Viernes, 20 Noviembre 2026
giweather joomla module

El entrenador adelantó que no habrá grandes cambios en el equipo titular para enfrentar a Suiza.

El entrenador de la Selección argentina, Lionel Scaloni, anticipó que no tiene pensado hacer grandes modificaciones en el equipo titular que enfrentará a Suiza en los cuartos de final del Mundial 2026, al comentar que jugaría “muy parecido” al encuentro pasado, aunque “también podría haber algún cambio”.

Según supo la Agencia Noticias Argentinas, el director técnico agregó que “los cambios hechos fueron porque el equipo siempre puede mejorar”, para también valorar el ingresó del mediocampista Leandro Paredes y el regreso del volante Alexis Mac Allister al costado izquierdo del mediocampo.

El equipo argentino se medirá con Suiza este sábado 11 de julio a las 22:00 (horario argentino), en el estadio Arrowhead de Kansas City, en Estados Unidos, en búsqueda de clasificar a su segunda semifinal mundialista consecutiva, tras el título en Qatar 2022.

En la previa a otro duelo eliminatorio fundamental de la Selección argentina en el Mundial 2026, el entrenador comentó qué buscará con el equipo titular ante Suiza, aunque sin dar muchos detalles.

“Repetir equipo no sería descabellado”, comenzó a desgranar el entrenador, ya que es algo que hizo “algunas veces”, además de asegurar que su equipo tendría un once titular “muy parecido” al del duelo con Egipto, ya que considera que el equipo “hizo muy buenas noches” aquel mediodía, “más allá de la locura del partido”.

Además, el DT de 48 años anticipó que entre los centrodelanteros Lautaro Martínez y Julián Álvarez “mañana juega uno”, aunque también destacó que le “dieron un montón” cuando compartieron la cancha ante Egipto, por lo que les tiene una valoración “positiva”, agradeciéndoles “porque trabajan a destajo” cuando la Selección no tiene la pelota.

En cuanto a la posibilidad de contar con los 26 convocados en plena forma y preparados para jugar, el entrenador detalló que la situación física “pintaba más negra de lo que está ahora” al principio de la concentración, ya que sabían que no iban a poder contar con jugadores fundamentales como Paredes y el lateral Nicolás Tagliafico desde el principio, por lo que tuvieron que hacer “retoques” en base a eso, por lo que le alegra poder haber sacado el problema adelante y seguir compitiendo.

Acerca del futuro rival, el pujatense remarcó que “no hay rival fácil”, opinando también que Suiza es “un muy buen equipo”, que compite contra las mejores selecciones y “siempre sale adelante”, para luego destacar su tradición en los mundiales, jugadores de experiencia y fortaleza física, que le permitió eliminar a una Selección colombiana que “venía haciendo un trabajo enorme”.

Sobre sus dirigidos, Scaloni repitió que cree que el equipo está “bien” y destacó los momentos positivos en los encuentros ante Cabo Verde y Egipto, realizando una comparación con las semifinales de Qatar 2022: “con Croacia ganamos 3-0 y creo que nos habían manejado la pelota mucho más que Egipto, por ejemplo”.

Además, el entrenador valoró que a sus dirigidos no les pesa la “responsabilidad” de jugar este tipo de partidos y puso el foco en el astro Lionel Messi, sobre quien comentó que “corre casi siempre parecido en los partidos”, para reconocer que está “muchísimo más resolutivo”, destacando su increíble condición física a los 39 años y sentenciando: “creo que mientras él quiera va a ser el mejor, hasta los 50 años”.

Por último, el director técnico campeón del mundo y bicampeón de América afirmó que ni siquiera considera decirle al “10” que deje de patear los penales y valoró su inteligencia y creatividad para jugar los últimos minutos del partido pasado como delantero por derecha, reconociendo que su equipo se mueve “en función de lo que hace él”.


