SUSE ha anunciado su adhesión a EuroStack, «una iniciativa de política industrial europea que reúne tecnología, gobernanza y financiamiento para la inversión centrada en Europa para construir y adoptar un conjunto de infraestructuras digitales: desde la conectividad hasta la computación en la nube, la IA y las plataformas digitales».
etiquetas: suse, europa, soberanía tecnologíca, linux
La designación de Donald Trump de «antifa» como una «organización terrorista doméstica» la semana pasada fue una perfecta síntesis tanto del autoritarismo como del carácter grotesco de su administración. Quienes tengan edad suficiente para recordar la respuesta del gobierno de Bush al 11 de septiembre deberían sentir...
La excanciller alemana Angela Merkel ha reavivado la controversia sobre las causas del estallido de la guerra en Ucrania al atribuir a Polonia y a los países bálticos parte de la responsabilidad en el fracaso diplomático europeo con Rusia. En una entrevista concedida al medio húngaro "Partizan", la exlíder de la CDU sostuvo que la negativa de Varsovia y de los Estados bálticos a respaldar un nuevo formato de diálogo con Moscú, propuesto por ella y el presidente francés Emmanuel Macron en 2021, impidió un acuerdo político con el Kremlin
El dueño americano de Santa Bárbara refuerza su visibilidad en medios e irrumpe con propuestas no solicitadas ante inminentes adjudicaciones del Ejército. Estados Unidos bloquea la venta de Santa Bárbara a Indra hasta un cambio de Gobierno. [...] Estrategia para conseguir su adjudicación o al menos demorar su tramitación a cambio de frenar una incipiente pérdida de terreno
etiquetas: defensa, estados unidos, autonomía estrategica
Una jueza cuya casa de playa de 1,5 millones de dólares se incendió tras una presunta explosión intencionada habló con el Daily Mail tras el incendio. La jueza Diane Goodstein, de 69 años, dijo: "Estoy bien", al ser contactada el lunes por la mañana, dos días después de que su propiedad en Edisto Beach, Carolina del Sur, fuera consumida por las llamas. La jueza estaba caminando por la playa cuando ocurrió el presunto ataque incendiario, apenas unas semanas después de haber emitido un fallo decisivo contra la administración Trump.
Cada vez hay más estudios que sugieren que el comportamiento prosocial, o el comportamiento destinado a ayudar a los demás, beneficia el bienestar. Sin embargo, la sociedad moderna suele poner más énfasis en los actos centrados en uno mismo en la búsqueda del bienestar. Para comprender los efectos de estas diferentes formas de bondad (hacia los demás o hacia uno mismo), llevamos a cabo un estudio de intervención de dos semanas con una muestra de la comunidad durante la pandemia de COVID-19 en 2020. [eng]
Agentes del Servicio de Inmigración y Control de Aduanas de Estados Unidos apuntaron con armas y luego rompieron la ventanilla de un coche en el que viajaba una pareja con su bebé de un mes durante una detención realizada la semana pasada por la tarde en Alamosa, según muestran las imágenes de vídeo.
En el programa de hoy, 2/10/2025, Irene Zugasti y Manu Levin analizan el lavado de cara que recibió el nuevo dictador sirio Mohamed Al Golani, ex líder de Al Qaeda en Siria, por parte de los líderes occidentales en la ONU. Con la participación del profesor de la UCM y autor de "Siria en perspectiva" Pablo Sapag.
etiquetas: siria, onu, al queda, mohamed al golani
Los Mossos d'Esquadra de la comisaría de Sant Adrià del Besòs, en Barcelona, han recibido un aviso de un accidente laboral producido en Tersa, una incineradora de la localidad. Un hombre de 59 años estaba llevando a cabo tareas de limpieza de una de las chimeneas de la empresa cuando, por causas que se desconocen, le han caído residuos encima.
