Events archivos - Mosaic Factor

AI Congress 2026: por qué gobernanza, datos y adopción importan más que los modelos

mosaic-admin — Mon, 26 Oct 2026 13:15:01 +0000

Tres días de debates en el AI Congress 2026, celebrado en Barcelona, reforzaron un mensaje que conecta profundamente con nuestra visión en Mosaic Factor: ya no basta con construir modelos de IA más potentes.

A medida que la inteligencia artificial pasa de la experimentación a integrarse en las operaciones empresariales cotidianas, el verdadero reto consiste en transformar las capacidades tecnológicas en soluciones que generen un valor medible. A lo largo de las sesiones sobre agentes de IA, gobernanza de datos, datos sintéticos, aprendizaje automático y adopción empresarial, surgió un tema común. Las organizaciones ya no se preguntan qué puede hacer la IA, sino cómo implementarla de forma responsable, escalarla eficientemente y garantizar que produzca resultados significativos.

En Mosaic Factor, muchos de los temas tratados en el Congreso reflejan de cerca los desafíos que abordamos en nuestros propios proyectos, desde la IA fiable y la analítica avanzada hasta la gobernanza de datos, los gemelos digitales y los sistemas de apoyo a la toma de decisiones basados en IA.

Estas son algunas de las principales conclusiones que nos llevamos del evento.

1. La adopción exitosa de la IA empieza por el problema, no por la tecnología

Los agentes de IA evolucionan rápidamente y abren nuevas oportunidades para automatizar flujos de trabajo, abordar tareas complejas y mejorar la toma de decisiones. Sin embargo, con la aparición semanal de nuevos modelos, plataformas y herramientas, las organizaciones se enfrentan a una pregunta fundamental:

¿Por dónde deberíamos empezar?

Uno de los mensajes más prácticos del Congreso fue sorprendentemente sencillo: empezar por el problema. Antes de seleccionar un modelo o adoptar una plataforma, las organizaciones deben comprender:

¿Quién utilizará la solución?
¿Qué problema intenta resolver?
¿Qué parte del proceso necesita mejorar?
¿Cómo se medirán los resultados?

El contexto suele ser el factor decisivo entre una iniciativa de IA exitosa y otra que tiene dificultades para aportar valor. Los sistemas de IA necesitan información relevante sobre los objetivos, los usuarios, las restricciones y los entornos operativos para generar resultados útiles.

Igualmente importante es que la IA se adapte a los flujos de trabajo existentes y a la realidad empresarial. Una implementación eficaz rara vez consiste en sustituir a las personas. Se trata de identificar dónde puede la tecnología ampliar las capacidades de los profesionales, mejorar la eficiencia y facilitar mejores decisiones.

Para nosotros, esto refuerza un principio fundamental: la innovación significativa en IA comienza con una necesidad empresarial claramente definida, no con la tecnología en sí misma.

2. Una IA fiable depende de datos fiables

La gobernanza de datos fue uno de los temas más recurrentes a lo largo del Congreso.

A medida que los sistemas de IA adquieren mayores capacidades, su eficacia depende cada vez más de la calidad, la accesibilidad y la gobernanza de los datos que los sustentan. Varias sesiones se centraron en los espacios europeos de datos y en la creciente importancia de establecer mecanismos fiables para compartir información y colaborar.

Iniciativas como el espacio de datos de UPC demostraron cómo las organizaciones pueden compartir y reutilizar información manteniendo reglas claras sobre el acceso, la propiedad y el uso de los datos.

Entre los sectores abordados durante el evento se encontraban:

Agricultura
Energía
Movilidad
Construcción

En uno de los ejemplos, se integró información geoespacial y medioambiental en un marco común, facilitando que los sistemas de IA evaluaran las condiciones agrícolas, analizaran riesgos y respaldaran decisiones de inversión.

La lección general va mucho más allá de cualquier sector concreto. Conectar conjuntos de datos es solo una parte del desafío. Las organizaciones también deben garantizar que la información conserve su significado dentro del contexto para el que está destinada y que los mecanismos de gobernanza definan claramente cómo puede utilizarse.

Este debate está estrechamente relacionado con el concepto de soberanía digital y con la evolución del marco regulatorio europeo, incluidos el RGPD, el Reglamento de Gobernanza de Datos y el Reglamento Europeo de IA.

Para las empresas, la gobernanza no debe considerarse únicamente una obligación de cumplimiento normativo. Es una base esencial para generar confianza, fomentar la colaboración y adoptar la IA de manera responsable.

3. Los datos sintéticos pueden abrir nuevas oportunidades

Muchos proyectos de IA se enfrentan a un obstáculo común: los datos necesarios para desarrollar, probar o validar una solución pueden ser incompletos, estar fragmentados o no estar disponibles.

Los datos sintéticos ofrecen una posible vía para abordar este desafío.

Un ejemplo especialmente interesante presentado durante el Congreso se centró en la planificación de la movilidad en entornos rurales. A diferencia de las grandes áreas urbanas, las comunidades rurales suelen tener poblaciones dispersas y opciones de transporte limitadas. Esto dificulta la recopilación de datos completos sobre movilidad, al mismo tiempo que hace más importante una planificación eficiente del transporte.

El caso de uso de movilidad de Nemi mostró cómo las simulaciones basadas en IA pueden generar demanda de movilidad sintética y matrices de origen-destino combinando información como:

Áreas de interés
Posibles orígenes y destinos de los desplazamientos
Patrones temporales y restricciones

Estos conjuntos de datos simulados permiten a los planificadores evaluar posibles servicios de transporte y explorar patrones de movilidad incluso cuando no se dispone de datos completos del mundo real.

El ejemplo puso de relieve una cuestión importante sobre los datos sintéticos: su valor depende de cómo y dónde se utilicen.

Los datos sintéticos pueden ser muy eficaces para la creación de prototipos, las simulaciones y las pruebas previas a la producción. Sin embargo, las organizaciones deben comprender sus limitaciones y evaluar cuidadosamente si se necesita una validación adicional antes de implementar soluciones en entornos operativos.

Como ocurre con cualquier sistema de IA, el éxito depende de elegir la herramienta adecuada para cada propósito.

4. La IA debe ser escalable, eficiente y sostenible

Otro mensaje recurrente durante el Congreso fue que el rendimiento técnico por sí solo no es suficiente. Una prueba de concepto exitosa no se convierte automáticamente en un sistema de producción exitoso.

A medida que las soluciones de IA escalan, las organizaciones se enfrentan a nuevos desafíos relacionados con la infraestructura, la complejidad operativa, los costes y el consumo de recursos.

Durante los debates aparecieron repetidamente tres dimensiones de la eficiencia:

Eficiencia económica. Comprender las implicaciones financieras de implementar, operar y escalar sistemas de IA.
Eficiencia en el uso de recursos. Seleccionar los modelos y las arquitecturas adecuados para cada caso de uso, en lugar de optar por defecto por la solución más grande o compleja.
Eficiencia medioambiental. Tener en cuenta los requisitos energéticos y de recursos asociados al despliegue de la IA.

La eficiencia operativa es igualmente importante. Las organizaciones deben determinar:

Qué tareas deben automatizarse.
En qué situaciones sigue siendo necesaria la supervisión humana.
Cómo deben gestionar los sistemas las excepciones y las situaciones inesperadas.
Cómo estructurar los flujos de trabajo para equilibrar el rendimiento, la gobernanza y los costes.

Esta distinción es importante. El objetivo no es simplemente implementar IA, sino crear soluciones que sigan generando un valor empresarial medible a lo largo del tiempo.

5. La gobernanza, la seguridad y la rendición de cuentas no pueden dejarse para el final

A medida que la IA se integra en procesos empresariales cada vez más importantes, la gobernanza y la seguridad se convierten en factores esenciales para una adopción sostenible. Varios debates destacaron que los sistemas de IA no son estáticos:

Los modelos evolucionan.
Las configuraciones cambian.
Las instrucciones o prompts se actualizan.
Se incorporan nuevos datos.

