Ensayo publicado en **Gates Notes** el **26 de agosto de 2026** por **Bill Gates**, cofundador de **Microsoft** y presidente de la **Gates Foundation**, ~4.500 palabras, anunciado como el primero de una serie. El texto plantea una alternativa —la IA será el mayor igualador jamás inventado, o la peor fuente de injusticia— y una constatación: no existe ningún plan para entrar en este período. **(A) Tres riesgos**: la desaparición duradera de los empleos de nivel inicial e intermedio, tanto de oficina como manuales, en el plazo de una década en lugar de varias generaciones, porque esta vez la sustitución afecta a la **cognición**; la instrumentalización por parte de actores maliciosos (ciberataques, bioterrorismo, fraude, deepfakes), unida a una concentración del poder entre quienes ya lo poseen; el efecto de los compagnons IA en el desarrollo infantil y en el pensamiento crítico. **(B) Los beneficios**, ubicados en cinco ámbitos —investigación, salud, agricultura en países de renta baja (el impacto que el autor califica de más rápido), servicios públicos, educación— con una reserva que recae sobre el verbo: *"la palabra clave es 'puede'"*. **(C) Tres propuestas** abren la serie: construir un marco institucional nacional e internacional sin precedentes, inspirado en el régimen de inspección nuclear, la regulación de la aviación y los acuerdos sobre el ozono; reservar ciertas ocupaciones para los humanos, un ámbito denominado **Human Reserved**; **gravar los tokens de IA y los robots** para reequilibrar la fiscalidad entre trabajo y capital. Gates revela sus vínculos financieros con la industria y la transferencia de sus beneficios a la fundación. El texto prolonga los ensayos de directivos sobre el reparto del valor de la IA —[[nadella-frontier-ecosystem-human-token-capital-2026-06-12]], [[zuckerberg-meta-future-is-for-everyone-superintelligence-2026-08-10]]— centrándose en el poder público en lugar de en la empresa.
#IA y equidad#transición a la era de la IA#sustitución de la cognición
Bill Gates — cofondateur de Microsoft · président du conseil de la Gates Foundation. Blog personnel Gates Notes. Page non capturable par `curl | lynx` (403 Akamai) : extraction navigateur.
Artículo de invitado de **Andy Warfield**, ingeniero del equipo de **S3** en **AWS**, publicado el **26 de agosto de 2026** en *All Things Distributed*, el blog de **Werner Vogels**, quien lo presenta en unas líneas firmadas «--W»: **3554 palabras** según la página. El texto sirve de vehículo para el anuncio de que **DuckLabs**, el equipo detrás de **DuckDB**, se incorpora a **AWS**. (A) La tesis: la informática de sistemas consiste en buscar el compromiso elegante frente a una «física» cambiante —las proporciones entre velocidad de memoria, red y cómputo— y esa física ha cambiado. Warfield cuantifica la brecha: una **m1.xlarge** de 2007 ofrecía **15 GB de RAM**, **4 núcleos virtuales** y **~1 Gb/s** de red; una **m8g.48xlarge** actual ofrece aproximadamente **50×** más en cada uno de los tres aspectos. El crecimiento de los conjuntos de datos, por su parte, sigue una distribución cuya cola está formada por volúmenes muy grandes. (B) La consecuencia: el procesamiento distribuido —**MapReduce**, los **RDD** de **Spark**— se diseñó bajo las restricciones de E/S de principios de la década de 2000, y buena parte del trabajo que se le asignaba ya no necesita salir de la aplicación. De ahí el motor embebido, de tipo biblioteca en proceso, que se ejecuta en el espacio de direcciones de la aplicación, del que **DuckDB** es el ejemplo. Warfield ancla esto en el artículo *Scalability! But at what COST?* (2015) y en el epígrafe de **Paul Barham**: «Puedes tener una segunda computadora una vez que hayas demostrado que sabes usar la primera.» Formula una salvedad explícita: «Cuando un trabajo realmente necesita mil máquinas, necesita mil máquinas.» El corpus ya contiene [[vogels-tech-predictions-2026-allthingsdistributed-2025-11-25]] del mismo blog y [[anthropic-self-service-data-analytics-claude-agentic-stack-2026-06-03]] sobre analítica de autoservicio.
#DuckDB#DuckLabs#adquisición de AWS
Andy Warfield · ingénieur du service S3 chez AWS · en billet invité sur *All Things Distributed* ; introduction de Werner Vogels · CTO d'Amazon.
Página de producto oficial de **DeepSeek**, publicada el **13 de agosto de 2026**, **sin firma**, ~450 palabras, que anuncia el lanzamiento en *developer preview* de **DeepSeek Harness** (`dsh`) — un harness de agente de codificación **de código abierto bajo licencia MIT**, cuyo repositorio se abrió el mismo día. Una tesis de tres palabras, repetida en el título y en la descripción del repositorio: *« Everything is a plugin »*, junto a una segunda promesa, *« Every run is traceable »*. La página enuncia la ecuación *« AGENT = MODEL + HARNESS »* y enumera las capacidades intercambiables — *« models, tools, skills, sessions, sandboxes, storage, loops, scheduling, and the UI »*. Se lanzan cuatro modos: **Standard** (agente de codificación completo), **Code** (herramientas expuestas mediante el *Code Mode SDK*, que permite al modelo componer operaciones de varios pasos dentro de un programa TypeScript), **Minimal** (*« two-tool coding agent with persistent bash and str_replace_editor »*, explícitamente *« for benchmarking models in a minimal environment »*), y **Creator** (inspección en tiempo de ejecución, pruebas de plugins en memoria). La sustancia técnica reside en el repositorio, no en la página: `docs/architecture.md` enuncia un invariante de registro — *« Model-visible means logged. Anything that reaches a model request must be reconstructable from the log, and a runtime invariant asserts it »* — y declara que *« there is no privileged core to patch »*. El núcleo técnico no pertenece a DeepSeek: DSH está construido sobre **Cordis** (el proyecto `cordiverse`, un tercero), **vendorizado** en `vendor/` con un manifiesto y un procedimiento de sincronización, y la página sitúa el *« Cordis paper »* al mismo nivel de navegación que "GitHub" y "Developer docs". Se lanzan dos adaptadores LLM — `dsh-llm-deepseek` y `dsh-llm-pi-ai`, un adaptador multiproveedor genérico. El repositorio advierte en mayúsculas: *« THERE WILL BE COMPATIBILITY-BREAKING CHANGES »*, y `CLAUDE.md` especifica que `SESSION_FORMAT_VERSION` permanece en `0` *« with no compatibility promise »*, con backends que rechazan los formatos antiguos en disco. Cronología: DSH se lanza el mismo día en que **DeepSeek-V4-Pro alcanza la GA**, tres días antes de que entre en vigor un nuevo calendario de precios de la API el **16 de agosto de 2026 a las 16:00 UTC**, con tarifas de hora punta/valle y un descuento de hora valle del **−50 %**.
#DeepSeek Harness#dsh#harness de agente
**DeepSeek** (DeepSeek AI, laboratoire chinois) · en tant qu'institution. Page produit **non signée** : aucun auteur · aucun ingénieur mis en avant · aucun billet de blog ni papier technique associé. Le « nous » n'apparaît qu'une fois · en dernière phrase — *« We look forward to exploring the limits of intelligence with developers worldwide »*. Publiée le **13 août 2026**. La page est rendue en JavaScript : `curl` sur l'URL renvoie **HTTP 202 avec un corps vide** · le texte n'existant qu'après exécution du bundle. Deux documents de politique sont liés en pied de page — *Safe Use Policy* et *Data Processing Statement*.
Artículo de noticias analizado, publicado en **VentureBeat** el **11 de agosto de 2026** por **Michael Nuñez**, basado en una **entrevista exclusiva con Timothée Lacroix**, cofundador y CTO de **Mistral AI**, realizada antes del anuncio, ~2.000 palabras. Mistral amplía su oferta de infraestructura en tres partes: **Mistral Regional Endpoints** en disponibilidad general (fijando la inferencia y su procesamiento asociado en Europa o Estados Unidos), un **Priority Tier** en vista previa pública (niveles de servicio comprometidos, cuotas personalizadas, SLA de disponibilidad), y una **coalición de empresas europeas** cuyos compromisos plurianuales están destinados a financiar **200 MW para finales de 2027** y **1 GW para finales de 2030**. El vehículo se denomina **European Compute Unit (ECU)**: un derecho sobre capacidad construida por Mistral, fungible entre inferencia, entrenamiento, adaptación de modelos o Kubernetes gestionado, con un horizonte objetivo de cinco años. Lacroix describe el mecanismo sin rodeos — *"Todo el sentido de las unidades de cómputo es tener compromiso"* — y, sobre la salida anticipada: *"No hay salida posible."* El artículo pone en perspectiva la ambición: Mistral declara operar *"menos de 200 MW"* y detalla tres emplazamientos que suman **77 MW** (44 MW cerca de París, 23 MW en Suecia con EcoDataCenter, 10 MW en Les Ulis); **Epoch AI** cifra el capex inicial de un centro de datos de IA de un gigavatio en **~38.000 millones de dólares**, y **Goldman Sachs Research** cifra las instalaciones de nueva generación en **15-20 millones de dólares/MW sin chips**, frente a los **~4.000 millones de dólares** que Mistral ha recaudado en total (PitchBook). A esto se suma una decisión que *"probablemente levantará algunas cejas entre los puristas de la soberanía"*: Mistral empieza a **alojar modelos abiertos de terceros**, comenzando por **GLM-5.2** de **Z.ai**, un laboratorio chino — *"Es un modelo excelente. A todo el mundo le encanta. Tiene pesos abiertos, así que no había ninguna buena razón para no hacerlo."* El artículo examina la letra pequeña de la documentación de Mistral, que menciona *"transferencias limitadas y controladas"* a subcontratistas fuera de la región; presionado para dar detalles, Lacroix señala las **llamadas a herramientas**, en particular la búsqueda web, y afirma que **la restricción de acceso es la funcionalidad, no el fallo**. El enfoque del autor: *"el control regional total está disponible, pero en el momento en que un agente de IA accede a la web abierta, la soberanía se convierte en una decisión de configuración, no en un valor por defecto."* Quedan dos dependencias: las **GPU** provienen de Nvidia, y **Microsoft** — cliente ancla de los centros de datos europeos de Mistral desde julio — se presenta como lo que reduce el riesgo de la expansión.
#Mistral AI#soberanía digital#soberanía de la IA
**Michael Nuñez** — journaliste **VentureBeat** · couvre l'IA et l'infrastructure ; déjà présent au corpus. L'article est bâti sur un **entretien exclusif avec Timothée Lacroix** · cofondateur et CTO de Mistral AI · conduit **avant l'annonce** · et fait suite à un entretien de juin avec le même interlocuteur. Publié le **11 août 2026**.
Artículo extenso publicado en **X** el **11 de agosto de 2026** por **Jesse Zhang**, CEO de **Decagon** (agentes de IA para atención al cliente), bajo un título en forma de dilema —*« To FDE, or not to FDE? »*— dedicado al **Forward Deployed Engineer**, convertido en *« the answer to almost every hard question in AI go-to-market »*. Observación inicial: Anthropic y OpenAI han construido brazos de despliegue empresarial explícitamente calcados de Palantir, *« every seed-stage company »* anuncia una oferta de FDE, y las ofertas de empleo con ese título habrían aumentado varios cientos por ciento en un año. **(A) La genealogía Palantir** aporta el marco: la fórmula de **Shyam Sankar** (CTO), *« FDEs eat pain and excrete product »*, y el recordatorio de **Joe Lonsdale** de que Palantir pasó cerca de dos décadas siendo tildada de *« glorified consultancy »* sobre la base de una observación certera. Los despliegues a medida de **Gotham** (CIA, NSA, inteligencia militar) se codificaron en primitivas de plataforma —ontología, modelos de objetos, permisos, motores de flujo de trabajo, trazabilidad de procedencia— que dieron lugar a **Foundry**, luego Apollo y AIP; la estandarización llevó el margen bruto a la franja del 80% y Palantir pasó de un modelo de FDE a una venta basada en cuentas, con muchos FDE migrando hacia la ingeniería central. *« The pain was the input to the product, not a cost of sale. »* **(B) El criterio propuesto** no es renunciar a los FDE sino saber cuándo detenerse: desplegarlos pronto y luego preguntarse si aún se está en fase de **descubrimiento** —*« The trap is not starting. It's not stopping. »* **(C) Una distinción que pocos hacen: FDE ≠ implementación.** *« Building that integration into their ticketing system »* es trabajo real, pero se trata de ejecutar una especificación conocida, no de descubrir una desconocida; confundir ambas cosas *« is how a company convinces itself that a growing services org is a product investment »*. Frase de cierre: *« If your FDEs are eating pain and excreting more pain, you don't have an FDE team. You have a services business. »* Se presentan dos cifras sobre Decagon —*« two-thirds of deployment work is now done autonomously via Duet »* y *« a few days on average to launch the first AOP, even for large banks, airlines, telcos »*— sin que se defina el denominador de «deployment work» ni se explicite el acrónimo AOP.
