lbl.gov.UnidadTWh58580 alta325 baja201420232028
Estados Unidos consumió 58 TWh en centros de datos en 2014 y 176 TWh en 2023. La siguiente estimación llega hasta 580 TWh para 2028. Esa es la restricción de infraestructura que aparece antes de que se resuelva el debate institucional.
How did estimated U.S. and Chinesedata-centre electricity use compare?Estimated annual data-centre electricity consumption in 2024, terawatt-hours; China's value is a lowerbound.Made for Freddy Vega, by HanademiSources: International Energy Agency. Electricity Mid-Year Update 2025.; International Energy Agency. Electricity 2025 executive summary.UnitTWhUnited States180China lowerbound100* Estimated annual data-centre electricity consumption in 2024, terawatt-hours; China's value is alower bound.
The United States used around 180 TWh in 2024. China's estimate is over 100 TWh, so the U.S. total exceeds the stated Chinese floor by at least 80 TWh. This is a power-system contest as much as a software contest.
¿Cómo se comparó el consumo eléctrico estimado decentros estadounidenses y chinos?Consumo anual estimado de electricidad de los centros de datos en 2024, teravatios-hora; el valor de Chinaes un límite inferior.Made for Freddy Vega, by HanademiFuentes: International Energy Agency. Electricity Mid-Year Update 2025.; International Energy Agency. Electricity 2025 executive summary.UnidadTWhEstados Unidos180Límite inferior deChina100* Consumo anual estimado de electricidad de los centros de datos en 2024, teravatios-hora; el valorde China es un límite inferior.
Estados Unidos consumió alrededor de 180 TWh en 2024. La estimación de China supera los 100 TWh, por lo que el total de EE. UU. excede el piso declarado para China por al menos 80 TWh. Esto es tanto una competencia de sistemas eléctricos como de software.
How much bigger are the largest AI datacentres than typical ones?Relative electricity use for a typical AI-focused facility and the largest facility under construction; 1x equals100,000 households.Made for Freddy Vega, by HanademiSources: iea.org.UnitRelative electricity useTypical AI facility1xLargest underconstruction20x* Relative electricity use for a typical AI-focused facility and the largest facility underconstruction; 1x equals 100,000 households.
One typical AI-focused facility can use as much electricity as 100,000 households. The largest facilities under construction are 20 times that scale. Local grid capacity becomes a direct limit on who can deploy AI infrastructure.
Sources
¿Cuánto superan los mayores centros de IAa uno típico?Consumo relativo de electricidad de una instalación típica enfocada en IA y de la instalación más grande enconstrucción; 1x equivale a 100.000 hogares.Made for Freddy Vega, by HanademiFuentes: iea.org.UnidadConsumo relativo de electricidadInstalación de IA típica1xLa más grande enconstrucción20x* Consumo relativo de electricidad de una instalación típica enfocada en IA y de la instalación másgrande en construcción; 1x equivale a 100.000 hogares.
Una instalación típica enfocada en IA puede consumir tanta electricidad como 100.000 hogares. Las instalaciones más grandes en construcción alcanzan 20 veces esa escala. La capacidad de la red local se convierte en un límite directo para quién puede desplegar infraestructura de IA.
Fuentes
Why is the grid part of the AI stack?Compute growth ultimately meets the limits and choices of power infrastructure.Sources: Executive summary – Electricity 2025 – Analysis - IEA.
The physical grid determines whether data-centre ambition can become dependable capacity.
¿Por qué la red forma parte de lainfraestructura de IA?El crecimiento de la computación termina enfrentando los límites y las decisiones de lainfraestructura eléctrica.Fuentes: Executive summary – Electricity 2025 – Analysis - IEA.
La red física determina si la ambición de los centros de datos puede convertirse en capacidad confiable.
Nearly half of U.S. data-centre capacity sitsin five regional clusters.Concentration makes local grid connections and permits more binding than a national totalsuggests. The number of clusters is sourced; the claim does not identify their individualcapacities.Sources: iea.org.
Nearly half of U.S. data-centre capacity is concentrated in 5 regional clusters. That changes the policy problem. Permits and local grid connections can block expansion even when national electricity supply looks adequate.
Sources
Casi la mitad de la capacidad de centros dedatos de EE.UU. se concentra en cincoclústeres regionales.La concentración hace que las conexiones a la red local y los permisos sean másrestrictivos de lo que sugiere un total nacional. El número de clústeres estádocumentado; la afirmación no identifica la capacidad individual de cada uno.Fuentes: iea.org.
Casi la mitad de la capacidad de centros de datos de EE. UU. se concentra en 5 clústeres regionales. Eso cambia el problema de política pública. Los permisos y las conexiones a la red local pueden bloquear la expansión incluso cuando el suministro eléctrico nacional parece suficiente.
Fuentes
What is projected to power new data-centredemand through 2030?Projected shares of data-centre electricity-demand growth from 2024 to 2030; gas and coal are shown asa lower bound.Made for Freddy Vega, by HanademiSources: iea.org.UnitShare of demand growthRenewables50%Gas and coal lowerbound40%* Projected shares of data-centre electricity-demand growth from 2024 to 2030; gas and coal areshown as a lower bound.
Renewables are projected to meet nearly 50% of data-centre demand growth through 2030. Gas and coal together still account for over 40%. The AI buildout therefore expands the institutional work of permitting, generation and grid planning.
Sources
¿Qué fuentes cubrirán la nueva demandaproyectada hasta 2030?Participaciones proyectadas del crecimiento de la demanda de electricidad de los centros de datos de 2024a 2030; el gas y el carbón se muestran como un límite inferior.Made for Freddy Vega, by HanademiFuentes: iea.org.UnidadParticipación del crecimiento de la demandaEnergías renovables50 %Límite inferior de gas ycarbón40 %* Participaciones proyectadas del crecimiento de la demanda de electricidad de los centros de datosde 2024 a 2030; el gas y el carbón se muestran como un límite inferior.
Se proyecta que las energías renovables cubran casi el 50% del crecimiento de la demanda de los centros de datos hasta 2030. El gas y el carbón juntos aún representan más del 40%. Por eso, la expansión de la IA amplía el trabajo institucional de otorgar permisos, generar electricidad y planificar la red.
Fuentes
How much is data-centre capex projected tojump in 2026?Technology-company data-centre capital expenditure, indexed to 2025 = 100; 2025 exceeded USD 400billion and 2026 is projected.Made for Freddy Vega, by HanademiSources: iea.org.Unit% change from baselinechange from baseline20250%2026+75%
Technology companies spent more than USD 400 billion on data centres in 2025. A further 75% increase is expected in 2026. Capital is accelerating into the same infrastructure bottleneck that local grids and permits must absorb.
Sources
¿Cuánto se proyecta que aumente el capexde centros de datos en 2026?Gasto de capital de empresas de tecnología en centros de datos, indexado con 2025 = 100; 2025 superóUSD 400 billion y 2026 es una proyección.Made for Freddy Vega, by HanademiFuentes: iea.org.Unidad% cambio desde la basecambio desde la base20250%2026+75%
Las empresas de tecnología gastaron más de USD 400 billion en centros de datos en 2025. Para 2026 se espera otro aumento de 75%. El capital se está concentrando en el mismo cuello de botella de infraestructura que las redes eléctricas locales y los permisos deben absorber.
