De las marcas de marea de Liverpool a GPT-4 y la tecnología inteligente de 2026
El Ordnance Survey británico conserva más de medio millón de referencias topográficas registradas, mientras que el nivel medio del mar en Newlyn aumentó 1,83 mm anuales entre 1915 y 2015. Dos historias muy distintas —el experimento de James Bridle con una silla diseñada junto a IA y la selección de regalos tecnológicos de PCMag para 2026— permiten examinar cómo medimos, fabricamos y usamos la tecnología.
La antigua referencia: una base compartida para medir el terreno
¿Sabías que uno de los sistemas de medición fundamentales de Gran Bretaña empezó con una pequeña marca tallada en una iglesia de Liverpool? En 1840, un topógrafo grabó una línea horizontal y una flecha ancha en el muro exterior de la iglesia de St. John’s, en Old Haymarket. La marca indicaba una altura de 100 pies sobre el nivel del mar y ofrecía un lugar repetible donde colocar una mira de nivelación. El aparato llamado bench sostenía esa mira; juntos, la marca y la flecha pasaron a conocerse como benchmark. En “Benchma(r)king”, James Bridle sigue el modo en que aquella marca práctica llegó a formar parte de un sistema nacional para comparar elevaciones. No es una noticia sobre el lanzamiento de una tecnología nueva, sino una historia de infraestructura de medición con relevancia inmediata para las ciudades: los mapas fiables y las referencias de altura ayudan a comprender el entorno construido y sus cambios.
La marca de Liverpool no se mantuvo para siempre como la referencia definitiva de Gran Bretaña. Más adelante, los topógrafos eligieron el nivel medio de la marea como punto de partida más preciso y observaron sus fluctuaciones durante nueve días en Victoria Docks, Liverpool. Con el tiempo, aquella referencia se trasladó a Newlyn, en Cornualles, durante la década de 1920. El Ordnance Datum Newlyn, u ODN, proporciona la referencia nacional de elevación descrita en el artículo, aunque reconoce que el “nivel del mar” no es idéntico en todas partes. En el observatorio mareográfico de Newlyn, construido en el South Pier en 1915, una tubería de entrada permite que la marea atlántica llene y vacíe una torre hueca. Unos flotadores suspendidos en su interior están conectados a un dispositivo de registro, que convierte el movimiento del agua en mediciones. No es un algoritmo satelital: es un sistema de observación física cuyas lecturas establecen una referencia utilizable en otros lugares.
Las mediciones también muestran por qué un punto de referencia no puede considerarse inmutable. El artículo informa que el nivel medio del mar en Newlyn aumentó a un promedio de 1,83 milímetros por año entre 1915 y 2015, y de 3,8 milímetros anuales entre 1993 y 2014. Cada cambio influye en cómo se interpretan las elevaciones con relación a ese datum. La última referencia oficial se talló en 1993 en un hito situado frente a un pub de Loughton, Essex; después, los sistemas basados en satélites asumieron esa función. Aun así, el Ordnance Survey conserva registros de más de medio millón de referencias, aunque muchas han desaparecido. Estos detalles complican la idea moderna de que el posicionamiento digital simplemente sustituye la infraestructura antigua. Puede haber antenas GPS sobre la torre mareográfica de Newlyn, pero la medición satelital convive con una historia de marcas físicas, observaciones del agua y sistemas de referencia.
Bridle invita a recordar que el propósito original de una referencia no era clasificar un objeto por encima de otro. Era ofrecer un punto estable desde el que repetir mediciones y conectarlas. Esa diferencia importa cuando hoy usamos la palabra benchmarking para juzgar el rendimiento de software, la calidad de productos, la rentabilidad o el crecimiento. En una ciudad, una referencia puede ayudar a comparar mediciones distintas, pero solo si se entiende qué se mide, cómo se estableció la base y cuándo es necesario revisarla. La fuente no afirma que la marca de Liverpool o el ODN rijan directamente un proyecto urbano concreto. Como inferencia editorial, la historia sí ofrece una lección práctica para los datos de las ciudades inteligentes: un panel con cifras que parecen precisas solo sirve si sus referencias son comprensibles y mantenibles. Durante la próxima década, los sistemas urbanos necesitarán no solo más sensores, sino también formas claras de vincular sus lecturas con los lugares y las condiciones que describen.