#Forward Deployed Engineer#FDE#ingeniero embebido con el cliente
**Jesse Zhang** — cofondateur et **CEO de Decagon** (agents IA de service client, San Francisco) · 85 000 abonnés sur X · site personnel `jessezhang.org`. Il cite son cofondateur **Ashwin Sreenivas** · **ex-Palantir** · d'où la profondeur du récit Palantir. Publié le **11 août 2026**.
Manifiesto doctrinal publicado en **meta.com** el **10 de agosto de 2026**, firmado solo con un nombre de pila (*"– Mark"*) por **Mark Zuckerberg**, bajo el título *"The Future is for Everyone: The Path to a Positive AI Future"*, ~6500 palabras. Se anuncian tres principios desde el inicio: el empoderamiento individual como fuente de prosperidad, la invención como propósito primordial de la superinteligencia, el equilibrio de poder como fundamento de la seguridad. **(A) El argumento central es un argumento político**, formulado como una breve cadena de razonamiento: *"Humanity is not a monoculture"* — los valores de las personas codifican compromisos opuestos entre sí, ninguna solución técnica puede alinearse simultáneamente con intereses contrapuestos, de modo que cualquier superinteligencia singular tendría que priorizar ciertos valores sobre otros y, por ello, sería incapaz de ser benevolente con todos. De ahí la fórmula: *"There is no such thing as a singular benevolent superintelligence."* La seguridad se replantea como un problema de distribución del poder, ilustrado mediante un experimento mental repetido tres veces (un único abogado superinteligente frente a que todos dispongan de uno; lo mismo para la ciberseguridad, y luego para los negocios). **(B) Una redefinición del alineamiento**: *"Solving alignment is necessary for billions of people to adopt personal superintelligence agents. But it also implies that if we reach a state where billions of people are using and scrutinizing personal superintelligence agents, then we will have solved alignment with their interests."* El corolario apunta al resto de la industria sin nombrarla: *"the most dangerous scenario would be leading labs training powerful models and keeping them for themselves."* **(C) Compromisos con fecha**: un modo **totalmente privado** en el que *"even Meta"* no puede ver ni conceder acceso (una analogía con WhatsApp); versiones **gratuitas** para miles de millones de personas junto con un **mecanismo de puja dinámica** para el cómputo de pago; la **reanudación** anunciada de las publicaciones open source — *"we will soon resume releasing some open source models"*; y una estructura que otorga a la **junta independiente** la facultad de aprobar los criterios de seguridad de los lanzamientos y verificar el cumplimiento de cada uno, reconociendo el autor que Meta es una empresa controlada por su fundador. **(D) Dos propuestas de política pública**, repetidas tres veces: que los laboratorios compartan con el gobierno **puntos de control intermedios del entrenamiento** e ingenieros, en lugar de una revisión de fin de ciclo, y que se regule la **producción física** de materiales peligrosos en lugar de la difusión del conocimiento. Las fuentes del texto son prácticamente inexistentes.
#Mark Zuckerberg#Meta#Meta Superintelligence Labs
**Mark Zuckerberg** — fondateur et PDG de **Meta**. Texte signé du seul prénom (*« – Mark »*) · publié le **10 août 2026** sur un domaine dédié de meta.com. La signature n'est pas « Meta » · et l'alternance des pronoms est régulière : **« we » pour les engagements de l'entreprise** (*« we will offer free versions »*, *« Meta is implementing a governance structure »*) · **« I » pour les affirmations normatives ou contestables** (*« I think this view of alignment is fundamentally flawed »*, *« I propose that companies developing frontier AI should… »*, *« My honest guess, and it is a guess »*). Les engagements produits et de gouvernance sont au « nous » · les propositions de politique publique au « je ».
El sitio **graphify.net**, consultado el **6 de agosto de 2026**, mantenido por **Safi Shamsi** — el creador de la skill open source graphify (cf. [[skill-shamsi-graphify-2026-08-06]]). El dominio agrupa dos objetos distintos. **El primero es un escaparate de producto**: presentación de graphify, guías de uso, referencia CLI y, sobre todo, una galería de **100 repositorios de GitHub trending ya «graphificados»** — *« 100 repos, 854,079 nodes, 1,932,930 edges »* — filtrables por lenguaje y tamaño de grafo, cada uno con su propia página de vista previa y de detalle. **El segundo, y es el más interesante desde el punto de vista de la vigilancia tecnológica, es un directorio editorial**: *« 30 AI coding client guides »*, un directorio de servidores MCP comparados según *« transport, runtime, client support, setup effort, and access risks »*, comparaciones estructuradas entre herramientas (Cursor frente a Codex), y un flujo de artículos con una segmentación manifiestamente long-tail (*« GLM-5.2 Knowledge Graph for Developers »*, *« Trae Context Engineering for Agents »*, *« Symphony Knowledge Graph for Agent Memory »*, *« What Is Cowart? A Codex Plugin for Image Editing »*). El sitio reivindica un método — *« source-reviewed »*, *« aligned decision fields, official evidence, and explicit unknowns »* — y está disponible en seis idiomas. **El punto que esta ficha existe para registrar**: el sitio está **fácticamente desfasado respecto al producto que presenta**. Anuncia **« 3.7k+ GitHub Stars »** cuando la API de GitHub cuenta **103,187** ese mismo día, una **licencia MIT** repetida tres veces cuando el archivo `LICENSE` del repositorio es **Apache 2.0**, y destaca la afirmación **« 71.5× token reduction »**, que pertenece al README de la generación v1 y ha desaparecido de la versión actual. **Un sitio oficial que muestra el 3.7% del recuento real de estrellas y se equivoca de licencia** es una señal en sí misma: la capa de comunicación no ha seguido el ritmo del repositorio.
#graphify.net#directorio de herramientas de IA#directorio
Una entrada de referencia de **Block Engineering** del **6 de agosto de 2026**, firmada por **Atish Patel**, sobre **Buzz** —el espacio de trabajo humano + agentes lanzado el 21 de julio— que plantea una pregunta de costo: ¿qué equipo de agentes es **el más barato que tiene éxito de forma fiable**? Tres hallazgos. **(A) Un resultado negativo, publicado íntegramente**: en **Terminal-Bench 2.1**, **doce composiciones de equipo** (parejas, tríos, enjambres baratos bajo un modelo *frontier*) se enfrentaron al agente solo en torno al cual cada una fue construida, y **ninguna lo superó a igualdad de costo**. La explicación es estructural — una tarea que termina en minutos *"no tiene suficiente estructura para dividirse"*, y *"más agentes compra sobre todo el costo de explicarlo dos veces"*. **(B) El horizonte invierte el resultado**: en **Long-Horizon Terminal-Bench** (44 tareas, una tarea que vale horas de trabajo, mismo líder **GPT-5.6 Sol** con esfuerzo *high*), el agente solo termina 15 tareas para un 59,1%, +2 QuickBees 19 para un 64,1%, +1 QuickBee +1 WorkerBee 19 para un 69,5%, **+2 WorkerBees 20 para un 71,5%** — una ganancia de **+12,4 puntos**, de los cuales 11,4 provienen de tareas llevadas hasta su finalización. *"Mismos puestos, resultado opuesto, porque el trabajo tiene una forma distinta."* Estas ejecuciones corrieron con **3× el timeout**, incluido el agente solo. **(C) Más allá de un umbral, el precio deja de comprar calidad**: en solitario en Terminal-Bench 2.1, **Opus 5 con esfuerzo *xhigh* es la ejecución más cara (140,63 $) para un 75,0%**, por detrás de seis ejecuciones que van de 20,08 $ a 109,82 $ y de 79,5% a 88,4% — la causa señalada es un sobrerrazonamiento que llevó a 17 de 88 tareas al timeout. Entre las seis mejores ejecuciones, **una brecha de precio de 5,5× para una brecha de puntuación de 8,9 puntos**: *"elegir entre ellas no es en absoluto una decisión de calidad. Es una decisión de presupuesto."* La entrada propone una taxonomía que reconoce como *ad hoc* — **QuickBee**, **WorkerBee**, **SmartBee**, además del humano como *"abeja honoraria"*— y dos formas de equipo, el **Hive** permanente que recuerda las preferencias del usuario y el **Swarm** desechable que recuerda el proyecto. Condiciones: todo se ejecuta en **Harbor**, contra agentes Buzz reales en un relé **en vivo**, **un intento por tarea, sin reintento**, precios fijados a fecha de **30-07-2026**.
#Buzz#Block#equipos de agentes
- **Atish Patel** — *« Building AI solutions @ Block »* · auteur unique du billet · publié le **6 août 2026** sur `engineering.block.xyz`.
Nota de prensa sectorial (**Payments Dive**, formato *Dive Brief*, **6 de agosto de 2026**) sobre la publicación de resultados trimestrales de **Block**: la empresa ya ha desplegado varias herramientas de IA para sus clientes — **Moneybot** (Cash App) y **Managerbot** (Square) — y aún no ha decidido cómo cobrarlas. **Jack Dorsey** en la llamada con analistas: *"Estamos en una posición afortunada en la que podemos experimentar con varios modelos y luego elegir el adecuado, el que alinee todos nuestros incentivos con los de nuestros clientes."* **El contexto financiero ilumina esa postura.** Seis meses antes, Block había despedido a aproximadamente **4.000 personas, cerca del 40% de su plantilla**, en una reorganización explícitamente planteada en torno a la IA. En el segundo trimestre de 2026: beneficio bruto **en alza del 25%, hasta 3.200 M$**, ingresos **en alza del 10%, hasta 6.620 M$**, pero **beneficio neto de 89 M$, un 83% menos** interanual debido a los costes de indemnización que cierran la reestructuración; las previsiones para 2026 se revisaron al alza. El valor de la IA, por tanto, se está capturando a través de la estructura de costes antes que a través del precio. **El dato más pesado se sitúa en medio de la nota**, extraído de la carta a los accionistas: *"A partir de junio, la IA agéntica ayudó a escribir y revisar casi todos nuestros cambios de código en producción"* — escribir **y** revisar casi todos los cambios de código en producción, en una empresa de pagos cotizada, seis meses después de recortar el 40% de la plantilla. Una afirmación autodeclarada ante los inversores, sin definición de qué significa *"casi todos"* ni qué abarca *"revisar"*. **Las herramientas**: **Goose**, un sistema interno construido dos años antes, descrito como agnóstico respecto al modelo (conecta distintos modelos comerciales para los empleados); **Buzz**, lanzado el mes anterior para *"colaboración entre agentes, comunicación y repositorios de código."* **Del lado del cliente**: Moneybot monitoriza la actividad de los usuarios de Cash App y muestra cuentas, saldos y transacciones — más de **un millón de cuentas activas semanales**; Managerbot ejecuta marketing automatizado, análisis de márgenes y sugiere *"correcciones operativas"* a los comercios de Square. Los analistas de **Evercore ISI** enumeran cuatro vías de monetización — paquetes SaaS, suscripciones directas, ofertas para empresas, precios por uso — **ninguna vinculada a resultados**. Orden de prioridad declarado: **calidad del producto → distribución → adopción → modelo de precios**. Dos hechos de distribución completan el cuadro: Square se está integrando en **Google Maps** con una *"experiencia de IA conversacional,"* descrita como *"el primer paso de una asociación más amplia entre Square y Google"*; y el dispositivo de pago **Tags** (llavero y varillas con chip NFC) muestra **tres millones de personas en lista de espera**. Citas de analistas: William Blair (*"Block encarna el cambio estructural hacia las firmas de finanzas digitales orientadas a la tecnología"*) y Bank of America sobre el *"modelo operativo post-reset."*
#Block#Jack Dorsey#Cash App
**Justin Bachman** — Senior Reporter · **Payments Dive** (groupe Industry Dive). Journaliste sectoriel paiements ; signe ici un **Dive Brief** · format court en deux temps (*Dive Brief* = les faits du jour, *Dive Insight* = le contexte) qui compile une conférence de résultats · une lettre aux actionnaires · un communiqué et trois notes d'analystes.
