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.
8 de junio de 2026
Apple alquiló su cerebro
En su keynote de despedida, Tim Cook mostró un Siri reconstruido — corriendo sobre un modelo Google Gemini a medida de 1,2 billones de parámetros por el que Apple paga alrededor de mil millones de dólares al año. Detente a pensarlo. La empresa cuya identidad entera es ser dueña de cada capa de su stack acaba de decidir que el modelo de IA es la única pieza que no vale la pena construir. Ese es el veredicto más creíble que vas a recibir de que el modelo es un commodity — y una lección limpia sobre qué vale la pena poseer de verdad.
- business
- ai-native
- architecture
8 de junio de 2026
Cuando el gobierno quiere un pedazo de tu laboratorio de IA
Esta semana, funcionarios de EE. UU. y OpenAI retomaron una idea llamativa: que el gobierno federal tome una participación accionaria en la empresa. Un senador fue más allá y propuso una participación estatal del 50% en los laboratorios de IA líderes. Si dejas de lado la política, hay un cambio más silencioso en marcha: la IA está pasando de ser un «producto» a ser «infraestructura nacional», algo que los Estados tratan como el petróleo o la red eléctrica y quieren poseer. Si la base sobre la que construyes se está convirtiendo en un activo estratégico por el que pelean los gobiernos, «es solo una API» ya no es una forma segura de pensar en ello.
- business
8 de junio de 2026
La nube tiene una chimenea
La llamamos «la nube», lo que hace que la IA suene ingrávida. No lo es. Cada prompt pasa por edificios enormes que queman electricidad real y evaporan agua real — y la construcción ya es tan grande que tensiona las redes eléctricas, encarece la factura de luz de la gente y desató más de 300 proyectos de ley estatales en un solo año. La IA es, en silencio, una de las industrias más físicas de la tierra, y ese límite físico — no los algoritmos — se está convirtiendo en lo que decide hasta dónde puede llegar. Vale la pena pensarlo, aunque sea desde un teclado.
- business
8 de junio de 2026
Los laboratorios salen a bolsa, y el público no se lo cree
Anthropic acaba de presentar su salida a bolsa con una valoración cercana al billón de dólares, y OpenAI viene justo detrás. Al mismo tiempo, el 57% de los estadounidenses dice que los riesgos de la IA superan a sus beneficios, mientras la usan más cada mes. Dos cosas que vale la pena pensar: qué le pasa a los principios de «seguridad ante todo» de una empresa cuando el precio de su acción depende de un crecimiento implacable, y qué significa que la base sobre la que construyes ahora la manejen accionistas que ya pusieron precio a un futuro que todavía no llegó. Esto no es análisis de mercado. Es sobre el terreno moviéndose bajo los pies de todos los que construyen sobre estos modelos.
- business
8 de junio de 2026
Tu modelo trae valores de fábrica — y tú los heredas
Anthropic se negó a dejar que el Pentágono usara a Claude para vigilancia masiva o armas autónomas. El Secretario de Defensa lo llamó «arrogancia» y un intento de «arrebatar el poder de veto» sobre las fuerzas armadas, declaró a la empresa un riesgo para la cadena de suministro y cortó lazos. Pienses lo que pienses sobre quién tiene razón, la pelea deja al descubierto algo que casi todo el que construye pasa por alto: un modelo no es una herramienta neutral. Viene con rechazos, límites y una visión del mundo que eligió quien lo hizo. Eliges un modelo y, sin darte cuenta, ya adoptaste sus valores — pasan a ser también los valores de tu producto.
- ai-native
- business
7 de junio de 2026
Para los agentes de larga duración, el costo por tarea es el único benchmark
El nuevo Nemotron 3 Ultra de NVIDIA no se vende por ser el modelo más inteligente. Se vende por ser barato de correr durante horas — pensado para agentes que planifican, llaman herramientas y razonan a lo largo de cientos de turnos. Ese enfoque es la verdadera historia. Cuando un agente corre por mucho tiempo, el número que importa deja de ser el puntaje del benchmark o el precio por token y pasa a ser el costo en dólares por tarea terminada. Dos modelos con el mismo precio por token pueden diferir 2x en un trabajo real. Acá explico por qué la tabla de líderes es lo equivocado para comparar una vez que tu agente corre por más de un instante.
- ai-native
- business
- eval