Tema
#Agentes
31 artículos sobre este tema. Vuelve al índice del blog para verlos todos.
El modelo de voz barato de ElevenLabs suena mejor que el caro y resuelve 60,3 % de las tareas
ElevenLabs lanzó Eleven Realtime el 20 de octubre. El modelo barato gana en turnos de habla y el caro completa 87,1 % de las tareas con herramientas frente a 60,3 %.
DeepSeek vende búsqueda web a 0,75 dólares por mil llamadas, y OpenAI y Anthropic la cobran a 10
DeepSeek abrió su buscador el 17 de octubre a 0,75 dólares por mil llamadas con éxito. La unidad de la factura deja de ser el token, y hay una fecha en el calendario.
Qué decide la IA y qué firma una persona: las dos formas en que falla una bandeja de aprobaciones
Todo marco de agentes trae una pausa para que un humano apruebe. Falla de dos maneras opuestas: se vuelve cuello de botella, o el modelo la rodea. Qué hicimos con cada una.
Jev acierta 56 de 60 conversaciones, y sus cuatro errores caen donde él mismo dijo que dudaba
60 conversaciones de cobranza etiquetadas a mano, contra reglas de palabras y contra Jev: 42 frente a 56. Los cuatro fallos están entre los seis casos que el modelo marcó dudosos.
Dos llamadas en el mismo milisegundo y la troncal solo tramita una: 100 Trying no promete nada
La troncal responde 100 Trying a dos INVITE enviadas a la vez y solo tramita una. Por qué el acuse de recibo no sirve como estado de la llamada y qué decidimos en su lugar.
El regulador británico abre expediente a los agentes de IA, y en Colombia demostrarlo ya es obligatorio
El ICO obtuvo cambios de diez desarrolladores y abrió un llamado sobre agentes. Con diagrama: lo que Colombia instruyó en 2024 y el Reino Unido apenas consulta.
Claude Haiku 5.5 cobra 10 centavos el millón, y el agente que mira la pantalla cruza su umbral
Haiku 5.5 cuesta 0,10 dólares el millón hasta 100.000 tokens de prompt y cinco veces más pasado ese punto. Un agente que mira la pantalla llega ahí en unas 60 capturas.
Datos personales y modelos de IA: la ley deja mandarlos a Estados Unidos, pero hay que poder demostrarlo
El artículo 26 permite la transferencia: Estados Unidos está en la lista de la SIC. Lo que no se delega es la responsabilidad demostrada, y una línea en el prompt no la cumple.
Cloudflare y AWS abren sus modelos de decisión: corren en tu hardware y el tablero se mueve solo
Cloudflare y AWS publicaron sus modelos de decisión con licencia Apache 2.0 el 1 de octubre. El propio repositorio de AWS mide cuánto de su puesto en el tablero es ruido.
Coexistencia en WhatsApp: lo que el dueño contesta a mano no se cobra, pero el número pierde las llamadas
Lo que el negocio responde desde su celular sigue siendo gratis y solo se cobra lo que manda el agente. A cambio, la API de llamadas pide un número que no esté en la app.
La Decisions API de OpenAI cierra el espacio de respuestas: eso arregla el parseo, no el juicio
OpenAI la anunció el 29 de septiembre y no está en el registro de cambios ni en la tabla de precios. Lo que hay que exigirle: un número de confianza.
Le pusimos a Jev de portero de un agente de código: la lista de patrones dejó pasar nueve destructivos
94 comandos etiquetados a mano y medidos contra la API de Jev. El mismo «rm -rf build/» cambia de veredicto según dónde se ejecuta, y una regla de texto no puede verlo.
Laya le gana a Jev en los titulares, y los dos bancos que corrieron los dos modelos dicen lo contrario
El 0,766 contra 0,727 sale de la tarjeta de Laya, que avisa que nunca midió a Jev. Los dos bancos que corrieron ambos ponen a Jev adelante.
El secreto del webhook viaja en la URL y tu registro de acceso lo guarda entero
El token de verificación de un webhook de WhatsApp llega en la cadena de consulta, y el registro de acceso escribe la línea entera. Qué hacer con un secreto quemado.
Un agente dijo que verificó la identidad y no había verificado nada
Le pedimos que confirmara la identidad antes de dar cifras y dijo que la confirmó con unos dígitos que no eran. Qué sí cierra esa puerta.
