Gemini 3.7 Flash: Tan solo 3 semanas después de su predecesor, el nuevo modelo de IA de Google sorprende al sector

¿Mejor que la competencia? Por qué Gemini 3.7 Flash está transformando por completo el mercado de la IA

La verdadera revolución de la IA reside en el precio: ¿Qué significa para nosotros el nuevo modelo de lenguaje de Google?

El desarrollo de la inteligencia artificial avanza a un ritmo vertiginoso. Tan solo tres semanas después de la última actualización, Google ya lanza su nuevo modelo de lenguaje, Gemini 3.7 Flash, generando un gran revuelo en el sector tecnológico. Sin embargo, la verdadera sorpresa esta vez no reside únicamente en sus impresionantes resultados de programación o sus nuevas innovaciones arquitectónicas, sino en una estrategia de precios sin precedentes. Con descuentos agresivos, el gigante tecnológico ataca directamente a la competencia para atraer a desarrolladores y empresas a su ecosistema. Se trata de una estrategia de fidelización calculada que promete enormes ahorros en la automatización de procesos a corto plazo, pero que prevé que los costes se dupliquen para 2027. Este análisis exhaustivo revela las razones del rápido ritmo de actualización de Google, la eficacia real del nuevo modelo en la práctica y los aspectos que las empresas deben tener en cuenta al integrarlo.

Nota sobre la ortografía: Su texto original ya era de excelente calidad en cuanto a lenguaje, gramática y estilo. He revisado todo el texto según las normas ortográficas alemanas vigentes (Alemania/Austria, incluyendo el uso correcto de la "ß" como en "Maße" o "großer" y la capitalización correcta de "das Zweifache") y he realizado algunas pequeñas correcciones de formato. Aquí tiene el texto completo sin errores:

Relacionado con esto:

• Por qué los planes de Google para Gemini 4 están ejerciendo presión sobre la competencia en IA: Más que un simple chatbot

La guerra de precios en inteligencia artificial: cómo Gemini 3.7 Flash de Google está transformando la economía de los modelos de lenguaje

Una carrera armamentística semanal: ¿Un milagro de la programación para los programadores? ¿Qué tan bueno es realmente Gemini 3.7 Flash de Google?

En los últimos años, la industria del software se ha acostumbrado a ciclos de innovación rápidos, pero incluso los observadores de mercado más experimentados se muestran escépticos ante el ritmo vertiginoso con el que Google lanza nuevos modelos de lenguaje. Tan solo tres semanas después del lanzamiento de Gemini 3.6 Flash, la compañía presentó su sucesor, Gemini 3.7 Flash, que, según afirma, es el modelo más potente hasta la fecha para la programación y los agentes de IA autónomos. Este ritmo es extraordinariamente significativo desde el punto de vista económico, ya que contradice las nociones tradicionales de los ciclos de producto, en los que la investigación, el desarrollo, las pruebas y el lanzamiento al mercado suelen durar meses o años. Google atribuye este rápido progreso a mejoras algorítmicas, no a un costoso rediseño de la arquitectura subyacente, puesto que Gemini 3.7 Flash se basa directamente en Gemini 3.6 Flash. Para todo el sector tecnológico, esto indica que los límites de la madurez tecnológica en el sector de la IA se están ampliando principalmente mediante ajustes iterativos, en lugar de saltos fundamentales en el modelo.

Desde una perspectiva económica, este ritmo revela un patrón clave en la actual competencia de IA. Quienes ya poseen la infraestructura de entrenamiento, las herramientas informáticas y los componentes algorítmicos pueden lanzar nuevas iteraciones de forma relativamente rentable, ejerciendo así una presión constante sobre sus competidores para que innoven. Esto es económicamente comparable a una lógica de coste marginal, donde los costes fijos de la primera generación del modelo ya se han amortizado y cada mejora posterior puede producirse a un coste relativamente bajo. Para competidores como Anthropic u OpenAI, esto se traduce en una importante presión estratégica, ya que deben ofrecer soluciones competitivas en intervalos aún más cortos para mantener una cuota de mercado relevante entre desarrolladores y empresas.