James Bridle, GPT-4 y una silla diseñada en colaboración
La segunda historia no empieza en un laboratorio ni en una fábrica de muebles, sino en un balcón de apartamento. James Bridle —escritor, artista y tecnólogo— cuenta que recurrió a la carpintería mientras vivía en Atenas durante una etapa difícil para su familia. Su pareja, Navine, enfermó gravemente a finales de 2023 y pasó nueve meses en el hospital; Bridle también cuidaba de su hijo de tres años. Con herramientas limitadas y restos de madera guardados, Bridle pidió a ChatGPT, que entonces utilizaba GPT-4, que diseñara una silla. La petición era deliberadamente práctica: facilitar medidas para una pequeña colección de materiales disponibles y aprovechar la capacidad de optimización del sistema, dejando el trabajo manual a quien construía. Bridle enmarca el experimento con la pregunta: “¿Y si utilizáramos la IA para algo realmente útil?” La fuente no lo presenta como un anuncio de producto ni como una prueba controlada, sino como un relato personal sobre probar un sistema de IA como colaborador de taller.
El proceso combinó restricciones aportadas por una persona con sugerencias de diseño generadas por una máquina. Bridle midió restos de contrachapado, paneles de pino, aglomerado, tacos cilíndricos y vigas, y entregó el inventario a GPT-4. Entre las herramientas había una sierra, un taladro, tornillos y cola para madera. El papel del sistema no consistía en fabricar la silla ni en tomar todas las decisiones, sino en ayudar con los cálculos y ofrecer ideas. Bridle sostiene que los ordenadores son buenos optimizando: pueden reducir un objeto diseñado a menos elementos o a elementos más eficientes sin perder su función y, en ocasiones, producir formas que una persona no habría imaginado. En este caso, el objetivo era crear un asiento capaz de soportar a una persona adulta y resultar cómodo, un reto de diseño más difícil de lo que parece. La fuente no presenta todas las especificaciones finales, una prueba de carga ni una comparación cuantificada con una silla diseñada por una persona; por eso sería engañoso afirmar que hubo mejoras de rendimiento medidas.
El enfoque de Bridle se inspira en la filosofía de “autodiseño” de Enzo Mari. Mari, diseñador italiano, publicó en 1974 Proposta per un’autoprogettazione, con diecinueve diseños de muebles, fotografías e instrucciones sencillas. El proyecto animaba a las personas a fabricar y adaptar piezas por sí mismas con materiales y carpintería básicos. Las instrucciones invitaban a quienes construyeran variaciones a enviar fotografías al estudio de Mari, tratando el diseño como un proceso abierto y no como un producto experto cerrado. Su crítica al diseño guiado por el estatus aparece en esta cita directa de la fuente: “Si a todo el mundo le gusta, significa que he confirmado la realidad existente, y eso es precisamente lo que no quiero”. El experimento de Bridle con IA comparte el énfasis en la participación: el sistema puede contribuir con cálculos u opciones, pero una persona sigue cortando, ensamblando, evaluando y conviviendo con el resultado. La comparación es una interpretación, no una afirmación de que Mari apoyara la IA.
Este experimento pequeño sugiere una distinción útil para la industria de la IA: asistir no equivale a sustituir. Bridle quería un “compañero inteligente de carpintería”, no una máquina que le quitara las partes gratificantes del trabajo. Esa idea tiene consecuencias técnicas. Un sistema puede proponer soluciones candidatas, pero la persona debe comprobar si el plan se ajusta a los materiales, las herramientas, las habilidades, la seguridad y el uso previsto. El relato también recuerda cómo Bridle explica el reciente resurgimiento de la IA: sostiene que una mayor capacidad de procesamiento y almacenamiento de datos, junto con materiales digitalizados y actividad en línea, permitió potenciar enfoques existentes como las redes neuronales. Considera central la concentración de poder y datos en unas pocas empresas. Para los equipos de tecnología urbana, la lección no es que GPT-4 deba diseñar infraestructura pública sin supervisión. Como inferencia editorial, las herramientas generativas pueden ser más constructivas cuando ayudan a explorar opciones y dejan la responsabilidad, el contexto y la verificación física en manos humanas.