Por ello, el rendimiento, el cumplimiento normativo y los riesgos no pueden evaluarse una sola vez y olvidarse después.

Las organizaciones necesitan procesos estructurados para:

Supervisar el comportamiento de los sistemas.
Documentar las decisiones.
Evaluar los riesgos de forma continua.
Responder a los problemas emergentes.
Demostrar el cumplimiento normativo cuando sea necesario.

Estos requisitos son especialmente importantes en sectores regulados, donde las organizaciones pueden necesitar explicar cómo funcionan los sistemas de IA y aportar pruebas de que existen controles adecuados.

Los debates también destacaron la importancia de las personas que trabajan junto a la IA.

Proporcionar a los empleados acceso a herramientas de IA no garantiza automáticamente una adopción exitosa.
La formación, la gestión del cambio, las políticas internas y el apoyo continuo desempeñan un papel fundamental.
Por tanto, una IA fiable no es un logro puntual. Requiere atención continua a la gobernanza, la seguridad, la rendición de cuentas y la supervisión humana.

6. Más allá de la IA generativa: el aprendizaje automático tradicional sigue aportando valor

Aunque la IA generativa y los agentes de IA dominaron muchas conversaciones, el Congreso también ofreció un recordatorio importante: el aprendizaje automático tradicional sigue resolviendo problemas empresariales reales.

Muchos casos de uso relacionados con la predicción, la clasificación, la detección de anomalías y el análisis de datos estructurados siguen siendo muy eficaces sin necesidad de recurrir a grandes modelos de lenguaje.

Al mismo tiempo, la IA multimodal está creando nuevas oportunidades al combinar texto, imágenes y otros tipos de información en sistemas integrados. Ambos enfoques tienen su valor.

La lección fundamental es que la elección tecnológica debe estar determinada por el problema que se pretende resolver. El modelo más reciente no es necesariamente el más adecuado.

Las estrategias de IA exitosas requieren una comprensión clara de las tecnologías disponibles, los objetivos empresariales y las restricciones operativas.

En última instancia, la innovación debe medirse por el valor que genera, no por la sofisticación de la tecnología en sí misma.

La próxima fase de la adopción de la IA

Al analizar los debates del AI Congress 2026, nuestra principal conclusión es que el futuro de la IA no estará definido únicamente por modelos más grandes, un mayor número de parámetros o nuevas capacidades.

Estará determinado por la capacidad de las organizaciones para:

Identificar problemas empresariales relevantes.
Construir sobre datos fiables y bien gobernados.
Implementar la IA de forma eficiente y sostenible.
Mantener la seguridad, la rendición de cuentas y la supervisión humana.
Generar resultados medibles más allá de la fase de prueba de concepto.

Estos desafíos están profundamente interconectados. Abordarlos requiere algo más que conocimientos técnicos. Es necesaria la colaboración entre expertos del dominio, responsables empresariales y especialistas en IA para garantizar que las soluciones no solo sean técnicamente capaces, sino también útiles, fiables y alineadas con las necesidades del mundo real.

En Mosaic Factor, creemos que la adopción exitosa de la IA se produce cuando las capacidades tecnológicas se combinan con una gobernanza sólida, datos de alta calidad y una comprensión clara de las personas que finalmente utilizarán la solución.

Esa fue, quizás, la lección más valiosa del AI Congress 2026 y una que sigue guiando nuestro trabajo en ámbitos como la salud, la industria, la movilidad y áreas emergentes como los vehículos definidos por software (Software-Defined Vehicles).

La entrada AI Congress 2026: por qué gobernanza, datos y adopción importan más que los modelos se publicó primero en Mosaic Factor.

BNEW 2026: tendencias de la IA sanitaria, medicina de precisión e IA responsable

mosaic-admin — Mon, 19 Oct 2026 07:53:36 +0000

Desde la robótica y los gemelos digitales hasta el análisis predictivo y la medicina de precisión, Barcelona New Economy Week (BNEW) 2026 puso de relieve cómo la inteligencia artificial está transformando todos los sectores de la economía. Para Mosaic Factor, empresa especializada en IA sanitaria, analítica avanzada y soluciones de IA fiables, el evento ofreció información valiosa sobre algunos de los retos más importantes a los que se enfrenta actualmente la innovación sanitaria.

IA sanitaria en BNEW 2026: medicina de precisión, explicabilidad y mitigación de sesgos

Entre las numerosas sesiones centradas en la IA, los debates sobre longevidad, medicina personalizada y diversidad de los datos resultaron especialmente relevantes. Estos temas se sitúan en la intersección de la IA sanitaria, la inteligencia artificial explicable (XAI) y el desarrollo responsable de la IA, y plantean una pregunta fundamental tanto para los investigadores como para los proveedores tecnológicos: ¿pueden los sistemas de IA ser realmente eficaces si faltan poblaciones clave en los datos utilizados para entrenarlos?

La IA, en el centro de la nueva economía

La séptima edición de Barcelona New Economy Week (BNEW) se celebró del 5 al 7 de octubre de 2026 en DFactory Barcelona. Organizado por el Consorci de la Zona Franca de Barcelona, el evento reunió a cientos de expertos, innovadores y startups de ocho sectores: inteligencia artificial, salud, energía, agroalimentación, aviación y espacio, ciencia, talento y videojuegos.

Este año, la inteligencia artificial contó por primera vez con un programa propio, después de seis ediciones en las que había sido un tema transversal. Las sesiones exploraron cómo la IA está transformando el empleo, los modelos de negocio y los procesos de toma de decisiones, con aportaciones de organizaciones como el Barcelona Supercomputing Center, Oracle e Ibercaja.

La influencia de la IA fue mucho más allá de su programa específico. El programa de Salud mostró la automatización y la robótica quirúrgica en directo. Las sesiones de Energía se centraron en el papel creciente de los datos y la IA en la transición energética. Por todo el recinto, robots humanoides, robots colaborativos y simuladores de movilidad autónoma demostraron la rapidez con la que la IA está pasando de los entornos de investigación a las aplicaciones reales.

Para Mosaic Factor, BNEW ofreció una visión valiosa de la dirección que está tomando la innovación en IA en múltiples sectores. Muchos de los temas tratados —como la IA fiable, la calidad de los datos, la robótica, el análisis predictivo y los gemelos digitales— están directamente relacionados con los retos que abordamos en nuestros propios proyectos.

Tendencias de IA observadas en BNEW 2026

En las sesiones de IA, Salud, Energía e Industria surgieron varios temas comunes:

Adopción creciente de sistemas de apoyo a la toma de decisiones basados en IA.
Mayor demanda de una IA explicable y fiable.
Uso más extendido del análisis predictivo y de los gemelos digitales.
Integración de datos multimodales para ofrecer servicios personalizados.
Gran atención a la gobernanza, la transparencia y la regulación de la IA.

Estas tendencias están estrechamente alineadas con las soluciones que Mosaic Factor desarrolla en los ámbitos sanitario, de la movilidad y de la industria.

Aunque la innovación en IA estuvo presente en todo el evento, la atención sanitaria destacó como uno de los ámbitos en los que se espera que la IA tenga mayor impacto, al tiempo que plantea algunas de las preguntas más importantes sobre fiabilidad, explicabilidad y sesgos.

IA sanitaria, investigación sobre longevidad y medicina de precisión

El 6 de octubre, la sesión de Salud de BNEW «Longevity and Healthy Aging: Strategies for a Longer-Lived Society» reunió a investigadores y profesionales clínicos que trabajan en genética, neurociencia y nutrición integrativa.

Más allá de la longevidad en sí, el debate puso de relieve tendencias más amplias que están configurando el futuro de la IA sanitaria:

La transición hacia la medicina de precisión.
La integración de fuentes de datos multimodales.
La importancia de la diversidad de los datos tanto en la investigación clínica como en los sistemas de aprendizaje automático.

