Notas
Textos cortos sobre la metodología y las decisiones arquitectónicas detrás de los sistemas de IA que entrego — specs, evals, orquestación multi-agente, integración de LLMs y la disciplina de dirigir agentes de codificación.
4 de junio de 2026
Tu organigrama no puede correr agentes
Todo ejecutivo se pregunta '¿ya es lo bastante bueno el modelo?'. Nuevos datos del MIT dicen que esa es la pregunta equivocada: el 85% de las organizaciones quiere ser agentic (agéntico), pero el 76% admite que sus propias operaciones no pueden soportarlo. El bloqueo no es la capacidad del modelo, es que las empresas están atornillando un nuevo tipo de trabajador a un organigrama dibujado para humanos. Un agente no tiene jefe, ni escalera de carrera, tiene permisos acotados y una tasa de alucinación. Aquí está la casilla que le falta a tu organigrama.
- business
- methodology
- ai-native
3 de junio de 2026
La mayoría de los agentes de IA nunca llegan a producción
La demo deslumbra. Después, el agente nunca sale a producción. Encuesta tras encuesta en 2025–26 encuentran el mismo abismo: casi todos tienen un piloto de agente, casi nadie lo tiene en producción. La razón no es el modelo: es la ingeniería poco glamorosa que la demo te dejó saltarte. Esto es lo que hace distinto la pequeña minoría que sí lo lleva a producción.
- agents
- eval
- methodology
3 de junio de 2026
Un modelo barato puede hacer el 90% del trabajo
El movimiento por defecto es apuntar el modelo más grande e inteligente a todo. Funciona en la demo y, en silencio, te lleva a la quiebra a escala — porque la mayor parte de lo que hace un agente no es razonar, es mecánico, y estás pagando sueldo de genio por leer un formulario. La solución es aburrida y vale ~90%: deja que un modelo inteligente planifique, y que los modelos baratos hagan. Acá está la economía, y la única regla arquitectónica que lo hace posible.
- agents
- architecture
- business
3 de junio de 2026
Dejé de aprobar las decisiones del agente. Ahora las observo.
Cuando empecé a construir agentes aprobaba cada acción — sentía que era lo responsable. No lo era; para el trigésimo 'sí' ya estaba aprobando de forma automática, lo cual es peor que no tener ningún punto de control. La supervisión real no es tocar cada decisión, es fijar la política y observar los resultados. Aquí está el giro de in-the-loop a on-the-loop, y la arquitectura que hace que soltar sea realmente seguro.
- agents
- methodology
- ai-native
3 de junio de 2026
El grounding no es una funcionalidad. Es una restricción.
Un LLM es, por diseño, una máquina de adivinar — siempre va a inventar cosas, y no lo arreglas con un prompt. El único arreglo confiable es arquitectónico: pon una fuente determinista a cargo de los hechos y degrada al modelo a un reformulador que nunca tiene permitido inventar uno. 'Agregar RAG' no es eso. Aquí está la diferencia, y por qué es la línea que separa a una IA que suena segura de una en la que puedes confiar.
- architecture
- agents
- methodology
3 de junio de 2026
Un agente que lo hace todo no hace nada bien
Cuando un agente no es lo bastante bueno, el instinto es darle más — otra herramienta, más instrucciones, más contexto. Eso lo empeora, y está medido, no es cuestión de gustos. La solución es la regla más vieja de la ingeniería: Responsabilidad Única. Un agente, un trabajo, unas pocas herramientas, un contexto corto. Un god-agent es una función de diez mil líneas con una gabardina puesta — y falla por la misma razón.
- agents
- architecture
- methodology