Anuncio de producto publicado en el blog de **Cloudflare** el **4 de agosto de 2026** por **Will Papper**, en el marco de **Agents Week**: **Cloudflare Wallets**, presentado como *"the programmable wallet for the agentic Internet"*. **El problema planteado** es preciso y bien elegido: un agente que quiere probar una API debe pasar por una página de inicio de sesión **diseñada para humanos**, hacer que un humano añada un método de pago, generar una clave de API y luego averiguar cómo llamar al servicio. Dos carencias estructurales explican esto — *"Agents do not have a stable identifier to sign up for an API, and they do not have a native way to pay for APIs"* — con la consecuencia de que *"AI agents often give up on these tasks entirely, kicking registration, payment methods, and API key generation back to humans"*. **La arquitectura propuesta se reduce a dos tipos de wallet**: **Account Wallets**, destinadas a los humanos propietarios de una cuenta Cloudflare (financiar, delegar, retirar), y **Virtual Wallets**, destinadas a los agentes, que **funcionan mediante clave de API** y cuyo límite de gasto es **fijado por el titular de la cuenta**. Las salvaguardas anunciadas son explícitas: **asignación, lista de permitidos, importe máximo por transacción**. **El riel de pago es el protocolo x402** (pagos adjuntos a solicitudes HTTP) y la divisa es **stablecoin** — lo que sitúa la propuesta en un campo distinto de los esquemas construidos sobre redes de tarjetas. **El argumento más interesante es contraintuitivo y central**: *"These limits may seem like constraints, but counterintuitively they give agents more freedom. If an agent is responsible for $10, you can worry less about its spending than if it is responsible for $1,000."* → **el límite no es lo que restringe la autonomía, es lo que la hace aceptable.** **Segundo componente, más estratégico que el primero**: la identidad, mediante un espacio de nombres **`cloudflare.pay`** — un agente de investigación podría residir en `research.example.cloudflare.pay`, dando al comerciante la certeza de que está hablando con el agente de una organización identificada. Cloudflare reivindica una ambición deliberadamente mínima (*"a human-readable identifier for a not-very-readable keypair, similar to the URL and IP-address pairings used in DNS"*), construida sobre sus bloques ya existentes (**Turnstile**, Bot Management, **Web Bot Auth** y sus pares de claves), y declara su intención de adoptar los esquemas de la **x402 Foundation** a medida que surjan. **Una advertencia decisiva sobre el estatus del texto**: **casi todo está en futuro**. Lo que existe el día del anuncio es la **reserva de un identificador**; los pagos, las Virtual Wallets, las salvaguardas y las rampas de acceso a los fondos están anunciados (*"Soon, you will be able to…"*). Se trata de una **toma de posición sobre un espacio de nombres**, más que de un servicio que entra en funcionamiento.
#Cloudflare Wallets#comercio agéntico#Agents Week
**Will Papper** — auteur de l'annonce sur le blog Cloudflare (lecture annoncée : 8 minutes). Publication rattachée à l'**Agents Week** de Cloudflare et étiquetée *Agents Week · AI · AI Bots · Developer Platform · Developers · Payments · Product News · x402*.
Post e informe de **OpenAI Economic Research** publicado el **27 de julio de 2026**, primera entrega de la serie **Work at the Frontier**, que analiza **más de 800.000 mensajes de usuarios estadounidenses de ChatGPT**. **Concepto acuñado**: ***task crossover*** — *« trabajo históricamente asociado a una ocupación que aparece en el uso de la IA de personas de otra »*. **La cifra destacada es en realidad dos cifras, y eso es lo que la cobertura pierde**: **el 16,8% de los mensajes relacionados con el trabajo** corresponden a tareas asociadas a otra ocupación, y **el 43,5% de los mensajes específicos de la ocupación**. El embudo explica la diferencia: **el 61,5% del uso es genérico** (redactar, resumir, planificar — demasiado compartido entre ocupaciones para contar como evidencia de cruce) y queda excluido; del **38,5% restante**, **el 43,5% queda fuera de la ocupación** y el 56,5% está *« dentro **o cerca** »* — de modo que el límite superior se calcula sobre una base reducida, mientras que el límite inferior se calcula sobre la totalidad del uso profesional. **Por ocupación** (proporción de mensajes específicos de la ocupación que apuntan a una tarea externa): experiencia de cliente **77%**, diseño **75%**, RR. HH. **69%**, legal **56%**, marketing **53%**, ventas **40%**, finanzas **40%**, ingeniería **28%** — *« una mayoría en cinco de ocho grupos »*. **Dos direcciones de circulación distintas**: diseño **importa** (35,2%) y **exporta** casi nada (1,7%); ingeniería hace lo contrario (importa 18,5%, exporta 7,4%); **marketing hace ambas cosas** (importa 24,3%, exporta **8,9%**, la mayor proporción de salida de la muestra). **Dos tareas aparecen en el top 3 de préstamos para los otros siete grupos**: **el cálculo financiero** y **la resolución de incidencias tecnológicas**. **El mapa de calor, ausente de la cobertura, es el objeto más rico**: ofrece la distribución completa de las tareas por ocupación del usuario, y su diagonal es llamativa — ingeniería conserva el **53%** de su propio trabajo mientras que experiencia de cliente conserva solo el **11%**, RR. HH. el **10%** y diseño el **12%**. **Efecto tamaño**: la proporción fuera de la ocupación cae del **18,9%** (2-5 empleados) al **16,3%** (>100 empleados) — **pero solo « entre los usuarios promedio »**, precisa OpenAI, que señala que *« entre los usuarios más intensivos, no observamos el mismo patrón monótono »*, y concluye de forma condicional: *« la IA **podría ser** especialmente útil como herramienta generalista allí donde escasean los recursos especializados »*. **Estatus reivindicado**: una **señal temprana**, visible *« antes de que las empresas reescriban las descripciones de puesto o creen nuevos títulos »*. **Reserva estructural**: OpenAI mide el uso de su propio producto, únicamente entre usuarios estadounidenses de ChatGPT, y presenta esta posición como un activo — *« nuestra ventana única sobre cómo está cambiando el mundo del trabajo »*.
#OpenAI Economic Research#Work at the Frontier#task crossover
**OpenAI Economic Research** — équipe de recherche économique d'OpenAI ; la page crédite simplement *« OpenAI »* et la classe sous les tags *Economic Research* et *2026*. Le billet est la porte d'entrée d'un **rapport PDF** (`work-at-the-frontier-report.pdf`) et s'adosse à un cadre antérieur de la même équipe · l'**AI Jobs Transition Framework** · dont il reprend la thèse que de nombreux métiers vont **se réorganiser** plutôt que disparaître.
Capgemini (Aiman Ezzat, CEO) — entrevista en Investir, número especial "boss special": IA agentique como una ruptura operativa, no solo una tecnología más; 2.000 millones de euros invertidos, +30% en desarrollo de aplicaciones y −20% en incidentes, >11% de las reservas del primer trimestre, TAM de más de 400.000 millones de dólares al año de aquí a 2030 — pero "muy lejos del plug and play" (Investir / Les Echos)
#Aiman Ezzat#Capgemini#IA agentique
Aiman Ezzat (directeur général de Capgemini) · propos recueillis par La Rédaction d'Investir
Artículo de opinión en profundidad publicado en **sfeir.com** el 23 de julio de 2026, firmado por **SFEIR** (la voz editorial de la firma). Es un **comentario estratégico sobre la nota Trésor-Éco n.º 391** de la DG Trésor (junio de 2026 — véase [[dgtresor-ia-effets-emploi-2026-06-30]]), leído a través de la doctrina de SFEIR de « **amplificar la IA en lugar de padecerla** ». El artículo elogia el **tono cauteloso de economista** de Bercy (mecanismos más incertidumbre en lugar de una predicción) y extrae de ello una **tesis en tres partes**: (1) **ningún efecto agregado medible** en esta etapa (dos fuerzas que se compensan — desplazamiento vs. productividad — adopción en la UE ~20%); (2) una **única señal empírica sólida, sobre los junior** (−16% de empleo entre los 22-25 años expuestos en EE. UU.); (3) un **peligro a largo plazo que desplaza la pregunta** — el **retraso competitivo** (la no adopción), no la destrucción de empleo. El núcleo analítico que retiene SFEIR: la **elasticidad-precio** determina el efecto sobre el empleo (la paradoja de **Jevons** aplicada al código) → el argumento es **estructuralmente favorable al empleo para los desarrolladores**. El artículo **desmonta el relato de los "despidos por IA"** (4,5-6,2% de los anuncios de despidos en EE. UU., «etiquetado» en el 59%) y señala los **puntos ciegos** de la nota (el escenario agéntico relegado a una nota al pie; la velocidad de difusión no discutida; el hecho de que OpenAI/Anthropic se hayan convertido en fuentes para Bercy = un sesgo de fuente no señalado). La **traducción operativa de SFEIR** (para CIO/CTO): el valor migra hacia la intención/arquitectura/control, formar **ingenieros aumentados** (programas **AI Champions**), y evitar una adopción precipitada (**workslop**, deuda técnica) mediante **context engineering** y gobernanza.
#IA y empleo#retraso competitivo#no adopción
**SFEIR** — ESN française « AI Only » (~850 ingénieurs, 8 agences France & Benelux). Voix éditoriale du cabinet (byline « SFEIR »). Positionnement de la maison sur la transformation IA des DSI ; ce texte prolonge la ligne éditoriale portée notamment par Didier Girard (cf. [[girard-sfeir-ai4it-vs-ai4business-budgets-2027-2026-06-24]]).
Análisis de SFEIR (voz de la firma, «una lectura de ingenieros») del acuerdo anunciado el **21 de julio de 2026** entre **Mistral** y **Microsoft**: una **alianza industrial valorada en varios miles de millones de dólares**, estructurada en tres partes — (1) **cómputo en Europa** (capacidad Azure reservada en el continente, centros de datos en Francia, sistemas **NVIDIA Vera Rubin** de última generación, para «cerrar el déficit europeo de cómputo»); (2) **los modelos de Mistral en las herramientas de Microsoft** (**Mistral Medium 3.5** y **Mistral OCR 4** en **Microsoft Foundry**, accesibles en **Copilot Studio** para construir agentes empresariales); (3) sobre todo **Azure Local hasta el modo desconectado** (nube pública, nube conectada supervisada, y **air-gapped**, totalmente fuera de la red externa — para el secreto de defensa, la sanidad, la banca crítica). **Dato notable, confirmado por Brad Smith: ninguna nueva participación de capital** de Microsoft en el capital de Mistral — una alianza masiva **sin vínculo de capital**. SFEIR — socio de Anthropic y Google Cloud, «sin interés en sobrevender al campeón francés» — considera a Mistral **«la mejor apuesta europea en la capa de modelo»** y propone una lectura en tres partes. **Lo que el acuerdo aporta a un CIO**: un modelo europeo de vanguardia, ejecutable en un entorno desconectado y controlado por el cliente (cifrado en memoria, claves gestionadas localmente), marca casillas que pocas ofertas marcan. **La tensión**: esta soberanía se despliega **sobre la infraestructura de un hyperscaler estadounidense**; hay que distinguir cuatro soberanías — **modelo, ejecución, infraestructura, relación comercial** — de las cuales se puede «obtener tres de cuatro, pero aun así hay que saber cuál falta». El único elemento que hace que la soberanía sea **verdaderamente portable** es la naturaleza **open-weights** de los pesos de Mistral (la misma lógica de reversibilidad que para **Kimi K3**). La ausencia de participación de capital no es un detalle: preserva la gobernanza de Mistral **y** minimiza el riesgo de un examen antitrust (FTC, Comisión Europea) — **arbitraje regulatorio asumido**, no solo una elección técnica. **El verdadero punto ciego**: la **legibilidad de la estrategia industrial de Mistral**, presente simultáneamente en casi todos los frentes (B2C con Le Chat, B2B vía distribución Azure, modelo open-weights **y** ambición frontier, infraestructura muy intensiva en capital — 200 MW asegurados, un tope de 1 GW para 2030 —, alianzas con un puñado de grandes cuentas, verticalización Robostral/OCR, servicio a sectores regulados): full-stack soberano (lectura optimista) o dispersión de una empresa de tres años, valorada en ~20.000 millones de euros, entre negocios con modelos económicos divergentes (lectura prudente). Para el liderazgo técnico: **separar el modelo del canal**, **diseñar para poder salir** (Design to Exit — el open-weights hace creíble la puerta de salida), **enrutar en lugar de apostar** (arquitectura soberana multi-LLM, RAISE). Conclusión: **la soberanía es una propiedad arquitectónica, no una etiqueta** — se cualifica dependencia por dependencia; la legibilidad industrial faltante sigue siendo la verdadera pregunta abierta, que no zanjarán los comunicados de prensa sino «los compromisos de los próximos doce meses».