El panel abordó tres avances con implicaciones directas para la IA sanitaria:

Epigenética: el estilo de vida y el entorno influyen en cómo se expresan los genes.
Tratamiento personalizado y multimodal: combinación de intervenciones adaptadas a cada persona.
Representatividad de los datos: necesidad de contar con poblaciones de investigación y conjuntos de datos más diversos.

Cada uno de estos retos está estrechamente relacionado con el trabajo de Mosaic Factor en análisis predictivo y sistemas de apoyo a las decisiones clínicas, donde la fiabilidad de los modelos depende de la calidad, la diversidad y la representatividad de los datos disponibles.

Genética y epigenética: cómo el estilo de vida influye en la expresión génica

Uno de los participantes en el panel utilizó la analogía de un juego de cartas para explicar la relación entre genética y epigenética. Cada persona recibe una mano al nacer y hereda la mitad de sus genes de cada progenitor. Esas cartas no se pueden cambiar, pero sí la manera de jugarlas.

La epigenética describe cómo los factores ambientales y del estilo de vida influyen en que determinados genes se activen o permanezcan silenciados. La actividad física, la alimentación, la calidad del sueño y la gestión del estrés desempeñan un papel importante en los resultados de salud a largo plazo.

En el debate se señaló que una proporción considerable de los casos de demencia está asociada a factores de riesgo modificables. Cada vez hay más investigaciones que muestran que el envejecimiento saludable no puede explicarse únicamente por la genética. Surge, más bien, de la interacción entre las predisposiciones genéticas, las decisiones relacionadas con el estilo de vida y las condiciones ambientales a lo largo de la vida.

En el ámbito de la IA sanitaria, esto refuerza la necesidad de modelos capaces de integrar múltiples fuentes de información, en lugar de depender de una sola variable o conjunto de datos.

Tratamiento personalizado y multimodal para un envejecimiento saludable

El panel subrayó que ninguna intervención por sí sola puede abordar eficazmente el envejecimiento. Las estrategias más prometedoras son multimodales: combinan distintos enfoques terapéuticos y los adaptan a las características de cada persona.

El sexo biológico, la ascendencia, la edad y los antecedentes clínicos influyen en la respuesta de los pacientes a las enfermedades y los tratamientos. Por ello, la investigación sobre longevidad converge cada vez más con los principios de la medicina de precisión, cuyo objetivo es ofrecer la intervención adecuada al paciente adecuado en el momento adecuado.

Este mismo cambio de paradigma está transformando la IA sanitaria. Los sistemas modernos de IA deben integrar cada vez más datos clínicos, genómicos, de imágenes y de comportamiento para respaldar recomendaciones más personalizadas y relevantes.

Sesgos en la IA sanitaria: por qué importa la diversidad de los datos

La conclusión más importante para Mosaic Factor se refería a la composición de los conjuntos de datos que sustentan tanto la investigación clínica como los modelos de IA.

Según los ponentes, buena parte del conocimiento actual sobre el envejecimiento sigue derivándose de estudios con personas de ascendencia europea. Otras poblaciones continúan estando comparativamente infrarrepresentadas, pese a su considerable diversidad genética. Esto tiene consecuencias prácticas: los tratamientos y las intervenciones que funcionan bien en una población pueden no producir los mismos resultados en otra.

El mismo reto se aplica directamente a la IA sanitaria.

Un modelo de aprendizaje automático solo puede aprender de los datos con los que se entrena. Si determinadas poblaciones están infrarrepresentadas, el modelo puede mostrar un buen rendimiento medio y, aun así, ser sistemáticamente menos preciso para algunos grupos. En el ámbito sanitario, esto puede contribuir a resultados clínicos desiguales y a una menor confianza en los sistemas de IA.

A medida que la IA se integra cada vez más en los flujos de trabajo clínicos, garantizar la calidad y la representatividad de los datos deja de ser únicamente un reto técnico y pasa a ser también una exigencia ética y normativa.

Cómo desarrollamos una IA sanitaria fiable en Mosaic Factor

En Mosaic Factor, una IA sanitaria fiable empieza por la calidad de los datos, la explicabilidad y una validación rigurosa. A medida que las organizaciones sanitarias adoptan sistemas de apoyo a la toma de decisiones basados en IA, reducir los sesgos y garantizar la transparencia resulta esencial tanto para la confianza clínica como para el cumplimiento normativo.

Nuestro enfoque se basa en cinco prácticas fundamentales:

Evaluar la representatividad desde el principio. Antes de desarrollar un modelo, analizamos quién está incluido en el conjunto de datos y quién falta, teniendo en cuenta factores como el sexo, la edad, la ascendencia y el perfil clínico.
Validar el rendimiento por subgrupos. La precisión global no basta. Evaluamos cómo funcionan los modelos en distintas poblaciones para identificar posibles desigualdades antes de su implementación.
Explicar cada predicción. Mediante la IA explicable (XAI), los profesionales sanitarios pueden comprender qué factores han contribuido más a una predicción e incorporar esa información a su criterio clínico.
Comunicar la incertidumbre. Buscamos cuantificar y comunicar los niveles de confianza de los resultados de los modelos. Este principio también guía nuestro trabajo fuera del ámbito sanitario, incluidas las aplicaciones de previsión de energía y autonomía desarrolladas en el proyecto Twin-Loop. Los sistemas de IA deberían poder indicar cuándo operan fuera de las condiciones representadas en sus datos de entrenamiento.
Colaborar con socios clínicos y de investigación. Trabajar estrechamente con hospitales, centros de investigación y profesionales clínicos ayuda a garantizar que las soluciones de IA sigan siendo pertinentes, estén validadas y se centren en la experiencia humana.

Medicina de precisión e IA responsable: un reto compartido

BNEW 2026 reforzó un mensaje visible en los programas de IA, Salud e Industria: las organizaciones están pasando de explorar lo que puede hacer la IA a implementar sistemas que deben ser fiables, explicables y capaces de funcionar en entornos reales complejos.

En el ámbito sanitario, esto significa combinar las posibilidades de la medicina de precisión con enfoques rigurosos sobre la calidad de los datos, la transparencia y la mitigación de sesgos. Los mismos fundamentos que respaldan una mejor investigación también favorecen una mejor IA.

El futuro de la IA sanitaria dependerá no solo de algoritmos más potentes, sino también de mejores datos, mayor transparencia y una colaboración más sólida entre profesionales clínicos, investigadores y proveedores tecnológicos.

En Mosaic Factor, estos principios guían el diseño y la implementación de nuestras soluciones de IA sanitaria, desde el análisis predictivo y las herramientas de apoyo a las decisiones hasta las aplicaciones de IA explicable desarrolladas junto con organizaciones sanitarias y de investigación.

Eventos como BNEW nos ayudan a mantenernos al día de las últimas innovaciones en IA, las nuevas regulaciones y los avances científicos que darán forma al futuro de la atención sanitaria basada en datos.

Agradecemos al Consorci de la Zona Franca de Barcelona y a todos los ponentes este evento tan enriquecedor, y esperamos continuar estas conversaciones a medida que se acelera la adopción de la IA en la atención sanitaria y en otros sectores esenciales.

La entrada BNEW 2026: tendencias de la IA sanitaria, medicina de precisión e IA responsable se publicó primero en Mosaic Factor.

Webinar series: Explainable AI para el sector sanitario

mosaic-admin — Wed, 07 Oct 2026 12:00:55 +0000

La inteligencia artificial está apoyando cada vez más a las organizaciones de salud en áreas como el diagnóstico, la imagen médica, el seguimiento de los pacientes, la predicción de riesgos, la optimización del tratamiento y la planificación operativa. A medida que la IA se integra más a fondo en los flujos de trabajo clínicos, los profesionales de la salud se enfrentan a un reto común: asegurarse de que los sistemas de IA no solo sean precisos, sino también comprensibles, fiables y útiles en entornos sanitarios reales.