Cuando las métricas de rendimiento se convierten en un arma en la competencia

Los datos de referencia publicados por Google muestran claramente un salto en la calidad del código. En la prueba FrontierCode 1.1 Main Benchmark, Gemini 3.7 Flash alcanza el 43,6 %, mientras que su predecesor solo logró el 34,4 %. En la prueba DeepSWE Benchmark, que simula tareas reales de desarrollo de software, la puntuación aumenta del 49,0 % al 65,3 %. Según las propias mediciones de Google, el nuevo modelo supera a Claude Sonnet 5 (42,7 %) y a GPT 5.6 Terra (41,3 %) en una comparación directa de la calidad del código. Google también informa de mejoras significativas en el desarrollo web, la comprensión de documentos y la automatización de procesos de negocio, como se demuestra en la prueba interna AutomationBench, donde Gemini 3.7 Flash alcanza el 30,4 %, en comparación con el 17,0 % de su predecesor y solo el 10,7 % de Claude Sonnet 5.

A pesar del entusiasmo que rodea estas cifras, se justifica la cautela analítica. Agencias de pruebas independientes como Artificial Analysis actualmente carecen de resultados de referencia verificados para Gemini 3.7 Flash en pruebas de referencia establecidas como SWE-Bench Verified, AIME o MMLU-Pro. Por lo tanto, las cifras que circulan provienen únicamente de la tabla de referencia de Google y no han sido sometidas a ninguna validación externa. Este no es un caso aislado en la industria, sino más bien un problema estructural de autoevaluación, donde las empresas seleccionan naturalmente los métodos de prueba y los puntos de referencia que mejor reflejan sus propias fortalezas. También es notable que la propia tabla de referencia de Google revela áreas donde el nuevo modelo se queda corto, como en la prueba Terminal-bench 2.1 para capacidades generales de agentes, donde GPT-5.6 Terra, con un 87,4 %, sigue superando a Gemini 3.7 Flash con un 85,8 %, y en la prueba de referencia DeepSWE, donde GPT-5.6 Terra también lidera con un 69,6 %. Esta transparencia respecto a las propias debilidades otorga cierta credibilidad a la comunicación, pero no cambia la limitación metodológica fundamental de que se trata de cifras impulsadas por el fabricante.

La verdadera revolución reside en el precio, no en el código

Si bien las mejoras en el rendimiento y la calidad del código están generando interés en la comunidad profesional, la decisión económica más trascendental de Google probablemente sea su radical estrategia de precios. Gemini 3.7 Flash se ofrecerá a un precio de lanzamiento de 0,75 dólares por millón de tokens de entrada y 3,75 dólares por millón de tokens de salida hasta finales de 2026, exactamente la mitad del precio original de Gemini 3.6 Flash. A partir del 1 de enero de 2027, estos precios se duplicarán a 1,50 dólares y 7,50 dólares por millón de tokens, respectivamente. Esta reducción temporal de precios no es casual, sino que responde a una estrategia de mercado claramente definida: Google está respondiendo a la intensa competencia de precios, impulsada en gran medida por los modelos de IA chinos de bajo coste, y se está posicionando con una agresiva campaña de descuentos para atraer a desarrolladores y empresas a su ecosistema antes de que la competencia pueda alcanzarlos.

En comparación con los modelos de la competencia, esta estrategia de precios resulta verdaderamente disruptiva. Según la tabla comparativa de Google, Claude Sonnet 5 cuesta 2,00 $ por millón de tokens de entrada y 10,00 $ por millón de tokens de salida, mientras que GPT-5.6 Terra también cuesta 2,00 $ por entrada, pero incluso 12,00 $ por millón de tokens de salida. Gemini 3.7 Flash, por lo tanto, ofrece precios más de dos veces inferiores a los de la competencia en costes de entrada y entre dos y tres veces inferiores en costes de salida, y, según Google, incluso los supera en varias métricas clave de calidad del código. Para las empresas que procesan millones de tokens diariamente mediante agentes de IA, esta diferencia de precio se traduce en un ahorro significativo, que puede alcanzar rápidamente cifras de cinco o seis dígitos anuales para proyectos de automatización a gran escala.