Fuentes
Which economies’ jobs face moregenerative-AI automation risk?Share of existing jobs at risk of generative-AI automation, by income group.Made for Freddy Vega, by HanademiSources: worldbank.org.UnitPercent of existing jobsLow- andmiddle-income4.5%High-income14.2%* Share of existing jobs at risk of generative-AI automation, by income group.
Start with the apparent paradox. Generative AI threatens 14.2% of jobs in high-income countries, compared with 4.5% in low- and middle-income countries. The first lesson is that exposure is not evenly distributed. Institutions must decide whether lower exposure becomes a missed opportunity or a route to broader access.
¿Qué economías enfrentan mayor riesgo laboral porautomatización con IA generativa?Proporción de empleos existentes en riesgo de automatización por IA generativa, por grupo de ingresos.Made for Freddy Vega, by HanademiFuentes: worldbank.org.UnidadPorcentaje de empleos existentesIngresos bajos ymedios4,5 %Ingresos altos14,2 %* Proporción de empleos existentes en riesgo de automatización por IA generativa, por grupo deingresos.
Empecemos por la aparente paradoja. La IA generativa amenaza 14,2% de los empleos en los países de ingresos altos, frente a 4,5% en los países de ingresos bajos y medios. La primera lección es que la exposición no se distribuye de manera uniforme. Las instituciones deben decidir si una menor exposición se convierte en una oportunidad perdida o en una vía hacia un acceso más amplio.
How do internet access and AI productivityexposure gaps compare?Made for Freddy Vega, by HanademiSources: worldbank.org.; itu.int.Unithigh-income to developing or low-income ratioJobs with AI productivitypotential1.15xJobs exposed toautomation3.16xPopulation using theinternet3.44x
Potential AI productivity exposure is nearly even across income groups. Connectivity is not: the rich-to-poor internet ratio is three times the productivity-exposure ratio, making institutions and infrastructure the binding gate to universal expertise.
¿Cómo se comparan las brechas de accesoy exposición productiva a la IA?Made for Freddy Vega, by HanademiFuentes: worldbank.org.; itu.int.Unidadrazón entre países de ingreso alto y países en desarrollo o de ingreso bajoEmpleos con potencialproductivo de IA1,15 vecesEmpleos expuestos aautomatización3,16 vecesPoblación que usainternet3,44 veces
La exposición potencial a la productividad de la IA es casi uniforme entre grupos de ingreso. La conectividad no: la razón de acceso a internet entre ricos y pobres triplica la razón de exposición productiva, por lo que las instituciones y la infraestructura son la barrera decisiva para universalizar la experiencia.
How does AI productivity potential compareacross income groups?Share of jobs where AI could meaningfully raise productivity, by economy group.Made for Freddy Vega, by HanademiSources: worldbank.org.UnitPercent of jobsDevelopingeconomies16.2%High-income18.7%* Share of jobs where AI could meaningfully raise productivity, by economy group.
Now turn the comparison around. Meaningful productivity potential reaches 16.2% of jobs in developing economies and 18.7% in high-income countries. The two figures are close, unlike the automation-risk figures. Access and execution could matter more than where the model was built.
¿Cómo se compara el potencial productivode la IA entre ingresos?Proporción de empleos en los que la IA podría aumentar significativamente la productividad, por grupo deeconomías.Made for Freddy Vega, by HanademiFuentes: worldbank.org.UnidadPorcentaje de empleosEconomías endesarrollo16,2 %Ingresos altos18,7 %* Proporción de empleos en los que la IA podría aumentar significativamente la productividad, porgrupo de economías.
Ahora veamos la comparación desde el otro lado. El potencial significativo de productividad alcanza 16,2% de los empleos en las economías en desarrollo y 18,7% en los países de ingresos altos. Las dos cifras son cercanas, a diferencia de las cifras de riesgo de automatización. El acceso y la ejecución podrían importar más que el lugar donde se desarrolló el modelo.
How wide is the internet gap between richand poor countries?Internet use as a share of population in 2024, by World Bank income group.Made for Freddy Vega, by HanademiSources: itu.int.UnitPercent of population onlineHigh-income93%Low-income27%* Internet use as a share of population in 2024, by World Bank income group.
The promise meets its first hard constraint here. Internet use reached 93% in high-income countries but only 27% in low-income countries in 2024. An expert system cannot serve people who cannot reliably reach it. Connectivity is not background infrastructure; it is the first gate.
Sources
¿Qué tan amplia es la brecha digital entrepaíses ricos y pobres?Uso de internet como proporción de la población en 2024, por grupo de ingresos del Banco Mundial.Made for Freddy Vega, by HanademiFuentes: itu.int.UnidadPorcentaje de la población conectadaIngresosaltos93 %Ingresosbajos27 %* Uso de internet como proporción de la población en 2024, por grupo de ingresos del Banco Mundial.
La promesa encuentra aquí su primera restricción concreta. En 2024, el uso de internet alcanzó 93% en los países de ingresos altos, pero solo 27% en los países de ingresos bajos. Un sistema experto no puede atender a quienes no pueden acceder a él de manera confiable. La conectividad no es infraestructura de fondo; es la primera puerta de entrada.
Fuentes
Why does the 2024 offline estimate needrefreshing?Estimated people online and offline in 2024. The audited source is a stale snapshot, not a current count.Made for Freddy Vega, by HanademiSources: itu.int.UnitBillions of peopleOnline5.5Offline2.6* Estimated people online and offline in 2024. The audited source is a stale snapshot, not a currentcount.
The scale is enormous, but the date matters. The ITU estimated 5.5 billion people online and 2.6 billion offline in 2024. Because the audit flags this snapshot as stale, use it to understand the size of the access challenge, not to claim a current count.
Sources
¿Por qué necesita actualizarse laestimación de desconectados de 2024?Personas estimadas conectadas y desconectadas en 2024. La fuente auditada es una instantáneadesactualizada, no un conteo actual.Made for Freddy Vega, by HanademiFuentes: itu.int.UnidadMiles de millones de personasConectadas5,5Sin conexión2,6* Personas estimadas conectadas y desconectadas en 2024. La fuente auditada es una instantáneadesactualizada, no un conteo actual.
La escala es enorme, pero la fecha importa. La ITU estimó 5.5 mil millones de personas conectadas y 2.6 mil millones desconectadas en 2024. Como la auditoría marca esta instantánea como desactualizada, úsala para entender la magnitud del desafío de acceso, no para afirmar un conteo actual.
Fuentes
How large was Nigeria’s randomized AItutoring trial?Students assigned to treatment and control groups across 9 schools in Nigeria's randomized tutoring trial.Made for Freddy Vega, by HanademiSources: voxdev.org.UnitStudents assignedTreatment657Control671* Students assigned to treatment and control groups across 9 schools in Nigeria's randomizedtutoring trial.
This is what institutional adaptation looks like in practice. The Nigeria trial assigned 657 students to treatment and 671 to control across 9 schools. The design gives the result a real test population. It also points toward the right model: AI as a supervised educational aid, not an unsupervised replacement for teachers.