Grabación

Si no pudiste unirte a esta segunda sesión de nuestra serie de webinars sobre IA explicable para descubrir cómo las organizaciones de salud pueden desarrollar soluciones de IA en las que los clínicos confíen, los responsables de decisiones comprendan y los profesionales de gobierno y regulación puedan evaluar con confianza. Ahora puedes ver la grabación a continuación:

Cerrando la brecha entre los modelos de IA y la confianza clínica

En la segunda sesión de nuestra serie de webinars sobre Inteligencia Artificial Explicable (XAI) –puedes volver a ver la primera sesión, XAI para la toma de decisiones aquí –exploraremos cómo el XAI puede ayudar a reducir la distancia entre el rendimiento técnico de los modelos y la adopción clínica práctica. Esta sesión se centra en cómo diseñar y comunicar explicaciones de IA que ayuden a los profesionales de la salud a entender, validar y hacer un uso adecuado de los conocimientos basados en IA. Estas capacidades también son cada vez más relevantes para la preparación normativa en Europa, ya que el AI Act de la UE establece requisitos relacionados con la transparencia, la interpretación de los resultados y la supervisión humana efectiva para ciertos sistemas de IA sanitaria de alto riesgo. Aunque esta no es una sesión normativa, el webinar explorará brevemente cómo los enfoques prácticos centrados en el médico pueden apoyar estas expectativas.

¿Cómo pueden los profesionales clínicos confiar en una recomendación de IA si no entienden cómo se llegó a ella? La realidad es que la precisión técnica por sí sola rara vez impulsa la adopción en la sanidad. Incluso los modelos con muy buen rendimiento pueden quedar sin usar si los profesionales de la salud no pueden evaluar el razonamiento detrás de las predicciones, entender los factores que contribuyen o saber cuándo cuestionar un resultado.

Por qué es importante la IA explicable en la salud

Las decisiones sobre la salud afectan directamente los resultados de los pacientes. Por eso, los clínicos deben ser capaces de evaluar y entender las recomendaciones que proporcionan los sistemas de IA antes de incorporarlas a sus flujos de trabajo. Una de las barreras más comunes para la adopción de la IA en la salud no es el rendimiento del modelo, sino la falta de confianza. Algunas de las preguntas que los clínicos plantean con más frecuencia son:

¿Por qué se clasificó a este paciente como de alto riesgo?
¿Cuáles factores contribuyeron más a esta predicción?
¿Se puede justificar clínicamente esta recomendación?
¿La explicación se alinea con los conocimientos médicos establecidos?
¿Cuándo se debería cuestionar o revisar el resultado del modelo?

Sin explicaciones significativas, los sistemas de IA pueden percibirse como cajas negras difíciles de validar en entornos clínicos reales. La IA explicable ayuda a abordar estas preocupaciones haciendo que el razonamiento del modelo sea más transparente, permitiendo a los médicos entender mejor las predicciones e integrar los conocimientos de la IA en el proceso de toma de decisiones. Las organizaciones sanitarias cada vez miran más allá de la exactitud del modelo a la hora de evaluar soluciones de IA. Para crear un valor real en entornos clínicos, los sistemas de IA también deben ser:

Suficientemente transparentes para que los profesionales puedan entender los factores detrás de las predicciones y recomendaciones.
Fiables y robustos en diversas poblaciones de pacientes y escenarios clínicos.
En línea con el razonamiento clínico y las prácticas establecidas en salud.
Capaces de dar soporte a la colaboración entre científicos de datos, profesionales de la salud y responsables de la toma de decisiones.
Confiable para los usuarios finales (sanitarios) que, al fin y al cabo, son los responsables del cuidado de los pacientes.

Aunque la falta de confianza a menudo se menciona como una barrera para la adopción de la IA, casi nunca es el único desafío. Una implementación eficaz de la IA también requiere una comunicación clara, interpretabilidad y una comprensión compartida del comportamiento del modelo entre los equipos técnicos y clínicos. La IA explicable proporciona las herramientas y metodologías necesarias para afrontar estos desafíos y transformar la IA de un resultado técnico a una capacidad práctica de apoyo en la toma de decisiones.

📨 Clica aquí para registrarte ahora

Hacer que la explicabilidad sea comprensible para los clínicos

Producir explicaciones es solo el primer paso. Muchas técnicas de XAI generan resultados que tienen sentido para los científicos de datos pero que son difíciles de interpretar para los profesionales de la salud dentro del contexto de la atención al paciente. Para que la IA sea realmente útil en la sanidad, las explicaciones deben traducirse en formas que se alineen con el pensamiento clínico y los procesos de toma de decisiones. Esta sesión explorará cómo podemos traducir las explicaciones de la IA en conocimientos clínicamente relevantes?

Qué necesitan realmente los clínicos de las explicaciones de la IA.
Cómo interpretan los diferentes actores del sector sanitario los resultados de los modelos.
Técnicas para presentar el razonamiento del modelo de manera significativa desde el punto de vista clínico.
Cómo la XAI puede fortalecer la colaboración entre los expertos en salud y los equipos de desarrollo de IA.

El objetivo no es simplemente explicar el modelo, sino asegurarse de que las explicaciones respalden un juicio clínico informado. Muchas organizaciones implementan con éxito técnicas sofisticadas de XAI, pero las visualizaciones, métricas y resultados técnicos que resultan, a menudo están pensados más para científicos de datos que para profesionales de la salud. Los participantes aprenderán cómo pasar de explicaciones técnicas a explicaciones que apoyen el juicio y la toma de decisiones clínicas.

Qué aprenderás

Durante esta sesión, los participantes obtendrán conocimientos prácticos sobre:

Por qué la confianza sigue siendo una de las barreras más grandes para la adopción de la IA en la salud.
El papel de la IA explicable en el apoyo a la toma de decisiones clínicas.
Traducir explicaciones técnicas en conocimientos fáciles de entender para los clínicos, la diferencia entre explicar un modelo y comunicar una explicación de manera efectiva.
Diseñar explicaciones transparentes para diferentes actores del sector sanitario que se integren en los flujos de trabajo clínicos.
Cómo la XAI puede apoyar la transparencia y la supervisión humana en IA sanitaria de alto riesgo según la AI Act (acuerdo de la IA de la UE).
Mejores prácticas para enfoques centrados en las personas en la adopción de la IA en la salud.

El énfasis está totalmente puesto en crear sistemas de IA que los profesionales de la salud puedan entender, evaluar y usar con confianza en su práctica. Al final de esta sesión, los participantes entenderán cómo la IA explicable puede ayudar a crear sistemas de IA en la atención sanitaria que sean:

Transparentes – los clínicos pueden entender los factores que influyen en las predicciones.
Interpretables – las explicaciones se presentan de manera significativa desde el punto de vista clínico.
Fiables – los profesionales de la salud pueden evaluar y usar con confianza los resultados de la IA.
Adoptables – las soluciones de IA se integran de manera natural en los flujos de trabajo clínicos.

El foco estará en hacer que la explicabilidad sea útil, comprensible y aplicable para los profesionales de la salud. Al final de la sesión, nuestra Chief Data Scientist, Burcu Kolbay, responderá preguntas en directo. Invitado especial: se une nuestra Chief Data Scientist, el Dr. Josep Vidal, miembro del grupo de trabajo de proyectos de IA multidisciplinarios y multi-territoriales del Institut Català de la Salut (ICS). El Dr. Vidal compartirá perspectivas prácticas sobre la adopción de la IA en entornos sanitarios, la importancia de la explicabilidad para la toma de decisiones clínicas y los retos de traducir los conocimientos de la IA en información que los profesionales de la salud puedan usar con confianza en su práctica diaria.