Las selecciones de PCMag para 2026: dispositivos personales y funciones concretas
Los primeros premios Gift of the Year de PCMag seleccionan una docena de productos que sus especialistas consideran especialmente adecuados para regalar, en lugar de declarar que son los mejores productos del año en general. El artículo señala que tuvo en cuenta la asequibilidad y reúne dispositivos de informática, teléfonos, entretenimiento, salud, lectura y aficiones. Entre las selecciones, el XPS 13 de Dell, una reinvención económica de la línea, se describe como un portátil Windows de menos de 800 dólares, con pantalla táctil colorida, teclado ágil y chasis delgado y ligero. El Mac mini con M6 de Apple se presenta como un ordenador de sobremesa potente por menos de 1.000 dólares, pese al aumento de precio que el artículo atribuye a la escasez de memoria. El Pixel 11 de Google se describe como más delgado y ligero que su predecesor, con un sistema trasero de tres cámaras cuyo sensor principal es un 50 % más grande. Son descripciones y premios atribuidos a la fuente, no conclusiones independientes sobre qué debería comprar cada persona.
Los detalles técnicos ayudan a explicar las diferencias entre las selecciones. PCMag afirma que el M6 del Mac mini incorpora el chip más potente de Apple hasta la fecha, un coprocesador neuronal actualizado, gráficos más avanzados y mayor ancho de banda de memoria. En el Pixel 11, el sensor principal más grande se describe como capaz de captar más luz, mientras que el software incluye Magic Capture, que extrae fotos clave de un vídeo, y Magic Cue, un asistente en pantalla para acciones contextuales. El artículo atribuye al Pixel 11 una autonomía de 19 horas. Estos detalles describen capas distintas de un dispositivo: procesador y memoria para computar, hardware de cámara para captar luz y funciones de software para seleccionar o presentar información. La fuente no explica los algoritmos internos de Magic Capture ni Magic Cue, así que no debemos inventar afirmaciones sobre modelos o arquitecturas que no aparecen en el texto.
La guía también incluye productos relacionados con la información y la observación personal. El televisor Vizio VQM-series Mini-LED Quantum es compatible con Apple AirPlay y Google Cast, lo que permite transmitir desde teléfonos, tabletas u ordenadores; el modelo de 55 pulgadas cuesta menos de 280 dólares y el de 85 pulgadas, menos de 800. Los auriculares Anker Soundcore Liberty 5 Pro ofrecen cancelación activa de ruido, Bluetooth multipunto para hasta tres dispositivos y un estuche de carga con pantalla táctil. En salud, el Apple Watch Series 12 se describe con una batería de 54 horas y un nuevo sistema de sensores que revisa periódicamente la frecuencia cardiaca y otros signos vitales durante y entre entrenamientos. El Oura Ring 5 registra actividad, sueño y estrés, presenta tendencias de largo plazo como capacidad cardiovascular y edad cardiovascular, y funciona durante más de diez días con una carga. Son ejemplos concretos de dispositivos que recopilan o presentan datos personales, aunque el artículo no proporciona detalles sobre validación clínica.