¿Qué tamaño tuvo el ensayo aleatorio detutoría con IA en Nigeria?Estudiantes asignados a los grupos de tratamiento y control en 9 escuelas durante el piloto de tutoríaaleatorizado de Nigeria.Made for Freddy Vega, by HanademiFuentes: voxdev.org.UnidadEstudiantes asignadosTratamiento657Control671* Estudiantes asignados a los grupos de tratamiento y control en 9 escuelas durante el piloto detutoría aleatorizado de Nigeria.
Así se ve la adaptación institucional en la práctica. El piloto de Nigeria asignó 657 estudiantes al grupo de tratamiento y 671 al de control, en 9 escuelas. El diseño proporciona una población de prueba real para el resultado. También apunta al modelo adecuado: la IA como apoyo educativo supervisado, no como reemplazo de docentes sin supervisión.
Nigeria's program delivered 12 supervisedsessions of 90 minutes over six weeks.Sources: voxdev.org.
The intervention was not simply access to a chatbot. Students received 12 supervised sessions, each lasting 90 minutes, over six weeks. That structure is part of the treatment. The result supports scalable tutoring with scaffolding, not AI left alone in the classroom.
El programa de Nigeria impartió 12sesiones supervisadas de 90 minutosdurante seis semanas.Fuentes: voxdev.org.
La intervención no consistió simplemente en dar acceso a un chatbot. Los estudiantes recibieron 12 sesiones supervisadas, de 90 minutos cada una, durante seis semanas. Esa estructura forma parte del tratamiento. El resultado respalda una tutoría escalable con andamiaje, no una IA abandonada a su suerte en el aula.
Why does AI learning remain institutional?AI tutoring becomes institutional capacity when it is embedded in the classroom.Sources: From chalkboards to chatbots: Transforming learning in Nigeria, one prompt at a time. blogs.worldbank.org.
The classroom puts students, shared technology, and school routines behind the tutoring results.
¿Por qué el aprendizaje con IA siguesiendo institucional?La tutoría con IA se convierte en capacidad institucional cuando se integra en el aula.Fuentes: From chalkboards to chatbots: Transforming learning in Nigeria, one prompt at a time. blogs.worldbank.org.
El aula sitúa a estudiantes, tecnología compartida y rutinas escolares detrás de los resultados de tutoría.
What learning gains did Nigeria’s AItutoring program report?Reported learning gains in standard deviations from Nigeria's six-week structured generative-AI tutoringprogram.Made for Freddy Vega, by HanademiSources: World Bank. (2025). From chalkboards to chatbots: Transforming learning in Nigeria, one prompt at a time.;openknowledge.worldbank.org.Unitstandard deviationsOverallperformance0.3Englishperformance0.2* Reported learning gains in standard deviations from Nigeria's six-week structured generative-AItutoring program.
This was not an open-ended chatbot test. Students received structured sessions with a clear learning goal. The overall gain reached 0.31 standard deviations, while English, the main outcome, improved by 0.23.
¿Qué mejoras reportó el programanigeriano de tutoría con IA?Mejoras reportadas del aprendizaje, en desviaciones estándar, en el programa de tutoría estructurada conIA generativa de seis semanas en Nigeria.Made for Freddy Vega, by HanademiFuentes: World Bank. (2025). From chalkboards to chatbots: Transforming learning in Nigeria, one prompt at a time.;openknowledge.worldbank.org.Unidaddesviaciones estándarDesempeño general0,3Desempeño eninglés0,2* Mejoras reportadas del aprendizaje, en desviaciones estándar, en el programa de tutoríaestructurada con IA generativa de seis semanas en Nigeria.
No fue una prueba de un chatbot abierto. Los estudiantes recibieron sesiones estructuradas con un objetivo de aprendizaje claro. La mejora general alcanzó 0,31 desviaciones estándar, mientras que el inglés, el resultado principal, mejoró en 0,23.
How much schooling was six weeks oftutoring estimated to match?Study estimate comparing measured learning gains with business-as-usual schooling progress, not elapsedtime.Made for Freddy Vega, by HanademiSources: documents1.worldbank.org.Unityears of business-as-usual schoolingLowerestimate1.5Upperestimate2* Study estimate comparing measured learning gains with business-as-usual schooling progress, notelapsed time.
The striking comparison is also the one that needs care. The study translated the measured gain into 1.5 to 2 years of normal schooling progress. That makes the result memorable, but it is an equivalence estimate, not six weeks turning into two calendar years.
¿A cuánta escolaridad equivalieron seissemanas de tutoría según la estimación?Estimación del estudio que compara las mejoras de aprendizaje medidas con el progreso de laescolarización habitual, no con el tiempo transcurrido.Made for Freddy Vega, by HanademiFuentes: documents1.worldbank.org.Unidadaños de escolarización habitualEstimacióninferior1,5Estimaciónsuperior2* Estimación del estudio que compara las mejoras de aprendizaje medidas con el progreso de laescolarización habitual, no con el tiempo transcurrido.
La comparación llamativa también es la que requiere cuidado. El estudio tradujo la mejora medida en entre 1.5 y 2 años de progreso escolar normal. Eso hace memorable el resultado, pero es una estimación de equivalencia, no que seis semanas se conviertan en dos años calendario.
What yearly and monthly Aadhaarauthentication volumes were reported?Aadhaar authentications reported for fiscal year 2024-25 and for March 2025; the periods are shownseparately.Made for Freddy Vega, by HanademiSources: uidai.gov.in.Unitcrore authentications2,707Annual total247March alone
Scale changes the meaning of digital identity. UIDAI counted 2,707 crore authentications during 2024-25. March alone contributed 247 crore, showing a system embedded in everyday transactions rather than a niche pilot.
¿Qué volúmenes anuales y mensuales deautenticación de Aadhaar se reportaron?Autenticaciones de Aadhaar reportadas para el año fiscal 2024-25 y para marzo de 2025; los periodos semuestran por separado.Made for Freddy Vega, by HanademiFuentes: uidai.gov.in.Unidadcrore de autenticaciones2.707Total anual247Solo en marzo
La escala cambia el significado de la identidad digital. UIDAI contabilizó 2,707 crore de autenticaciones durante 2024-25. Solo marzo aportó 247 crore, lo que muestra un sistema integrado en las transacciones cotidianas, no un piloto de nicho.
How does identity become infrastructure?Digital identity can serve as infrastructure, but access depends on whom it recognizes.Sources: Aadhaar authentications touch 2,707 crore in 2024-25 - The Economic Times. economictimes.indiatimes.com.
The physical credential represents the identity layer linking public systems to individual access.
¿Cómo se convierte la identidad eninfraestructura?La identidad digital puede funcionar como infraestructura, pero el acceso depende de a quiénreconoce.Fuentes: Aadhaar authentications touch 2,707 crore in 2024-25 - The Economic Times. economictimes.indiatimes.com.
La credencial física representa la capa de identidad que conecta los sistemas públicos con el acceso individual.
How many people lack official and digitalID?World Bank 2025 estimates of people lacking official identification and government-recognized digital ID foronline transactions.Made for Freddy Vega, by HanademiSources: id4d.worldbank.org.Unitmillion peopleOfficialidentification800Government digital ID2,800* World Bank 2025 estimates of people lacking official identification and government-recognizeddigital ID for online transactions.