A quién se dirige

Esta masterclass está diseñada para profesionales implicados en el desarrollo, la implementación, la evaluación o la adopción de la IA en la salud, incluyendo:

Especialistas en Informática Clínica
Líderes en Salud Digital
Profesionales de Dispositivos Médicos y HealthTech
Médicos e Investigadores Clínicos
Equipos de Innovación Hospitalaria
Prescriptores de Decisiones Sanitarias

No se requiere ninguna formación técnica avanzada. La sesión está pensada para fomentar el diálogo entre las comunidades técnica y clínica.

Detalles del webinar

📅 Miércoles, 7 de Octubre, 2026

⏰ 11:00 h – 12:00 h

Formato: Online (live)
Duración: 60 minutos
Nivel: Básico a intermedio
Idioma: Inglés

La entrada Webinar series: Explainable AI para el sector sanitario se publicó primero en Mosaic Factor.

Mosaic Factor cumple 10 años

mosaic-admin — Sun, 14 Jun 2026 10:04:13 +0000

Hace diez años, la IA era muy diferente. En 2016, la inteligencia artificial ya era poderosa, pero más silenciosa. Vivía principalmente en modelos predictivos, motores de recomendación y algoritmos cuidadosamente diseñados para resolver problemas muy específicos. No era algo de lo que la gente hablara o interactuase todos los días. Ese es el mundo en el que nació Mosaic Factor. Hoy día, la IA está en todas partes. Escribe, crea, conversa e imagina. Términos como IA generativa y grandes modelos de lenguaje han entrado en las conversaciones diarias, remodelando cómo pensamos sobre la tecnología y su papel en nuestras vidas. Al celebrar nuestro décimo aniversario, no solo estamos marcando el tiempo. Estamos reflexionando sobre lo lejos que ha llegado la IA y cómo hemos crecido junto a ella.

Los inicios

Mosaic Factor comenzó con una idea simple pero ambiciosa: convertir la inteligencia artificial avanzada en algo práctico, útil y con impacto real. Fundada en 2016 por Stefano Persi (CEO) y José Fernández (CTO), la empresa surgió de proyectos de innovación. Vieron una oportunidad no solo de construir algoritmos, sino de ayudar a las organizaciones a utilizarlos de verdad. En aquellos primeros días, el enfoque estaba en la «IA tradicional«: modelos predictivos, sistemas de optimización y herramientas de decisión basadas en datos. El desafío no era solo la precisión. Era hacer que estos sistemas fueran confiables, escalables y comprensibles en entornos del mundo real. Desde el principio, Mosaic Factor adoptó un enfoque diferente: no solo construir IA, sino construir IA que sea explicable y confiable.

Una década de cambios en IA

Durante los últimos diez años, el campo de la inteligencia artificial ha pasado por una transformación que pocos podrían haber predicho:

Hemos pasado de datos estructurados y aprendizaje automático clásico a sistemas que pueden generar texto, imágenes, análisis e ideas.
De modelos que respondían preguntas a modelos que mantienen conversaciones.
De herramientas utilizadas alguna vez por especialistas a plataformas utilizadas por millones de personas.
El auge de la inteligencia artificial generativa y los grandes modelos de lenguaje ha traído posibilidades extraordinarias, junto con nuevas preguntas. ¿Cómo confiamos en estos sistemas? ¿Cómo los usamos de manera responsable?

A lo largo de todo esto, Mosaic Factor ha permanecido presente en ambos mundos. Hemos trabajado con la inteligencia artificial tradicional, donde la precisión, la interpretabilidad y la robustez son esenciales. Y hemos abrazado la inteligencia artificial moderna, donde la creatividad, la adaptabilidad y la escala redefinen lo que es posible. Una cosa nunca ha cambiado: nuestro compromiso de construir inteligencia artificial que sea explicable, confiable y basada en un impacto real. Porque a medida que la inteligencia artificial se vuelve más poderosa, la confianza importa más que nunca.

Las personas detrás del viaje

En el corazón de nuestro viaje de 10 años hay algo simple: las personas, nuestro equipo.

El equipo de Mosaic Factor hace que todo sea posible, aportando creatividad, experiencia y pasión a cada proyecto. Aquí están las reflexiones de liderazgo para este hito: CEO, Stefano Persi:

“Cuando iniciamos Mosaic Factor, nuestra misión era clara: hacer que la IA funcione realmente para las personas. Diez años después, me enorgullece que nuestro propósito siga siendo el mismo y que nuestro equipo continúe ampliando los límites de lo que significa la innovación responsable”.

CTO, José Fernandez:

“La tecnología evoluciona rápidamente, pero la confianza debe moverse aún más rápido. Nuestro compromiso con la IA transparente y explicable nos ha guiado desde el primer día, y continuará dando forma a cómo construimos la próxima generación de sistemas inteligentes.”.

Chief Data Scientist, Burcu Kolbay:

“Durante la última década, los datos se han vuelto centrales en la forma en que entendemos los problemas y tomamos decisiones. Ha sido inspirador ver cómo la curiosidad, el pensamiento basado en datos y los avances en inteligencia artificial dan forma a nuestra manera de trabajar todos los días. A medida que estas tecnologías evolucionan, nuestro papel es guiarlas para que la inteligencia sirva a las personas de maneras significativas y confiables, y estoy entusiasmada por lo que viene a continuación.”.

Innovation Project Manager, Montserrat Anglès:

“La innovación no se trata solo de adoptar nuevas tecnologías, sino de entender cómo pueden transformar de manera significativa la forma en que las organizaciones trabajan. En Mosaic Factor, hemos pasado una década convirtiendo ideas de vanguardia en un impacto real, y ese espíritu de experimentación y propósito continúa impulsándonos hacia adelante.”.

Un agradecimiento especial va a nuestros miembros del equipo y a todos los que han contribuido a nuestra historia. Este hito les pertenece a todos. Estamos igualmente agradecidos a nuestros clientes, socios y comunidad que nos han apoyado en cada paso del camino. Vosotros habéis formado quiénes somos y quiénes aspiramos a ser.

Una mirada hacia el futuro

Si la última década nos ha enseñado algo, es que el cambio es constante, pero el propósito importa. La IA continuará evolucionando, volviéndose más rápida, más capaz y más profundamente integrada en la vida cotidiana. El desafío no será solo lo que podemos construir, sino cómo elegimos construirlo. En Mosaic Factor, nuestro objetivo es claro:

Diseñar sistemas de IA en los que las personas puedan confiar, comprender y depender.
Unir la innovación con la responsabilidad.
Crecer hasta convertirnos en una de las principales empresas de IA y Big Data de Europa, mientras nos mantenemos fieles al impacto que queremos crear.

La historia de la IA aún se está escribiendo. Y estamos orgullosos de ser parte de ella.

La entrada Mosaic Factor cumple 10 años se publicó primero en Mosaic Factor.

Webinar series: Explainable AI para decision makers

mosaic-admin — Thu, 28 May 2026 10:42:03 +0000

La inteligencia artificial está transformando rápidamente todas las industrias, desde la automotriz y la sanitaria hasta la manufactura y la energía. Los modelos de IA están cada vez más integrados en procesos críticos de toma de decisiones, influyendo en la eficiencia operativa, el rendimiento del producto y la dirección estratégica. A medida que los sistemas de IA se vuelven más poderosos y complejos, surge una pregunta fundamental: ¿Cómo podemos confiar en los modelos de IA lo suficiente como para depender de ellos en decisiones reales de negocios e ingeniería? Para lanzar nuestra nueva serie de webinars sobre Inteligencia Artificial Explicable (XAI), nos complace presentar una online masterclass multi-sectorial que sienta las bases para convertir los modelos de IA en herramientas comprensibles, confiables y transparentes, tanto para los equipos técnicos como para los tomadores de decisiones.

Grabación

Si no pudiste unirte a esta primera sesión de nuestra serie de webinars sobre IA explicable para asegurarse de que sus soluciones de IA no solo sean poderosas, sino también comprensibles, confiables y transparentes para quienes las utilizan para tomar decisiones. Ahora puedes ver la grabación a continuación:

Por qué la Explainable AI es importante en todos los sectores?

