a16z Nuevo artículo: Mercados de Predicción, Entrando en una Fase de Avance Rápido

marsbitPublicado a 2026-04-19Actualizado a 2026-04-19

Resumen

El mercado de predicción está evolucionando desde una herramienta periférica centrada en elecciones y deportes hacia una infraestructura financiera clave para valorar la incertidumbre. Según a16z, los cambios clave incluyen: la expansión a mercados largos como entretenimiento y macroeconomía, la creación de precios de referencia para eventos que permiten cobertura directa de riesgos (en lugar de apuestas indirectas través de activos relacionados), y la creciente adopción institucional en tres fases (consulta de datos, integración sistémica y trading activo). Aunque el mecanismo actual de garantía total limita a los grandes actores, la obtención de licencias regulatorias y la posible introducción de apalancamiento podrían acelerar su profesionalización. Ejemplos como el uso de datos de Kalshi por parte de líderes políticos y instituciones mediáticas reflejan su creciente legitimidad. El mercado sigue un camino similar al de los derivados en sus inicios: de herramienta especulativa a infraestructura aburrida pero esencial.

Nota del editor: Durante mucho tiempo, los mercados de predicción han sido considerados como un "producto marginal": primero como experimentos académicos, luego como herramientas de opinión durante las temporadas electorales, y más tarde como una extensión de las apuestas deportivas. Siempre parecían depender de un escenario de alta atención, pero rara vez se entendían verdaderamente como infraestructura financiera.

Sin embargo, en la opinión del autor, los mercados de predicción están evolucionando gradualmente de una "herramienta de transacción de eventos" marginal, centrada en elecciones y deportes, hacia una infraestructura financiera capaz de poner precio a la incertidumbre.

El autor señala que los cambios clave de la industria se manifiestan en tres niveles: primero, los escenarios de aplicación se están expandiendo. Aunque los deportes siguen siendo la puerta de entrada de tráfico, los mercados de cola larga como entretenimiento, macroeconomía e IPC están creciendo más rápido y comenzando a satisfacer la demanda institucional. Segundo, los mercados de predicción ofrecen por primera vez un benchmark de precios negociable para el "evento en sí", permitiendo a las instituciones cubrir riesgos políticos o macroeconómicos directamente, en lugar de realizar "apuestas secundarias" a través de activos correlacionados. Tercero, la ruta de adopción institucional está avanzando, desde la referencia de datos (consultar las probabilidades) hasta la integración sistémica, y luego hacia la participación real en transacciones, encontrándose aún en una etapa temprana.

Los mercados de predicción están experimentando un proceso similar al de los mercados de opciones en sus inicios: "profesionalización — institucionalización — infraestructuración". En el futuro, una vez que se perfeccionen gradualmente la liquidez, el apalancamiento y la regulación, podrían convertirse en una herramienta de mercado central que conecte a los minoristas con las instituciones, utilizada para cubrir y poner precio a la incertidumbre del mundo real.

Las finanzas son un mundo altamente "estratificado verticalmente", donde casi cada segmento tiene su propia "meca anual" reconocida. Los líderes de proveedores de servicios de salud, pagadores y empresas de biotecnología se reúnen cada año en San Francisco para la J.P. Morgan Healthcare Conference. Las figuras más importantes del ámbito macro global y los dignatarios políticos acuden a los Alpes suizos para participar en la World Economic Forum Annual Meeting (Foro de Davos). TMT, bienes raíces, industria, servicios financieros y casi cualquier sector que se te ocurra también tienen sus cumbres insignia más representativas.

A finales de marzo de este año, el departamento de investigación académica e institucional de Kalshi, Kalshi Research, celebró su primera conferencia de investigación en Nueva York, reuniendo a académicos, ejecutivos de Wall Street, exfiguras políticas y traders que realmente hacen funcionar el mercado. La composición de los asistentes mostró claramente una tendencia: esta industria está "madurando".

El evento comenzó con una conversación entre los cofundadores de Kalshi, Tarek Mansour y Luana Lopes Lara, y Katherine Doherty. A continuación, se presentan algunas observaciones de la industria extraídas de ese diálogo y de las mesas redondas posteriores:

Mercados y vida, más que elecciones y deportes.

