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.
15 de junio de 2026
El agente de soporte de 3.600 millones de dólares
Salesforce ya vende Agentforce — una plataforma para construir tus propios agentes de IA. El 15 de junio gastó 3.600 millones de dólares para comprar uno ya terminado. Fin, el agente de soporte antes conocido como Intercom, resuelve por sí solo el 76% de los tickets de extremo a extremo sobre su propio modelo hecho a medida. La empresa mejor posicionada para construir esto decidió que comprar un agente probado y empaquetado valía 3.600 millones de dólares más que esperar a construirlo. Esa es la señal de construir-versus-comprar más clara que verás este año. Esto es lo que de verdad significa para el resto de nosotros.
- business
- agents
14 de junio de 2026
Tienes doce agentes funcionando. La mitad trabajan solos.
La empresa promedio hoy corre unos 12 agentes de IA, camino a 20 el año que viene — y la mitad operan completamente por su cuenta, sin hablar con ninguno de los demás. Nos apuramos a sumar agentes más rápido de lo que los conectamos, así que la mayoría de las empresas tienen un cajón lleno de herramientas ingeniosas que cada una ve apenas una porción del trabajo y ninguna ve el todo. El valor nunca estuvo en tener más agentes. Está en las conexiones entre ellos, y esa es justo la parte que casi nadie construyó. Acá te explico por qué se abrió la brecha y cómo cerrarla.
- agents
- business
14 de junio de 2026
Tienes un agente. No tienes IA.
El 80% de las apps empresariales lanzadas o actualizadas a principios de 2026 incorporan al menos un agente de IA — frente al 33% en 2024. Suena a que todos ya «hicieron IA». Pero incorporar un agente y sacarle valor son cosas distintas: el agente mediano tarda 5,1 meses en recuperar la inversión, y la mayoría de los despliegues siguen atascados en piloto, sin escalar nunca. Tener un agente ya es lo mínimo, como tener un sitio web. La brecha que de verdad separa a las empresas es si el agente llegó a producción, se ganó su lugar y logró que confiaran en él para operar. Esta es la diferencia que importa.
- business
- agents
13 de junio de 2026
Una marca verde puede esconder un proceso roto por dentro
Este es el fallo que se come a los agentes de IA en producción: el agente ejecuta una tarea de varios pasos, se equivoca en algún punto a mitad de camino y aun así entrega una respuesta final que pasa tu chequeo. La salida se ve limpia. El razonamiento estaba roto. Los investigadores descubrieron que así es exactamente como fallan los agentes de varios pasos: un error en el paso tres se propaga sin que nadie lo vea hasta un resumen en el paso diez que se lee bien y está mal. Si solo calificas la respuesta final, eres ciego a la mayor parte de cómo se rompen los agentes de verdad. Aquí va el porqué, y qué revisar en su lugar.
- methodology
- agents
13 de junio de 2026
La ventana de contexto más grande no gana
Cada lanzamiento de un modelo presume de una ventana de contexto más grande: un millón de tokens, dos millones, todo el código de golpe. Pero un análisis de despliegues empresariales encontró que casi el 65% de los fallos de agentes venían de deriva de contexto o pérdida de memoria durante el trabajo de varios pasos, no de una ventana demasiado pequeña. Los equipos que en 2026 lanzan agentes fiables no son los que tienen la ventana más grande. Son los que curan con más rigor lo que el modelo realmente ve. Aquí está la diferencia, y por qué más suele ser peor.
- agents
- methodology
13 de junio de 2026
Tu agente funciona el 57% de las veces
Un informe de marzo de 2026 analizó 6.259 agentes de IA en producción real y encontró una tasa de éxito agregada del 56,6% — apenas mejor que tirar una moneda. Los mismos estudios muestran una brecha del 37% entre cómo puntúan los agentes en los benchmarks y cómo rinden en el mundo real. Esa brecha es toda la historia. La demo siempre funciona; el trabajo es lograr que el agente funcione el otro 43% de las veces. Aquí va por qué el número es tan bajo, y qué hacen distinto los equipos que están por encima.
- agents
- methodology