Aadhaar's scale is powerful because the need is enormous. The World Bank estimates 800 million people lack official identification. The digital gap is larger still, with 2.8 billion lacking a government-recognized digital ID for online transactions.
¿Cuántas personas carecen de identificaciónoficial y digital?Estimaciones de 2025 del Banco Mundial sobre las personas que carecen de identificación oficial y de unaidentidad digital reconocida por el gobierno para transacciones en línea.Made for Freddy Vega, by HanademiFuentes: id4d.worldbank.org.Unidadmillones de personasIdentificación oficial800Identidad digitalgubernamental2.800* Estimaciones de 2025 del Banco Mundial sobre las personas que carecen de identificación oficial yde una identidad digital reconocida por el gobierno para transacciones en línea.
La escala de Aadhaar es poderosa porque la necesidad es enorme. El Banco Mundial estima que 800 millones de personas carecen de identificación oficial. La brecha digital es aún mayor: 2,8 mil millones carecen de una identidad digital reconocida por el gobierno para transacciones en línea.
What share of monthly ration exclusionswas linked to Aadhaar?Monthly share of Rajasthan food-ration recipients excluded for Aadhaar-related versus non-Aadhaarfactors.Made for Freddy Vega, by HanademiSources: idinsight.org.Unitpercent of Rajasthan food-ration recipients excluded monthlyAadhaar factors2.2%Non-Aadhaarfactors6.5%* Monthly share of Rajasthan food-ration recipients excluded for Aadhaar-related versus non-Aadhaarfactors.
Reach is not the same as reliability. In Rajasthan, Aadhaar-related factors were linked to 2.2% of monthly ration exclusions. Other causes accounted for 6.5%, so the lesson is not that Aadhaar caused every failure, but that safeguards must address both identity and delivery systems.
¿Qué proporción de exclusiones mensualesde raciones se vinculó con Aadhaar?Proporción mensual de beneficiarios de raciones alimentarias en Rajasthan excluidos por factoresrelacionados y no relacionados con Aadhaar.Made for Freddy Vega, by HanademiFuentes: idinsight.org.Unidadporcentaje de beneficiarios de raciones alimentarias en Rajasthan excluidos cada mesFactores relacionados conAadhaar2,2 %Factores no relacionados conAadhaar6,5 %* Proporción mensual de beneficiarios de raciones alimentarias en Rajasthan excluidos por factoresrelacionados y no relacionados con Aadhaar.
Alcance no es lo mismo que confiabilidad. En Rajasthan, los factores relacionados con Aadhaar estuvieron vinculados con 2,2% de las exclusiones mensuales de raciones. Otras causas representaron 6,5%, por lo que la lección no es que Aadhaar causara cada falla, sino que las salvaguardas deben abordar tanto los sistemas de identidad como los de distribución.
How much more likely are women and thepoorest to lack ID?Made for Freddy Vega, by HanademiSources: documents1.worldbank.org.; idinsight.org.Unitrelative rateWomen without ID vs men1.57xPoorest without ID vsrichest1.72xAadhaar errors vs voterID1.54xAadhaar vs other rationexclusions0.34x
Digital identity can reach national scale, but unequal starting access and authentication quality can reproduce offline disadvantage. Aadhaar's measured demographic error rate was also 1.54 times the voter-ID rate.
¿Cuánto más probable es que mujeres y losmás pobres carezcan de identificación?Made for Freddy Vega, by HanademiFuentes: documents1.worldbank.org.; idinsight.org.Unidadtasa relativaMujeres sin identificaciónfrente a hombres1,57 vecesMás pobres sin identificaciónfrente a más ricos1,72 vecesErrores de Aadhaar frentea credencial electoral1,54 vecesExclusiones de raciones porAadhaar frente a otras causas0,34 veces
La identidad digital puede alcanzar escala nacional, pero el acceso inicial desigual y la calidad de la autenticación pueden reproducir desventajas fuera de línea. La tasa medida de errores demográficos de Aadhaar también fue 1,54 veces la de la credencial electoral.
How did Aadhaar’s demographic error ratecompare with voter IDs?IDinsight comparison of demographic error rates for Aadhaar and voter IDs.Made for Freddy Vega, by HanademiSources: idinsight.org.Unitpercent demographic error rateAadhaar8.8%Voter IDs5.7%* IDinsight comparison of demographic error rates for Aadhaar and voter IDs.
The infrastructure reached massive scale, but scale makes accuracy more important, not less. IDinsight found an 8.8% demographic error rate for Aadhaar versus 5.7% for voter IDs. That gap is a warning about authentication quality and the safeguards around it.
¿Cómo se comparó el error demográfico deAadhaar con la credencial electoral?Comparación de IDinsight sobre las tasas de errores demográficos de Aadhaar y las identificacioneselectorales.Made for Freddy Vega, by HanademiFuentes: idinsight.org.Unidadporcentaje de errores demográficosAadhaar8,8 %Identificacioneselectorales5,7 %* Comparación de IDinsight sobre las tasas de errores demográficos de Aadhaar y las identificacioneselectorales.
La infraestructura alcanzó una escala masiva, pero la escala hace que la precisión sea más importante, no menos. IDinsight encontró una tasa de errores demográficos de 8,8% para Aadhaar, frente a 5,7% en las identificaciones electorales. Esa brecha advierte sobre la calidad de la autenticación y las salvaguardas que la rodean.
Who faces the widest identity gaps?Share without identification in surveyed low-income countries, by gender and income group.Made for Freddy Vega, by HanademiSources: documents1.worldbank.org.UnitPercent without identificationWomen44%Men28%Poorest43%Richest25%
Digital infrastructure starts with a person who can be recognized by the system. In surveyed low-income countries, 44% of women lacked identification, compared with 28% of men. The poorest group faced a 43% gap, showing why access depends on more than software.
¿Quiénes enfrentan las mayores brechas deidentidad?Porcentaje sin identificación en los países de bajos ingresos encuestados, por género y grupo de ingresos.Made for Freddy Vega, by HanademiFuentes: documents1.worldbank.org.UnidadPorcentaje sin identificaciónMujeres44 %Hombres28 %Personas más pobres43 %Personas más ricas25 %
La infraestructura digital comienza con una persona que el sistema puede reconocer. En los países de bajos ingresos encuestados, el 44% de las mujeres no tenía identificación, frente al 28% de los hombres. El grupo más pobre enfrentó una brecha del 43%, lo que demuestra por qué el acceso depende de más que el software.
How fast did UPI transaction volume grow?UPI transaction volume by fiscal year, in billions; crore observations converted to billions.Made for Freddy Vega, by HanademiSources: National Payments Corporation of India. (2025). UPI product statistics.; pib.gov.in.UnitBillion transactions12.5FY 2019-2046.0FY 2021-22186FY 2024-25241.6FY 2025-26
A shared payment rail becomes powerful when usage compounds. UPI recorded 12.5 billion transactions in FY 2019-20 and 241.6169 billion in FY 2025-26. That scale gives private applications a common public foundation.