En los grandes ciclos de noticias, a menudo surge un patrón fijo: un evento importante (como las elecciones de 2024, el Super Bowl, o más recientemente el torneo de baloncesto universitario "March Madness") acapara la gran mayoría de los titulares de los medios y, en consecuencia, domina el volumen de operaciones en los mercados de predicción. Esto fácilmente crea la impresión de que "el valor de los mercados de predicción solo se manifiesta en estos eventos".

Sin embargo, aunque la narrativa inicial a menudo presentaba los mercados de predicción como herramientas "solo significativas durante los ciclos electorales", el crecimiento de Kalshi en otras áreas ha sido igualmente notable.

En el momento de la conferencia de investigación, el volumen semanal de operaciones deportivas acababa de acercarse a los 30 millones de dólares, representando aproximadamente el 80% del volumen total de Kalshi, impulsado principalmente por el "March Madness". Tarek y Luana vieron esta alta concentración como un fenómeno temporal.

Un dato más explicativo es: aunque el tamaño absoluto de las operaciones deportivas alcanzó un máximo histórico, su participación en el volumen total de operaciones se encontraba en un mínimo histórico. Esto significa que todas las demás categorías estaban creciendo más rápido.

Los dos fundadores señalaron que las categorías de entretenimiento, cripto, política y cultura están mostrando un mayor crecimiento de usuarios y una estructura de retención de operaciones mejor que los deportes. Los deportes son más bien un "detonante" para el mercado masivo: tienen un alto grado de familiaridad, un ritmo temporal claro y una fuerte participación emocional, siendo un producto típico de entrada.

Al mismo tiempo, la empresa ha observado un crecimiento significativo en mercados de cola más larga. Estos mercados constituyen actualmente más del 20% del volumen de operaciones de Kalshi y desempeñarán un papel más crucial en la cobertura institucional y los mercados de información futuros.

<

Una mesa redonda institucional posterior corroboró esta afirmación desde el lado de la demanda.

Cyril Goddeeris, codirector global de negocios de renta variable de Goldman Sachs, declaró que las predicciones relacionadas con eventos macroeconómicos y datos del IPC son la categoría que más atención recibe actualmente en Wall Street. Sally Shin, vicepresidenta ejecutiva de negocio de crecimiento de CNBC, mencionó que ya utiliza mercados de predicción como "la permanencia del presidente de la Fed" o "los datos de nóminas no agrícolas" como herramientas narrativas de contenido. Troy Dixon, codirector global de mercados de Tradeweb, fue más allá al esbozar un futuro: los grandes bancos de inversión establecerán departamentos de trading especializados en mercados de predicción, con contratos financieros como producto central.

Por qué Kalshi atrae la atención de Wall Street

Una razón importante por la que funcionan los mercados financieros tradicionales es que cada tipo de activo central tiene un benchmark reconocido: el índice S&P 500 representa el rendimiento general de 500 acciones, el petróleo crudo tiene sistemas de precios de referencia como ICE.

Pero para eventos políticos y macroeconómicos (como quién gana una elección, si se aprueban aranceles, el resultado de un caso en la Corte Suprema), históricamente ha faltado durante mucho tiempo un "benchmark de precios" ampliamente aceptado y con capacidad de actualización dinámica. Los mercados de predicción cambian esto: hoy, el futuro de casi cualquier evento puede tener un "ancla de precios" en tiempo real y líquida.

Una vez que un evento (por ejemplo, "¿Se aprobarán aranceles del 30%?") tiene un precio creíble, las instituciones pueden operar directamente alrededor de ese precio. Esto permite tanto operar el evento en sí mismo como cubrir el riesgo de otros activos en la cartera. Como dijo Troy Dixon de Tradeweb: "Volviendo a cuando Trump fue elegido por primera vez, entonces hubo muchas operaciones de cobertura en el mercado de valores, la lógica era vender en corto el S&P porque si Trump ganaba, el mercado caería seguro. Pero esa operación fracasó. La pregunta es: ¿cómo pones precio a estos eventos? ¿Dónde está el benchmark?"

Tarek también mencionó que esta fue una de sus motivaciones para fundar Kalshi. Durante su tiempo en Goldman Sachs, su mesa de trading recomendó operaciones basadas en las elecciones de 2024 y el Brexit. Sin mercados de predicción, si una institución cubre eventos políticos o macroeconómicos a través de activos correlacionados, en realidad está apostando por dos cosas simultáneamente: primero, si el evento ocurre, y segundo, la correlación entre ese evento y el activo operado. Y el segundo juicio puede fallar por sí solo.