Los modelos de IA de alto rendimiento ya no son suficientes por sí solos. En distintos sectores, las organizaciones enfrentan desafíos similares:

Modelos complejos que generan predicciones pero no comprensión.
Dificultad para explicar los resultados a personas no técnicas.
Visibilidad limitada del comportamiento, supuestos y limitaciones del modelo.
Baja confianza en los resultados de la IA cuando las decisiones implican riesgos operativos o estratégicos.

La IA explicable proporciona las herramientas y marcos para salvar estas brechas. Cuando se aplica correctamente, la XAI ayuda a las organizaciones a:

Comprender por qué un modelo se comporta de la manera en que lo hace.
Mejorar la robustez del modelo durante el desarrollo y la iteración.
Detectar problemas ocultos, sesgos o dependencias de datos de forma temprana.
Comunicar con claridad los conocimientos de la IA a propietarios de productos, gerentes y ejecutivos.
Construir confianza compartida entre los equipos de datos y los responsables de la toma de decisiones.

Por lo tanto, la explicabilidad no es solo una característica técnica, sino un habilitador crítico de la adopción confiable de la IA a gran escala.

El primero, de una serie de webinars

Esta sesión inaugura una serie de webinars más amplia sobre Inteligencia Artificial Explicable. Mientras que las ediciones futuras explorarán aplicaciones específicas por industria, esta primera clase magistral adopta una perspectiva transversal a diversas industrias, centrándose en los responsables de la toma de decisiones y en los principios comunes que se aplican independientemente del sector. El objetivo es establecer un lenguaje y una mentalidad compartidos en torno a la IAX que alineen el desarrollo técnico con la toma de decisiones empresariales.

Qué aprenderás

Al final de esta sesión, los participantes comprenderán cómo ir más allá de la precisión por sí sola y diseñar sistemas de IA que sean:

Transparentes: su comportamiento puede ser entendido e inspeccionado.
Explicables: las predicciones pueden justificarse en términos comprensibles para los humanos y rastrearse de manera que los modelos puedan rendir cuentas.
Confiables: los resultados pueden usarse con confianza en decisiones del mundo real.

Durante la sesión, cubriremos:

Por qué la IA Explicable es importante para los tomadores de decisiones
Fundamentos de la IA Explicable, sin la carga técnica
Dónde la IA Explicable crea valor empresarial
Explicabilidad a través de diferentes enfoques de IA
Operacionalización de XAI en la organización
Comunicación de decisiones de IA con confianza
Recorrido basado en casos: Flujo de trabajo XAI de Mosaic Factor

El enfoque se mantiene firmemente en la toma de decisiones práctica y la fiabilidad del modelo, no en teoría abstracta. Al final de la sesión, nuestra Chief Data Scientist, Burcu Kolbay, responderá a preguntas en directo.

A quién se dirige

Este webinar está diseñado para profesionales que trabajan (o están dispuestos a trabajar) con IA en diferentes industrias, incluyendo:

Tomadores de decisiones que dependen de los resultados de la IA (nivel C)
Product Owners y gerentes técnicos
Líderes en innovación y transformación digital

No se requiere experiencia legal o en cumplimiento. La sesión prioriza perspectivas aplicadas, centradas en el desarrollo y orientadas a la comunicación.

Detalles del evento

📅 Martes, 26 de Mayo, 2026

⏰ 11:00 h – 12:00 h

Formato: Online (live)
Duración: 60 minutos
Nivel: Basic a Intermediate
Idioma: English

La entrada Webinar series: Explainable AI para decision makers se publicó primero en Mosaic Factor.

Mosaic Factor se une al BSC AI Factory

mosaic-admin — Thu, 09 Apr 2026 09:08:29 +0000

Recientemente presentamos Mosaic Factor en un evento organizado por el Centro de Supercomputación de Barcelona AI Factory en el Pier 07 – Tech Barcelona, donde compartimos espacio con un grupo de startups, innovadores y miembros del ecosistema Tech Barcelona.

Este momento representa mucho más que una simple presentación. Refleja nuestro siguiente paso como empresa. Nos hemos unido al programa de incubación AI Factory con un objetivo claro: expandir nuestro trabajo al sector sanitario.

Durante los próximos seis meses, contribuiremos dentro de AI Factory, donde tendremos acceso a oficinas, recursos técnicos y una sólida red de contactos dentro del ecosistema Tech Barcelona. Una de las razones clave para unirnos es la oportunidad de interactuar con el sector sanitario y comprender mejor los retos reales de este ámbito.

Nuestro pitch en el BSC AI Factory incubator

El evento nos brindó la oportunidad de compartir lo que estamos desarrollando, intercambiar ideas con otros equipos e interactuar con la comunidad local de IA. Nuestro equipo estuvo representado por Stefano Persi (CEO), José Fernández (CTO), Andrea Santiago (Financial Controller) y Joan Sampablo, nuestro Director de Ventas.

En nuestra presentación, nos centramos en una idea fundamental que impulsa nuestro trabajo en Mosaic Factor. La IA no solo debe funcionar bien en entornos controlados, sino que también debe ser fiable en condiciones reales donde las limitaciones son inevitables.

El problema que resolvemos

En sectores como el automotriz y el manufacturero, los fallos de la IA pueden tener graves consecuencias:

riesgos para la seguridad,
pérdidas financieras,
y problemas de privacidad.

Estos riesgos cotidianos son igualmente relevantes en el sector sanitario. Al centrarnos en la fiabilidad y las soluciones prácticas, nuestro enfoque está diseñado para ayudar a las organizaciones a afrontar estos desafíos y ofrecer soluciones de IA fiables.

Del cloud a los entornos reales

Una parte importante de nuestro trabajo se centra en reducir la brecha entre la IA en la nube y la IA en entornos de producción.

En muchos casos, los modelos de IA se desarrollan en potentes entornos de nube, pero necesitan ejecutarse en lugares con recursos limitados, como vehículos, sistemas embebidos o microchips. En estos entornos, la capacidad de procesamiento y el consumo de energía son limitados, pero el rendimiento debe mantenerse alto.

Nos centramos en optimizar los sistemas de IA para que operen de forma eficiente en estas condiciones sin perder fiabilidad.

Cómo trabajamos

En Mosaic Factor, creamos soluciones de IA para resolver problemas específicos de nuestros clientes y mejoramos los sistemas de IA existentes para garantizar su fiabilidad. Este enfoque dual nos permite adentrarnos rápidamente en nuevos sectores como el sanitario, donde comprender el reto y mantener un rendimiento fiable son igualmente cruciales.

Mirando hacia el futuro

Unirnos al programa AI Factory es un paso importante en nuestra incursión en el sector sanitario.

A través de este programa, buscamos conectar con socios, explorar casos de uso reales y comprender mejor los retos específicos del sector. Nuestro objetivo es aplicar lo aprendido en otros sectores para desarrollar soluciones de IA prácticas, fiables y preparadas para entornos sanitarios reales.

Nuestra presentación en el evento fue nuestro primer paso en esa dirección.

La entrada Mosaic Factor se une al BSC AI Factory se publicó primero en Mosaic Factor.

Masterclass Explainable AI para automotive: from black boxes to trust

mosaic-admin — Sat, 14 Mar 2026 11:06:13 +0000

La inteligencia artificial está transformando rápidamente la industria del automóvil, desde los sistemas ADAS y la conducción autónoma hasta el mantenimiento predictivo, el control de calidad y la personalización dentro del vehículo. A medida que los sistemas de IA influyen cada vez más en decisiones críticas para la seguridad y reguladas, surge una pregunta fundamental: ¿cómo podemos confiar lo suficiente en los modelos de IA para desplegarlos de manera responsable a gran escala? Para afrontar este reto, estamos encantados de presentar próximamente un webinar de Inteligencia Artificial Explicable (XAI), diseñado específicamente para profesionales del automóvil que necesitan crear modelos de IA responsables, transparentes y confiables. Esta sesión explora los principios, técnicas y prácticas del mundo real necesarios para pasar de modelos opacos de ‘caja negra’ a sistemas de IA en los que ingenieros, reguladores y clientes puedan confiar con seguridad.