Fuente:  NA

En el marco del 105° aniversario de Las Breñas, el gobernador Leandro Zdero encabezó hoy la inauguración de nuevas cuadras de pavimento urbano, una obra realizada en conjunto de Vialidad Provincial en conjunto con el municipio, destinada a mejorar la conectividad y la calidad de vida de los vecinos, especialmente de la comunidad educativa del sector.

Durante el acto, el mandatario destacó que el pavimento representa “un avance para el perfil urbano de la ciudad y reafirmó el compromiso del Gobierno provincial de transformar al Chaco mediante el fortalecimiento de la producción, el trabajo y la infraestructura”. Asimismo, subrayó la importancia de obras estratégicas “como la Ruta Provincial Nº 6 para integrar a la provincia al desarrollo regional”.

Por su parte, el administrador de Vialidad Provincial señaló que “las cuadras habilitadas, junto con las tareas complementarias de desagües y conexión vial, forman parte de un plan de obras que se ejecuta en distintos puntos de la provincia, con especial atención a las necesidades del sector productivo”.

Finalmente, el intendente Omar Machuca agradeció la presencia del Gobernador y valoró el acompañamiento del Gobierno provincial en la concreción de obras largamente esperadas por la comunidad. Además, resaltó el avance de la pavimentación urbana y la reactivación de la Ruta Provincial Nº 6, a la que definió como una vía clave para el desarrollo del sudoeste chaqueño y el fortalecimiento de la producción regional.

La jornada concluyó con un saludo a los vecinos por el nuevo aniversario de la ciudad y con el compromiso de continuar trabajando de manera conjunta entre Provincia y Municipio para impulsar el crecimiento de Las Breñas.


Fuente: chacodiapordia.com

La selección conducida por Luis de la Fuente asumió el protagonismo desde el comienzo, con una mayor posesión de la pelota y ataques principalmente por el sector derecho.

Este viernes por la tarde, España derrotó 2-1 a Bélgica en el estadio de Los Ángeles y avanzó a las semifinales del Mundial 2026, instancia en la que enfrentará a Francia por un lugar en la definición. 

Cuando el partido parecía dirigirse al tiempo suplementario, Mikel Merino volvió a convertirse en el héroe español. El mediocampista ingresó a los 41 minutos del complemento y, apenas dos minutos después, aprovechó un rebote del arquero Senne Lammens para marcar el gol de la clasificación.

La selección conducida por Luis de la Fuente asumió el protagonismo desde el comienzo, con una mayor posesión de la pelota y ataques principalmente por el sector derecho, donde Lamine Yamal volvió a ser uno de sus futbolistas más desequilibrantes.

Bélgica, por su parte, optó por defender con un bloque compacto y buscar espacios mediante las transiciones lideradas por Kevin De Bruyne y Jérémy Doku.

De esta manera, España volvió a resolver un partido sobre el cierre y consiguió su boleto a las semifinales. Su próximo rival será Francia, que eliminó a Marruecos y ya esperaba entre los cuatro mejores, el próximo martes 14 de julio, desde las 16, en el estadio de Dallas.



Fuente: datachaco.com

El consumo masivo de tokens, la infraestructura digital y la energía necesaria para operar los nuevos agentes están disparando los gastos de las empresas. Las experiencias de Uber, Microsoft y NVIDIA.

La irrupción de la inteligencia artificial generativa en las empresas estuvo acompañada por una promesa tan seductora como contundente: lograr una fuerte reducción de costos operativos mediante la automatización de tareas y aceleración de procesos que hasta ahora venían realizando humanos.

Durante los últimos dos años, grandes compañías de prácticamente todos los sectores anunciaron inversiones millonarias con la expectativa de reemplazar parte del trabajo humano por sistemas capaces de escribir código, elaborar informes, responder consultas o analizar grandes volúmenes de información en cuestión de segundos.

 Sin embargo, a medida que los proyectos pasan de las pruebas piloto al uso cotidiano, comienza a aparecer una realidad inesperada. En numerosos casos, el costo operativo de utilizar IA a gran escala resulta mucho mayor de lo previsto y obliga a las empresas a revisar sus presupuestos, limitar el acceso de los empleados e incluso preguntarse si el retorno de la inversión justifica semejante desembolso.

