Centro de Investigación

• En 143 conferencias de casos del NEJM, el modelo de razonamiento dio el diagnóstico correcto o muy cercano con una frecuencia claramente mayor que GPT-4.
• En la prueba del servicio de urgencias, la ventaja del modelo fue mayor en el triaje, cuando la información era más escasa; los revisores ciegos no pudieron distinguir de forma fiable las respuestas de la IA de las de los médicos.
• Los autores subrayan que el modelo solo leyó texto escrito por otros y piden ensayos clínicos prospectivos antes de cualquier implantación.

Los hospitales del Golfo están invirtiendo con fuerza en salud digital, y esta es la primera evidencia revisada por pares, en una revista de primer nivel, de que un modelo de razonamiento de uso general puede rivalizar con los especialistas en casos reales de urgencias. Aboga por la IA como segunda opinión en los momentos en que los clínicos disponen de menos información, al tiempo que deja claro que los ensayos, la gobernanza y la supervisión médica deben ir primero.

• Alrededor del 11,7 % del valor salarial de Estados Unidos, unos 1,2 billones de dólares, corresponde a habilidades que las herramientas de IA existentes ya pueden realizar, cinco veces la exposición visible en los empleos tecnológicos.
• La exposición es geográficamente amplia: estados como Delaware, Dakota del Sur, Ohio y Tennessee puntúan tan alto o más que California.
• El enfoque de incrustación de habilidades predijo el 85 % de las transiciones profesionales observadas, lo que da a los responsables de políticas una herramienta para probar intervenciones antes de aplicarlas.

Los gobiernos del Golfo están planificando estrategias nacionales de fuerza laboral en torno a la IA, y este informe ofrece un método reutilizable: medir la exposición habilidad por habilidad, simular el mercado laboral y probar las políticas antes de actuar. Desplaza la conversación del miedo a perder empleos hacia la reubicación de las personas desde tareas administrativas rutinarias hacia trabajos de mayor valor, una prioridad para la Visión 2030 de Arabia Saudita y la estrategia de IA de los EAU.

• La inversión privada estadounidense en IA fue de unos 286.000 millones de dólares en 2025, y la industria produjo más del 90 % de los modelos de frontera destacados.
• La IA generativa alcanzó una adopción del 53 % en tres años, y alrededor de cuatro de cada cinco estudiantes universitarios la usan ya en sus trabajos académicos.
• La brecha entre Estados Unidos y China en los principales puntos de referencia de modelos se redujo a aproximadamente un 3 %, mientras que China lidera en número de supercomputadoras de IA públicas.

Para ejecutivos y responsables de políticas del Golfo, el Índice de IA es la referencia neutral más citada en documentos de estrategia, casos de inversión y regulación. Sus cifras de 2026 sobre velocidad de adopción, concentración de cómputo y confianza pública resultan directamente útiles cuando los programas nacionales de IA de los EAU y Arabia Saudita fijan metas o se comparan con Estados Unidos, China y Europa.

• Los modelos que obtienen puntuaciones altas en los puntos de referencia médicos no mejoraron las decisiones de 1.298 usuarios reales en comparación con la búsqueda web ordinaria.
• Los puntos de referencia estándar, e incluso los pacientes simulados por IA, no lograron predecir estos fallos, por lo que no pueden sustituir a las pruebas con humanos.
• El estudio recomienda ensayos sistemáticos con usuarios reales antes de implantar cualquier chatbot de salud dirigido al público.

Las autoridades sanitarias y las aseguradoras del Golfo están explorando verificadores de síntomas con IA en árabe y en inglés. Este estudio es una advertencia: el factor limitante es la conversación entre una persona preocupada y el modelo, no el conocimiento médico del modelo. Cualquier implantación exige un diseño cuidadoso de la interfaz, orientación sobre qué decirle al sistema y una evaluación con usuarios reales, no solo con puntuaciones de referencia.

• Una sola red neuronal sustituyó toda la cadena de predicción y aun así rivalizó con los sistemas operativos basados en la física.
• Un pronóstico tardó alrededor de un segundo en cuatro GPU, frente a aproximadamente mil horas-nodo del flujo de trabajo convencional equivalente.
• Como el entrenamiento es barato y se basa en datos, el enfoque puede reorientarse a regiones o riesgos concretos, como el calor extremo o las tormentas de polvo.

Pronosticar a este costo abre los servicios meteorológicos a organizaciones que nunca podrían operar una supercomputadora: empresas de servicios públicos, aerolíneas, puertos, agricultura y promotores inmobiliarios que planifican frente al calor y el polvo. Para los países del Golfo, donde el calor extremo, las inundaciones repentinas y las tormentas de polvo afectan a la demanda energética y a la construcción, un modelo de este tipo ajustado localmente es una herramienta realista a corto plazo.