Por qué la Explainable AI es importante en el sector Automotive

Los sistemas de IA en la automoción deben cumplir estándares extremadamente altos de seguridad, regulación y responsabilidad. La IA explicable es esencial para permitir:

Cumplimiento normativo (incluyendo las nuevas regulaciones de IA y los estándares de seguridad automotriz).
Trazabilidad de las decisiones en sistemas críticos para la seguridad.
Depuración y validación de modelos de machine learning complejos.
Detectar y solucionar sesgos tanto en los datos como en las predicciones.
Confianza y aceptación por parte de reguladores, partners y usuarios finales.

Sin explicabilidad, incluso los modelos con alto rendimiento pueden ser difíciles o imposibles de certificar, validar o desplegar de manera responsable.

Webinar

Aunque la sesión se realiza en línea, su enfoque práctico, interactivo y profundo va más allá de un webinar tradicional. Los participantes no solo aprenderán qué es la Inteligencia Artificial Explicable, sino también cómo aplicarla directamente en casos reales del sector de la automoción y en procesos de desarrollo. Por eso definimos el evento como una masterclass en línea, que combina profundidad e interactividad con la accesibilidad y comodidad de un formato tipo webinar.

📨 Clica aquí para registrarte ahora.

Qué aprenderás

Al final de esta sesión, los participantes entenderán cómo ir más allá de la precisión y diseñar sistemas de IA que sean:

Transparentes: su comportamiento se puede entender e inspeccionar.
Responsables: las decisiones se pueden justificar y rastrear.
Confiables: seguros para desplegar en entornos automovilísticos reales.

Las personas participantes obtendrán conocimientos prácticos y aplicables sobre:

Los fundamentos de la Inteligencia Artificial Explicable (XAI) y la interpretabilidad de los modelos.
La diferencia entre modelos intrínsecamente transparentes y explicabilidad posterior.
Técnicas clave de XAI para aplicaciones en la automoción (por ejemplo: atribución de características y explicaciones locales vs. globales).
Cómo diseñar sistemas de IA que sean responsables por diseño.
Integrar la explicabilidad en los flujos de desarrollo, pruebas y validación.
Apoyar auditorías, documentación y revisiones regulatorias con XAI.
Ejemplos reales del sector de la automoción y lecciones aprendidas.

El enfoque está claramente en la toma de decisiones práctica, no en la teoría abstracta. Nuestra Chief Data Scientist, Burcu Kolbay, responderá preguntas al final.

A quién se dirige

Esta masterclass está diseñada para profesionales que trabajan con IA dentro del ecosistema automotriz, incluyendo:

Ingenieros de IA y Aprendizaje Automático
Científicos de Datos
Ingenieros de ADAS y Conducción Autónoma
Gestores de Seguridad Funcional y Compliance
Líderes de I+D e Innovación
Product Owners y Gestores Técnicos

No es necesario tener conocimientos legales. Las perspectivas aplicadas y centradas en la ingeniería son el enfoque principal.

Detalles del webinar

Formato: Online (live)
Duración: 60 minutos
Nivel: Intermedio a Avanzado
Idioma: Inglés

Registro

Únete a esta masterclass para asegurarte que les vuestras soluciones de IA sean potentes, pero también comprensibles, responsables y confiables.

📨 Clica aquí para registrarte ahora y ayudar a dar forma al futuro de la IA automotriz de confianza.

La entrada Masterclass Explainable AI para automotive: from black boxes to trust se publicó primero en Mosaic Factor.

Mobile World Congress 2026: Entrando en la era IQ

mosaic-admin — Fri, 06 Mar 2026 10:43:54 +0000

Barcelona se convirtió una vez más en el centro del ecosistema global de la tecnología móvil con el regreso del Mobile World Congress (MWC) en su edición 2026, reuniendo a más de 2900 expositores y más de 1200 ponentes. El tema oficial de este año, «La era IQ«, se centró en la infraestructura inteligente, la conectividad impulsada por IA, la integración de la IA empresarial y la innovación inclusiva, lo que marca un cambio importante en la evolución de las redes de telecomunicaciones, convirtiéndose en la columna vertebral del ecosistema global de IA.

En representación de Mosaic Factor, Joan Sampablo, director de ventas, asistió al evento para explorar los últimos avances que configuran el futuro de la conectividad, la inteligencia artificial y la infraestructura digital.

Las telecomunicaciones como columna vertebral de la IA

El MWC 2026 destacó cómo la industria de las telecomunicaciones está yendo más allá de la conectividad para convertirse en un elemento clave de la próxima generación de servicios impulsados por IA. Los líderes de la GSMA describieron tres pilares clave que se espera impulsen la siguiente fase del crecimiento digital:

La finalización de los despliegues de redes 5G independientes.
Un acceso más amplio a tecnologías de IA abiertas e inclusivas.
Marcos globales de seguridad y confianza digital más sólidos.

Estas prioridades reflejan una transición más amplia hacia redes que no solo sean más rápidas, sino también capaces de soportar inteligencia distribuida y servicios basados en IA.

El auge de la inteligencia en el dispositivo

Un tema central del evento fue el auge de la IA en todas partes, en particular la transición hacia la inteligencia en el dispositivo y nativa de la red. Los fabricantes de chips y dispositivos presentaron nuevas y potentes arquitecturas de sistema en chip diseñadas para la inferencia local de IA, que permiten capacidades como:

Traducción en tiempo real
Resumen en el dispositivo
Procesamiento avanzado de fotos
Asistentes de IA capaces de realizar tareas complejas sin depender de la nube.

Para desarrolladores y empresas, este cambio señala un nuevo estándar de diseño donde las aplicaciones se crean teniendo en cuenta el procesamiento local de IA y la interacción multimodal, combinando interfaces de cámara, voz y texto para ofrecer experiencias más completas.

Futuro de los sistemas autónomos

Otro tema destacado fue la aparición de los sistemas de IA con agentes, donde los agentes autónomos de IA pueden coordinar tareas en redes, infraestructuras y entornos físicos. Los proveedores de telecomunicaciones y las startups demostraron cómo estos sistemas podrían aplicarse a la orquestación de redes, la automatización de operaciones y la mejora de la ciberseguridad.

Próxima generación de sistemas conectados

Uno de los conceptos más debatidos en el congreso de este año fue la «computación cinética» y los «tokens cinéticos». Estos representan unidades de computación ultrarrápidas diseñadas para sincronizar acciones reales en robótica, drones, vehículos autónomos y otros sistemas distribuidos. Los operadores de telecomunicaciones argumentan que sus redes están en una posición única para ofrecer la coordinación en milisegundos necesaria para impulsar estas tecnologías emergentes.

Seguridad, confianza digital e inclusión global

La seguridad y la inclusión digital global también ocuparon un lugar destacado en la agenda de la conferencia. Ante el continuo aumento de los costes de la ciberdelincuencia en todo el mundo, los líderes del sector destacaron la importancia de:

IA que preserve la privacidad
Marcos de identidad digital más sólidos
Modelos de IA capaces de soportar más idiomas globales
Estándares de infraestructura transfronterizos

Estas prioridades reflejan el creciente reconocimiento de que la innovación tecnológica debe ir acompañada de una gobernanza sólida y un acceso digital inclusivo.

Mosaic Factor en el MWC 2026

Según Joan, asistir al MWC proporciona información valiosa sobre la rápida evolución del panorama de las telecomunicaciones y la tecnología. El evento destacó la creciente importancia de la infraestructura basada en IA y la computación en el borde, así como el papel cada vez más importante que desempeñarán las redes de telecomunicaciones para habilitar aplicaciones inteligentes y sistemas conectados.