Cuando el evento en sí tiene un precio de referencia directo, estos dos riesgos se comprimen en uno. Como dijo Tarek: "Ahora, este mercado comienza a poner precio a todo".

Las tres etapas reales de adopción institucional de los mercados de predicción

Es pronto para decir que las grandes instituciones de Wall Street ya operan a gran escala en Kalshi. Actualmente, la forma de uso de la mayoría de las instituciones sigue siendo "fuente de datos", no "plataforma de trading".

Sin embargo, Luana señaló que la ruta de adopción institucional de este mercado es clara y se puede dividir en tres etapas:

La primera etapa es la conexión de datos: hacer que los precios predictivos entren en el flujo de trabajo diario de las instituciones. Por ejemplo, que los gestores de cartera de Goldman Sachs consulten habitualmente los datos de probabilidades de Kalshi, como consultan el índice VIX. Esta etapa ya está ocurriendo en cierta medida. Jonathan Wright, profesor de la Universidad Johns Hopkins y exfuncionario de la Fed, afirmó: "En decisiones de la Fed, desempleo, PIB, etc., Kalshi es casi la única fuente de referencia".

La segunda etapa es la integración sistémica: incluye aprobaciones legales y de cumplimiento, conexión técnica y educación interna; esencialmente, el proceso de introducción de un nuevo instrumento financiero.

La tercera etapa es operar realmente: las instituciones comienzan a cubrir riesgos directamente en la plataforma, el volumen de operaciones y la profundidad del mercado se acumulan gradualmente. En este punto, una mayor demanda de cobertura atrae a los especuladores, spreads más ajustados atraen a más cubridores, y el precio de referencia forma una retroalimentación positiva que se auto-refuerza.

Actualmente, la mayoría de las instituciones aún están en la primera etapa, algunas han entrado en la segunda, y muy pocas han llegado realmente a la tercera. Un obstáculo importante es que las operaciones en mercados de predicción actualmente requieren margen completo. Por ejemplo, una posición de 100 dólares requiere un depósito de margen de 100 dólares. Esto es aceptable para inversores minoristas, pero para fondos de cobertura o bancos que dependen del apalancamiento y la eficiencia de capital, este mecanismo es demasiado costoso.

Como dijo Tarek: "Si quieres hacer una cobertura de 100 dólares, debes depositar 100 dólares en la cámara de compensación. Eso es demasiado caro para las instituciones. Entidades como Citadel o Millennium no lo harían". Actualmente, Kalshi ha obtenido la licencia de la National Futures Association (NFA) y está colaborando con la Commodity Futures Trading Commission (CFTC) para introducir mecanismos de trading con margen.

¿Qué pasará después?

La conclusión de Michael McDonough, responsable de innovación de mercados de Bloomberg, fue la más directa: "La señal de éxito es que estas cosas se vuelvan aburridas". Comparó los mercados de predicción con los mercados de opciones de la década de 1970, que entonces también estaban plagados de controversias por manipulación e incertidumbre regulatoria, pero finalmente evolucionaron hacia una infraestructura, hasta el punto de que hoy casi nadie piensa mucho en ello.

Toby Moskowitz, socio de AQR, declaró que "estaría dispuesto a apostar dinero real" a que los mercados de predicción se convertirán en una herramienta institucional viable en cinco años, o incluso antes.

Garrett Herren de Vote Hub describió el estado final: "La pregunta ya no será si usar o no los mercados de predicción, sino cómo usarlos. Una vez que la pregunta se convierte en eso, significa que ya son indispensables".

De hecho, aunque el tamaño actual de los mercados de predicción sigue siendo limitado, el mercado de cobertura en sí mismo es un área de gran volumen.

De hecho, la "normalización" de los mercados de predicción ya está ocurriendo.

En la mesa redonda sobre política, el ex congresista Mondaire Jones mencionó que altos cargos de ambos partidos —incluido el presidente Trump, el líder de la minoría de la Cámara de Representantes, Jeffries, y el líder de la minoría del Senado, Schumer— han comenzado a citar públicamente los datos de probabilidades de Kalshi. Scott Tranter de DDHQ también confirmó que los datos de los mercados de predicción se han convertido en una de las entradas estándar dentro de los comités de los partidos. Al mismo tiempo, Vote Hub anunció que ha integrado directamente los datos de Kalshi en su modelo de predicción de elecciones intermedias.