Para los cálculos empresariales de las compañías que integran la IA generativa en sus procesos de producción, esto se traduce en una doble ventaja, aunque con un horizonte temporal definido. Quienes lancen proyectos de automatización antes de finales de 2026 operarán en condiciones mucho más favorables que a partir del próximo año, cuando entren en vigor los precios estándar. Esta duplicación de precios tras la fase introductoria también constituye una astuta estrategia de fidelización de clientes, ya que las compañías que han alineado sus procesos técnicos con un modelo específico y su estructura API rara vez cambian de proveedor a corto plazo por motivos de coste, incluso si los precios suben posteriormente. Económicamente, esto puede interpretarse como una estrategia clásica de fidelización, que utiliza descuentos a corto plazo para asegurar la lealtad del cliente y la cuota de mercado a largo plazo.

Disponibilidad como red de distribución estratégica

La disponibilidad técnica de Gemini 3.7 Flash abarca un ecosistema extraordinariamente amplio, cubriendo toda la cadena de valor, desde desarrolladores individuales hasta grandes empresas. El modelo está disponible a través de la API de Gemini, Google AI Studio, Android Studio y el entorno de desarrollo basado en agentes Antigravity. Los clientes empresariales también tienen acceso a través de la plataforma Gemini Enterprise Agent y la aplicación Gemini Enterprise, mientras que los usuarios particulares con una suscripción a Google AI Pro o Ultra pueden utilizar el modelo mediante el asistente personal Gemini Spark en más de 160 países. Esta amplia distribución no es casualidad; más bien, responde a la lógica de una rápida penetración en el mercado, con el objetivo de Google de integrar el nuevo modelo en la mayor cantidad posible de casos de uso existentes en el menor tiempo posible, sin que los usuarios tengan que migrar activamente ni someterse a procesos de transición engorrosos.

Resulta especialmente reveladora la integración inmediata en Gemini Spark, que, como agente de IA personal permanentemente activo, es fundamental para la estrategia de consumo. Al integrar directamente el modelo más potente en su producto de suscripción para usuarios finales, Google está transformando el panorama competitivo no solo a nivel de desarrolladores, sino también en el mercado masivo de asistentes personales con IA. Esto aumenta la presión sobre competidores como OpenAI con su oferta ChatGPT o Anthropic, cuyos productos de consumo se han centrado hasta ahora menos en la automatización permanente basada en agentes para el día a día. Además, la arquitectura técnica de Gemini 3.7 Flash admite configuraciones de procesamiento personalizables, lo que permite a los desarrolladores gestionar de forma flexible el equilibrio entre la calidad de respuesta, el coste y la latencia. En la práctica, esto significa que las tareas que requieren muchos recursos pueden gestionarse con mayor esfuerzo cognitivo, mientras que las tareas rutinarias sencillas pueden procesarse con una mínima sobrecarga computacional.

Contexto, tamaño de la ventana y el cambio silencioso en la competencia

Otro aspecto que a menudo se subestima en el debate público se refiere a la ventana de contexto del modelo, que se mantiene en un millón de tokens, igual que su predecesor. Si bien las generaciones anteriores del modelo se promocionaban frecuentemente con ventanas de contexto más amplias como un argumento de venta clave, el enfoque competitivo se está desplazando cada vez más de la capacidad bruta hacia la eficiencia y la precisión dentro de los límites existentes. Esto significa que Google logra sus mejoras no principalmente expandiendo la cantidad de datos que se pueden procesar, sino utilizando y procesando la capacidad existente de manera más inteligente. Para las empresas que desean analizar contratos extensos, documentación técnica o grandes bases de código, por ejemplo, el límite superior permanece sin cambios, pero la calidad del procesamiento dentro de este límite aumenta notablemente, como lo demuestran pruebas comparativas como la prueba de comprensión de contexto largo GDM-MRCR, que alcanza una puntuación del 97,0 por ciento.

El límite de gasto de 64 000 tokens, junto con la opción de elegir entre potencia de procesamiento baja, media y alta, demuestra que Google ya no basa su modelo de precios únicamente en el tamaño del modelo, sino en la potencia de cálculo real utilizada. Esto tiene sentido desde el punto de vista económico, ya que permite a las empresas ajustar su gasto de forma precisa a las necesidades específicas de cada paso del proceso, en lugar de pagar una tarifa plana por la máxima potencia de cálculo disponible para cada solicitud. En la práctica, esto significa que una empresa puede elegir una configuración significativamente más económica para clasificaciones de texto automatizadas sencillas que para tareas de programación complejas de varias etapas, reduciendo así considerablemente los costes totales de uso productivo. Curiosamente, evaluadores independientes han comprobado que el modelo obtiene prácticamente el mismo resultado en el nivel de potencia de procesamiento más bajo que su predecesor en el más alto, pero a un coste mucho menor y con tiempos de espera significativamente más cortos.