¿Qué tan rápido creció el volumen detransacciones de UPI?Volumen de transacciones de UPI por año fiscal, en miles de millones; observaciones en crore convertidasa miles de millones.Made for Freddy Vega, by HanademiFuentes: National Payments Corporation of India. (2025). UPI product statistics.; pib.gov.in.UnidadMiles de millones de transacciones12,5FY 2019-2046,0FY 2021-22186FY 2024-25241,6FY 2025-26
Una plataforma de pagos compartida se vuelve poderosa cuando el uso se acumula. UPI registró 12,5 mil millones de transacciones en FY 2019-20 y 241,6169 mil millones en FY 2025-26. Esa escala brinda a las aplicaciones privadas una base pública común.
How do payment rails reach people’s hands?Institutional scale becomes meaningful when the rail disappears into a simple user action.Sources: UPI's contribution to payments ecosystem volume grows to 83.4% in FY25 | Finance News - Business Standard. business-standard.com.
A completed payment shows how digital infrastructure becomes an ordinary user action.
¿Cómo llega la infraestructura de pagos a lasmanos de las personas?La escala institucional cobra sentido cuando la infraestructura se integra en una acción sencilla.Fuentes: UPI's contribution to payments ecosystem volume grows to 83.4% in FY25 | Finance News - Business Standard. business-standard.com.
Un pago completado muestra cómo la infraestructura digital se convierte en una acción cotidiana.
How many users did UPI report, and isPix’s figure verified?Reported users or registered individuals, with country and observation date attached to each value.Made for Freddy Vega, by HanademiSources: pib.gov.in.; Banco Central do Brasil. (2024). Relatório de Gestão do Pix.UnitMillion registered or onboarded individualsUPI, June2026554.9Pix, 2024150* Reported users or registered individuals, with country and observation date attached to eachvalue.
Population scale is the promise of public payment infrastructure, but the evidence is not equally secure. NPCI reported 554.9 million UPI users in June 2026. Pix was reported at more than 150 million registered individuals in 2024, yet that figure remains unverified in the accepted record.
¿Cuántos usuarios reportó UPI y estáverificada la cifra de Pix?Usuarios reportados o personas registradas, con el país y la fecha de observación asociados a cada valor.Made for Freddy Vega, by HanademiFuentes: pib.gov.in.; Banco Central do Brasil. (2024). Relatório de Gestão do Pix.UnidadMillones de personas registradas o incorporadasUPI, junio de2026554,9Pix, 2024150* Usuarios reportados o personas registradas, con el país y la fecha de observación asociados a cadavalor.
La escala poblacional es la promesa de la infraestructura pública de pagos, pero la evidencia no es igual de sólida. NPCI reportó 554,9 millones de usuarios de UPI en junio de 2026. Pix fue reportado con más de 150 millones de personas registradas en 2024, pero esa cifra sigue sin verificarse en el registro aceptado.
How often did UPI discussions turn intoexpected launches?International discussions reported in September 2024 versus expected launches by early 2027.Made for Freddy Vega, by HanademiSources: reuters.com.; thehindu.com.UnitCountriesCountries in discussions · 20Expected launches by early 2027· 2
Exporting infrastructure is harder than attracting interest. NPCI International was in discussions with at least 20 countries across Africa and South America. The same account expected only 2 launches by early 2027, while a January 2024 memorandum created a supporting channel for expansion.
¿Cuántas conversaciones sobre UPI seconvirtieron en lanzamientos esperados?Conversaciones internacionales reportadas en septiembre de 2024 frente a lanzamientos esperados paraprincipios de 2027.Made for Freddy Vega, by HanademiFuentes: reuters.com.; thehindu.com.UnidadPaísesPaíses en conversaciones · 20Lanzamientos esperados paraprincipios de 2027 · 2
Exportar infraestructura es más difícil que atraer interés. NPCI International mantenía conversaciones con al menos 20 países de África y Sudamérica. El mismo informe esperaba solo 2 lanzamientos para principios de 2027, mientras que un memorando de enero de 2024 creó un canal de apoyo para la expansión.
How did Pix transactions grow between2021 and the 2024 estimate?Annual Pix transaction volume in Brazil, comparing 2021 with the estimated 2024 total.Made for Freddy Vega, by HanademiSources: Banco Central do Brasil. (2025). Estatísticas do Pix.; Relatório de Gestão do Pix 2023-2025.UnitBillion transactions92021642024 estimate
Pix shows what rapid national rollout can look like in practice. Transactions rose from roughly 9 billion in 2021 to an estimated 64 billion in 2024. The estimate still carries a caveat, but the direction and scale are unmistakable.
¿Cómo crecieron las transacciones de Pixentre 2021 y la estimación de 2024?Volumen anual de transacciones de Pix en Brasil, comparando 2021 con el total estimado de 2024.Made for Freddy Vega, by HanademiFuentes: Banco Central do Brasil. (2025). Estatísticas do Pix.; Relatório de Gestão do Pix 2023-2025.UnidadMiles de millones de transacciones92021642024 estimate
Pix muestra cómo puede verse en la práctica un despliegue nacional rápido. Las transacciones pasaron de aproximadamente 9 mil millones en 2021 a un estimado de 64 mil millones en 2024. La estimación aún incluye una salvedad, pero la dirección y la escala son inconfundibles.
Pix made participation mandatoryabove 500,000 active accounts,with 90 days to apply.Brazil's central bank used a participation rule rather than waiting for every institution toopt in. Institutions above 500,000 active customer accounts had 90 days to apply astransactional account providers.Sources: bcb.gov.br.
Interoperability was not left to voluntary coordination. Pix rules made participation mandatory for institutions above 500,000 active customer accounts. Those institutions had 90 days to apply, turning a technical standard into a national adoption mechanism.
Pix hizo obligatoria la participación paramás de 500.000 cuentas activas, con 90días para solicitarla.El banco central de Brasil aplicó una regla de participación en lugar de esperar a quetodas las instituciones se adhirieran voluntariamente. Las instituciones con más de500,000 cuentas activas de clientes tuvieron 90 días para solicitar operar comoproveedores de cuentas transaccionales.Fuentes: bcb.gov.br.
La interoperabilidad no quedó sujeta a la coordinación voluntaria. Las reglas de Pix hicieron obligatoria la participación para las instituciones con más de 500,000 cuentas activas de clientes. Esas instituciones tuvieron 90 días para solicitarla, convirtiendo un estándar técnico en un mecanismo nacional de adopción.
Brazil capped overnight person-to-personPix transactions at R$1,000.Sources: static.poder360.com.br.
Pix scaled because the payment rail was paired with operating safeguards. One concrete example is the R$1,000 overnight limit for transfers between distinct individuals. Infrastructure creates reach, but rules protect that reach from abuse.
Brasil limitó a R$1,000 las transaccionesnocturnas de Pix entre personas.Fuentes: static.poder360.com.br.
Pix creció porque la infraestructura de pagos se acompañó de salvaguardas operativas. Un ejemplo concreto es el límite nocturno de R$1,000 para transferencias entre personas distintas. La infraestructura amplía el alcance, pero las reglas protegen ese alcance frente al abuso.