Síntesis de verificación de hechos (fact-checking) sobre **Delos Intelligence** (delos.so), una startup francesa de IA generativa B2B, que compara una nota de vigilancia tecnológica previa con **fuentes primarias** (el post "Overlooked" de Alexandre Dewez / 20VC, 15 de abril de 2025, el sitio web delos.so, registros oficiales) y prensa especializada (Le Monde Informatique, L'Usine Nouvelle, FrenchWeb, Le JDD). **Veredicto general: base factual fiable.** La **ronda seed de 2,5 M€** (≈2,74–2,83 M$) liderada por **20VC** (Harry Stebbings) en **abril de 2025**, con Inovia Capital, Kima Ventures (Xavier Niel) y Plug and Play, queda confirmada; también los fundadores (los hermanos **Pierre** y **Thibaut de la Grand'rive**) y los clientes **TotalEnergies, Shiseido, Groupe Casino**. **Punto metodológico destacado**: la lista de business angels —a menudo sospechosa de "relleno" alucinatorio— queda **CONFIRMADA palabra por palabra** por el comunicado de prensa del inversor líder (Pigment, Dataiku, Hexa, más Ramp y Kerala por añadir): por tanto, NO se trata de una alucinación. **A corregir**: la cifra de "50 personas" en la plantilla **no es verificable** (~20 en abril de 2025, unas cuarenta a finales de 2025); la tabla de precios real es más amplia (un nivel **Student a 10 €**, más Enterprise bajo solicitud, además de 25/45/80 €); las cifras de usuarios (10.000 → 50.000 → "100.000+") y el ARR son **autodeclarados y no auditados**. **A señalar como especulativo**: **ninguna Serie A se ha cerrado** (solo se anunció como intención, con el objetivo de marzo de 2026); **no se ha publicado un ARR global** (la única mención es un "1 M$ de ARR en unos días" autopromocional para el nuevo producto **Workers**, referido únicamente a ese producto). La soberanía "100% Scaleway" **aún se estaba finalizando** a finales de 2025 (el cómputo seguía funcionando parcialmente en Azure Francia). El interés de la nota es tanto metodológico —**cómo distinguir, dentro de una síntesis generada por IA, lo confirmado, lo parcialmente exacto, lo especulativo y lo autodeclarado**— como documental.
#Delos Intelligence#delos.so#fact-checking
Synthèse de veille (fact-checking) — sources primaires : blog 20VC (Alexandre Dewez) · delos.so · registres officiels ; presse : Le Monde Informatique · L'Usine Nouvelle · FrenchWeb · Le JDD
Análisis de Janakiram MSV (The New Stack, 20 de julio de 2026) sobre la **convergencia arquitectónica** de las plataformas de agentes empresariales de los tres hyperscalers: en nueve meses, **Amazon Bedrock AgentCore**, **Microsoft Foundry** y **Gemini Enterprise Agent Platform** han convergido en las **mismas seis primitivas** — runtime, memoria, tool gateway, identidad, observabilidad, gobernanza — bajo nombres de marca distintos. Lo que hace 18 meses era una colección fragmentada de librerías se está convirtiendo en una **capa de plataforma** diferenciada. La tesis: esta convergencia repite la **inflexión PaaS de 2011-2016**, en la que **Cloud Foundry** y **Heroku** unificaron VMs, balanceadores de carga, colas y almacenes de secretos en torno a un **contrato de aplicación** portable — salvo que aquí **todavía no existe un contrato equivalente**, y **ningún proyecto de código abierto lo ha reclamado**. Consecuencia: una empresa no puede **mover un agente de una nube a otra** (el estado de sesión, las trazas y la identidad terminan todos en manos de un único proveedor; migrar implica reconstruirlo todo). El autor propone un **mapeo línea por línea** del contrato de Cloud Foundry sobre los agentes, plantea tres principios de diseño (empaquetar el agente como **una única unidad desplegable**, **adjuntar** capacidades en lugar de incrustar proveedores, integrar la capa **operativa** en la abstracción), señala lo que los protocolos abiertos (MCP, A2A, OpenTelemetry) dejan fuera de alcance — el **ciclo de vida** — y plantea tres preguntas de due diligence: **gobernanza** (fundación neutral frente a proveedor), **empaquetado** (el mismo artefacto en dos nubes sin reescribirlo), **estado** (memoria exportable). Veredicto: quien termine poseyendo el **plano de control del agente** definirá *qué es un agente*.
#Plataformas de agentes empresariales#convergencia arquitectónica#portabilidad
Hilo de X de **Dean W. Ball** — **Head of Strategic Futures en OpenAI** desde el 6 de julio de 2026, **autor principal de America's AI Action Plan** bajo la administración Trump (un posicionamiento que conviene tener presente al leer un argumento anti-open-weights escrito por un insider de la frontera propietaria): **seis observaciones** desencadenadas por el modelo chino de pesos abiertos **Kimi**, que rápidamente van más allá del producto para avanzar una **tesis geopolítica e ideológica** contraria a la corriente dominante. (1) Kimi es **un modelo muy bueno**, no reducible a la destilación, **a la altura de los mejores modelos públicos del Q1 2026** en codificación agéntica — pero **muy ávido de tokens**, por lo que no resulta tan obviamente barato de operar. (2) Ball dice estar **sorprendido de que el Estado chino siga permitiendo la apertura del código** de modelos tan buenos: atribuye esto **~75% a una "ceguera estratégica" / a una falta de "AGI-pilledness"** (el PCC supuestamente sostiene una visión de la IA "muy a la Yann LeCun"), y ~25% a una **falta de cómputo de inferencia** — lo que convertiría la estrategia china de pesos abiertos en un **subproducto no intencional de los controles de exportación estadounidenses** — más un reflejo hacia exportaciones agresivas; del lado de las empresas, la apertura es mitad ideológica, mitad una admisión de que "estamos rezagados, nadie pagaría por modelos chinos por debajo de la frontera." (3) Tesis central: **los modelos de pesos abiertos son intrínsecamente desacelerantes** — **desincentivan el capex de IA**. Ball se sorprende del entusiasmo de los **"aceleracionistas"** por los pesos abiertos, que atribuye a su gusto por el **"manto de la ingobernabilidad"** (una analogía con *The Art of Not Being Governed* de James Scott y sus pueblos de las colinas). (4) Un mundo dominado por los pesos abiertos conduciría al **"comunismo de IA"** — la IA no como producto de mercado sino como **"bien público" / "infraestructura pública digital"** provista por el Estado, "exactamente lo que China está proponiendo"; Ball juzga este horizonte **"distópico"** y relata haber sido presionado, mientras estaba en el gobierno, para un centro de datos federal de **11 a 12 cifras** que subsidiaría a startups que regalarían sus modelos de forma gratuita. (5) **Predicción política**: la administración Trump terminará por comprender que su mejor estrategia no es **"prohibir el open source"** (uno de los argumentos más tontos del debate) sino **crear riesgo regulatorio / FUD** mediante **soft law** de cada agencia ("un boletín de la Fed sospecha de puertas traseras en modelos chinos"), suficiente para que las **empresas reguladas se retraigan**, sin ahuyentar a los hyperscalers (de lo contrario las startups recurrirían a proveedores más turbios). (6) Estos modelos hacen que **el mundo sea un poco más peligroso**, todavía no de forma perceptible — hasta el día en que lo sea; una línea de cierre irónica sobre un "agente autorreplicante escapado de un laboratorio chino" (una analogía COVID/fuga de laboratorio, "color me shocked"). A leer como **contrapunto** al análisis de SFEIR (Kimi K3, reversibilidad, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) y al discurso pro-open-source de Xi en el WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).
#Dean W. Ball#Dean Woodley Ball#OpenAI
Dean W. Ball (Dean Woodley Ball, @deanwball sur X) — expert américain de premier plan en politique de l'IA et gouvernance des technologies émergentes. **Depuis le 6 juillet 2026 : Head of Strategic Futures chez OpenAI** (petite équipe sur la politique de l'IA de pointe — risques catastrophiques, auto-amélioration récursive, impact marché du travail, relations labos-États-société ; rend compte au Chief Strategy Officer Jason Kwon). Reste **Nonresident Senior Fellow** à la Foundation for American Innovation (FAI). **Parcours** : Senior Policy Advisor for AI and Emerging Technology à l'Office of Science and Technology Policy de la Maison Blanche (administration Trump) · où il fut le **principal rédacteur d'America's AI Action Plan** ; Research Fellow au Mercatus Center (George Mason) · Senior Program Manager à la Hoover Institution (Stanford) · Manhattan Institute · ex-Executive Director de la Calvin Coolidge Presidential Foundation. Auteur de la newsletter **Hyperdimensional** (21 000+ abonnés) ; Visiting Lecturer à la Yale Law School (cours sur la gouvernance de l'IA de pointe). Diplômé d'Histoire de Hamilton College (2014, magna cum laude) · ~33-34 ans · vit à Washington D.C. **Sensibilité** : libéral classique / libertarien · mais reconnaissant un rôle nécessaire de l'État face aux risques existentiels de l'IA. (Post X personnel ; date d'ajout à la veille : 2026-07-17.)
Xi Jinping — primer discurso inaugural en el WAIC 2026: «cuatro observaciones» sobre la IA, creación de la WAICO (29 países, sede en Shanghái), oferta al Sur Global frente al «America First» (Xinhua/SCIO)
#inteligencia artificial#gobernanza mundial de la IA#WAIC 2026
Xi Jinping (auteur du discours). Sources primaires : Xinhua / State Council Information Office (SCIO) ; corroboration : Beijing Review · People's Daily. Réactions/analyses tierces : ONU (António Guterres) · CNN · Reuters · Paul Triolo (DGA-Albright Stonebridge) · Leon Liao · Syed Akbaruddin.
Análisis de SFEIR (voz de la firma) sobre la decisión, anunciada el 16 de julio de 2026 por **Airbus**, de seleccionar a **Scaleway** (grupo **iliad**) como su **"nube de confianza"** para alojar y modernizar sus aplicaciones empresariales críticas y sus datos más sensibles (diseño de aeronaves, ingeniería, producción industrial, operaciones, propiedad intelectual). Al término de una licitación abierta a **principios de enero de 2026** que comparó **diez candidatos**, Scaleway se impone en **tres criterios** — capacidades tecnológicas/IA, excelencia operativa y, sobre todo, **garantías legales y de gobernanza**: jurisdicción europea, protección real de los datos, **inmunidad frente a** la **Cloud Act** estadounidense. SFEIR subraya la **inversión de jerarquía**: la gobernanza pesó más que la funcionalidad, aunque los hiperescaladores estadounidenses (Microsoft, Google, AWS) conservan una superioridad funcional que ningún actor europeo iguala "en toda la línea". El acuerdo, plurianual y de importe no revelado, **complementa** (no sustituye) la estrategia **multicloud** de Airbus — la doctrina que defiende la firma: ensamblar una cartera en la que cada taller opera según sus propias restricciones, conservando al mismo tiempo el **poder de cambiar** (reversibilidad, cf. France Télévisions/ALIX desplegado sin reescritura). Lo que realmente está en juego es la **IA souveraine**: ejecutar modelos sobre datos industriales (simulación, mantenimiento predictivo, ingeniería asistida) requiere una **cadena completa — cómputo, entrenamiento, inferencia — mantenida dentro de una jurisdicción de confianza**. Tres lecciones: un **umbral de credibilidad** superado para la nube soberana europea; **gobernanza > funcionalidades** para los datos estratégicos; la soberanía se construye **en capas** (infraestructura → plataforma → modelo), y la parte decisiva — la reversibilidad de la IA — se jugará en los próximos meses.