Y todo esto, hace dos años, simplemente no existía. En aquel entonces, los traders más exitosos en Kalshi seguían siendo principalmente "jugadores amateur". Hoy, ese término ni siquiera es preciso.

En la mesa redonda "The People Behind the Markets" de Kalshi, cuatro traders compartieron sus trayectorias profesionales —estas trayectorias suenan indistinguibles de las de los traders profesionales tradicionales: uno pasó 11 años estudiando la lista Billboard de música, otro ha estado perfeccionándose en los mercados de predicción desde 2006, cuando esto era solo un "pasatiempo un tanto geek y casi sin ganancias". Es notable que ninguno de los cuatro invitados provenía de la industria financiera tradicional, sino de los campos de la música, la política y el póker. Pero coincidieron en que lo que esta plataforma realmente premia es el conocimiento profundo del campo, no un currículum impresionante.

Los mercados de predicción han recorrido un largo camino. Desde ser vistos inicialmente como experimentos académicos, hasta convertirse en "herramientas novedosas" durante períodos electorales, y luego ser clasificados temporalmente como "productos similares a las apuestas deportivas", su posicionamiento ha cambiado constantemente. Y la señal clara que transmitió esta conferencia es: los mercados de predicción se están convirtiendo en una infraestructura —utilizada para poner precio a la incertidumbre, sirviendo a una amplia gama de participantes, desde traders minoristas hasta grandes instituciones, y a diversos escenarios de aplicación.

Preguntas relacionadas

Q¿Qué tres cambios clave señala el artículo sobre la evolución de los mercados de predicción?

ALos tres cambios clave son: 1) La expansión de los casos de uso más allá del deporte y las elecciones, con un crecimiento más rápido en mercados de cola larga como entretenimiento y macroeconomía. 2) Los mercados de predicción proporcionan por primera vez un precio de referencia negociable para el evento en sí, permitiendo a las instituciones cubrir riesgos políticos o macroeconómicos directamente. 3) La ruta de adopción institucional está avanzando, desde usar los datos como referencia hasta la integración sistémica y la participación real en el trading.

Q¿Por qué los mercados de predicción están atrayendo la atención de Wall Street, según el artículo?

APorque proporcionan un 'precio de referencia' o ancla de precios en tiempo real y con liquidez para eventos políticos y macroeconómicos, algo que antes no existía. Esto permite a las instituciones operar directamente sobre el evento o utilizarlo para cubrir riesgos en sus carteras, eliminando la necesidad de hacer una apuesta indirecta a través de activos correlacionados.

Q¿Cuáles son las tres etapas de adopción institucional de los mercados de predicción descritas por Luana Lopes Lara?

ALas tres etapas son: 1) Acceso a datos: Integrar los precios de predicción en el flujo de trabajo diario de las instituciones. 2) Integración sistémica: Superar los obstáculos de cumplimiento normativo, legal y técnico, así como la educación interna. 3) Trading real: Las instituciones comienzan a operar y cubrir riesgos directamente en la plataforma, construyendo liquidez.

Q¿Qué obstáculo importante frena actualmente la adopción total por parte de grandes instituciones como fondos de cobertura?

AEl requisito de margen de garantía completo. Actualmente, una posición de 100 dólares requiere un margen de 100 dólares, lo que resulta extremadamente ineficiente en términos de capital para instituciones que dependen del apalancamiento.

Q¿A qué mercado financiero histórico se compara el desarrollo actual de los mercados de predicción en el artículo?

ASe compara con el mercado de opciones en sus primeras etapas (década de 1970), el cual también estuvo rodeado inicialmente de controversias regulatorias e incertidumbre, pero finalmente evolucionó hasta convertirse en una infraestructura financiera fundamental y omnipresente.