Este fenómeno refleja una paradoja. No implica que la adopción de IA esté fracasando, pero en muchas organizaciones la adopción fue tan exitosa que su expansión interna terminó convirtiéndose en un problema financiero.

Ocurre que cuanto más utilizan los empleados estas herramientas, mayor es el consumo de tokens, la unidad con la que proveedores como OpenAI, Anthropic o Google cobran el procesamiento de cada consulta.

A diferencia del software tradicional, cuyo costo suele calcularse por usuario o por licencia, los modelos de lenguaje se facturan por volumen de procesamiento. Cada palabra que ingresa al sistema y cada palabra que devuelve el modelo representa consumo de tokens.

Cuando ese uso se multiplica por miles de empleados trabajando durante toda la jornada, la factura puede dispararse hasta niveles que los gerentes financieros no habían previsto.
Historias con nombre y apellido

Uno de los ejemplos más ilustrativos de este fenómeno proviene de Uber. La compañía desplegó Claude Code, el asistente para programación desarrollado por Anthropic, entre unos 5.000 ingenieros.

El resultado fue óptimo desde el punto de vista de la adopción: cerca del 95% de los desarrolladores comenzó a utilizar herramientas de IA de manera habitual y aproximadamente el 70% del código que ingresaba a los repositorios ya contaba con participación de inteligencia artificial.

Sin embargo, ese éxito tuvo un costo inesperado. El presupuesto anual destinado a herramientas de IA se agotó apenas transcurridos cuatro meses del año porque el consumo de tokens creció muy por encima de las proyecciones iniciales.

El propio presidente y director de operaciones de Uber, Andrew Macdonald, reconoció públicamente que la empresa enfrenta una dificultad que comienza a repetirse en toda la industria: resulta complejo demostrar que semejante incremento en el gasto se traduzca en una mejora equivalente para el negocio.

Según explicó, la compañía todavía no logra establecer una relación clara entre el aumento del consumo de IA y la aparición de nuevas funciones o mejoras visibles para los usuarios finales.

En otras palabras, la productividad interna parece aumentar, pero al cuantificar económicamente ese beneficio resulta siendo insuficiente para compensar la inversión.
Una nueva lógica en la economía del software

El caso de Uber dejó al descubierto un cambio profundo en la economía del software empresarial. Durante décadas, las compañías estuvieron acostumbradas a pagar licencias relativamente previsibles por cada empleado.

La IA generativa modificó completamente esa lógica. El costo ya no depende solamente de cuántas personas utilizan la herramienta sino, sobre todo, de cuánto la utilizan y del tipo de tareas que realizan.

Un asistente que redacta un correo electrónico consume relativamente pocos recursos. En cambio, un agente capaz de analizar miles de líneas de código, ejecutar pruebas automáticas o revisar documentación técnica puede consumir decenas o cientos de veces más tokens en apenas unos minutos.

Este fenómeno comenzó a recibir incluso un nombre dentro de la industria tecnológica: "tokenmaxxing", una expresión que describe el uso intensivo de modelos de IA con la idea de obtener la máxima productividad posible.

El problema es que cada incremento en el consumo de tokens implica un aumento directo del gasto operativo. Mientras que el precio por token viene disminuyendo con el paso de los meses gracias a la competencia entre proveedores, el volumen total consumido crece todavía más rápido debido a la aparición de agentes cada vez más sofisticados, capaces de ejecutar múltiples tareas en forma autónoma.
Del entusiasmo a la prudencia más estrica

Otra gran tecnológica que debió revisar su estrategia fue Microsoft. Diversos medios especializados informaron que la empresa comenzó a retirar licencias internas de Claude Code y a migrar parte de sus desarrolladores hacia herramientas propias como GitHub Copilot CLI.

Esa decisión está vinculada principalmente al control del gasto derivado del uso intensivo de modelos externos.