El equipo ciclista Israel-Premier Tech ha anunciado a través de un comunicado oficial el abandono de su "identidad israelí", así como la desvinculación de su dueño, Sylvan Adams, cercano a Benjamín Netanyahu, tras las protestas que obligaron a cancelar el final de La Vuelta a España en septiembre y el rechazo de un elevado sector de los asistentes a las carreras ciclistas. Una serie de protestas propalestinas han sido protagonistas del ciclismo en los últimos meses. La participación del equipo hasta ahora conocido como Israel Premier-Tech...
As the saying goes, "a penny saved is a penny earned," and this couldn't be more true when it comes to cloud infrastructure. In today's competitive business landscape, you need to maintain the performance to meet your business needs. Luckily, Google Cloud’s Compute Engine and block storage services offer numerous opportunities to reduce costs without sacrificing performance, especially in the context of your migration and modernization initiatives.
In this article, we'll explore 11 key ways to optimize your infrastructure spending on Google Cloud, from simple adjustments to strategic decisions that can result in significant long-term savings.
1. Choose the right VM instances
One of the most effective ways to reduce Compute Engine costs is to ensure that you’ve properly selected and right-sized your virtual machines (VMs) for their workloads to support your migration and modernization efforts. Whether you're new to Google Cloud or already using Compute Engine, adopting the latest-generation VMs — such as N4, C4, C4D, and C4A — can deliver substantial savings and improved price-performance.
Powered by Google Cloud’s Titanium architecture, our latest-generation VMs offer faster CPUs, higher memory bandwidth, and more efficient virtualization than their predecessors, so you can handle the same workloads with fewer resources. For existing customers, migrating from older VM generations to the newest VMs can significantly lower total costs while helping you exceed current performance levels. Organizations that have made the switch often report 20–40% better performance along with meaningful reductions in cloud compute spend. For example, Elastic leveraged the general-purpose C4A machine series based on Google Cloud's Arm-based Axion CPUs, to achieve a compelling efficiency and performance uplift for their workloads.
Beyond general-purpose VMs, we also offer specialized machine types to address unique customer requirements. Compute-optimized HPC VMs like H4D are designed for high-performance computing and data analytics, offering extreme performance for demanding workloads. M4 and X4 instances cater to memory-intensive applications, while Z3 instances are ideal for storage-intensive workloads. Furthermore, if you need complete control over your hardware environment and maximum performance isolation, we offer bare metal instances.
These options help ensure that even the most specialized and performance-sensitive workloads can find an optimal and cost-effective home within the Compute Engine portfolio.
2. Optimize your block storage selections
The best way to lower your block storage TCO, while ensuring your workloads remain successful, is to drive high resource efficiency. Hyperdisk makes it simple to drive high performance and high efficiency by enabling you to optimize your block storage to your workload and through Storage Pools. We’ll discuss each of these capabilities, and how you can use them to lower your block storage TCO below.
Workload Optimized: With Hyperdisk, you can independently tune capacity and performance to match your block storage resources to your workload. Hyperdisk enables you to independently provision performance and capacity at the volume level. You can leverage this capability to purchase just the capacity and performance you need, no more and no less. You can also take advantage of Hyperdisk Balanced’s “baseline” performance (i.e. included free with every volume), you can serve the vast majority of your VMs without purchasing any extra performance.
Storage Pools: Hyperdisk is the only hyperscale cloud block storage to offer thin-provisioned performance and capacity. With Hyperdisk Storage Pools, you can provision the aggregate performance and capacity your workload requires, while still provisioning the volume level capacity performance your workloads request (also known as thin-provisioning). This allows you to pay for the resources you need, not the sum of the volumes you’ve provisioned. As a result, you can lower your overall block storage TCO by as much as 50%.
For more information on how to select the right block storage for your workload and to see how customers have benefitted from Hyperdisk, read this blog.
