Google DeepMind: trabajadores votan a favor de sindicalizarse por acuerdos militares de IA

Empleados de Google DeepMind en Londres votaron a favor de sindicalizarse, con el objetivo de impedir que el laboratorio proporcione tecnología de IA a los ejércitos de EE. UU. e Israel, según un informe de WIRED. Los trabajadores enviaron una carta al director gerente de Google en Reino Unido solicitando el reconocimiento del Sindicato de Trabajadores de la Comunicación y el Sindicato Unite como representantes conjuntos.
Antecedentes y motivación
La iniciativa comenzó en febrero de 2025 después de que Alphabet eliminara de sus pautas éticas de IA un compromiso que prohibía su uso para armas y vigilancia. Un empleado de DeepMind citó el antiguo lema del laboratorio 'construir IA de manera responsable para beneficiar a la humanidad' y expresó su preocupación por 'una mayor militarización de los modelos de IA'. Trabajadores de DeepMind y OpenAI también firmaron una carta abierta en apoyo a Anthropic después de que el Departamento de Defensa de EE. UU. intentara etiquetarlo como un riesgo para la cadena de suministro por su negativa a permitir el uso de IA en armas autónomas o vigilancia masiva.
A finales de marzo, The New York Times informó que Google llegó a un acuerdo con el Pentágono que permite el uso de IA para 'cualquier propósito gubernamental lícito'. Aproximadamente 600 empleados de Google en EE. UU. firmaron una carta de protesta, calificando la cláusula de 'lo suficientemente vaga como para ser efectivamente vacía'. El empleado de DeepMind declaró que, si la sindicalización tiene éxito, probablemente exigirán que Google retire su contrato con el ejército israelí y aumente la transparencia sobre el uso de IA y las garantías de despidos.
Estado del sindicato e impacto en la industria
La portavoz de Google, Kristen Morea, dijo que aún no se ha realizado ninguna votación, pero la empresa valora el diálogo constructivo. Google previamente defendió sus acuerdos gubernamentales, con la portavoz Jenn Crider afirmando el compromiso con 'el consenso del sector privado y público de que la IA no debe utilizarse para vigilancia masiva nacional o armamento autónomo sin la supervisión humana adecuada'. El Sindicato de Trabajadores de Alphabet (con sede en EE. UU.) no está reconocido para la negociación colectiva, pero ha negociado por contratistas. El sindicato del Reino Unido busca arbitraje si Google se niega a reconocerlo. El CWU espera que este esfuerzo impulse acciones similares en Anthropic y OpenAI, que han expandido sus operaciones en Londres.
📖 Lea la fuente completa: HN AI Agents
👀 Ver también

llama.cpp con cuantización Q8_0 obtiene una aceleración de 3.1x en GPUs Intel Arc con la corrección de reordenamiento SYCL.
Una corrección para el backend SYCL de llama.cpp lleva la cuantización Q8_0 en GPUs Intel Arc del 21% al 66% del ancho de banda de memoria teórico, logrando 15,24 tokens/segundo frente a 4,88 tokens/segundo anteriormente en una Arc Pro B70 con Qwen3.5-27B.

El agente de IA Mona de Andon Labs opera un café real en Estocolmo — Análisis completo
Andon Labs le dio a un agente de IA llamado Mona un contrato de arrendamiento y dinero real para abrir una cafetería en Estocolmo. Ella se encargó de la burocracia, proveedores y contrataciones, pero se topó con obstáculos como BankID y tuvo que tomar decisiones subóptimas.
El riesgo mundano: Por qué las mayores amenazas de la seguridad de la IA son aburridas, no dramáticas
Un ensayo argumenta que los fallos mundanos de la IA ya están causando daños a gran escala, los enfoques actuales de alineación dependen demasiado de entornos controlados, y la convergencia de capacidades hace que la exposición accidental al mundo abierto sea cada vez más plausible.

Reseña de OpenClaw: Problemas de Fiabilidad en su Estado Actual, Valor como Herramienta de Aprendizaje
Un desarrollador con amplia experiencia en plataformas de IA informa que OpenClaw tiene dificultades con la confiabilidad en tareas básicas de múltiples pasos, lo que hace cuestionables las aplicaciones empresariales autónomas, pero encuentra valor en aprender la estructura y orquestación de agentes.