Aquí aprenderá cómo su empresa puede implementar soluciones de IA personalizadas de forma rápida, segura y sin grandes barreras de entrada.

Una plataforma de IA gestionada es su solución integral y sin preocupaciones para la inteligencia artificial. En lugar de lidiar con tecnología compleja, infraestructura costosa y largos procesos de desarrollo, recibirá una solución lista para usar y adaptada a sus necesidades de un socio especializado, a menudo en tan solo unos días.

Las principales ventajas de un vistazo:

⚡ Implementación rápida: De la idea a la aplicación lista para usar en días, no meses. Ofrecemos soluciones prácticas que generan valor añadido inmediato.

🔒 Máxima seguridad de datos: Tus datos confidenciales permanecen contigo. Garantizamos un procesamiento seguro y conforme a la normativa sin compartirlos con terceros.

💸 Sin riesgo financiero: Solo pagas por resultados. Se eliminan por completo las altas inversiones iniciales en hardware, software y personal.

🎯 Concéntrese en su negocio principal: Concéntrese en lo que mejor sabe hacer. Nos encargamos de toda la implementación técnica, la operación y el mantenimiento de su solución de IA.

📈 A prueba de futuro y escalable: Tu IA crece contigo. Garantizamos la optimización y la escalabilidad continuas, y adaptamos los modelos con flexibilidad a las nuevas necesidades.

Más información aquí:

• La solución de IA gestionada - Servicios de IA industrial: la clave para la competitividad en los sectores de servicios, industria e ingeniería mecánica

El contexto económico más amplio: Un mercado en un entorno competitivo

Para comprender plenamente la importancia de Gemini 3.7 Flash, conviene analizar la evolución general de los precios en los últimos meses. En mayo de 2026, durante su conferencia I/O, Google lanzó un importante ataque contra los márgenes de su propia gama de productos con Gemini 3.5 Flash y una reducción del precio de la suscripción Ultra de 249,99 $ a 99,99 $ al mes, junto con el anuncio de que su función de búsqueda con IA ya había alcanzado más de mil millones de usuarios mensuales. Esta serie continua de reducciones de precios en tan solo unos meses demuestra que la competencia en el sector de la IA está pasando cada vez más de una carrera puramente de calidad a una clásica competencia basada en el precio, como es típico en los mercados tecnológicos maduros con altos costes fijos y bajos costes marginales.

Desde el punto de vista económico, este comportamiento se asemeja a la estrategia de las grandes plataformas, que inicialmente aseguran su cuota de mercado mediante precios agresivos y, posteriormente, consolidan una posición dominante gracias a las economías de escala y los efectos de red. Google posee una ventaja estructural de la que carecen muchos competidores más pequeños: su propia infraestructura informática, sus procesadores Tensor especializados y su entorno de nube profundamente integrado le permiten mantener los costes de formación y operación significativamente más bajos que los de los proveedores que dependen de la capacidad informática alquilada a terceros. Esta integración vertical de la cadena de valor, desde el desarrollo del chip hasta la aplicación final, confiere a Google una ventaja de costes sostenible. Le permite mantener las reducciones de precios sin comprometer su rentabilidad en la misma medida que lo harían sus competidores, que dependen en mayor medida de infraestructuras informáticas externas.

Al mismo tiempo, no debe pasarse por alto que esta guerra de precios también está impulsada por presiones externas. En particular, los modelos de IA chinos de bajo coste han ejercido una presión considerable sobre los precios de los proveedores occidentales consolidados en los últimos meses, ya que ofrecen servicios comparables a una fracción del coste y, por lo tanto, se dirigen a segmentos de mercado sensibles al precio. Esto está obligando a Google, OpenAI y Anthropic a replantearse sus estructuras de precios para evitar perder una cuota de mercado significativa entre desarrolladores y empresas que buscan optimizar costes. La competencia internacional por la cuota de mercado de la IA ha adquirido, por lo tanto, una dimensión geopolítica que va mucho más allá de la mera estrategia corporativa y abarca cuestiones regulatorias, de seguridad y de política industrial.