Para Mosaic Factor, asistir al congreso ofrece la oportunidad de mantenerse al día con las tendencias e innovaciones emergentes de la industria que darán forma a la próxima generación de soluciones digitales.

A medida que la industria se adentra en la llamada Era IQ, se espera que la convergencia de la IA, la conectividad avanzada y la computación distribuida redefina la forma en que interactúan los dispositivos, las redes y las empresas, creando nuevas oportunidades de innovación en todos los sectores a nivel mundial.

La entrada Mobile World Congress 2026: Entrando en la era IQ se publicó primero en Mosaic Factor.

TwinOps y Gemelos Digitales MyEV: Impulsando los vehículos eléctricos SDV en la Conferencia RTR

mosaic-admin — Thu, 19 Feb 2026 10:09:24 +0000

En la Conferenci RTR de este año, Stefano Persi, CEO de Mosaic Factor, presentó las últimas novedades de Mosaic Factor en vehículos eléctricos (VE) definidos por software a través del proyecto Twin-Loop. Su sesión se centró en el papel transformador de los gemelos digitales y la metodología TwinOps para optimizar el consumo energético, la seguridad y el rendimiento general de los VE a lo largo de su ciclo de vida.

Impulsando la eficiencia y la innovación con gemelos digitales

Persi destacó el Gemelo Digital MyEV, una arquitectura de dos capas con una versión externa completa para simulación y una versión integrada en el vehículo, totalmente conectada e interoperable con aplicaciones de IA para permitir actualizaciones y optimización continuas.

Este diseño permite actualizaciones continuas e interoperabilidad con aplicaciones de IA avanzadas, lo que garantiza que la función de los VE definidos por software pueda optimizarse en términos de energía, eficiencia, seguridad y experiencia del conductor a lo largo de su ciclo de vida.

Metodología TwinOps: optimización continua

El concepto TwinOps es la base de Twin-Loop y combina:

Principios de ingeniería basada en modelos (MBE)
Prácticas DevOps
Integración continua de gemelos digitales

Esta metodología permite que los gemelos digitales se mantengan sincronizados con la evolución de los diseños de vehículos, lo que facilita un diseño, una validación y una toma de decisiones operativas eficientes. TwinOps también aprovecha los datos de vehículos y flotas para mejorar la optimización energética, la seguridad y la integridad del sistema sin interferir con las funciones principales de los vehículos eléctricos.

Energía, seguridad y sostenibilidad

La eficiencia energética fue un tema clave de la presentación. Persi explicó cómo los algoritmos optimizados en el vehículo y la transmisión de datos comprimidos pueden reducir el consumo de energía manteniendo un alto rendimiento. También destacó cómo TwinOps integra el modelado ambiental, lo que facilita la reducción de emisiones durante el ciclo de vida y la transición hacia vehículos definidos por software (SDV). La seguridad y la ciberseguridad siguen siendo fundamentales en este marco: los gemelos digitales y las aplicaciones están diseñados para operar detrás de los sistemas centrales, con herramientas como CyberCar, OFSCE, ModVV y ZTBCar que brindan protección contra ataques a vehículos individuales, intrusiones a nivel de flota e infracciones en los sistemas del vehículo.

Fomento de la colaboración y la competitividad europea

El consorcio Twin-Loop reúne a 12 socios de 8 países, que abarcan el mundo académico, fabricantes de automóviles, proveedores de tecnología y consultoras. El consejo asesor incluye a ZF Friedrichshafen AG, Volvo Group, Zunder y Traton, y el proyecto cuenta con un presupuesto de 5 millones de euros.

Mediante el desarrollo de un marco abierto para gemelos digitales MyEV y un conjunto de aplicaciones conectadas, Twin-Loop busca acelerar la innovación, reducir el tiempo de desarrollo y fortalecer la competitividad europea de la automoción. El marco proporciona módulos reutilizables, directrices de desarrollo y servicios compartidos, simplificando el desarrollo de sistemas digitales complejos.

Mirando hacia el futuro

La presentación destacó cómo TwinOps y los Gemelos Digitales MyEV están marcando el comienzo de una nueva era de vehículos eléctricos más inteligentes, seguros y sostenibles. Al aprovechar la mejora continua y el análisis de la flota, estas herramientas optimizan la eficiencia energética, la experiencia del conductor y la resiliencia general del sistema. A través de Twin-Loop, el proyecto contribuye a definir el futuro de los vehículos definidos por software e impulsa a la industria automotriz europea hacia la próxima generación de movilidad.

La entrada TwinOps y Gemelos Digitales MyEV: Impulsando los vehículos eléctricos SDV en la Conferencia RTR se publicó primero en Mosaic Factor.

Impulsando una IA fiable en la movilidad autónoma: reunión ECAVA

mosaic-admin — Wed, 18 Feb 2026 13:24:22 +0000

Los días 5 y 6 de febrero, la Alianza Europea de Vehículos Autónomos y Conectados (ECAVA) reunió en Bruselas a cerca de 100 representantes de fabricantes de equipos originales (OEM), proveedores, empresas tecnológicas e instituciones públicas europeas (incluyendo Mosaic Factor). El objetivo era claro: fortalecer la cooperación y acelerar la posición de Europa en la movilidad conectada y autónoma.

La reunión marcó un hito inicial importante para la estructura de trabajo de ECAVA. La jornada comenzó con un amplio análisis de las iniciativas europeas actuales en conducción autónoma, destacando tanto la intensidad de la actividad ya en marcha como la necesidad de una mejor alineación. Ante la intensificación de la competencia global y la reiterada referencia a la «velocidad de China» durante los debates, los participantes destacaron el rápido avance de China en el ámbito tecnológico y de la conducción autónoma. El consenso fue que Europa debe reforzar la coordinación y acelerar la ejecución para construir su propia IA europea competitiva y de alto rendimiento, capaz de igualar ese impulso.

De la estrategia a las bases del software

Una parte clave del diálogo se centró en el desarrollo de un conjunto de software para la conducción autónoma europea. En lugar de duplicar esfuerzos, los participantes exploraron cómo unas bases compartidas y una gobernanza más clara podrían impulsar la innovación escalable, reforzando al mismo tiempo la soberanía tecnológica de Europa.

Dos áreas prioritarias marcaron los intercambios:

Gobernanza técnica y coordinación entre iniciativas.
Colaboración estructurada en un software stack de conducción autónoma europea.

Los debates paralelos sobre la implementación de la conducción autónoma, la IA y la puesta en común de datos aportaron profundidad práctica a la conversación. Los temas abarcaron desde las vías de implementación y las pruebas transfronterizas hasta cómo el intercambio de datos y las capacidades informáticas pueden respaldar sistemas de IA competitivos y fiables.

Impulso en todo el ecosistema

La alta participación indicó una creciente alineación en toda la cadena de valor de la automoción. Los líderes del sector compartieron perspectivas sobre los modelos de implementación y la implementación en el mundo real, lo que generó un debate profundo y reforzó la necesidad de ir más allá del debate hacia un progreso tangible.

Para mantener la continuidad y evitar la fragmentación, se formará un equipo central dedicado bajo el liderazgo de los copresidentes que pronto serán elegidos. Se esperan más detalles estructurales en la próxima reunión del Comité Directivo en marzo, lo que refleja la ambición de ECAVA de mantener una estructura ágil, centrada y orientada a resultados. Stefano, director ejecutivo de Mosaic Factor, asistió a las sesiones como parte del diálogo más amplio del sector, contribuyendo al esfuerzo colectivo que define la hoja de ruta de la conducción autónoma en Europa.

La conclusión de Bruselas fue simple y práctica: Europa cuenta con la experiencia y la capacidad industrial necesarias. El siguiente paso es una ejecución disciplinada y coordinada.

Leer más sobre nuestra solución trustworthy AI.

La entrada Impulsando una IA fiable en la movilidad autónoma: reunión ECAVA se publicó primero en Mosaic Factor.