Análisis del gabinete de ingeniería de SFEIR («una lectura de ingeniero») sobre el lanzamiento, el 16 de julio de 2026, de **Kimi K3** por el laboratorio chino **Moonshot AI**: un **modelo de pesos abiertos (open-weights) de nivel frontera** cuyo proveedor afirma **~2,8 billones de parámetros**, un **contexto de un millón de tokens** y una **publicación de los pesos antes del 27 de julio de 2026** (probablemente bajo una licencia Modified MIT, como en el linaje K2). Tesis: una capacidad que antes se creía reservada a los grandes propietarios (Anthropic, OpenAI, Google) está pasando a estar disponible **en pesos abiertos, a precio de descuento, desde un laboratorio chino**. SFEIR —pese a ser **partner de Anthropic y de Google Cloud**, y por tanto «sin ningún interés en sobrevender un modelo chino»— adopta una **advertencia metodológica** cardinal: el día del lanzamiento **no existe ninguna tabla de benchmarks oficial y completa**; las especificaciones (2,8 billones, Kimi Delta Attention, +25 % de eficiencia de entrenamiento) y las puntuaciones son **declaradas por el proveedor** o proceden de **arenas comunitarias**, «que deben tratarse como afirmaciones, no como hechos medidos». La nueva arquitectura (**Kimi Delta Attention**, atención lineal híbrida; decodificación que se afirma hasta **6,3 veces más rápida** a 1M de tokens) rompe con la cadencia de K2 (K2 jul. 2025 → K2.7 Code jun. 2026, un modelo insignia cada dos meses); dos variantes acompañan el lanzamiento (**K3 Max**, **K3 Swarm Max**), con el retiro forzado de la serie kimi-k2.5/moonshot-v1 el **31 de agosto de 2026**. **La verdadera arma es el precio** (~3 $/M de entrada, 0,30 $ en caché, 15 $ de salida según fuentes secundarias): un modelo frontera de pesos abiertos a este nivel **arrastra hacia abajo toda la curva de precio-rendimiento** — la comoditización de la capa de modelo, acelerada por el open source. Pero la singularidad decisiva no es una puntuación: es la **reversibilidad**. Un modelo frontera de pesos abiertos convierte una API consumida (dependencia del proveedor) en una **opción** (autoalojamiento, portabilidad, salida del lock-in), al precio de una infraestructura pesada para alojar 2,8 billones de parámetros. La postura de SFEIR: **el open-weights cambia la pregunta, no solo la respuesta** — ya no «¿qué modelo es mejor/más barato?», sino «¿qué parte de mi sistema estoy dispuesto a hacer depender de un proveedor que no controlo?». La postura correcta sigue siendo un **portafolio enrutado** (un modelo por tarea, un modelo por restricción), y Kimi K3 añade una **columna «reversibilidad»** a la grilla de decisión. La convicción «AI Only» permanece intacta: el modelo es un commodity, la ventaja duradera reside en la ingeniería que lo rodea (Context Engineering, harness, gobernanza de costes, capacidad de cambiar de opinión). Las cifras aún deben validarse «por cuenta propia» — en tus propios repositorios, con tus propios datos.
Prasanna Sankar (cofundador/CTO de Rippling, fundador de Vorflux) publica «The Great Flattening» — un ensayo-manifiesto que sostiene que los modelos de codificación se han vuelto **sobrehumanos** y que el cuello de botella se ha desplazado de la producción de código a **codificar el criterio** en los *agent harnesses*. Todo dentro de la organización «colapsa hacia el harness»; el trabajo real de todos se convierte en *self-profiling*: extraer los marcos de decisión tácitos de la propia cabeza para codificarlos en la base de código. Lanzamiento simultáneo de Vorflux («autopilot para la ingeniería de software»), ronda semilla de 15 M$ (Y Combinator, Peak XV Partners, Alliance DAO). El ensayo obtuvo más de 60.000 visualizaciones en X en 24 horas.
#Great Flattening#Vorflux#Prasanna Sankar
Prasanna Sankar (Prasanna S, @myprasanna) — co-fondateur et ex-CTO de Rippling ($16B+ valorisation) · fondateur et CEO de Vorflux AI. Article publié sur X (format long-form article) le 14 juillet 2026 · contenu repris comme manifeste Vorflux (vorflux.com/manifesto).
Análisis de SFEIR (voz de la firma) sobre la disponibilidad general, el 9 de julio de 2026, de **GPT-5.6** de OpenAI — no un único modelo, sino una **familia de tres niveles**: **Sol** (buque insignia para tareas de largo alcance/ciberseguridad/ciencia, el único que desbloquea los modos "max" y "ultra"), **Terra** (nivel equilibrado de uso cotidiano, ~la mitad del precio de GPT-5.5) y **Luna** (rápido/económico, alto volumen). Los tres comparten ~**1,05 M de tokens** de contexto, **128k** tokens de salida y una fecha de corte de conocimiento del **16 de febrero de 2026**. El hecho más estructurante no es una puntuación, sino una **tabla de precios agresiva** (Sol 5$/30$, Terra 2,50$/15$, Luna 1$/6$ por millón de tokens): Sol mantiene el precio del buque insignia anterior siendo más capaz, lo que obliga a desplazar la comparación hacia la **relación capacidad-coste**. Dos sutilezas de facturación (escrituras en caché facturadas a **1,25×**, un recargo más allá de **272k** tokens) hacen que la tabla resulte engañosa mientras no se haya medido cuánto contexto vuelve a leer el agente (ratio lectura/escritura ~**153:1** en programación agéntica). Veredicto del ingeniero, presentado como neutral (SFEIR es a la vez socio **Google Cloud Premier** *y* socio de **Anthropic**): **nadie arrasa en todas las tablas** — GPT-5.6 domina Terminal-Bench 2.1 y el Coding Agent Index (a un tercio del coste por tarea), Claude se mantiene por delante en SWE-Bench Pro (~15 pts); METR señaló una tasa récord de **reward hacking** en Sol. Conclusión: "dejar de buscar al campeón, aprender a enrutar" — el modelo es un commodity, la ventaja duradera reside en **Context Engineering/Ingeniería de Harness**.
**Informe periódico de Mozilla**, *The state of open source AI*, **v1.0.1, julio de 2026**, presentado mediante una carta de **Raffi Krikorian** (CTO): siete secciones, un sitio interactivo y un informe descargable. Tesis enunciada en el título de la Sección 1: *« La capa del modelo se ha convertido en una commodity. El valor se acumula en el harness que se sitúa por encima. »* **Estado de las capacidades**: en el *Artificial Analysis Intelligence Index v4.1*, el mejor modelo cerrado obtiene **61** puntos (Claude Opus 5) y el mejor modelo abierto **57** (**Kimi K3**), cuarto en el ranking general y por delante de tres de los mayores laboratorios cerrados; en el *Epoch Capabilities Index*, la brecha es de **6 puntos** (K3 en 156 frente a GPT-5.6 Sol en 162), descrita como *« más o menos un ciclo de lanzamiento »*, con intervalos de confianza que se solapan. **Frontera en diente de sierra**: el open lidera en código frontend (K3 con 1.679 Elo en LMArena Frontend Code Arena, seis dominios de siete), disputa el trabajo agéntico en terminal (88,3 frente a 88,8 en Terminal-Bench 2.1) y cede terreno en trabajo profesional de conocimiento (Fable 5 supera a K3 por 92 Elo en GDPval-AA v2). **Cambio de uso**: la cuota de tokens de OpenRouter dirigida a modelos de pesos abiertos pasó de un nivel insignificante a un tercio a finales de 2025, y luego a una **mayoría a mediados de 2026**, con los siete modelos de mayor volumen todos de pesos abiertos —el propio informe señala que *« por número de solicitudes, los proveedores cerrados estadounidenses siguen liderando »*, siendo el liderazgo del open un liderazgo en volumen de tokens concentrado en cargas de trabajo de código y agénticas. **El contraste central**: *« El open es fácil de lanzar. El open es difícil de desplegar. »* —el 79% de los desarrolladores que añaden IA usan modelos abiertos frente al 71% para los cerrados, pero solo el **53%** de los equipos que usan modelos abiertos llega a producción **frente al 63%**, y la brecha se amplía con el tamaño de la organización (cerrado 54% → 73%, abierto 53% → 57%), lo que *« descarta una explicación por recursos »*. El mapa de madurez del stack (48 componentes, 9 capas) muestra dos columnas sistemáticamente frías —**estandarización** y ***preparación empresarial***— identificadas como la brecha operativa. **Sección 5**: *« El harness agéntico es otro agente de usuario »*, y *« El modelo se está comiendo al harness »* —en todos los modelos donde ambos coexisten, el harness propio del laboratorio gana ahora, y la brecha de 21,8 puntos se ha comprimido a unos 3. De ahí la fórmula: *« Un harness ajustado con precisión a los pesos de un laboratorio… se degrada con el modelo de cualquier otro, así que cuanto más ajustado está, menos intercambiables son los pesos que hay debajo. El lock-in llega como efecto secundario de la optimización. »*
#Mozilla#state of open source AI#pesos abiertos
**Mozilla** — éditeur du rapport · avec une introduction signée **Raffi Krikorian** · *Chief Technology Officer*. Publié en **juillet 2026** (v1.0.1). Données issues de sources tierces créditées (Artificial Analysis, Epoch AI, OpenRouter, LMArena) et d'une enquête propre menée avec **SlashData** (*Mozilla / SlashData 2026 developer survey*, n = 1 410 sur la question des freins).
Nota de análisis **Trésor-Éco n° 391** (junio de 2026) de la **Direction générale du Trésor** (Ministerio de Economía), redactada por **Martin Chopard, Elisa Cotet, Tristan Gantois y Eloïse Villani**. Revisión de la literatura económica institucional sobre **el efecto de la IA (principalmente generativa) en el empleo**. **Tesis en tres partes**: (1) la IA afecta el volumen de empleo a través de **dos canales opuestos** — el efecto de **desplazamiento** (sustitución de tareas automatizables) frente al efecto de **productividad** (complementariedad, reducción de costes, aumento de la demanda) —, pero el **efecto agregado sigue siendo, por el momento, débil/no medible**, por falta de perspectiva histórica y de adopción (≈20 % de las empresas de la UE en 2025); (2) aparecen **efectos heterogéneos** según las **ocupaciones** (exposición ≠ efecto: todo depende del grado de sustituibilidad/complementariedad y de la **elasticidad-precio** de la demanda), los **trabajadores** (progreso técnico sesgado, preocupación por los **jóvenes**) y los **sectores** (finanzas, TI y servicios a empresas los más expuestos); (3) a **largo plazo, el efecto neto sigue siendo incierto** — entre una sustitución masiva (si la IA agéntica/física se generaliza) y la **destrucción creativa** (lección de revoluciones pasadas: las innovaciones crearon más empleos de los que destruyeron). Conclusión de **política pública**: acompañar la transición (formación, movilidad — el plan «Osez l'IA», France 2030) e **invertir en IA para evitar quedarse atrás** en la competencia internacional. Corpus ampliamente documentado (43 notas al pie, paneles de estimaciones en las tablas 1-3).
#IA y empleo#inteligencia artificial generativa#efecto de desplazamiento
**Martin Chopard · Elisa Cotet · Tristan Gantois · Eloïse Villani** — économistes de la **Direction générale du Trésor** (DG Trésor) · Ministère de l'Économie · des Finances et de la Souveraineté industrielle · énergétique et numérique. Directrice de la publication : Dorothée Rouzet. Le document engage la DG Trésor mais « ne reflète pas nécessairement la position du ministère ».
Anuncio de benchmark de **Artificial Analysis** (plataforma independiente de evaluación de modelos de IA, vía X/Twitter + página del modelo): **GLM-5.2** de **Z.ai** (Zhipu AI, @Zai_org) se convierte en **el modelo de pesos abiertos líder** y asciende al **puesto n.º 3 de la clasificación general** de **GDPval-AA**, un benchmark del mundo real para *trabajo intelectual económicamente valioso* (tareas de largo horizonte, multiturno, agénticas). GLM-5.2 obtiene **1524 Elo**, solo por detrás de **Claude Fable 5 (1783)** y **Claude Opus 4.8 (1615)**, y a la par de **GPT-5.5 (xhigh, 1509)**. Supera con amplio margen al siguiente mejor modelo de pesos abiertos (**MiniMax-M3, 1408**), así como a numerosos modelos propietarios: **Gemini 3.5 Flash (1357)**, **Qwen 3.7 Max (1289)**, **Muse Spark (1158)**. Las tareas son genuinamente agénticas: **~31 turnos por tarea** de media en **1,999 enfrentamientos**. La misma clasificación se mantiene en el **Artificial Analysis Intelligence Index** (1.º entre los modelos de pesos abiertos), el **Agentic Index** (n.º 3) y **AA-Briefcase** (n.º 3, por delante de GPT-5.5 xhigh, solo por detrás de Fable 5). Dato destacado: un modelo de **pesos abiertos** bajo **licencia MIT**, **MoE con 753 mil millones de parámetros / 40 mil millones activos**, **contexto de 1M de tokens**, con un precio de **$1.40/$4.40 por 1M de tokens** de entrada/salida, rivaliza con la frontera propietaria en trabajo agéntico — un avance real para los modelos abiertos.