Relacionado con esto:

• Géminis 4: La gran incógnita de la IA y el posicionamiento estratégico: cuando Google guarda silencio, el mundo especula

Impacto en las empresas y la automatización de los procesos de negocio

Para las empresas que automatizan sus procesos digitales o desarrollan aplicaciones con IA, la introducción de Gemini 3.7 Flash tiene varias implicaciones prácticas. En primer lugar, se reduce significativamente la barrera de entrada para el uso productivo de agentes de IA en el desarrollo de software, ya que la combinación de una mejor calidad del código y una drástica reducción de costes aumenta considerablemente la viabilidad económica de los flujos de trabajo de desarrollo totalmente automatizados. En particular, las pequeñas y medianas empresas (pymes) que anteriormente se habían abstenido de utilizar la IA generativa en el desarrollo de software por motivos de coste podrían encontrar un nuevo incentivo para realizar dichas inversiones gracias a la combinación de un precio de entrada asequible y un rendimiento mejorado.

Al mismo tiempo, la puntuación de AutomationBench del 30,4 %, en comparación con el 17,0 % del modelo anterior, demuestra que los beneficios no se limitan a las tareas de programación, sino que también abarcan la automatización de procesos empresariales generales. Esto incluye, por ejemplo, el procesamiento automatizado de consultas de clientes, la creación y revisión de documentos comerciales y la orquestación de flujos de trabajo multietapa entre diferentes sistemas de software. Para las empresas que participan activamente en la transformación digital, esto abre nuevas oportunidades para automatizar procesos administrativos que antes se realizaban manualmente a un coste razonable, y el precio de lanzamiento por tiempo limitado constituye un claro incentivo para iniciar los proyectos correspondientes antes de finales de 2026.

Un aspecto que a menudo se pasa por alto en el debate público es la dependencia de proveedores específicos. Las empresas que vinculan estrechamente su infraestructura de automatización a un modelo concreto y sus convenciones de API corren el riesgo de no poder adaptarse rápidamente a futuros aumentos de precios, como los ya anunciados para principios de 2027. Por lo tanto, un enfoque estratégico acertado consiste en diseñar arquitecturas de automatización lo más modulares e independientes posible de los proveedores, lo que permite alternar entre diferentes modelos de lenguaje cuando cambian los precios o los niveles de rendimiento, sin necesidad de rediseñar fundamentalmente los sistemas existentes. Dada la frecuencia con la que se lanzan nuevas versiones de modelos y las consiguientes fluctuaciones de precios, esta consideración cobra cada vez más importancia para la planificación de costes a largo plazo de las empresas tecnológicas.

Evaluación crítica: Entre el progreso real y la herramienta de marketing

Si bien se reconoce el progreso justificado en tecnología, un análisis económico objetivo también debería identificar las limitaciones y posibles debilidades de los desarrollos actuales. El hecho de que Google lanzara un nuevo modelo en tan solo tres semanas, basado en la misma arquitectura fundamental que su predecesor, sugiere que se trata más de un ajuste preciso que de un avance tecnológico fundamental. Esto no es intrínsecamente negativo, ya que las mejoras iterativas son bastante comunes en campos tecnológicos maduros. Sin embargo, sí modera la retórica mediática que lo presenta como el modelo más potente hasta la fecha, una narrativa que, en un ciclo de innovación tan corto, casi inevitablemente necesita repetirse para captar la atención.

El hecho de que plataformas de evaluación independientes como Artificial Analysis no clasifiquen a Gemini 3.7 Flash como líder indiscutible en el llamado Índice de Inteligencia, y que otros modelos como GPT-5.6 Terra o Muse Spark 1.2 incluso se sitúen ligeramente por encima en este índice general, relativiza significativamente la afirmación de superioridad constante. La realidad es más compleja de lo que un simple titular puede transmitir: Gemini 3.7 Flash es, en efecto, líder en ciertos casos de uso claramente definidos, especialmente en la creación de código estructurado y la automatización de procesos de negocio, mientras que sigue rezagado con respecto a la competencia en otras disciplinas, como las tareas generales de agentes en pruebas de rendimiento en terminales.