3. Consider custom compute classes
To get the most out of our latest-generation VMs, Google Kubernetes Engine (GKE) custom compute classes (CCC) offer an advanced way to optimize compute choices and provide high availability. Instead of being limited to a single machine type for your workloads, you can define a prioritized list of VM instance types. This allows you to set the newest, most price-performant VMs — including our latest-generation VMs — as your top priority. GKE custom compute classes provide the capability to automatically and seamlessly spin up instances based on your specified priority list. This feature helps you maximize the availability of your compute capacity while still aiming for the most cost-effective options, so your workloads can scale reliably without manual intervention.
Here are some specific use cases for how custom compute classes can help you optimize costs:
Autoscaling cost-performant fallbacks: When demand peaks, you might be tempted to autoscale using a highly available but less cost-efficient VM type. CCC allows you to take a tiered approach. You can set up several cost-efficient fallback alternatives, so that as demand increases, GKE first attempts to use the most cost-effective options, and progressively moves to the other choices in your list when necessary to meet demand.
AI/ML inference: Running AI/ML inference workloads often involves significant compute resources. Instead of maintaining a large, static reservation that might sit idle during off-peak times, CCC lets you provision a minimal base reservation and leverage more cost-effective capacity types, such as Spot VMs, to handle peak inference demand — all orchestrated through your CCC configuration.
Adopting new VM generations: Combine the power of GKE custom compute classes with Compute Flexible committed use discounts (Flex CUDs) to de-risk the adoption of new, cost-efficient VM series like N4 and C4. With CCC, you can define fallback options, providing workload resilience, while Flex CUDs offer financial adaptability, as the discounts apply across your total eligible compute spend, regardless of the specific VM series you use. This dual approach is a safe, cost-effective strategy for leveraging the latest hardware without disruption. For more information, read this blog.
Using flexible Spot VMs: Spot VMs offer significant savings but can be preempted. Being constrained to a single Spot VM shape increases the risk that capacity will not be available. With CCC, you can define multiple fallback Spot VM types. This "spot surfing" capability allows the application to remain on cost-efficient Spot capacity by automatically pivoting to alternative Spot instance types if the primary choice is unavailable.
In short, by leveraging GKE CCC, you can artfully mix and match various VM types and consumption models, including On-Demand, Spot, DWS FlexStart, and instances covered by CUDs, to build a resilient and highly cost-optimized infrastructure that adapts to the unique needs and patterns of your workloads.
4. Leverage custom machine types (CMT)
Custom machine types, available on N4 VMs, allow you to precisely configure virtual machines to your exact specifications. Rather than selecting from predefined machine types that might include excess capacity, you can tailor the CPU-to-memory ratio specifically for your workloads, so you only pay for resources you actually use. This targeted approach minimizes waste and can significantly reduce your cloud spend, especially when migrating from on-premises to Google Cloud or from other cloud providers.
This flexibility becomes particularly valuable if your applications have unique resource profiles that don't align well with our standard offerings. Custom machine types let you create the perfect environment for your needs. By avoiding the compromise of over-provisioning certain resources while potentially constraining others, you can achieve both better performance and more efficient spending across your Compute Engine deployment.
As an example, take a memory-intensive workload that runs best with 16 vCPU, and 70 GB memory. Normally, you would need to pick a VM with 128 GB memory with our standard shapes, or in other cloud contexts, resulting in higher costs to run your workload due to the extra provisioned resources. Instead, with custom machine types, you can easily launch a VM with 16 vCPU and 70 GB memory, resulting in an 18% cost savings vs standard N4-highmem-16 VMs.
5. Make the most of committed use discounts
CUDs are a strategic cost-saving opportunity for organizations with steady, predictable computing needs. By committing to resource usage over one- or three-year periods, you can reduce cloud costs by up to 70% compared to on-demand pricing. This approach not only helps ensure budget predictability but also converts fixed infrastructure spending into a financial advantage, making it ideal for stable workloads that support core business functions.