La lista es una instantánea de tecnología de consumo, no evidencia de adopción municipal ni una previsión de cuota de mercado. PCMag identifica a sus reseñistas y editores, entre ellos Joe Osborne, Kimberly Gedeon, Andrew Gebhart y Will Greenwald, y denomina Editors’ Choice a varias selecciones. También incluye el lector Onyx Boox Go 6 Gen 2, que ejecuta Android; la cámara Birdfy Feeder Rookie, que graba vídeo a 30 fotogramas por segundo; y el telescopio inteligente DwarfLab Dwarf 3, de 2,9 libras y controlado íntegramente desde un dispositivo móvil. Para quienes siguen la tecnología urbana, estos ejemplos son patrones de diseño —interoperabilidad, sensores, autonomía e información presentada al usuario—, no pruebas de que los dispositivos de consumo equivalgan a sistemas municipales. Una aplicación hipotética podría inspirarse en estos principios, pero la fuente no informa de ningún despliegue así. La pregunta importante para la próxima década es cómo hacer que la observación mediante sensores sea útil y comprensible, ya sea que el dispositivo esté en un dedo, un comedero de aves o una infraestructura pública.
De los sensores personales a la medición urbana: qué muestran —y qué no— estas fuentes
En conjunto, los dos artículos contrastan la medición como fundamento compartido con la tecnología como herramienta personal. La historia de Bridle describe una referencia de elevación construida a partir de marcas físicas, lecturas de mareas y un registro mantenido. La guía de PCMag presenta productos que recopilan o procesan información para sus usuarios: un anillo que registra sueño y estrés, un reloj que revisa signos vitales, una cámara que fotografía aves y un telescopio que produce imágenes mediante control desde el móvil. No son sistemas intercambiables. El ODN es un datum geodésico, mientras que las lecturas de un monitor de salud se refieren a una persona y el vídeo de una cámara, a la escena que tiene delante. Esta distinción importa porque la información de un sensor solo adquiere sentido según su finalidad, su método de medición y su referencia. Ninguna de las fuentes afirma que estos dispositivos de consumo estén integrados actualmente en una red municipal de datos.
Aun así, existe una conexión editorial útil para la tecnología urbana. Los equipos de las ciudades necesitan a menudo comparar observaciones tomadas en lugares y momentos distintos. La historia de las referencias muestra cómo un punto físico puede facilitar mediciones repetibles en una zona amplia; los productos de PCMag muestran cómo dispositivos compactos pueden recopilar, presentar o transmitir información. Un servicio urbano hipotético podría inspirarse en el énfasis de los productos de consumo en interfaces claras y baterías duraderas, pero aun así tendría que apoyarse en sensores validados por separado y normas de medición definidas. Esto es especulación, no un despliegue documentado. Tampoco conviene asumir que más datos producen automáticamente mejores decisiones públicas. Los relatos apuntan a preguntas menos vistosas que un dispositivo nuevo: ¿qué significa la medición?, ¿puede otra persona repetirla?, ¿qué ocurre cuando cambia la referencia?, ¿quién comprueba si una recomendación generada o una lectura de sensor corresponde a la situación real?
El experimento de Bridle con la silla añade un tercer elemento: el criterio humano dentro del proceso. GPT-4 recibió un inventario de materiales medidos, pero las habilidades de carpintería y las decisiones prácticas de Bridle siguieron siendo esenciales. El proyecto de autodiseño de Enzo Mari también daba importancia a fabricar, adaptar y aprender construyendo. En un contexto hipotético de ciudades inteligentes, ese patrón colaborativo podría servir para que los equipos exploren alternativas de diseño o organicen información técnica mediante IA: definir las restricciones, revisar las sugerencias y mantener la responsabilidad humana sobre la elección final. La fuente no demuestra que GPT-4 sea seguro o apropiado para diseñar infraestructura pública, ni ofrece una evaluación formal de la silla. Esos límites importan. Que un prototipo resulte útil en un taller personal no prueba que el mismo proceso cumpla requisitos públicos de seguridad, accesibilidad, durabilidad o rendición de cuentas.
Para la próxima década, el tema más prometedor no es “más automatización”, sino mejores relaciones entre mediciones, herramientas y personas. La historia de ODN ilustra el valor de las referencias comunes, que pueden actualizarse cuando cambian las observaciones. La guía destaca funciones prácticas —interoperabilidad mediante AirPlay y Google Cast, conexiones multipunto, mayor autonomía e interfaces que convierten la actividad del dispositivo en información visible—. El experimento de Bridle pregunta si un sistema de IA puede contribuir sin apropiarse de la tarea completa. Como conclusión editorial, los sistemas urbanos inspirarán confianza cuando sus resultados sean legibles, sus referencias explícitas y sus propuestas susceptibles de cuestionamiento o verificación. Esa combinación podría hacer más útiles las tecnologías en calles y servicios públicos, manteniendo la experiencia humana —y no una puntuación de referencia ni una recomendación automática— en el centro.