Artículo de **Paul Sawers** publicado en **The New Stack** el **16 de junio de 2026**, sobre la **suspensión por parte de Anthropic** — *"el mismo día en que estaba previsto que entrara en vigor"* — de la separación de facturación destinada a distinguir el uso del **Agent SDK** de los límites de la suscripción a Claude. **Mensaje citado de Anthropic**: *"We're pausing the changes to Claude Agent SDK usage described below. For now, nothing has changed."* **La aportación del artículo no es el anuncio en sí, sino el contexto que lo rodea**, en tres círculos. **Círculo 1 — la semana de Anthropic**: el 9 de junio, el lanzamiento de **Fable 5 y Mythos 5**, los primeros modelos de clase Mythos disponibles con carácter general, dotados de salvaguardas de ciberseguridad reforzadas; unos días después, una **directiva de control de exportaciones del gobierno estadounidense** obliga a Anthropic a **retirar ambos modelos para todos sus clientes en el mundo**. La suspensión de la política de precios se lee, en este contexto, como *"una pequeña buena noticia"*. **Círculo 2 — daños colaterales del momento elegido**: empresas que ya habían trasladado el cambio a sus propios clientes se ven en aprietos; **Conductor**, una herramienta de codificación multiagente construida sobre el Agent SDK, se ve obligada a publicar un desmentido (*"Anthropic has delayed the subscription updates to Claude plans"*). **Círculo 3 — la tensión de fondo, que va más allá de Anthropic**: una cita de **Boris Cherny** (responsable de Claude Code) de abril, durante una restricción anterior, en la que afirmaba que las suscripciones *"weren't built for the usage patterns of these third-party tools"* — un reconocimiento de que **las tarifas planas y el uso agéntico abierto no encajan**; **GitHub** zanjó la cuestión del mismo modo, eliminando en junio el modelo de tarifa plana de *premium requests* de **Copilot** en favor de una **facturación por tokens**, pese a las protestas. A esto se suma, **la misma semana**, la presentación de una **propuesta de demanda colectiva** ante un tribunal federal de California, que alega que los niveles **Max** se quedan muy por debajo de los multiplicadores de uso anunciados para sesiones intensivas de codificación. Anthropic no precisa cuándo llegará un planteamiento revisado, y se limita a señalar que *"works to update the plan to better support how users build with Claude subscriptions."* **La conclusión del autor**: entre la presión gubernamental sobre Fable y Mythos, una **salida a bolsa** prevista y **rumores de recortes de precios en OpenAI**, Anthropic intenta **mantener de su lado a su base de desarrolladores** — y la suspensión es, por ahora, un medio para lograrlo.
#Anthropic#Claude Agent SDK#suscripción Claude
**Paul Sawers** — journaliste tech · signe ici pour **The New Stack**. Registre de **presse spécialisée** : l'article ne relaie pas seulement l'annonce · il la replace dans une série (les changements de facturation successifs d'Anthropic) · la compare à un précédent sectoriel (GitHub Copilot) et l'articule à trois pressions concomitantes (export control, IPO, concurrence). Sourçage explicite et attribué — le billet de Zed · l'analyse de Matthew Diakonov · le post de Conductor · une déclaration antérieure de Boris Cherny.
Satya Nadella (Microsoft) teoriza sobre "el futuro de la empresa" en una economía impulsada por la IA: toda empresa deberá construir, junto a su capital humano (juicio, relaciones, reconocimiento de patrones), un "capital de tokens" — su capacidad de IA propietaria. El valor real no reside en elegir el mejor modelo, sino en un bucle de aprendizaje (evaluaciones privadas, entornos de RL, base de connaissances) que codifica el conocimiento institucional y se acumula con el tiempo. Un argumento a favor de un "ecosistema de frontera", no simplemente un "modelo de frontera", para que el valor se difunda en lugar de ser capturado por un puñado de modelos.
#futuro de la empresa#capital humano#capital de tokens
Anthropic lanza Claude Fable 5 (un modelo de clase Mythos adaptado para uso general) y Claude Mythos 5 (el mismo modelo, sin las salvaguardas, restringido a ciberdefensores a través de Project Glasswing): rendimiento de vanguardia en ingeniería de software, visión, memoria de contexto largo y ciencias de la vida.
Análisis de **Olivier Rafal** para **WeNvision** (consultora francesa), publicado el **4 de junio de 2026** (~4 min de lectura), que comenta el lanzamiento de la **Tokenomics Foundation** por la **Linux Foundation** (anunciado el 3 de junio, en colaboración con la **FinOps Foundation**), que él considera la apertura oficial de **la era del "FinOps para la IA."** **Tesis central**: la IA ha transformado la economía del desarrollo de software; el **token** se ha convertido en *"la nueva unidad de medida del gasto tecnológico,"* haciendo eco de la nube de la década de 2010 (costes **recurrentes y variables** que requieren una gestión activa), de ahí el paso de los proveedores de la tarificación plana a la **facturación por tokens**. **Escala (urgencia)**: *"Según Goldman Sachs, se espera que el uso mundial de tokens se multiplique por 24 de aquí a 2030, alcanzando los 120 mil billones de tokens al mes"* — un orden de magnitud que hace pasar la eficiencia de los tokens de ser un *"detalle técnico"* a un tema de **consejo de administración**. Cita de **J.R. Storment** (fundador de la FinOps Foundation): *"Los costes y la eficiencia de los tokens se han convertido en una preocupación de nivel CEO, no en una nota técnica al pie de página."* **Problema de transparencia/estandarización**: los precios actuales de la IA no son comparables (tokens de entrada / sistemas de caché / salida difieren de un modelo a otro) → la Tokenomics Foundation pretende **ampliar la spécification FOCUS de código abierto** para proporcionar un **lenguaje común** de compra y comparación. **Mensaje central de Rafal (más allá del coste)**: *"El objetivo del FinOps no es tanto reducir costes como optimizar la eficiencia"* — la métrica real es el **coste de la IA en relación con el impacto de negocio** (*time to market, calidad, funcionalidades, ecodiseño*). **Límites de las normas por sí solas**: las normas técnicas no bastan; hay que **repensar el Target Operating Model** (equipos, procesos, cultura de datos, alineación con el negocio); los estadounidenses ya anuncian *"el fin de los equipos de doble pizza en favor de los equipos sándwich."* **Marcador de advertencia**: *"un SDLC potenciado por IA se limitará a […] amplificar los problemas y solo ayudará a ir más rápido... hacia el muro"* (en ausencia de bases organizativas). **Patrocinadores de la Fundación citados**: Accenture, Booking.com, Google Cloud, Microsoft, IBM, Salesforce. **Oferta de WeNvision**: *"co-construir una hoja de ruta, repensar el modelo operativo para la era agéntica y establecer la gobernanza financiera que se ha vuelto indispensable."* **Lectura en francés, dirigida a directivos/responsables de transformación**, de la ficha [[tokenomics-foundation-linux-finops-token-economics-about-2026-06-03]]; converge con el clúster de FinOps agéntico [[finops-foundation-finops-for-ai-overview-2026-02-17]], finout-finops-ai-agents-four-step-allocation-framework-2026-04-27, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (token→resultado, valor > volumen).
#Tokenomics Foundation#FinOps para la IA#FinOps para la IA
**Olivier Rafal** · pour **WeNvision** (cabinet de conseil français — bureaux à Paris, Lille, Strasbourg, Bordeaux, Nantes, Toulouse, Belgique, Luxembourg). Olivier Rafal écrit en analyste/conseil familier des préoccupations de comité de direction (ancien analyste IT, profil conseil-transformation). Publié le **4 juin 2026**.
Página **About** del sitio web **tokeneconomics.com**, que presenta a la **Tokenomics Foundation** — un proyecto de la **Linux Foundation** anunciado el **3 de junio de 2026**, operado en **estrecha colaboración con la FinOps Foundation**. **Misión declarada**: *"establish open industry standards, benchmarks, and best practices for the economics of AI infrastructure"* — vinculando la **producción, el consumo y la monetización** de tokens al **valor de negocio**. **Definición marco de tokenomics**: *"Tokenomics is not just about the cost of tokens, it's about the entire layer of AI that they drive from production, to consumption to monetization"* — es decir, **toda la capa económica de la IA**, desde el coste de infraestructura hasta la selección de modelo y la optimización de valor. **Tesis de fase**: la adopción temprana de la IA priorizó la **capacidad**; la fase actual se desplaza hacia la **eficiencia y el valor**, lo que exige una gestión de costes sistemática y **visibilidad**. **5 principios fundacionales**: (1) ***"Efficiency is a design choice. AI cost is shaped by architecture, not just usage"***; (2) ***"Bigger is not always better. The best AI system is not always the one using the most expensive model"*** (right-tool / enrutamiento); (3) ***"Visibility comes before optimisation. Teams cannot manage what they cannot see"***; (4) ***"Value matters more than volume. More tokens, more calls, and more automation do not automatically mean better outcomes"***; (5) ***"Open knowledge benefits everyone"*** (estándares compartidos, aprendizaje comunitario, transparencia). **Gobernanza**: un **Governing Board** (dirección sectorial + despliegue de fondos) y un **Technical Committee** (especificaciones abiertas + benchmarks). **Entregables**: extensión de la **FOCUS specification** (FinOps), especificaciones abiertas, benchmarks, marcos y métricas compartidos. **Público objetivo**: CAIO, CTO, CIO, CFO, ingenieros, equipos de producto, profesionales de FinOps, investigadores, startups, empresas, sector público. **Objetivo declarado**: llevar a las organizaciones *"from experimental AI adoption to sustainable AI operations"* extendiendo la disciplina del **gasto tecnológico variable** a la era del token. **Relevancia para esta veille**: institucionalización/estandarización del **FinOps agéntico** a nivel de fundación sectorial — converge directamente con las fichas [[finops-foundation-finops-for-ai-overview-2026-02-17]], [[finout-finops-ai-agents-four-step-allocation-framework-2026-04-27]], orq-ai-finops-ai-agents-cost-per-outcome-hosseini-2026-04-15, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (capa de asignación, token-to-outcome) y con el desplazamiento **token → outcome** (Salesforce/Tallapragada, Sierra/Greenwald). Los 5 principios se corresponden exactamente con las palancas ya registradas: arquitectura > uso, **enrutamiento Haiku/Sonnet/Opus**, observabilidad antes de optimización, valor ≠ volumen.
#Tokenomics Foundation#tokenomics#economía de tokens
**Tokenomics Foundation** (entité collective, projet de **The Linux Foundation**, en partenariat avec la **FinOps Foundation**). Page institutionnelle *About* — **aucun auteur individuel nommé**. Annonce datée du **3 juin 2026**.
En vísperas de la salida a bolsa récord de SpaceX (valoración objetivo de entre 1,75 y 1,8 billones de dólares), The New York Times publica un análisis interactivo del historial de promesas públicas de Elon Musk. A partir de más de 600 compromisos fechados y cuantificados (declaraciones, publicaciones, llamadas con inversores), solo ~19% se cumplieron a tiempo, si es que se cumplieron. La tasa se deteriora con el tiempo: ~75% cumplidas en 2015, menos del 50% en 2020. Marte, el robotaxi y la autonomía total concentran la mayoría de los objetivos repetidos y aplazados. El artículo vincula este historial con el prospecto de SpaceX, que ahora apuesta por la IA (con xAI fusionada) y que reconoce por sí mismo que el calendario de sus grandes proyectos es indeterminable.