Google Cloud offers flexible CUD structures to align with various operational models. Resource-based commitments target specific machine types and regions, flexible commitments apply discounts across projects, regions, and machine series — great for dynamic environments. By analyzing historical usage and forecasting future needs, you can identify workloads suited for these discounts, reinvesting the savings into innovation and scaling initiatives.
6. Manage unused disk space
You pay for the total provisioned disk space, regardless of how much you actually use. Many organizations tend to over-provision storage "just in case," which often leads to unnecessary and costly waste. For instance, if you provision a 100GB disk but only use 20GB, you're still paying for the entire 100GB. Being intentional and precise with your storage allocations — rather than rounding up to common sizes — can lead to significant cost savings.
To optimize spending, it's important to adopt a few best practices. Using Ops Agent, regularly audit disk usage across your infrastructure to identify and eliminate inefficiencies. Resize disks to align with actual consumption, allowing a reasonable buffer for growth. Implement automated alerts in Cloud Monitoring to detect underutilized disks and take corrective action. For stateless applications, consider using smaller boot disk images to minimize overhead and reduce costs even further.
In addition, consider the following optimization strategies to further reduce costs and improve efficiency:
Use Google Cloud’s monitoring tools to track CPU, memory, and disk usage over time.
Establish a regular review cycle to identify and right-size over-provisioned resources.
Test workloads across different VM configurations to find the optimal balance between cost and performance.
7. Use Spot VMs
Spot VMs provide the same machine types and configuration options as standard virtual machines but at a significantly reduced cost — typically offering a 60% to 91% discount. This cost efficiency comes with the tradeoff of potential preemption at short notice, making them most suitable for workloads that are fault-tolerant and can recover quickly from unexpected interruptions. Spot VMs are designed to take advantage of unused compute capacity, allowing you to optimize your cloud spending without compromising access to high-performance resources.
Strong use cases for Spot VMs include batch processing jobs, big data and analytics workloads, continuous integration and deployment (CI/CD) pipelines, stateless web servers running in autoscaling groups, and compute-heavy tasks. When properly architected to handle interruptions — for example, by using job checkpointing, load balancing, task queues, or via GKE custom compute classes (see more above) — Spot VMs can play a critical role in minimizing infrastructure costs while maintaining high availability and system resilience. Leveraging Spot VMs in these scenarios lets you scale cost-effectively, especially when compute demand is variable or time-flexible.
8. Use optimization recommendations
Google Cloud's Recommenders are a powerful tool designed to help you optimize your cloud resources efficiently. When browsing the Google Cloud console, you may see lightbulb icons next to specific resources — these indicate potential improvements identified by Google's recommendation engine. By analyzing real-time usage patterns and current resource configurations, the Recommender delivers actionable insights tailored to each user's unique environment. This intelligent system highlights opportunities not only to reduce costs but also to enhance security, performance, reliability, management efficiency, and environmental sustainability.
For example, there are idle VM recommendations to help you identify VM instances that have not been used over the last 1 to 14 days. Common recommendations include switching to more suitable machine types, rightsizing underutilized compute instances, or adopting more cost-effective storage solutions. The tool allows you to apply many of these changes directly, streamlining the optimization process. By continuously evaluating workloads and offering these automated, data-driven suggestions, the Recommendation Hub helps organizations maintain cloud performance while managing costs more effectively.
9. Take advantage of auto-scaling and scheduling
Matching your compute resources to actual demand patterns is one of the most effective ways to reduce cloud waste and improve overall cost efficiency. Many organizations over-provision their resources to handle peak workloads, leaving machines underutilized during off-peak periods. By aligning compute capacity more closely with real-time or predictable usage patterns, such as business hours or seasonal trends, you can significantly cut unnecessary spending without sacrificing performance.
Autoscaling is the key to achieving this efficiency. In fact, customers who leverage Google Compute Engine autoscaling for their virtual machines have seen average infrastructure cost savings of more than 40%.