• La seguridad de los humanoides se define como la capacidad de ejecutar una parada segura con una política de respaldo dada, no como un corte brusco de energía.
• Un monitor aprendido con muestreo por importancia necesita menos simulaciones y comete menos predicciones de falsa seguridad que el muestreo uniforme.
• El monitor se transfirió de la simulación a un Unitree G1 real, lo que apunta hacia una certificación práctica de la seguridad en tiempo de ejecución.

Los robots humanoides están pasando de las demostraciones a la logística y la manufactura, y los puertos, aeropuertos y gigaproyectos del Golfo son candidatos tempranos. Antes de que los reguladores y las aseguradoras los permitan cerca de las personas, alguien debe responder cuándo se puede detener un robot de forma segura. Este trabajo convierte esa pregunta en una propiedad medible y certificable, el tipo de evidencia que los equipos de compras pronto exigirán.

• Modelar explícitamente las relaciones evolutivas superó a modelos mucho más grandes basados solo en la secuencia a la hora de predecir qué variantes genéticas son dañinas.
• Distintas profundidades evolutivas responden a distintas preguntas: alineamientos profundos para variantes codificantes raras, alineamientos de primates para rasgos complejos.
• El modelo es barato de entrenar y viene con predicciones públicas para todo el genoma que orientan los experimentos de laboratorio.

Los programas de medicina genómica de Arabia Saudita, los EAU y Catar están secuenciando grandes cohortes nacionales. Las herramientas que clasifican qué variantes importan, con un costo de cómputo moderado, hacen que esos datos sean útiles para diagnosticar enfermedades raras y para la investigación específica de cada población. GPN-Star también muestra que el uso inteligente del conocimiento científico puede superar a la escala por fuerza bruta, una lección para la inversión en IA en general.

• Unos datos de entrenamiento, un código y unos puntos de control totalmente abiertos pueden ofrecer un rendimiento cercano al de los modelos de pesos abiertos de las grandes empresas.
• El cumplimiento normativo se incorporó desde el principio: solo datos públicos, exclusiones retroactivas, filtrado de datos personales y transparencia alineada con la Ley de IA de la UE.
• Una amplia cobertura multilingüe demuestra que los idiomas minoritarios no tienen por qué ser una ocurrencia tardía en los modelos a escala de frontera.

Los Estados del Golfo están construyendo modelos soberanos en árabe como Falcon, Jais y ALLaM. Apertus es el plano público más claro para hacerlo con una gobernanza de datos transparente, algo que importa a los reguladores, a las compras del sector público y a la confianza. También demuestra que una supercomputadora nacional más las universidades pueden producir un modelo creíble sin depender de proveedores extranjeros.

• Los LLM pueden actuar como consultor, diseñador y simulador a lo largo de todo el ciclo de planificación, y no solo como una herramienta aislada.
• Las simulaciones de residentes basadas en agentes reprodujeron focos reales de movilidad y métricas de accesibilidad de 15 minutos en dos ciudades de Estados Unidos.
• Los datos de diseño urbano de calidad, el costo de cómputo y el sesgo son las principales barreras, por lo que el marco está pensado para asistir a los planificadores, no para reemplazarlos.

Las ciudades del Golfo se están planificando a una velocidad sin precedentes, desde los nuevos distritos de Riad hasta el Plan Maestro Urbano Dubái 2040. Un método que permite a los planificadores generar alternativas y probarlas con residentes simulados antes de construir puede reducir costos y mejorar la habitabilidad. Para promotores e intermediarios inmobiliarios, la simulación de la demanda basada en agentes es también una nueva forma de evaluar dónde se usarán realmente los equipamientos, el comercio y la vivienda.

• Separar el estado (razonado por un LLM) de la apariencia (renderizada por difusión) mantiene la coherencia de las simulaciones en horizontes largos.
• Los agentes que usan PAN para simular los resultados antes de actuar tienen éxito con más frecuencia que los agentes que actúan por sí solos.
• El trabajo sitúa a la MBZUAI de los EAU entre los pocos grupos que publican modelos del mundo de uso general en la frontera de la investigación.

Los modelos del mundo son la próxima capa bajo la robótica, los vehículos autónomos y el entrenamiento basado en simulación, todas prioridades de la estrategia industrial de los EAU. PAN demuestra que una institución del Golfo puede contribuir en la frontera de la investigación y no solo adoptar sistemas importados, y ofrece a las empresas de la región una arquitectura documentada sobre la que construir gemelos digitales, simulaciones logísticas e IA corporeizada.