Why do trusted payments need a safety layer?Fast payment rails endure only when institutions address risk alongside convenience.Sources: Golpes do Pix identificados por BC somam R$ 6,5 bi em 2024 - 24/04/2025 - Mercado - Folha. www1.folha.uol.com.br.
The image turns the payments story from adoption toward the safeguards users need.
¿Por qué los pagos confiables necesitan unacapa de seguridad?Las redes de pago rápido perduran cuando las instituciones atienden el riesgo junto con laconveniencia.Fuentes: Golpes do Pix identificados por BC somam R$ 6,5 bi em 2024 - 24/04/2025 - Mercado - Folha. www1.folha.uol.com.br.
La imagen desplaza la historia de los pagos desde la adopción hacia las salvaguardas que necesitan los usuarios.
How far does government AI adoptionoutpace its governance?OECD survey of 36 countries reporting government AI use, a responsible governance institution, andtraining programmes.Made for Freddy Vega, by HanademiSources: Organisation for Economic Co-operation and Development. (2025). Governing with artificial intelligence.; oecd.org.UnitCountries out of 36Government AI use35Governance institution30Training programmes32
The first number is striking: 35 of 36 governments report using AI somewhere. But use is not the same as institutional readiness. Only 30 have a responsible governance institution, while 32 report training programmes. The gap is small enough to see and important enough to govern.
¿Cuánto supera la adopción gubernamentalde IA a su gobernanza?Encuesta de la OECD sobre 36 países que reportan uso gubernamental de IA, una institución responsable dela gobernanza y programas de capacitación.Made for Freddy Vega, by HanademiFuentes: Organisation for Economic Co-operation and Development. (2025). Governing with artificial intelligence.; oecd.org.UnidadPaíses de un total de 36Uso gubernamental de IA35Institución de gobernanza30Programas de capacitación32
El primer número es contundente: 35 de 36 gobiernos reportan usar IA en algún ámbito. Pero usarla no equivale a tener preparación institucional. Solo 30 cuentan con una institución responsable de la gobernanza, mientras que 32 reportan programas de capacitación. La brecha es lo bastante pequeña para verla y lo bastante importante para gobernarla.
Whose goals does government AI mostlyserve?OECD mapping of government AI cases, comparing service optimization with access for external actors.Made for Freddy Vega, by HanademiSources: oecd.org.UnitShare of mapped government AI casesOptimize publicservices57%Enable external goals4%* OECD mapping of government AI cases, comparing service optimization with access for externalactors.
Government AI is not mainly opening a public marketplace for outside builders. In the OECD mapping, 57% of cases automate, streamline, or tailor services. Only 4% let external actors pursue their own goals with government AI. The near-term institutional advantage is better state execution.
Sources
¿A quién beneficia principalmente la IAgubernamental?Mapeo de la OECD de casos de IA gubernamental, comparando la optimización de servicios con el accesopara actores externos.Made for Freddy Vega, by HanademiFuentes: oecd.org.UnidadProporción de los casos de IA gubernamental mapeadosOptimizar los serviciospúblicos57 %Habilitar objetivos externos4 %* Mapeo de la OECD de casos de IA gubernamental, comparando la optimización de servicios con elacceso para actores externos.
La IA gubernamental no está abriendo principalmente un mercado público para desarrolladores externos. En el mapeo de la OECD, el 57% de los casos automatiza, agiliza o adapta servicios. Solo el 4% permite que actores externos persigan sus propios objetivos con IA gubernamental. La ventaja institucional a corto plazo es una ejecución estatal más eficaz.
Fuentes
Public procurement at 13% of GDP canchange how governments work.Procurement is not a narrow back-office function. At about 13% of GDP across OECDcountries, it is a large channel through which governments can reward better tools,faster delivery, and stronger safeguards.Sources: oecd.org.
The biggest institutional lever may not be a new ministry. It may be the purchasing system. Public procurement represents about 13% of GDP in OECD countries, giving governments a large way to shape which AI tools get adopted and under what safeguards.
Sources
Las compras públicas del 13% delPIB pueden transformar cómooperan los gobiernos.Las compras no son una función administrativa secundaria. Con aproximadamente el 13%del PIB en los países de la OECD, constituyen un canal importante para que los gobiernospremien mejores herramientas, una entrega más rápida y salvaguardas más sólidas.Fuentes: oecd.org.
La mayor palanca institucional quizá no sea un ministerio nuevo. Puede ser el sistema de compras. Las compras públicas representan aproximadamente el 13% del PIB en los países de la OECD, lo que brinda a los gobiernos una vía importante para definir qué herramientas de IA se adoptan y con qué salvaguardas.
Fuentes
What reversed Próspera’s legal path inHonduras?Key legal dates for Honduras's ZEDE framework and the Próspera arbitration, 2013 to 2025.Made for Freddy Vega, by HanademiSources: República de Honduras. (2013). Ley Orgánica de las Zonas de Empleo y Desarrollo Económico. La Gaceta.; CongresoNacional de Honduras. (2022). Derogación de las reformas constitucionales relativas a las ZEDE.; International Centre forSettlement of Investment Disputes. (2023). Honduras Próspera Inc. and others v. Republic of Honduras, Case No. ARB/23/2.UnitLegal milestonesDec 31, 2013Feb 26, 2025Jan 1, 2013–Dec 31, 2013ZEDE basisJan 1, 2022–Dec 31, 2022ZEDE repealJan 1, 2023–Dec 31, 2023Arbitration filedSep 20, 2024Supreme Court rulingFeb 26, 2025Tribunal decision
Próspera moved quickly because Honduras created a legal basis for ZEDEs in 2013. The political consensus later reversed course: Congress repealed the framework in 2022, and the Supreme Court declared its underpinning unconstitutional on September 20, 2024. The arbitration that followed shows the cost of institutional reversal, with investors reportedly seeking about $10.8 billion, not receiving an award of that size.
¿Qué revirtió la trayectoria legal dePróspera en Honduras?Fechas legales clave del marco de las ZEDE de Honduras y del arbitraje de Próspera, 2013 a 2025.Made for Freddy Vega, by HanademiFuentes: República de Honduras. (2013). Ley Orgánica de las Zonas de Empleo y Desarrollo Económico. La Gaceta.; Congreso Nacionalde Honduras. (2022). Derogación de las reformas constitucionales relativas a las ZEDE.; International Centre for Settlement ofInvestment Disputes. (2023). Honduras Próspera Inc. and others v. Republic of Honduras, Case No. ARB/23/2.UnidadHitos legalesDec 31, 2013Feb 26, 2025Jan 1, 2013–Dec 31, 2013Base de las ZEDEJan 1, 2022–Dec 31, 2022Derogación de las ZEDEJan 1, 2023–Dec 31, 2023Arbitraje presentadoSep 20, 2024Fallo de la Corte SupremaFeb 26, 2025Decisión del tribunal
Próspera avanzó rápidamente porque Honduras creó una base legal para las ZEDE en 2013. Más tarde, el consenso político cambió de rumbo: el Congreso derogó el marco en 2022 y la Corte Suprema declaró inconstitucional su fundamento el 20 de septiembre de 2024. El arbitraje posterior muestra el costo de revertir las instituciones: según reportes, los inversionistas solicitaron alrededor de $10.8 billion, pero no recibieron una indemnización de ese tamaño.