You can implement autoscaling strategies to dynamically adjust resources based on CPU utilization, load balancing capacity, or custom application metrics, so that workloads receive the necessary compute power when needed, while scaling down automatically during low-demand periods.
For workloads with predictable patterns, such as those that fluctuate with business hours or planned seasonal events, schedule-based scaling is a particularly powerful tool. This approach allows you to proactively increase resources in anticipation of high demand and scale them down during lulls, for the performance you need without constant over-provisioning.
In addition to autoscaling, several practical implementation techniques can further optimize your resource usage. Setting up instance scheduling lets you automatically start and stop development and test environments according to business hours — a simple yet highly effective approach that can lead to cost savings of up to 70%. You can also leverage maintenance windows to reduce disruptions and resource consumption, by concentrating updates and system changes into low-usage periods. Together, these tactics help maintain high availability and performance while keeping infrastructure costs under control.
10. Understand your spend with detailed billing analysis
Before implementing any cost-saving strategies in Google Cloud, it’s essential to understand your current spending in detail. Google Cloud’s billing panel offers granular visibility into your expenses, including costs broken down by individual SKUs. This level of transparency lets you track where your money is going and identify potential inefficiencies. Begin by regularly reviewing your billing dashboard to monitor usage trends and spot anomalies. Applying labels and tags to your resources can further help categorize and attribute costs accurately, especially in complex environments with multiple projects or departments.
In addition, setting up budget alerts is a practical way to stay ahead of overspending by notifying you when costs approach or exceed predefined thresholds. It’s also important to identify and eliminate unused or idle resources, such as virtual machines or persistent disks that are no longer in active use — these can often be shut down or deleted to immediately reduce costs. By thoroughly analyzing your cost structure, you can uncover “low-hanging fruit” — resources that provide little or no value — and make data-driven decisions to optimize your cloud usage efficiently.
11. Consider serverless alternatives
Last but not least, Google Cloud's serverless computing offerings provide a compelling alternative to traditional virtual machines, can deliver better cost efficiency, simplified operations, and greater scalability. By abstracting away infrastructure management, serverless platforms allow teams to focus on writing and deploying code without worrying about provisioning, scaling, or maintaining servers. This shift can not only reduce operational overhead but also cut costs by aligning compute spending directly with application usage.
There are multiple serverless options available, each tailored to different workloads. Cloud Run is designed for running containerized applications that need rapid scaling and flexible deployment. Cloud Run Functions supports lightweight, event-driven code execution for microservices or automation tasks. GKE (Autopilot Mode) simplifies Kubernetes operations by automatically managing nodes and scaling, allowing you to run Kubernetes workloads without handling the underlying infrastructure. All these options charge based on usage not allocation, significantly reducing costs associated with idle resources and over-provisioning. This makes them especially beneficial for variable or unpredictable workloads. Cloud Run and GKE both support GPU’s and flexibility to move between the two. You can start with Cloud Run then move to GKE or vice-versa. Some customers also leverage both offerings for workloads. The rule of thumb is to start with GKE if you need access to the Kubernetes API. Otherwise, start with Cloud Run.
Start reducing your costs today
Migrate to Google Cloud and optimize your infrastructure costs without compromising on what your workloads need. If you are new to Google Cloud, start with a migration assessment. Google Cloud’s Migration Center can help you with a clear understanding of your potential savings by migrating to Google Cloud, with detailed recommended paths for your workloads, along with TCO reports. Apply the strategies in this article and unlock substantial cost savings.
Llevamos años explicando que gran parte de la riqueza de internet está en su llamado «long tail«, en millones de páginas pequeñas, especializadas, actualizadas por comunidades y autores que no salen en los rankings, pero que sostienen su diversidad informativa. Más del 90% de las consultas y palabras clave pertenecen a esa larga cola, lo que convierte a toda esa periferia en el auténtico tejido conectivo de la red.