El episodio refleja una tendencia creciente entre las grandes corporaciones: después de una primera etapa caracterizada por el entusiasmo y la expansión acelerada, comienza una fase mucho más estricta de administración del consumo, establecimiento de cuotas y evaluación permanente del retorno sobre la inversión.

Paradójicamente, algunas de las advertencias más contundentes provienen de las propias empresas que lideran el desarrollo de esta tecnología.

Bryan Catanzaro, vicepresidente de aprendizaje profundo aplicado de NVIDIA, reconoció recientemente que, para su equipo, el costo del cómputo necesario para ejecutar inteligencia artificial ya supera el costo salarial de las personas que trabajan en esos proyectos.

La afirmación llamó la atención porque proviene precisamente de la compañía que fabrica los procesadores gráficos que alimentan la revolución de la IA y que más se ha beneficiado económicamente con este fenómeno.

En ese sentido, los ejecutivos sostienen que el verdadero desafío consiste en encontrar un nuevo equilibrio económico. Incluso el director ejecutivo de NVIDIA, Jensen Huang, afirmó que un ingeniero altamente calificado debería utilizar cientos de miles de dólares anuales en tokens de IA para alcanzar su máximo nivel de productividad.

La comparación ilustra hasta qué punto las grandes tecnológicas consideran que estas herramientas ya forman parte de la infraestructura básica del trabajo intelectual, aunque también pone de manifiesto la magnitud de las inversiones que exige su utilización intensiva.
Agentes más poderosos, pero más caros

El incremento de los costos no responde únicamente al precio que cobran los desarrolladores de modelos como OpenAI, Anthropic o Google.

Detrás de cada consulta realizada por un usuario existe una infraestructura extremadamente costosa compuesta por miles de procesadores gráficos de alto rendimiento, memorias especializadas, redes de altísima velocidad y centros de datos cuyo consumo energético supera ampliamente al de los servicios informáticos tradicionales.

Cada interacción con un modelo de lenguaje activa un complejo proceso de inferencia que requiere enormes recursos de cómputo, especialmente cuando las consultas son extensas o incluyen archivos, imágenes, código fuente o grandes bases de datos.

El avance de los llamados agentes de IA profundiza todavía más este fenómeno. Mientras que un chatbot tradicional responde una única consulta y finaliza la interacción, los agentes pueden planificar tareas, consultar múltiples fuentes, ejecutar programas, corregir errores, volver a intentar procesos fallidos y mantener conversaciones prolongadas sin intervención humana.

Cada uno de esos pasos genera nuevas solicitudes al modelo y multiplica el consumo de tokens.

Distintos análisis de la industria estiman que un agente autónomo puede llegar a consumir decenas de veces más recursos computacionales que una conversación convencional, lo que explica por qué numerosas empresas comenzaron a revisar cuidadosamente sus políticas de utilización antes de extender estos sistemas a toda la organización.

Este escenario también modifica la forma en que las compañías evalúan el retorno sobre la inversión. Durante años, la digitalización tradicional permitió reducir costos de manera relativamente sencilla porque reemplazaba procesos manuales por sistemas cuyo mantenimiento resultaba previsible.

Con la inteligencia artificial generativa la ecuación es más compleja. Un empleado puede completar una tarea en la mitad del tiempo gracias a un asistente inteligente, pero si para lograrlo consume cientos de miles o millones de tokens al mes, el ahorro salarial puede verse parcialmente neutralizado por el incremento en la factura tecnológica.

Por eso, muchas organizaciones comenzaron a implementar políticas de gobernanza que incluyen límites de consumo, aprobaciones para acceder a modelos más avanzados, seguimiento detallado del uso por área e indicadores específicos para medir si el gasto realmente se traduce en mejoras de productividad o en beneficios económicos concretos.

El objetivo ya no es utilizar la mayor cantidad posible de inteligencia artificial, sino hacerlo justo donde el impacto justifique el costo de su aplicación.

 

Fuente: ambito.com