A mobile robotic chemist ran 688experiments in 8 days.Sources: nature.com.
Autonomous science changes the clock before it changes the economy. A mobile robotic chemist ran 688 experiments in 8 days and found mixtures six times more active than its initial formulations. The capability is real, but institutions still decide how quickly such systems move from experiments into practice.
Un químico robótico móvil realizó 688experimentos en 8 días.Fuentes: nature.com.
La ciencia autónoma cambia el ritmo antes de cambiar la economía. Un químico robótico móvil realizó 688 experimentos en 8 días y encontró mezclas seis veces más activas que sus formulaciones iniciales. La capacidad es real, pero las instituciones siguen determinando con qué rapidez estos sistemas pasan de los experimentos a la práctica.
A distributed laboratory generated acost-yield Pareto front in 3 days.A Pareto front is the set of best trade-offs where improving one result would worsenanother. Cambridge and Singapore robots found that frontier together, showing howinstitutions can coordinate experiments across borders.Sources: nature.com.
This is not a faster robot in one room. Robots in Cambridge and Singapore worked as one distributed laboratory. In 3 days, they found the best cost-yield trade-offs. The institutional lesson is as important as the technical one: coordination can become experimental capacity.
Un laboratorio distribuido generó unafrontera de Pareto de costo yrendimiento en 3 días.Una frontera de Pareto es el conjunto de mejores compensaciones, donde mejorar unresultado empeoraría otro. Los robots de Cambridge y Singapur encontraron juntos esafrontera, lo que demuestra cómo las instituciones pueden coordinar experimentos através de las fronteras.Fuentes: nature.com.
No se trata de un robot más rápido en una sola sala. Los robots de Cambridge y Singapur trabajaron como un laboratorio distribuido. En 3 días, encontraron las mejores compensaciones entre costo y rendimiento. La lección institucional es tan importante como la técnica: la coordinación puede convertirse en capacidad experimental.
QuEra reports 99.3% recoverywithout human intervention in anMHS-enabled demonstration.The 99.3% figure comes from QuEra's MHS-enabled demonstration, not from autonomouslaboratories overall. The result is methodology-limited because the supplied source is aninterested-party report.Sources: qz.com.
QuEra reports a striking result: the agent recovered the laser's operating frequency without human intervention 99.3% of the time. But this is one demonstration, not a universal benchmark. The number shows what the setup achieved, while the caveat limits what we can claim about autonomous laboratories more broadly.
Sources
QuEra reporta una recuperación de 99,3%sin intervención humana en unademostración habilitada por MHS.La cifra de 99,3% proviene de la demostración habilitada por MHS de QuEra, no de loslaboratorios autónomos en general. El resultado está limitado por la metodología, porquela fuente proporcionada es un informe de una parte interesada.Fuentes: qz.com.
QuEra reporta un resultado llamativo: el agente recuperó la frecuencia operativa del láser sin intervención humana el 99,3% de las veces. Pero se trata de una sola demostración, no de un benchmark universal. El número muestra lo que logró la configuración, mientras que la salvedad limita lo que podemos afirmar sobre los laboratorios autónomos en términos más amplios.
Fuentes
AlphaFold made more than 200 millionpredicted protein structures reusable.AlphaFold's public database shows the infrastructure effect of AI: scarce analytical workbecomes a shared resource that others can reuse. That does not establish autonomousclinical safety.Sources: EMBL-EBI. (2022). AlphaFold Protein Structure Database expands to 200 million predictions.; Google DeepMind. (2022). AlphaFold reveals thestructure of the protein universe.; AlphaFold Protein Structure Database.
AlphaFold's breakthrough is not only that it predicts structures. Its public database contains more than 200 million predicted protein structures that others can reuse. This is the infrastructure pattern to watch: AI can make scarce expertise available as a shared starting point, even when safe clinical deployment remains a separate question.
AlphaFold hizo reutilizables más de200 million de estructuras deproteínas predichas.La base de datos pública de AlphaFold muestra el efecto de infraestructura de la IA: eltrabajo analítico escaso se convierte en un recurso compartido que otros puedenreutilizar. Eso no demuestra la seguridad clínica autónoma.Fuentes: EMBL-EBI. (2022). AlphaFold Protein Structure Database expands to 200 million predictions.; Google DeepMind. (2022). AlphaFold reveals thestructure of the protein universe.; AlphaFold Protein Structure Database.
El avance de AlphaFold no consiste únicamente en predecir estructuras. Su base de datos pública contiene más de 200 million de estructuras de proteínas predichas que otros pueden reutilizar. Este es el patrón de infraestructura que debemos observar: la IA puede poner la experiencia escasa a disposición de todos como punto de partida compartido, incluso cuando el despliegue clínico seguro sigue siendo una cuestión aparte.
How do machine payments combine hugevolume with tiny amounts?Protocol-reported transactions and settled or adjusted volume since launch; both axes use log scale.Made for Freddy Vega, by HanademiSources: visa.com.-9.7-1.3557.511916Transactions, millionsSettled or adjusted volume, USD millionsx402Machine Payments Protocol
Agent payments are already capable of producing enormous counts without moving much money. x402 reports 109.6 million transactions and $15 million in adjusted volume. The Machine Payments Protocol reports about 115,000 transactions and $25,000 settled. The scale is real in the reported figures, but x402's estimate is stale and neither series should be read as an independent audit.
Sources
¿Cómo combinan los pagos entre máquinasenorme volumen con montos mínimos?Transacciones reportadas por los protocolos y volumen liquidado o ajustado desde el lanzamiento; ambosejes usan escala logarítmica.Made for Freddy Vega, by HanademiFuentes: visa.com.-9,7-1,3557,511916Transacciones, millonesVolumen liquidado o ajustado, millones de USDx402Protocolo de pagos entre máquinas
Los pagos de agentes ya pueden generar cantidades enormes de transacciones sin mover mucho dinero. x402 reporta 109,6 millones de transacciones y $15 millones de volumen ajustado. El Machine Payments Protocol reporta aproximadamente 115.000 transacciones y $25.000 liquidados. La escala es real en las cifras reportadas, pero la estimación de x402 está desactualizada y ninguna de las dos series debe interpretarse como una auditoría independiente.
Fuentes
How small were average agent payments onx402 and MPP?Made for Freddy Vega, by HanademiSources: visa.com.Unittransactions, payment volume and dollars per transactionx402$0.14MPP$0.22
Both early agent-payment systems are dominated by tiny machine transactions, with x402 operating at much greater scale but a lower average payment.
Sources
¿Qué tan pequeños fueron los pagos mediosde agentes en x402 y MPP?Made for Freddy Vega, by HanademiFuentes: visa.com.Unidadtransacciones, volumen de pagos y dólares por transacciónx402US$0,14MPPUS$0,22
Ambos sistemas iniciales de pagos de agentes están dominados por pequeñas transacciones automatizadas, con x402 operando a mucha mayor escala pero con un pago medio menor.