Hoy, sin embargo, esa materia prima se está cerrando para el entrenamiento y el grounding de los modelos generativos. Google acaba de hacer un cambio sutil pero muy significativo: el mes pasado, Google eliminó silenciosamente el parámetro de búsqueda que permitía mostrar cien resultados en la página de resultados de la búsqueda (Search Engine Results Page, o SERP), lo que significa que ya no puedes ver cien resultados a la vez, el máximo predeterminado ahora es diez. Parte del cierre se supone que es una defensa legítima frente a abusos, pero otra parte, parece más bien un simple cerrojazo de la plataforma. Y con él, Google está impidiendo el acceso de algoritmos de terceros a ese long tail y, en la práctica, sesgando el mercado de LLMs.
El segundo problema viene del caos de los bots que ignoran reglas, y que ha empujado a muchísimos sitios a medidas «de brocha gorda». Tras las investigaciones que pillaron a Perplexity camuflando sus user-agents y saltándose los robots.txt y los WAF, la reacción lógica de editores y proveedores ha sido bloquear más y mejor, sin matices. Ese endurecimiento corta indiscriminadamente el acceso de LLMs, pero castiga especialmente a los que no controlan el canal de búsqueda ni poseen acuerdos de licencia masivos.
En tercer lugar, el diseño de las propias señales de Google: el mecanismo Google-Extended permite a los editores bloquear el uso de su contenido para Gemini sin penalización directa en ranking, pero Google mantiene otras rutas de uso vinculadas a Search, como los resúmenes tipo AI Overviews, fuera de ese control. Para muchos, la única defensa práctica es cerrar a todo lo que huela a inteligencia artificial. ¿A quién perjudica eso? A los LLMs que no son de Google. ¿A quién no tanto? A quien ya indexa la web entera y puede seguir accediendo mediante su Googlebot para fines «de búsqueda». La separación incompleta entre «índice de búsqueda» y «datos para IA» incentiva un bloqueo indiscriminado que termina afectando sobre todo a los rivales.
Además, está la cuestión de los acuerdos exclusivos. Mientras el acceso abierto se complica cada vez más, Google asegura licencias selectivas de alto valor, como el acuerdo de sesenta millones de dólares anuales con Reddit para datos en tiempo real, y conversaciones con grandes medios para licenciar archivos. No hay nada intrínsecamente ilegítimo en licenciar, pero si a la vez los «controles» de la web empujan a cerrar la manguera pública, el efecto combinado es claro: los datos valiosos se privatizan y se concentran en quien ya domina la distribución. Esa asimetría es exactamente la que hace décadas definimos como «apalancamiento» de poder de plataforma, una clara competencia predatoria y una flagrante violación de las leyes antimonopolio.
¿De dónde sale ese «90% perdido»? No es una cifra mágica ni una auditoría oficial, pero sí una referencia robusta: la abrumadora mayoría de términos y consultas pertenece a la larga cola. Si la infraestructura por defecto bloquea rastreadores de inteligencia artificial, si los editores, hartos de abusos, blindan sus robots.txt y sus WAF, y si Google ofrece un opt-out parcial que en la práctica obliga a «cerrar para todos» para evitar que su inteligencia artificial use tu contenido, el resultado razonable es que los LLMs ajenos pierden acceso a la gran mayoría (en torno a ese 90%) de páginas pequeñas y especializadas, que no tienen capacidad de firmar acuerdos de licencia de sus contenidos. Es una reducción funcional del long tail para terceros, mientras el incumbente retiene ventajas por su posición en búsqueda y sus contratos.
¿Es esto conducta anticompetitiva? El derecho de la competencia mira tres cosas: la posición de dominio en un mercado, la conducta de exclusión o apalancamiento, y sus efectos. Google es «gatekeeper»de facto del tráfico web: si diseña señales y políticas que, combinadas con su rastreo y con acuerdos selectivos, dejan a rivales de inteligencia artificial sin la materia prima esencial (la long tail), hablamos de una posible restricción de entradas (input foreclosure) muy similar a la que hemos visto en otros monopolios digitales. Que Francia multase a Google por entrenar inteligencia artificial con contenidos de prensa sin permiso, o que el propio buscador no separe nítidamente qué usa para Search y qué para Gemini, no ayuda a disipar la sospecha. Es un terreno perfecto para la supervisión de los reguladores de competencia y para la DMA europea.