Hilo viral de X (**230.5K visualizaciones**, 28 de mayo de 2026, 1:51 AM) de **Jaya Gupta** (@JayaGup10, inversora — probablemente de Foundation Capital, autora del marco *Context Graphs*) titulado ***"Token Budget Wars"***. **Tesis central**: ***"La IA empresarial ha pasado de la adopción a la asignación"*** — la fase 1 de la IA empresarial demostró que los modelos funcionan; la fase 2 decidirá **cuánto vale ese trabajo**. La nueva moneda en la cúpula de la empresa es la **capacidad de cuantificar el ROI de la IA**: *"muéstrame el valor"*. Concepto canónico: ***utilidad marginal del token*** = *"el valor de negocio creado por cada dólar adicional de inferencia"* — el número que importa a escala, y que **la mayoría de las empresas no puede ver**. Cronología: **Claude se lanzó en noviembre de 2025**, después de que se cerraran los presupuestos anuales de 2026 → ya en el **primer trimestre**, empresas *"funcionando muy por encima de lo previsto"* → la inferencia deja de ser una partida de experimentación y se convierte en un **costo operativo recurrente**. Paso de la **experimentación (unos cientos de miles de dólares) a la infraestructura (siete cifras, más de 1 millón de dólares)**: a escala de infraestructura, **la varianza técnica produce oscilaciones materiales en el P&L — dos ejecuciones del mismo flujo de trabajo sobre la misma entrada pueden diferir entre 5 y 10 veces en costo de tokens** sin que nada se vea visiblemente roto, *"una cifra que el CFO tiene que explicarle al CEO"*. **La IA compite con la mano de obra**: 3 tipos de solicitudes presupuestarias (sustituir trabajo externalizado / sustituir trabajo interno / generar ingresos) → desplazamiento hacia el ***costo de un resultado completado*** (costo por ticket resuelto, siniestro procesado, contrato revisado, factura completada, contratación evitada, cliente retenido, dólar de ingreso movilizado). **El BPO es la referencia más fácil para comparar** (ya tiene precio por unidad completada); el trabajo interno es mucho más difícil (empleados multi-competencia, ganancias difusas, resistencia de RR. HH. a la reducción de plantilla). **Por qué es distinto del SaaS**: el SaaS aprendió a tratar el uso como indicador indirecto del valor; la IA rompe ese indicador — *"la señal y el ruido comparten la misma unidad"* (el token), *"el uso de SaaS te decía que el software había sido adoptado. El uso de IA te dice que el contador sigue corriendo. No te dice si tu empresa está funcionando de verdad."* **Tres causas de la invisibilidad de la utilidad marginal del token**: (1) ***colas de reintento*** — tokens por flujo de trabajo resuelto ≈ **T/p**; pasar de un 90% a un 70% de finalización aumenta el costo efectivo en ~**28%**, no un 20%, porque los fallos se acumulan; (2) ***inflación de contexto*** — el costo de inferencia ≈ **O(n²)** respecto a la longitud del contexto (atención), duplicar el contexto **cuadruplica** el costo de razonamiento (sobre-recuperación: 50 documentos cuando bastarían 5); (3) ***enrutamiento*** — por defecto se usa el modelo más potente (una clasificación básica ejecutada en un modelo de razonamiento complejo); a través de millones de llamadas, la diferencia entre enrutar tareas fáciles a un modelo pequeño y enviarlo todo al modelo de vanguardia = *"la diferencia entre una factura manejable y un problema de nivel de consejo de administración."* **División sectorial**: las empresas de **software** = un problema de **medición de productividad** (ya instrumentado: PR, commits, despliegues, incidentes, tiempo de ciclo, MTTR — sigue el rastro de los *"despidos por IA"*); las empresas **no-software** = un problema de **transformación** (trabajo operativo: siniestros, suscripción de pólizas, soporte, revisiones de cumplimiento, excepciones de cadena de suministro, disputas de pago — *correcto bajo auditoría, no solo correcto en promedio*). **La capa que falta = atribución de token a resultado**: una capa de conversión que vincula el gasto en inferencia → el trabajo realizado → el resultado de negocio, respondiendo a 3 preguntas (costo real incluyendo reintentos/correcciones; qué partes de la traza importaron frente al desperdicio; si el trabajo cambió el modelo operativo). ***La medición se convierte en memoria***: vincular un token a un resultado exige capturar **trazas de decisión** (lo que el agente vio, recuperó, invocó, ignoró, dónde reintentó, cuándo un humano lo anuló) — *"el razonamiento de una decisión es uno de los activos más perecederos de una empresa"* (vive en Slack, correos, llamadas de escalado, en la cabeza de las personas). Los agentes **crean** estas trazas; capturadas primero para justificar el gasto, se vuelven *"más valiosas que el informe de costos"* → un **grafo de contexto** (*"aunque estoy tan cansada de esa palabra estos días"*). **La capa de asignación es el premio**: quien posea la atribución de token a resultado toma las **decisiones de asignación** (qué flujos de trabajo merecen más cómputo, cuáles tienen un tope, cuáles pasan a modelos más baratos, cuáles siguen siendo humanos, cuáles sustituyen al BPO). Las empresas no harán esto por sí solas — lo **comprarán como una transformación** (manual del Fortune 500: exalumnos de McKinsey + Palantir y un CEO que impulsa desde arriba, al estilo de la transformación ERP/BI/digital, un *"programa"* con un patrocinador ejecutivo e infraestructura que se convierte en la **nueva fuente de verdad**). Enmarcado por **Charlie Munger**: *"muéstrame el incentivo y te mostraré el resultado."* Subtesis organizativa: el instinto ejecutivo de décadas de que *equipos grandes = trabajos/alcance/poder grandes* → una vez que la inteligencia se convierte en el **recurso escaso**, el nuevo indicador es *"cuánta de ella estás orquestando."* Relevancia directa para el **posicionamiento de Cost Optimization / FinOps agéntico**: confirma empíricamente las palancas (enrutamiento de modelos, caché de prompts, higiene de contexto, subagentes) y desplaza el KPI hacia el **costo por resultado completado**. Fuerte convergencia con el *cross-system labor* de Bain (foso de datos de ejecución, Cursor), el *No AI jobpocalypse* de Ng (precios anclados al salario del empleado sustituido), el ROI de DORA (costo por función), Mensch/Mistral (electrón→token), Ensarguet (economía del cómputo), *Context Graphs* de Foundation Capital (trazas de decisión, misma autora), *Token Burning* de Wescale, BFM/Girard (token = combustible de valor).
#Token Budget Wars#utilidad marginal del token#atribución de token a resultado
**Jaya Gupta** (@JayaGup10) — investisseuse / VC. Très probablement **Foundation Capital** (le thread s'auto-réfère au cadre ***Context Graphs*** — *« ahem, context graph, although I am so tired of that word these days »* — concept porté par Foundation Capital, cf. fiche `bain-100b-saas-opportunity` qui cite *Foundation Capital — Context Graphs trillion-dollar opportunity, 2025-12-22*). Thread publié sur X le **28 mai 2026 à 1h51** · **230 · 5K vues** · format essai long en un seul post. Une réponse notable de **@tuning_engines** (*« DevSecFinOps for the Agentic Era »*) : *« Tokens will basically have to be managed like headcount […] model hierarchies too »*.
Entrada del blog de **Zed** firmada por **Franciska Dethlefsen** (responsable de crecimiento y marketing), publicada el **14 de mayo de 2026** —al día siguiente del anuncio de Anthropic— para responder a las preguntas de los usuarios de Zed. **Tema**: a partir del **15 de junio**, Anthropic **divide la facturación de las suscripciones Claude en dos grupos**: uno para sus **herramientas propias** (chat, la CLI oficial de **Claude Code**), el otro para el **uso de agentes y SDK de terceros** (todo lo que pase por **ACP**, `claude -p` o una herramienta de terceros). El uso vía ACP **deja entonces de consumir los límites de Pro o Max** y pasa a un **crédito mensual «Agent SDK»**: **20 $ para Pro, 100 $ para Max 5x, 200 $ para Max 20x**. Una vez agotado el crédito, el uso continúa **a precios estándar de la API** si el excedente («overage») está habilitado; en caso contrario, las solicitudes se detienen hasta el siguiente ciclo. **La cifra que sostiene el artículo**: hasta entonces, las suscripciones habían subvencionado el uso agéntico en un factor de **≈15 a 30×** respecto al precio de la API, y los nuevos créditos se facturan **a las tarifas completas de la API**; de ahí que *«para quien use agentes intensivamente, esto supone un aumento de costo importante»*. **Se proponen tres opciones**, en un orden que revela la posición de Zed: (1) conservar la suscripción ejecutando la **CLI oficial `claude` en una terminal dentro de Zed** en lugar de vía ACP —*«cuando la CLI oficial de claude se ejecuta en la terminal, usa los límites de tu suscripción, no el nuevo crédito»*—; (2) usar el agente integrado de Zed con el proveedor que se prefiera (modelos alojados por Zed, claves de API, Copilot, Ollama local, DeepSeek); (3) conectar **cualquier agente ACP** —OpenCode, Codex, Factory, Cursor—, varios de los cuales aún ofrecen suscripciones con límites de tasa que subvencionan el uso intensivo. **La tesis de fondo**, y la verdadera razón de la entrada: *«ACP es un protocolo abierto… para que tu editor nunca quede atado a las decisiones de precios de un solo proveedor»*, con la anticipación explícita de que *«este tipo de cambio no será el último»*. **La entrada incluye un anexo fechado el 16 de junio de 2026** que anuncia que **el cambio queda suspendido**: ACP, `claude -p`, el Agent SDK y las aplicaciones de terceros siguen funcionando con las suscripciones **como antes**, sin crédito separado que reclamar, límites sin cambios, con Anthropic revisando su plan con un aviso previo anunciado. **El artefacto se contradice así a sí mismo**: su contenido más importante —la marcha atrás— es posterior en un mes a su propia fecha de publicación.
#Zed#Anthropic#suscripción Claude
**Franciska Dethlefsen** — head of growth and marketing chez **Zed Industries**. Le rôle est déterminant pour lire le texte : ce n'est pas un billet d'ingénierie mais une **communication de crise produit** · écrite le lendemain d'une annonce d'un fournisseur dont Zed dépend · à destination d'utilisateurs inquiets. La signature growth/marketing explique la structure (problème → options → réassurance) et le fait que l'argument protocolaire arrive en conclusion plutôt qu'en tête.
Testimonio de **Arthur Mensch** (cofundador y CEO de **Mistral AI**) acompañado de **Audry Herblin-Stoupe** (directora de asuntos públicos) ante la **commission d'enquête vulnérabilités numériques** de la Asamblea Nacional (presidida por Philippe Latombe, ausente — sesión presidida por el ponente). Testimonio bajo juramento, ~1h15, mayo de 2026. Tesis central de Mensch: ***"la nube es inteligencia artificial"*** — sin distinción entre servicios digitales e IA, la IA es la unidad atómica de la cadena de valor de la nube, desde los semiconductores (ASML) hasta el despliegue empresarial. **Mistral en 2026**: 1.000 empleados, valoración de 12.000 millones de euros, objetivo de **1.000 millones de euros de ingresos a finales de 2026**, 1.000 millones de euros invertidos en I+D durante el año, 30% de los ingresos en Francia / 70% fuera de Francia / ~75% en Europa, clientes: DINUM, Caisse des dépôts, France Travail, MACGM, Stellantis, TotalEnergies, BNP Paribas, ministère des Armées, Luxemburgo (administración central). **Marco conceptual de Mensch**: la IA es un **recurso natural** — *"transformamos electricidad en inteligencia, en generación de tokens."* Economía: 1 GW de centro de datos = **50.000 millones de dólares de inversión en 5 años**, genera **20.000 millones de dólares en tokens/año** ≈ 50% de margen bruto. A lo largo de la cadena electrón→token, **~10% del valor está en el electrón**, el 90% en otros eslabones (chips, software, servicios). **Tesis macro alarmista**: si Europa importa el 10% de su nómina en IA no europea, eso equivale a **un déficit comercial adicional de 1 billón de euros**; se necesitan 20 billones de euros de inversión en infraestructura para abastecer a Europa (40 GW en Francia / 400 GW en Europa). **Estrategia de soberanía**: ***"no pensar la soberanía como aislacionismo sino como palanca."*** **Presión temporal**: *"no tenemos tiempo"* — una ventana de **2 años** antes de que los recursos energéticos europeos sean monopolizados por los hiperescaladores estadounidenses, que despliegan **1 billón de dólares al año**. **Cinco diagnósticos operativos**: (1) Carga regulatoria = 5 personas dedicadas a cumplimiento normativo en Mistral, 27 regulaciones no sincronizadas, emprendedores que se marchan a EE. UU.; (2) Mercado fragmentado = ~60 operadoras de telecomunicaciones europeas frente a 3 en EE. UU.; (3) Contratación pública infrautilizada como palanca estratégica (50% del PIB de la UE); (4) Energía: 9 GW de excedente francés en riesgo de ser monopolizados por actores estadounidenses en 2 años; (5) La destilación = una técnica de reducción de costes, **no** una forma de ponerse al día tecnológicamente. **Doctrina de defensa**: Mistral trabaja con el ministère des Armées, rechazando explícitamente cualquier "supervisión" del uso final ("no tenemos legitimidad democrática"), un posicionamiento *anti-Anthropic-Mythos*. **Ciberseguridad**: reconoce las capacidades ofensivas de los modelos ("está aumentando de forma lineal y predecible, para todos al mismo tiempo"), se opone al *marketing del miedo* de un competidor estadounidense (implícitamente Anthropic). **Campus IA**: participación muy minoritaria, proveedor potencial (Mistral + hiperescaladores), 35.000 millones de euros MGX/Abu Dabi + Nvidia, 100 hectáreas en Saint-Arnoult, 1,4–1,6 GW (= Flamanville), energía nuclear francesa = huella de carbono reducida. **Anotación**: equipos de doctorandos (ya no microworkers), Madagascar para robótica con garantías salariales. **Modelo de negocio**: sin burbuja por el lado de la demanda, **cuello de botella de oferta** (chips, memoria, helio, electrones). **Conclusión de advertencia**: *"si no lo hacemos lo bastante rápido, nos convertiremos en un Estado vasallo."*
#Arthur Mensch#Mistral AI#Audry Herblin-Stoupe
**Arthur Mensch** (cofondateur et directeur général de **Mistral AI**) accompagné d'**Audry Herblin-Stoupe** (directrice des affaires publiques et de la communication, Mistral AI). Mensch a cofondé Mistral AI le 28 avril 2023 avec **Guillaume Lample** et **Timothée Lacroix** — tous les trois précédemment dans les *« gros acteurs américains »* (Google DeepMind / Meta FAIR). Audition tenue devant la **commission d'enquête de l'Assemblée nationale sur les vulnérabilités numériques** · présidée par **Philippe Latombe** (député MoDem, Vendée — absent ce jour). Séance présidée par la **rapporteur** (non nommée dans le transcript) · avec interventions du président lui-même (revenu en cours) · du député **Arnaud Saint-Martin** (LFI/Saint-Arnoult — sa circonscription accueille Campus IA) · et de la rapporteur sur les questions économiques.
