BLOG TECH

Este mes la AI empezó a gestionar negocios, no solo a asistir. Marzo fue sobre cómo la AI empezó a actuar. Abril es sobre cómo empezó a gestionar. Los agentes ya negocian contratos, corren en silicon propio y se instalan en tu terminal antes de que abras un archivo. La era del “AI como chatbot” terminó.

Siete cosas que merecen tu atención.

1. Harness Engineering es el trabajo real ahora

Todo el mundo predijo la muerte del desarrollador de software. Luego Anthropic filtró accidentalmente 512.000 líneas de código de su Claude Code CLI. Lo que había dentro es lo interesante: no una capa fina sobre un modelo, sino un sistema de scaffolding masivo con gestión de memoria, bucles de consulta self-healing y capas de coordinación entre agentes (incluyendo algo llamado el KAIROS background daemon), todo diseñado para evitar que el modelo colapse bajo su propio peso.

Febrero fue ruidoso con anuncios. Marzo fue más tranquilo, pero lo que realmente salió a producción importa más que lo que se mostró en un escenario. El tema del mes: los modelos de AI ya no solo responden preguntas. Están haciendo clic en botones, escribiendo código, borrando correos (más sobre eso después) y ejecutándose en hardware que habría parecido absurdo hace un año.

Siete cosas a las que vale la pena prestar atención.

Cloudflare lanzó recientemente Dynamic Workers en beta abierta - sandboxes rápidos para agentes AI. La empresa afirma que funcionan 100 veces más rápido que los contenedores tradicionales al ejecutar código generado por agentes AI. Es una afirmación bastante seria. Veamos qué hay detrás.

Los contenedores son demasiado pesados para los agentes AI

Los agentes AI modernos no solo responden preguntas, también pueden escribir y ejecutar código sobre la marcha. Un agente puede generar un pequeño script para llamar a una API, procesar datos o completar una tarea. Ese código necesita ejecutarse en algún lugar. Por razones de seguridad, es mejor hacerlo en un sandbox, aislado del resto del sistema.

Llevo usando Obsidian bastante tiempo. Unas tres veces lo empecé y lo dejé. Pero ahora se quedó en mis dispositivos para largo, y poco a poco se va integrando en mis procesos de trabajo y personales. Todavía me queda un largo camino para aprender a usarlo de forma eficiente. Lo que me atrae es que todo se almacena localmente en archivos Markdown normales, funciona de manera muy estable, se sincroniza entre dispositivos fácil y rápido (con Syncthing) y tiene un enorme universo de plugins. Si todavía no lo probaste, te recomiendo empezar por el sitio oficial.

Si alguna vez intentaste mostrar datos tabulares en un sitio Hugo, sabes lo rápido que todo se complica. Digamos que tienes un buen archivo CSV con rankings de aplicaciones, comparaciones de precios o resultados de benchmarks. Para convertirlo en una tabla bonita en la página, tendrás que pelear con el marcado Markdown o escribir HTML a mano. Las dos opciones son regulares, y las dos escalan mal.

Me topé con esto lo suficiente como para terminar construyendo una herramienta decente, un shortcode llamado csv-table. Le apuntas a un archivo CSV y obtienes una tabla HTML estilizada, ordenable y adaptable. Una línea en tu contenido, cero marcado manual.

Existe esta aplicación increíble llamada Raycast que me ayudó exitosamente a reemplazar varias utilidades de pago. La he estado usando por mucho tiempo y ya se ha integrado tanto en mi rutina diaria de trabajo en MacBook que se ha vuelto memoria muscular. Es extraño que Apple no haya podido llevar su Spotlight a este nivel, pero ese es otro tema.

Si te interesa saber por qué específicamente Raycast, entonces lee el artículo Alfred vs Raycast vs Monarch. Ahí hay consejos útiles sobre cómo usar Raycast.

El reconocimiento facial es una tecnología clave que impulsa múltiples soluciones: desde desbloquear smartphones hasta sistemas complejos de seguridad. Hoy en día el mercado ofrece decenas de modelos, cada uno prometiendo alta precisión y velocidad. ¿Pero cómo navegar esta diversidad y elegir el adecuado para tu proyecto específico?

Ya sea una app móvil con reconocimiento facial en tiempo real o un sistema de videovigilancia con altos requisitos de precisión, elegir el modelo correcto es crítico. Estudiar pruebas comparativas y revisiones de algoritmos líderes en detección y tracking facial es el primer paso hacia una implementación tecnológica efectiva. Este enfoque no solo ayudará a ahorrar recursos, sino también a lograr un rendimiento estable y rápido en condiciones reales.

El crecimiento explosivo de los modelos de lenguaje grandes ha creado un nuevo desafío para los desarrolladores: cómo gestionar eficientemente el acceso a múltiples proveedores de LLM sin enredarse con diferentes APIs, modelos de precios y métodos de autenticación.

Dos servicios populares han surgido para resolver este problema: OpenRouter y LiteLLM. Ambas herramientas prometen simplificar la integración con LLM, pero usan enfoques fundamentalmente diferentes. Este artículo te ayudará a entender qué solución funciona mejor para tus necesidades.

La popularidad de la automatización de procesos ha crecido rápidamente en los últimos tiempos, así que en este artículo quiero compartir algunos recursos para estudiar este tema, además de todos los videos gratuitos que puedes encontrar en YouTube y otras plataformas. El conocimiento de herramientas de automatización ayudará a cualquiera que busque optimizar su trabajo, reducir costos operativos o simplemente llevar su carrera al siguiente nivel.

Por Qué Es Importante

La automatización de procesos se está convirtiendo rápidamente en una de las habilidades más demandadas en todas las industrias. Las empresas que implementan automatización pueden reducir significativamente los costos operativos mientras aumentan la productividad y la precisión. Y considerando que muchos están buscando formas de reducir sus gastos, la automatización de procesos será cada vez más demandada.

En una era donde consumimos más contenido digital que nunca, el humilde marcador se ha transformado de un simple señalador a una herramienta crítica de gestión del conocimiento. Desde nuestra revisión de los mejores gestores de marcadores en 2023, ha ocurrido una revolución en la forma en que capturamos, organizamos y aprovechamos la información en línea.

Los gestores de marcadores de 2025 han evolucionado hasta convertirse en asistentes digitales inteligentes que no solo almacenan enlaces, sino que nos ayudan activamente a dar sentido a nuestro panorama informativo cada vez más complejo. Ahora analizan contenido, sugieren conexiones, facilitan la colaboración y se integran perfectamente con nuestros flujos de trabajo digitales.