¿Qué habría que hacer para no matar la diversidad informativa ni la innovación en inteligencia artificial? Primero, una separación técnica y jurídica clara entre la indexación de búsqueda y el uso para inteligencia artificial generativa: si quieres usar contenido para entrenar o grounding, pídelo y negocia, pero no lo mezcles con las señales de posicionamiento que en la práctica, nadie puede rechazar sin cometer un «SEOcidio». Segundo, un compromiso de no discriminación de rastreadores de inteligencia artificial que cumplan estándares, con verificación independiente. Tercero, transparencia obligatoria: quién accede, para qué, y qué devuelve en tráfico o compensación. Y cuarto, un «common carrier» de datos abiertos no privativos con licencias compatibles que proteja, precisamente, esa larga cola. De lo contrario, el long tail se convertirá en un club privado: accesible para quien posea el buscador y los cheques, e invisible para todos los demás. Una clara distorsión del panorama competitivo.
No hay que recurrir a teorías de la conspiración para entender lo que está pasando: es suficiente con ver las decisiones de producto y de política tomadas desde quien tiene poder sobre la plataforma. Si dejamos que el acceso a la larga cola de la web se cierre por diseño, el futuro de los LLMs será menos diverso, más dependiente de acuerdos bilaterales y, por supuesto, más favorable para quien ya controla la puerta de entrada. Y eso, en cualquier manual serio de competencia, debería ser cuando menos motivo de investigación.
Deloitte realizará un reembolso parcial al gobierno de Australia por un informe de $440,000 que contenía varios errores, después de reconocer que utilizó inteligencia artificial generativa para ayudar a redactarlo.
Bob Pop quiere postularse como candidato a alcalde con Barcelona En Comú. El escritor y crítico televisivo ha hablado ya con la ejecutiva de los Comuns y entrará en los procesos participativos.
etiquetas: bob pop, barcelona, política, alcaldía, en comú
El cabeza de lista del partido La Libertad Avanza (LLA) por Buenos Aires para las próximas elecciones legislativas, José Luis Espert, ha renunciado este domingo a su candidatura a la reelección como diputado a apenas tres semanas de los comicios y tras haber reconocido el cobro de 200.000 dólares (unos 170.000 euros) del narcotraficante argentino Federico 'Fred' Machado.
“El gilipollas del mes soy yo. A las 9:42 me escriben por SMS y me dicen ‘hola papá, mi teléfono está roto. Este es mi nuevo número, envíame un mensaje por WhatsApp cuando puedas’. Guardo el teléfono y digo hola”, comienza describiendo Iturriaga. Pasó algo de tiempo sin que la víctima en este caso contestara, por lo que los estafadores volvieron a la carga y le pidieron que fuera a su banco y en ventanilla les hiciera una transferencia de 9.811 euros. “Increíblemente yo voy porque seguía con que tenía que ayudar a mi hija”, destaca Iturriaga.
The Government Media Office in Gaza announced in a report that the rate of destruction across the Palestinian enclave has reached approximately 90 percent, two years after the Israeli occupation began its genocidal war against the Gaza Strip....
