Últimos artículos sobre IA, tecnología y desarrollo de software.
La mayoría de las tareas de IA empresarial nunca necesitaron un modelo de frontera. A medida que madura la arquitectura de enrutamiento, la clasificación, extracción y triaje están migrando a modelos 10-100 veces más baratos, y el ahorro ya se refleja en los presupuestos.
Cuatro incidentes de 2026 — la brecha de Medicare en Australia, Hugging Face, el ransomware JadePuffer y el aviso de CERT-In en India — comparten la misma raíz: privilegio excesivo permanente y divulgación lenta.
Entrenar un modelo de frontera es un costo único; la inferencia ocurre en cada consulta, para siempre. La cuantización, el enrutamiento MoE y la decodificación especulativa se están volviendo estándar porque ahí está el dinero real.
Escribir un prompt ingenioso resolvía casi todo en 2024. En 2026, el cuello de botella de los sistemas agénticos es decidir qué información entra en la ventana de contexto, en qué orden y cuándo se descarta.
Los modelos de vanguardia son suficientemente capaces. Lo que falla en los agentes de IA empresariales en produccion es la memoria: saber que conservar, que corregir y que olvidar.
California eliminó en enero la defensa de «la IA lo hizo de forma autónoma». Seis meses después, un agente de OpenAI vulneró el sistema Medicare de Australia y la pregunta de responsabilidad sigue abierta.
La industria del etiquetado de datos giró hacia la construcción de lugares de trabajo simulados donde entrenan los modelos de IA, y ese cambio se está convirtiendo en la verdadera restricción de capacidad.
Las puntuaciones de MMLU pueden variar hasta 13 puntos con solo reordenar las opciones de respuesta. A medida que los números de los leaderboards se desconectan del rendimiento real, los equipos de compras están construyendo sus propios Pipeline de evaluación privados.
El almacenamiento en caché de prompts puede reducir los costos de la API de LLM entre un 60 y 90 por ciento, pero la mayoría de los equipos de ingeniería estructuran sus prompts de una forma que anula esta ventaja antes de que empiece a funcionar.
Los agentes de IA ya superan en número a las cuentas humanas dentro de la mayoría de las empresas, por márgenes de dos dígitos. La gestión tradicional de identidad nunca se diseñó para eso, y la brecha se está convirtiendo en un problema de seguridad real.
A medida que las ventanas de contexto superan el millón de tokens, los equipos de ingeniería están desmantelando silenciosamente los pipelines de generación aumentada por recuperación para simplemente pegar conjuntos completos de documentos en el prompt. El cambio no es universal, pero saber cuándo RAG sigue ganando es ahora una decisión de arquitectura real, no un default.
Las empresas están descubriendo que enviar cada solicitud al modelo más caro desperdicia dinero sin mejorar los resultados. El Model Routing envía cada consulta al modelo más barato que realmente pueda manejarla.