El Pulso del 27 de setiembre de 2026

«La caída del costo de los agentes es, en realidad, una historia de caché.» Mostrar por qué los agentes recurrentes se abaratan de forma dramática cuando reutilizan contexto en vez de volver a leerlo.

«Basta de comparar modelos con gráficos de IQ: hay que comparar la factura cuando el agente termina.» Contrastar el precio por token, las lecturas en caché, los reintentos y el tiempo de supervisión.

«La verdadera carrera de la IA se está volviendo una carrera de sandboxes.» Explicar por qué entrenar agentes implica levantar flotas enormes de computadoras descartables, pero con estado.

«Un agente de IA no “hackeó” internet: encontró el protocolo olvidado.» Contarlo como una lección de defensa en profundidad y de por qué los permisos de las herramientas no alcanzan.

«En el momento en que un agente tiene bandeja de entrada, deja de ser un chatbot.» Mapear la nueva superficie de ataque y los flujos de trabajo útiles que esto habilita.

«Lo inquietante no es el avatar: es que sigue hablando mientras trabaja.» Demostrar la diferencia de experiencia entre un asistente de voz que se calla y un agente con presencia continua.

«Los laboratorios están entrenando modelos para sobrevivir la parte aburrida, la del medio de una tarea.» Explicar por qué planificar, verificar y recuperarse a lo largo de horas es más difícil que las demos de código de un solo tiro.

«Puede que puedas hacer más rápido tu LLM local sin cambiar de modelo.» Enseñar decoding especulativo con una imagen: que un n-grama barato adivine, y que el modelo principal verifique.

«Tu benchmark local de IA te miente si tiene una sola corrida.» Mostrar la varianza, los tests ocultos, la finalización limpia, la tasa de aciertos de caché y los valores por defecto como los cinco números que vale la pena reportar.

«Las funciones aburridas que deciden si una empresa puede desplegar agentes de código.» Explicar en castellano llano el anclaje de modelo, la telemetría de herramientas y las auditorías de prompts.