Ricardo Conde, que estuvo afiliado a la asociación conservadora APM, ocupó un alto cargo en el Ministerio de Justicia durante el Gobierno de Rajoy y antes fue asesor en el Ejecutivo de Aznar. Intentó que no se expedientase al juez que acusó a Sánchez de "golpismo" y se burló de su mujer llamándola "Barbigoña", propuesta desautorizada por el CGPJ, que ordenó investigar esos insultos
«Mi primera impresión fue que era muy dulce, parecía bastante tímido. Me dijo: «No suelo hacer esto, pero me encantaría verte mañana. ¿Podemos quedar para desayunar?». Desayunamos y luego me dijo: «¿Quieres venir a comer conmigo?». Así que fuimos a comer y me dijo: «¿Quieres venir a cenar?». Y luego, una noche, me dijo: «¿Te gustaría venir a mi habitación del hotel para ver vídeos de cohetes?». Yo le respondí: «Vale, sí, volveré», y volvimos a su habitación del hotel y me enseñó vídeos de cohetes».
Te escribo porque está ahora en boca la huelga de médicos. Soy enfermera y llevo más de 10 años pasando por distintos servicios, te voy a contar un poco lo que no se ve y nadie cuenta. Desde luego que las condiciones laborales han de mejorar, como las de todos. No podemos discutir eso. Y sé que muchos médicos al leer esto se escandalizarán y me dirán de todo, pero si conocéis gente que trabaje en los hospitales, que confirmen si me desvío mucho de la realidad.
Pero no he oído a ningún médico hablar de cómo muchos de los médicos adjuntos (los que ya tienen el MIR básicamente) en sus guardias de 24 horas, llega un momento que se van a dormir y ojo como se les llame por un paciente sin que antes hayan acudido a ver a ese paciente todos los residentes y no hayan sido capaces de atenderlo ellos. Y ese irse a dormir y que nadie les moleste entra dentro de las 24 horas de las que tanto hablan. Son los residentes los que la mayoría de las veces duermen poco, a los que se les usa como un médico más a pesar de estar con un contrato de formación y cobrar como tal. Pero de eso no se quejan ni se manifiestan los médicos que ya no son residentes.
Tampoco he oído a nadie protestar ni manifestarse porque cuando se organizan peonadas para mejorar las listas de espera (peonadas son jornadas extra, normalmente, de cirugías) se les paga por cada cirugía realizada durante la jornada extra, y casualmente casi todos los cirujanos en las mismas siete horas de trabajo extra son capaces de hacer una o dos cirugías más que durante su jornada normal. Es decir, en una mañana donde van a cobrar lo mismo hagan lo que hagan son capaces de hacer 3 cirugías de lo que sea, pero llega la tarde donde van a cobrar por cada acto quirúrgico que hagan durante las siguientes 7 horas, y son capaces de hacer 4 o 5 intervenciones. Pero de eso nadie se queja.
El otro día publicaste la noticia de los médicos que vienen a trabajar de otros países. Y es real que muchos de ellos vienen sin MIR y ejercen sin ello. Pero el problema no es que no lo tengan, es que muchos de ellos vienen con un nivel de formación bastante inferior al que adquieren aquí los estudiantes de medicina, creando situaciones muy peligrosas para la población. Leí los comentarios de la noticia que publicaste, y mucha gente decía que eso no era así, que no se podía ejercer sin el MIR… Pero no sabéis la cantidad de médicos que están en esa situación ejerciendo. Hay tal falta de médicos que incluso a los que se forman aquí les ofrecen contratos antes de acabar el último año de universidad, antes de prepararse y presentarse al MIR. Pero de esto no protestan ni se manifiestan.
Tampoco comentan como “compatibilizan” el trabajar en la sanidad pública y en la privada, usando el tiempo de trabajo en la pública para desplazarse o atender a gente de la privada. E incluso los que llevamos tiempo hemos podido ver a médicos que priorizan en las listas quirúrgicas a los pacientes que acuden a su consulta privada.
Sé que a muchos les parecerá que estoy blasfemando y diciendo locuras, pero es realidad. Cualquiera que no se lo crea que busque personal que lleve tiempo trabajando en un hospital y pregunte. Me parece fenomenal que quieran mejorar sus condiciones laborales, pero que cuenten también la otra cara en la que se exprime al sistema.