Cómo montar una POC de un agente en dos semanas: qué se prueba y qué se deja fuera
Una POC no es un producto pequeño: es una pregunta con umbral y con fecha. Qué caso elegir, qué dejar fuera y por qué el sistema del cliente se dobla.
Cuatro laboratorios, el mismo evaluador: sus agentes de prueba entraron en empresas reales
Google confirmó que Gemini entró en tres empresas durante pruebas de Irregular, como antes Anthropic, OpenAI y Meta. Qué pasa si la alcanzada es la tuya.
OpenAI publicó seis casos de modelos que ocultaron errores: lo que cambia para quien opera agentes
OpenAI publicó seis informes de conducta desalineada. Con diagrama: el resumen donde un agente se anotó ocultar un error, y el registro que no depende del modelo.
El mismo agente de código puede costar el doble según el arnés: lo que midieron UC Berkeley y Arena
UC Berkeley y Arena probaron siete modelos en Claude Code, Codex y Pi. El acierto casi no cambia y el coste por tarea llega a duplicarse. Tabla y cuenta en pesos.
Amodei y Altman piden frenar la IA: la evaluación que exige el proyecto de ley colombiano sigue siendo tuya
Anthropic y OpenAI aceptan evaluadores externos y piden bajar el ritmo. El proyecto de ley 025 de 2026 pone la evaluación de impacto en quien implementa.
Tu agente puede responder peor sin aviso: lo que cambia la alerta de EE. UU. sobre destilación de modelos
NSA, CISA y FBI piden a los laboratorios degradar en silencio las cuentas que identifiquen como destiladoras. Qué señales comparte un agente legítimo y cómo protegerlo.
Meta Muse compra y negocia por el usuario: lo que una empresa colombiana debe revisar antes de que llegue
Meta lanzó un agente que compra y negocia en nombre de la persona. Con tabla: qué agentes ya operan desde Colombia y qué revisar en su tienda y en sus pagos.
Tu chatbot ya tiene que decir que es un chatbot: la regla europea que alcanza a empresas colombianas
Con diagrama: desde el 2 de agosto la ley europea obliga a avisar que se habla con una IA, y aplica por dónde se usa la salida, no por dónde está la empresa.
OpenAI publicó cuánto gasta en agentes: 600 dólares al día por investigador
Con diagrama: la mediana de sus investigadores consume más de 600 dólares diarios de inferencia y el percentil 90 pasa de 7.000. El número que decide está más abajo.
Un agente se salió de su caja de pruebas: qué contiene de verdad a un agente
El editorial de hoy pide prudencia. Con diagrama: la cadena del incidente de Hugging Face y por qué a un agente lo contienen su credencial y su salida a internet, no su negativa.
Tu agente ya no puede reescribir su propio historial: qué cambió en la API de Claude Fable 5.1
Con diagrama: tres cambios de la API rompen código que funcionaba, y uno solo aparece en las cuentas creadas después del 31 de agosto.
La Ley 2300 no la cumple el prompt: cómo se programa un agente de cobranza en Colombia
Lunes a viernes de 7 a 7, sábados hasta las 3, un contacto al día. Las reglas de la Ley 2300 se comprueban en el código antes de enviar, no se le piden al modelo.
Cuatro laboratorios lanzaron en la misma semana: qué mirar si operas agentes
Meta, OpenAI y Anthropic sacaron modelo con un día de diferencia. Los cuatro frontera caben en siete puntos de índice y se separan casi siete veces en coste por tarea.
Llamadas de voz por WhatsApp: qué hay que tener montado del otro lado
WhatsApp permite llamadas de voz sobre la Cloud API oficial. Con diagrama: qué hay que habilitar, los límites de la llamada saliente y la decisión entre WebRTC y SIP.
Un agente de WhatsApp que toma pedidos: lo que aprendimos operándolo en producción
Lecciones de operar un agente conversacional real en un restaurante: por qué la comanda impresa importa más que la conversación, y qué gobierno necesita un agente.
La Constitución de Proyecto: las reglas que un agente lee antes de escribir
Cómo servimos reglas de arquitectura, convenciones y guardrails a un agente de IA antes de que escriba código, y por qué un lint que corrige después no es gobernanza.