Dónde encaja Robles.AI
Las fuentes no describen productos, servicios, implementaciones ni capacidades técnicas de Robles.AI, por lo que no sería preciso afirmar que la empresa ofrece una plataforma concreta o que podría haber evitado un problema. Sin embargo, los temas específicos aquí tratados señalan qué tipo de capacidades serían pertinentes para una empresa que trabaja con IA: evaluar recomendaciones generadas por sistemas, diseñar procesos con participación humana y utilizar datos de referencia de forma rigurosa. En el ejemplo de Bridle, GPT-4 recibe dimensiones definidas de madera y aporta sugerencias de diseño; una persona las contrasta con los materiales, las herramientas y el uso previsto. Cualquier oferta de Robles.AI en este ámbito tendría que verificarse de forma independiente. El artículo respalda la necesidad general de colaboración y revisión, no una afirmación sobre lo que Robles.AI vende actualmente.
Una segunda conexión concreta es la calidad de los datos de sensores y referencias. El relato de Newlyn explica cómo las observaciones de mareas se convierten en un datum, cómo esa referencia cambió con el tiempo y cómo el Ordnance Survey todavía mantiene registros de más de medio millón de referencias. En un servicio de IA orientado a ciudades, podrían ser pertinentes tareas como documentar la procedencia de los datos, comprobar si las mediciones usan referencias compatibles y hacer visibles la incertidumbre o los cambios para quienes utilizan el sistema. Son áreas de posible relevancia, no afirmaciones de que Robles.AI las realice. Del mismo modo, los dispositivos de consumo descritos por PCMag —como el sensor de signos vitales del Apple Watch Series 12 o las tendencias de salud a largo plazo del Oura Ring 5— plantean preguntas sobre qué datos resume un sistema y cómo los interpreta una persona. La fuente describe funciones de producto, no una integración municipal ni un modelo específico para compartir datos.
Por tanto, una conexión fundamentada con Robles.AI consiste en plantear preguntas de evaluación, no en recomendar un producto: ¿se pueden rastrear las entradas de una sugerencia de IA?, ¿puede una persona revisarla?, ¿se comunican los límites de un sensor o modelo?, ¿sigue siendo apropiada la referencia con la que se compara un resultado? Estas preguntas surgen directamente de la colaboración humana en el experimento con la silla, del datum cambiante en la historia de los benchmarks y de los ejemplos de sensores personales de la guía. Si Robles.AI ofrece servicios de evaluación de IA, calidad de datos o diseño centrado en las personas, esas serían las capacidades concretas que habría que contrastar con estos casos; las fuentes proporcionadas no lo confirman. Mantener esa distinción permite hablar con rigor y, a la vez, mostrar dónde podría importar la experiencia en IA responsable.
En la próxima década, las ciudades seguirán encontrándose con mediciones físicas y sugerencias producidas por máquinas. Un sistema útil necesitará más que una interfaz llamativa: requerirá entradas comprensibles, métodos repetibles y responsabilidades claras sobre las decisiones. El “compañero inteligente de carpintería” de Bridle ofrece una imagen compacta de ese equilibrio: el cálculo puede ampliar el abanico de opciones, mientras las personas conservan la responsabilidad por el trabajo y sus consecuencias. El registro de mareas de Newlyn añade una lección complementaria: incluso una referencia fiable puede requerir una revisión cuando cambian las mediciones. El lugar de Robles.AI en esta conversación solo puede establecerse examinando sus ofertas reales, pero la prueba es concreta: ¿puede su trabajo ayudar a que los resultados de IA sean inspeccionables y las referencias de datos confiables, sin presentar la automatización como sustituto del criterio humano?