Fuentes
How renewable is Latin America’selectricity?Renewables share of the power mix, Latin America and the Caribbean versus the source-derived 30% worldaverage.Made for Freddy Vega, by HanademiSources: iea.org.UnitShare of electricity generationLatin America andCaribbean60%World average30%* Renewables share of the power mix, Latin America and the Caribbean versus the source-derived 30%world average.
Latin America and the Caribbean start with a useful advantage: renewables represent 60% of the power mix. The IEA says that is double the world average, so the implied benchmark is 30%. Clean power does not solve institutional execution, but it gives the region a stronger base for building digital and AI infrastructure.
Sources
¿Qué proporción de la electricidadlatinoamericana es renovable?Participación de las renovables en la matriz eléctrica de América Latina y el Caribe frente al promediomundial de 30% derivado de la fuente.Made for Freddy Vega, by HanademiFuentes: iea.org.UnidadParticipación de la generación eléctricaAmérica Latina y elCaribe60 %Promedio mundial30 %* Participación de las renovables en la matriz eléctrica de América Latina y el Caribe frente alpromedio mundial de 30% derivado de la fuente.
América Latina y el Caribe parten de una ventaja útil: las renovables representan 60% de la matriz eléctrica. La IEA señala que esa proporción duplica el promedio mundial, por lo que el benchmark implícito es 30%. La energía limpia no resuelve la ejecución institucional, pero le da a la región una base más sólida para construir infraestructura digital y de AI.
Fuentes
Latin America’s energy investment is set toreach $185 billion in 2024.Sources: iea.org.
Latin America is not waiting for the next technology cycle to begin. Energy investment is set to reach $185 billion in 2024, and the power sector takes more than 35% of that total. The institutional opportunity is to turn this capital into the reliable infrastructure AI will need.
Sources
La inversión energética de América Latinaalcanzará $185 billion en 2024.Fuentes: iea.org.
América Latina no está esperando a que comience el próximo ciclo tecnológico. La inversión energética alcanzará $185 billion en 2024, y el sector eléctrico concentra más de 35% de ese total. La oportunidad institucional consiste en convertir ese capital en la infraestructura confiable que necesitará la AI.
Fuentes
Argentina's $200 million targets 2energy-efficient data centers, cuttingoutage time 30%.These are prospective targets of the World Bank operation, not achieved results.Sources: worldbank.org.
Argentina’s digital infrastructure plan links computing capacity to a basic public-service problem. The $200 million operation targets at least 2 energy-efficient data centers and a 30% reduction in outage time. Those are targets, but the design makes reliability part of the AI strategy rather than an afterthought.
La operación de $200 millones deArgentina contempla 2 centros de datoseficientes, reduciendo interrupciones 30%.Estos son objetivos previstos de la operación del Banco Mundial, no resultadosalcanzados.Fuentes: worldbank.org.
El plan de infraestructura digital de Argentina vincula la capacidad de cómputo con un problema básico de los servicios públicos. La operación de $200 million contempla al menos 2 centros de datos eficientes en energía y una reducción de 30% en el tiempo de interrupción del servicio. Son objetivos, pero el diseño convierte la confiabilidad en parte de la estrategia de AI, no en una consideración posterior.
Espírito Santo's portal aims for 500,000digital account holders, focusing on women.Sources: worldbank.org.
Institutional adaptation is also about who can enter the system. Espírito Santo’s new portal aims to reach at least 500,000 digital account holders, with a stated focus on women. The scale target turns access from an abstract promise into an administrative objective.
El nuevo portal de Espírito Santo busca500.000 titulares de cuentas digitales, conénfasis en mujeres.Fuentes: worldbank.org.
La adaptación institucional también depende de quién puede ingresar al sistema. El nuevo portal de Espírito Santo busca llegar al menos a 500.000 titulares de cuentas digitales, con un énfasis explícito en las mujeres. El objetivo de escala convierte el acceso, de una promesa abstracta, en un objetivo administrativo.
The LAC AI Accelerator will validatehigh-potential uses before governmentsscale or discontinue them.Sources: worldbank.org.
Speed alone is not the strategy. The LAC AI Accelerator is designed to validate high-potential use cases before governments expand them or discontinue them. That is the operating rule for institutions facing uncertainty: test quickly, then scale only what works.
La velocidad por sola no es la estrategia.Fuentes: worldbank.org.
La velocidad por sí sola no es la estrategia. El LAC AI Accelerator está diseñado para validar casos de uso de alto potencial antes de que los gobiernos los amplíen o los descontinúen. Esa es la regla operativa para las instituciones que enfrentan incertidumbre: probar rápido y luego escalar solo lo que funciona.
In summaryMade for Freddy Vega, by HanademiSources: documents1.worldbank.org.; visa.com.; Banco Central do Brasil. (2025). Estatísticas do Pix.; World Bank. (2025). From chalkboards tochatbots: Transforming learning in Nigeria, one prompt at a time.; cirsci.org.The Nigeria program’s learning gains were equivalent to 1.5 to 2 years of business-as-usual schooling.Since launching in May 2025, x402 processed 109.6 million transactions.Since launching in May 2025, x402 processed roughly $15.0 million in adjusted volume.Pix expanded from roughly 9 billion transactions in 2021 to an estimated 64 billion in 2024.Nigeria's six-week structured generative-AI tutoring program reportedly improved test performance by about 0.31 standard deviations.In 2024, the FDA's median approval time for new active substances was 356 days.
The value of the research is not only what each source knew, but what became visible when their evidence was combined.
En resumenMade for Freddy Vega, by HanademiFuentes: documents1.worldbank.org.; visa.com.; Banco Central do Brasil. (2025). Estatísticas do Pix.; World Bank. (2025). From chalkboards tochatbots: Transforming learning in Nigeria, one prompt at a time.; cirsci.org.Las ganancias de aprendizaje del programa nigeriano equivalieron a entre 1,5 y 2 años de escolarización habitual.Desde su lanzamiento en mayo de 2025, x402 procesó 109,6 millones de transacciones.Desde su lanzamiento en mayo de 2025, x402 procesó aproximadamente 15,0 millones de dólares en volumen ajustado.Pix expanded from roughly 9 billion transactions in 2021 to an estimated 64 billion in 2024.Nigeria's six-week structured generative-AI tutoring program reportedly improved test performance by about 0.31 standard deviations.En 2024, el tiempo mediano de aprobación de nuevas sustancias activas por parte de la FDA fue de 356 días.
El valor de la investigación no está solo en cada fuente, sino en lo que apareció al combinar sus evidencias.

The research behind this deck

The evidence does not yet show an economy-wide collapse in service costs. It does show that power, regulatory clocks, digital rails, safeguards and execution speed already separate institutions that can convert AI into broad access from those that cannot.

Key findings

The argument

This research is published in English and Spanish. Ver en español

La investigación detrás de esta presentación

La evidencia todavía no muestra un colapso de los costos de los servicios en toda la economía. Sí muestra que el poder, los plazos regulatorios, la infraestructura digital, las salvaguardas y la velocidad de ejecución ya separan a las instituciones capaces de convertir la IA en acceso amplio de las que no pueden hacerlo.

Hallazgos clave

El argumento

Esta investigación se publica en inglés y español. Read in English

More researchMás investigación