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.
9 de junio de 2026
Los agentes se volvieron más inteligentes. No se volvieron más confiables.
Un nuevo estudio pasó 14 modelos por pruebas de confiabilidad y encontró algo que la carrera de los benchmarks esconde: dos años de capacidad disparada produjeron solo mejoras pequeñas en confiabilidad. Más inteligente no es más estable. Y las matemáticas son brutales: incluso un paso confiable al 95%, ejecutado 20 veces seguidas, termina la tarea completa correctamente cerca de un tercio de las veces. Seguimos eligiendo agentes por su inteligencia cuando lo que decide si funcionan es algo completamente distinto, algo que apenas medimos.
- eval
- agents
9 de junio de 2026
El día en que tu agente puede gastar dinero
MetaMask le acaba de dar una billetera a los agentes de IA — dejando que un bot opere en DeFi en tu nombre, más rápido de lo que tú podrías hacer clic. Es un hito real, y debería ponerte un poco nervioso, porque cada cosa tambaleante de los agentes deja de ser teórica en el momento en que uno tiene las llaves. Una respuesta equivocada la puedes arreglar. Una transferencia irreversible a un desconocido no. Lo interesante no es que los agentes ahora puedan gastar. Es la única idea de diseño que lo hace sobrevivible.
- security
- agents
7 de junio de 2026
Los agentes saben escribir código pero no saben terminar el trabajo
Un nuevo benchmark llamado DeployBench les pidió a los agentes de IA algo engañosamente aburrido: tomar un proyecto de investigación y lograr que efectivamente corra en una máquina nueva. Los mejores agentes aprobaron apenas el 8% de las veces, y los fallos comparten una causa raíz que debería cambiar cómo los usas. Los agentes seguían cantando victoria mientras revisaban un objetivo más débil que el que pedía la tarea. No solo fallaron. Fallaron y reportaron éxito. Ese es el verdadero problema de la última milla, y se trata de criterio, no de programar.
- eval
- agents
- methodology
7 de junio de 2026
Los agentes de Google trabajan mientras duermes
En el I/O, Google mostró agentes que no esperan una pregunta. Le dices a uno qué te importa —un departamento, un concierto, un precio— y vigila toda la web 24/7 y te avisa cuando algo cambia. Otros llamarán a un negocio por ti para agendar tu corte de pelo. La búsqueda pasó de ser algo que jalas a algo que te empuja. Es un cambio real en lo que los usuarios esperarán de cualquier producto con IA adentro, y sube en silencio la vara en costo, confianza y quién responde cuando el agente actúa.
- ai-native
- agents
- methodology
7 de junio de 2026
“Lo hizo la IA” es la nueva forma de esquivar la culpa
La IA fue señalada en cerca de uno de cada cuatro recortes de empleo en EE. UU. esta primavera, y hasta Sam Altman admite que las empresas culpan a la IA 'sea o no realmente por la IA'. Los analistas tienen un nombre para esto: AI-washing. Pero la misma jugada se está colando silenciosamente en cómo operamos los agentes: cuando algo sale mal, 'el agente lo decidió' se vuelve el lugar donde va a morir la responsabilidad. La máquina no puede cargar con la rendición de cuentas. Un humano siempre lo hace. Aquí está por qué esto importa cada vez más a medida que les das a los agentes decisiones reales.
- business
- agents
- careers
7 de junio de 2026
No puedes operar un agente que no puedes observar
Una encuesta de Cisco de este año encontró que la mayoría de las empresas están corriendo agentes que no pueden monitorear bien. Ahí está todo el problema en una sola frase. Los agentes fallan de un modo en que el software normal no lo hace: devuelven un éxito prolijo mientras hacen lo incorrecto en silencio, y solo lo ves en la traza completa de lo que hicieron, no en la salida final. La «observabilidad de agentes» se volvió una disciplina por sí sola en 2026 justamente por eso. La poco glamorosa capacidad de ver lo que tu agente realmente hizo se está convirtiendo en la línea que separa un piloto de algo en producción.
- methodology
- agents
- architecture