Lecturas Relacionadas

Tras las GPU y el almacenamiento: los MLCC se convierten en el próximo gran mercado de billones de dólares en computación de IA

Tras los GPU y el almacenamiento, el MLCC emerge como el próximo nicho de inversión multimillonario impulsado por la IA. Unas simples capacitancias, antes componentes baratos y cíclicos, están experimentando una demanda estructural sin precedentes. Los servidores de IA representan el motor principal: el consumo de MLCC por unidad alcanza cientos de miles, multiplicándose por más de 100 en comparación con servidores tradicionales, debido a la necesidad crítica de estabilizar voltajes ultra bajos en chips de alta potencia como los de NVIDIA. Su valor puede superar los 4.300 dólares por bastidor. La electrificación y automatización de vehículos aportan otra gran demanda. La oferta, sin embargo, no puede seguir el ritmo. La fabricación de MLCC de gama alta presenta enormes barreras tecnológicas, de capital, patentes y un ciclo de certificación de clientes de hasta 3 años. La capacidad global solo crece alrededor de un 10% anual, frente a una demanda del sector IA que crece a más del 30%. Este desequilibrio ha llevado a anuncios de aumentos de precios de hasta el 70% y genera una escasez que podría prolongarse. Tres líderes dominan el mercado premium: 1. **Murata** (Japón): Líder absoluto con el 40% del mercado global y la mayor cuota en servidores de IA. Es la opción más estable. 2. **SEMCO** (Corea del Sur): Tiene la mayor elasticidad de crecimiento, con planes agresivos de expansión y ganancias que aumentan rápidamente. 3. **Taiyo Yuden** (Japón): La empresa con mayor exposición pura al MLCC, mostrando una fuerte recuperación y un alto apalancamiento al ciclo. Aunque sus valoraciones actuales son elevadas, se espera que se normalicen con el rápido crecimiento de los beneficios, impulsados por la escalada de precios. Los riesgos incluyen una posible desaceleración en la inversión en IA, la sobrevaloración y la expansión de la capacidad china en gama media-baja. En resumen, el MLCC ha pasado de ser un commodity a un componente estratégico para la infraestructura de la IA.

marsbitHace 23 min(s)

Tras las GPU y el almacenamiento: los MLCC se convierten en el próximo gran mercado de billones de dólares en computación de IA

marsbitHace 23 min(s)

Justo ahora, Claude Mythos 5 es lanzado: 50 millones de líneas de código resueltas en un día

Anthropic ha lanzado Claude Fable 5 y Claude Mythos 5, sus modelos de IA más potentes hasta la fecha. Fable 5, disponible públicamente con salvaguardas, se degrada automáticamente a Claude Opus 4.8 para consultas de alto riesgo, mientras que Mythos 5 es la versión completa restringida. Fable 5 destaca en ingeniería de software, completando en un día una migración de 50 millones de líneas de código que llevaría meses a un equipo. Posee capacidades visuales nativas, pudiendo completar videojuegos solo con capturas de pantalla, y una memoria mejorada para tareas largas y complejas. En pruebas financieras y de investigación científica, muestra un rendimiento líder, con Mythos 5 diseñando compuestos proteicos que ya están en desarrollo farmacéutico. El modelo introduce un nuevo paradigma de seguridad mediante clasificadores y enrutamiento, reteniendo datos de uso por 30 días para monitorización. Su eficiencia en tokens busca controlar costes en tareas autónomas prolongadas. Experiencias de prueba, como la del profesor Ethan Mollick, indican un cambio fundamental: el humano actúa más como un "cliente" que supervisa, mientras la IA opera de forma autónoma como un "estudio" completo, entregando resultados complejos con una intervención mínima. Fable 5 es de uso gratuito para suscriptores hasta el 22 de junio, tras lo cual requerirá créditos adicionales.

marsbitHace 1 hora(s)

Justo ahora, Claude Mythos 5 es lanzado: 50 millones de líneas de código resueltas en un día

marsbitHace 1 hora(s)

¿La primera en llevar un Sistema Operativo con IA a 1400 millones de personas fue WeChat?