Para las empresas que toman decisiones de inversión basándose en comparaciones de rendimiento, es recomendable no depender únicamente de los valores de referencia publicados por los fabricantes, sino realizar sus propios procedimientos de prueba adaptados al caso de uso específico. La viabilidad económica real de un modelo depende, en última instancia, menos de las puntuaciones abstractas obtenidas en pruebas sintéticas que de la tasa de error concreta, la fiabilidad y la capacidad de integración en los procesos operativos existentes. Estos factores solo pueden evaluarse de forma fiable mediante proyectos piloto internos y la experiencia práctica. Por ello, un enfoque prudente y basado en la evidencia para las nuevas versiones de modelos parece más sensato a largo plazo que una renovación precipitada y completa de la infraestructura propia únicamente por atractivos precios de lanzamiento.

Qué significa la guerra de precios para los próximos meses

Las tendencias actuales sugieren que el ritmo de innovación en modelos de lenguaje a gran escala no disminuirá en los próximos meses. Si Google mantiene su patrón habitual, se esperan nuevas actualizaciones de modelos en la suite Flash en las próximas semanas, mientras que competidores como OpenAI y Anthropic probablemente se vean presionados a responder con reducciones de precios o mejoras de rendimiento. Para los usuarios finales y las empresas, esto suele ser positivo, ya que una mayor competencia tiende a reducir costos y mejorar la calidad de los modelos. Esto beneficia especialmente a las empresas más pequeñas que anteriormente tenían un acceso limitado a la tecnología de IA de alto rendimiento debido a limitaciones financieras.

Al mismo tiempo, es previsible que la duplicación de precios prevista para principios de 2027 represente un hito importante, que revele la eficacia con la que la actual campaña de descuentos ha fortalecido la fidelización de los clientes. Si los usuarios se mantienen fieles al modelo a pesar del aumento de los precios estándar, la agresiva estrategia de lanzamiento habrá resultado rentable. Por el contrario, si muchos usuarios optan por alternativas más económicas al subir los precios, esto demostraría que la dinámica actual del mercado está impulsada principalmente por el precio y menos determinada por una auténtica fidelidad al producto. Para los responsables de la toma de decisiones estratégicas en empresas que actualmente consideran el uso de agentes de IA en el desarrollo de software o la automatización de procesos, esta situación general conlleva una recomendación clara: la fase actual de precios ofrece una oportunidad históricamente favorable para proyectos piloto e implementaciones iniciales en producción, pero debe combinarse con un cálculo realista de los precios estándar aplicables a partir de 2027 para evitar sorpresas presupuestarias posteriores.

☑️ Nuestro idioma comercial es el inglés o el alemán

☑️ NUEVO: ¡Correspondencia en tu idioma nativo!

 

Mi equipo y yo estaremos encantados de estar disponibles para usted como su asesor personal.

Puedes contactarme rellenando el formulario de contacto aquí wolfenstein@xpert.digital:o simplemente llamándome al +49 7348 4088 965. Mi dirección de correo electrónico es

Espero con ilusión nuestro proyecto conjunto.

 

 

☑️ Apoyo a las PYMES en estrategia, consultoría, planificación e implementación

☑️ Creación o realineamiento de la estrategia digital y digitalización

☑️ Ampliación y optimización de procesos de ventas internacionales

☑️ Plataformas comerciales B2B globales y digitales

☑️ Desarrollo de negocios pioneros / Marketing / Relaciones públicas / Ferias comerciales

En el sector B2B industrial, las relaciones comerciales sostenibles rara vez surgen de la noche a la mañana. Se desarrollan paso a paso, a través de la visibilidad, la relevancia profesional, los puntos de contacto recurrentes y la creciente confianza. El modelo de 4 etapas de Xpert.Digital aborda precisamente esto: ofrece un camino estructurado que comienza con un punto de entrada manejable y puede evolucionar hacia una colaboración más profunda en el desarrollo de negocios si es necesario.

En lugar de basarse en promesas publicitarias grandilocuentes, este modelo prioriza la relación con el cliente. Las empresas comienzan con indicadores claros y fáciles de calcular, y luego deciden, según su propia experiencia, hasta dónde quieren ampliar la colaboración. Un factor clave para este proceso de construcción de confianza sin interrupciones: la plataforma evita por completo la publicidad molesta, por lo que el enfoque editorial se centra exclusivamente en la experiencia de las empresas.

Más información aquí:

• De la visibilidad a la confianza: Su camino escalable con Xpert.Digital