La inteligencia artificial de WeChat finalmente ha dado un paso importante. El mismo día del WWDC de Apple, WeChat publicó una guía para que los desarrolladores integren sus aplicaciones de mini-programas en su ecosistema de IA. A partir de ahora, los desarrolladores pueden autorizar a la IA de WeChat para que lea, opere e interactúe con sus mini-programas. Ofrece dos métodos: un "modo automático" de baja fricción, donde la plataforma analiza automáticamente el código, y un "modo de desarrollo" para crear habilidades personalizadas. Esto convierte a todo el ecosistema de WeChat —millones de mini-programas, WeChat Pay, notificaciones— en una capa de ejecución para la IA. La arquitectura técnica se basa en estándares emergentes como MCP (Model Context Protocol), y la documentación revela un diseño detallado que prioriza la claridad en las respuestas de las APIs y el uso de identificadores únicos, fruto de la experiencia práctica. Este movimiento contrasta con el enfoque de Apple. Mientras Siri lucha por integrarse profundamente con aplicaciones de terceros debido a la naturaleza distribuida de iOS, la infraestructura centralizada de WeChat le otorga una "visión divina". Cada mini-programa se ejecuta dentro de su sistema, permitiendo un análisis y una automatización más sencillos. WeChat también está colaborando con fabricantes de teléfonos como Huawei y Xiaomi para permitir que sus asistentes de voz inicien llamadas o envíen mensajes a través de WeChat, posicionándose como un conector central en la era de la IA. La idea de un "WeChat OS", que alguna vez fue una metáfora, gana nueva relevancia. Con 1.432 mil millones de usuarios y mini-programas que cubren casi todas las necesidades diarias, WeChat tiene el potencial de convertirse en un sistema operativo accionado por lenguaje natural. El usuario podría pedir "reserva un tren de Beijing a Shanghai para mañana a las 3 p.m." y la IA manejaría la búsqueda, selección y pago a través del mini-programa correspondiente, sin salir del chat. El desafío principal ya no es técnico, sino de confianza y precisión en transacciones críticas. Sin embargo, a diferencia de otros como ChatGPT, que construyen su red de servicios desde cero, WeChat aprovecha una red madura y lista para usar. El cambio para los usuarios podría ser imperceptible: simplemente pedir algo y que se haga, sin saber qué mini-programa o proceso se utilizó. Esta "finalización imperceptible" es la señal de un agente de IA maduro, y WeChat está más cerca que nadie de lograrlo.

marsbitHace 1 hora(s)

¿La primera en llevar un Sistema Operativo con IA a 1400 millones de personas fue WeChat?

marsbitHace 1 hora(s)

Apple, con un valor de 4 billones de dólares, ¿por qué no puede crear un Siri inteligente?

Autor: Hu Shixin. Editor: Ye Jinyan. El 9 de junio de 2026, en la WWDC, Tim Cook presentó su último evento como CEO de Apple. La empresa, con un valor de mercado de 4 billones de dólares, centró el evento de 78 minutos casi por completo en la IA, tras varios retrasos en su estrategia de inteligencia artificial. La respuesta del mercado fue inicialmente negativa, con una caída en el precio de las acciones. La piedra angular del anuncio fue "Apple Intelligence" y un Siri completamente renovado, ahora llamado "Siri AI". Este asistente, con su propia aplicación, se integra en la Isla Dinámica y puede entender el contenido de la pantalla y realizar acciones entre aplicaciones. La capacidad subyacente se basa en una colaboración con Google, utilizando tecnología del modelo Gemini para crear los "Apple Foundation Models", que funcionan tanto en el dispositivo como en servidores en la nube privados de Apple, priorizando la privacidad del usuario. El artículo analiza la "deuda de IA" acumulada por Apple durante la era de Cook, marcada por una gestión conservadora y múltiples reinicios fallidos del proyecto Siri desde su adquisición en 2010. La irrupción de ChatGPT en 2022 expuso estas carencias, llevando a reestructuraciones internas, la salida de talento clave y la necesidad de la alianza con Google para acelerar el desarrollo. Expertos sugieren que el objetivo principal de Apple no es tener el modelo de IA más potente, sino defender el "primer acceso" en el iPhone, evitando que asistentes de terceros se conviertan en la entrada principal del usuario. La estrategia se centra en aprovechar el contexto personal profundo del dispositivo y los servicios del sistema. Se especula que funciones avanzadas de IA podrían integrarse en futuros modelos de suscripción, generando nuevos ingresos. Sin embargo, el éxito depende de si Apple Intelligence puede impulsar un nuevo ciclo de actualización de dispositivos o flujos de ingresos sostenibles. El legado de Cook para su sucesor será la tarea de adaptar la lógica sistémica de Apple a la era de la IA, que exige una iteración más rápida. La conclusión es clara: a Siri nunca le faltó una posición privilegiada, sino simplemente ser lo suficientemente inteligente. Las funciones de Apple Intelligence y Siri AI no estarán disponibles inicialmente en la UE y China continental por requisitos regulatorios.

marsbitHace 1 hora(s)

Apple, con un valor de 4 billones de dólares, ¿por qué no puede crear un Siri inteligente?

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片