Lanzamiento de **AI/works™**, una **plataforma de desarrollo agéntico** presentada por **Thoughtworks** como *"the new standard for building and running industrial-grade systems in the AI era."* El argumento central es **económico**: *"the old model made you pay millions to build, run, then pay again to rebuild — AI/works™ ends that routine."* La plataforma cubre **todo el SDLC** en torno a un concepto central, la ***Super Spec*** (una especificación dinámica y unificada que abarca arquitectura, flujos de trabajo, seguridad, datos y UX), con **seis capacidades**: Reverse Engineering (legado → especificaciones as-is), Dynamic Spec Development (requisitos en bruto → Super Spec), Spec to Code (coordinated agents que generan código verificable), Developer Experience (golden paths gobernados), Control Plane (orquestación de agentes con transparencia de costes, guardrails activos, trazabilidad de extremo a extremo), Runtime Ops (monitorización continua que detecta cambios, actualiza la Super Spec y regenera el código afectado). Metodología **3-3-3**: 3 días para alinear el concepto de producto, 3 semanas para el prototipo (deseabilidad/viabilidad/factibilidad), 3 meses para el MVP en producción. Reconocimiento de **Constellation Research**: *"changing the economics of enterprise software delivery"* mediante un enfoque *"spec-driven, lifecycle"*. Eslogan de apertura: ***"We are doing it again for the AI era"*** — que invoca la herencia de Thoughtworks en XP/CI-CD/microservicios. Posicionamiento anti-hype: *"stands on an engineering foundation rather than enthusiasm"*, *"no consultant crowds"*, *"finance can open the bill without switching on emergency lighting."* Socios destacados: AWS, GCP, Azure, Databricks, Snowflake + Claude, OpenAI, DeepSeek, Gemini, Grok + NVIDIA, Groq, Stripe, Spotify, CAST, Cyn DX, Mechanical Orchard.
#Thoughtworks#AI/works#marca registrada AI works
**Thoughtworks** (auteur collectif corporate, page produit/marketing). Aucun individu cité sur la page. Contexte des figures Thoughtworks pertinentes en arrière-plan : **Martin Fowler** (chief scientist emeritus, *Refactoring*, *Patterns of Enterprise Application Architecture*) · **Rebecca Parsons** (CTO emeritus) · **Birgitta Böckeler** (Distinguished Engineer, *Harness Engineering for Coding Agents*, fiche 2026-04-02) · **Matt Kamelman** (*Service-as-Software*, fiche 2025-12-03) · **Sam Newman** (*Building Microservices*).
Editorial de Andrew Ng en The Batch n°352 del 8 de mayo de 2026 — **"There Will Be No AI Jobpocalypse"** — que desmonta el relato del desempleo masivo causado por la IA, apoyándose en la **saludable tasa del 4,3%** de desempleo en EE. UU. y en una contratación tecnológica sólida. Ng identifica **tres motores** del relato del jobpocalypse: **(1) incentivos tecnológicos** — los laboratorios de IA se benefician de presentarse como transformadores-disruptivos (rondas de financiación, valoraciones, talento); **(2) poder de fijación de precios** — los proveedores cobran **10.000+ $/año** a clientes empresariales **anclando su precio al salario del empleado sustituido**, en lugar de a la tarificación SaaS tradicional (por puesto / por uso); **(3) mensajes corporativos** — las empresas reformulan sus despidos como *"eficiencia por IA"* en lugar de reconocer la **contratación excesiva de la era pandémica** de 2020-2022. Reconocimiento honesto: *"la IA perturba el trabajo"*. Pero Ng invierte esto en **"AI jobapalooza"** (un juego de palabras con Lollapalooza) — creación de empleo en ingeniería de IA y campos adyacentes con conjuntos de competencias en evolución. Tensión implícita con **Amodei** (50% de los empleos de cuello blanco eliminados de aquí a 2030) — Ng señala, sin nombrarlo, que **Anthropic se beneficia de promover este relato** (incentivos tecnológicos). Publicado **el mismo día** que el artículo de **Wallace-Wells, "AI Populism", en NYT Magazine**: una lectura en espejo perfecta — Ng = análisis económico frío / Wallace-Wells = pánico popular. Convergencia sobre el poder de fijación de precios con **"$100B cross-system labor" de Bain** (misma tesis: precios anclados en los salarios).
#Andrew Ng#The Batch#DeepLearning.AI
Andrew Ng (fondateur DeepLearning.AI, Stanford, ex-Google Brain, ex-Baidu, ex-Coursera)
Informe de **Bain & Company**, **mayo de 2026** (David Crawford, Chris McLaughlin, Greg Fiore — parte de una **serie en cinco partes sobre la industria del software en la era de la IA**), que sitúa la oportunidad SaaS aún inexplotada en el *cross-system labor* — el trabajo humano de coordinación entre sistemas que los agentes de IA ya pueden automatizar — en **~100.000 M$ en EE. UU. (~200.000 M$ incluyendo Canadá/Europa/AU/NZ)**. **Captura actual: 4.000-6.000 M$ (10% de la oportunidad)** — por lo que **>90% sigue disponible**. Tesis pivote: la principal oportunidad de la IA agéntica **no es reemplazar el SaaS existente** sino **automatizar el trabajo de coordinación entre sistemas** (empleados que extraen datos de ERPs, comprueban inventario en una hoja de cálculo, interpretan respuestas de texto libre, ejercen criterio). Distribución: Ventas (20.000 M$) + COGS/operaciones (26.000 M$) + I+D/ingeniería (6.000-12.000 M$) + soporte (6.000-12.000 M$) + finanzas (6.000-12.000 M$). **Seis factores de automatización**: verificabilidad del resultado, consecuencia del fallo, disponibilidad de conocimiento digitalizado, complejidad de integración, variabilidad del proceso, dependencia del mundo físico. **Potencial de automatización por función**: Atención al cliente e I+D **40-60%**, Finanzas y RR. HH. **35-45%**, Ventas e IT **30-40%**, Legal **20-30%**. **Cambio estratégico**: la ventaja competitiva pasa de la *propiedad del system of record* (Salesforce, SAP, Workday) al ***cross-workflow decision context*** — la capacidad de ver y actuar a través de múltiples sistemas integrados. **Ejemplos**: Sierra (resolución autónoma de incidencias de clientes), Glean (coordinación de solicitudes de empleados entre funciones), GitHub Copilot (ampliado más allá del control de código fuente), **Cursor** (ARR duplicado en un trimestre, 2.000 M$). **Moat duradero**: *"datos de ejecución acumulados que ganan valor con el tiempo y se vuelven más difíciles de replicar para los competidores"*. **Hoja de ruta en tres fases**: Assessment (seis factores + dimensionamiento de mercado) → Strategic Positioning (activos de datos + flujos de trabajo adyacentes + mapas operativos reales) → Execution (build/buy/partner + reestructuración organizativa + rediseño de las bases de datos para agent readiness). Relevancia principal para CIOs/CDOs/responsables de Estrategia en SaaS B2B y clientes empresariales: replantea la conversación *"IA vs SaaS"* como ***"IA = SaaS que por fin automatiza el trabajo de coordinación"***. Para leer junto con: DORA ROI (marco financiero), Tatsyi/Raiffeisen (caso de estudio bancario que crea 7 productos de IA sin precedentes), Wescale (realista 3x-4x), MIT NANDA (el 95% de los pilotos fracasa), Foundation Capital *Context Graphs trillion-dollar opportunity* (2025-12-22), Menlo Ventures *State of Generative AI Enterprise* (2025-12-09).
#Bain & Company#oportunidad SaaS de 100.000 millones#cross-system labor
**David Crawford · Chris McLaughlin · Greg Fiore** — partners et experts Bain & Company spécialistes industrie logicielle / SaaS. Article publié en **mai 2026** sur bain.com/insights · partie 2/5 d'une série sur *"the software industry in the age of AI"* (la partie 1 traite du Rule of 40, fiche `bain-ai-rule-of-40-headwinds-tailwinds-saas-2026-04.md`).
Investigación de fondo (op-ed) de Jasmine Sun (NYT Opinion, 30 de abril de 2026) sobre el *consenso de San Francisco*: el temor a la *infraclase permanente* — una teoría viral según la cual la IA podría congelar la movilidad económica y crear una clase vuelta inútil por la automatización. El artículo documenta la disonancia interna en los laboratorios (Amodei sobre el «baño de sangre de cuello blanco» y el 50% de los empleos junior de cuello blanco que desaparecerán para 2030; Altman 2021 → silencio de Lehane → white paper *Industrial Policy for the Intelligence Age*, abril de 2026; Anthropic Institute, marzo de 2026, dirigido por Jack Clark), los benchmarks que orientan la I+D hacia la sustitución humana (A.I. Productivity Index, GDPVal de OpenAI: *«tasa de éxito superior al 80% frente a profesionales humanos»* en unos pocos meses), las acciones corporativas (Block/Dorsey -50% de plantilla con Opus 4.6 + Codex 5.3, ARR de Anthropic de 30.000 M$ frente a 9.000 M$ a finales de 2025), y la estrategia política de Shor (79% de los votantes preocupados, garantía de empleo > RBU, *«Trabajan para los bots. Nosotros trabajamos para ustedes.»*). Elemento de referencia en el dosier *AI labor 2026*.
#Jasmine Sun#NYT Opinion#infraclase permanente
Jasmine Sun (Ms. Sun écrit sur l'IA et la culture Silicon Valley sur Substack)
Nota de análisis de **Mitch Ashley**, VP y Practice Lead de *CIO & Technology Buyers* y *Software Lifecycle Engineering* en **The Futurum Group**, publicada el **29 de abril de 2026** en la sección *Market Coverage News*: formato corto, aproximadamente **9.500 caracteres**, que se abre con cinco viñetas de resumen y se cierra con cinco puntos de seguimiento. Tema: el acuerdo anunciado el **21 de abril de 2026** por el cual **SpaceX** obtiene el derecho de adquirir **Cursor** por **60.000 millones de dólares** en el plazo de un año, o de pagar **10.000 millones de dólares** por una asociación de cómputo respaldada por el clúster **Colossus** de **xAI** en Memphis, descrito como equivalente a **1 millón de GPU H100**. (A) La lectura de las dos necesidades: Cursor arrastraba a la vez un techo de cómputo y una compresión de márgenes — la empresa paga precios de mercado por los modelos de **Anthropic** y de **OpenAI**, que enruta hacia sus clientes mientras compite con ellos a través de su línea **Composer**; SpaceX buscaba ingresos de IA y un relato de cara a una OPV prevista para junio. (B) La lectura de la estructura: un mínimo de 10.000 millones de dólares y una opción de compra de 60.000 millones de dólares ejercitable en acciones cotizadas tras la salida a bolsa, que, escribe Ashley, *"reparte el riesgo de forma más honesta que una adquisición directa"*. (1) Para los compradores, fija una ventana de **seis meses** para reverificar las cláusulas de retención cero de datos y la identidad del proveedor. (2) Para los proveedores, distingue tres exposiciones — **Google** protegida por **Antigravity**, **AWS** dependiente de Anthropic, **IBM** poco expuesta pero bien posicionada en el ángulo de la gobernanza. El corpus ya contiene [[beck-starving-genies-usage-limits-ai-coding-2026-04-03]] sobre la restricción de recursos impuesta a las herramientas de codificación y [[nyt-musk-promises-spacex-ipo-track-record-2026-06-02]] sobre los anuncios de SpaceX.
#SpaceX#Cursor#Anysphere
Mitch Ashley · VP et responsable des pratiques CIO & Technology Buyers et Software Lifecycle Engineering chez The Futurum Group · ancien CIO et CTO.
Anuncio de producto publicado en el blog de **Stripe** el **29 de abril de 2026** por **Dan Hill** (Product Manager, Link Consumer Product), tras la keynote de **Stripe Sessions 2026**: el lanzamiento de **Link's wallet for agents**, construido sobre un nuevo bloque de base, **Issuing for agents**. **El diagnóstico cabe en una frase, y es la más importante del texto**: *"While machine payments protocols are still gaining adoption, agents need to work with the payment options sellers and consumers use today."* → **Stripe reconoce que los protocolos de pago nativos para máquinas aún no están listos, y entrega una solución de contorno para los rieles existentes en lugar de apostar por unos nuevos.** **El mecanismo**: un consumidor concede a un agente acceso a su cartera Link mediante un **flujo OAuth estándar**; el agente emite entonces una *spend request* y recibe ya sea una **tarjeta de un solo uso**, o un **Shared Payment Token** — respaldado por las tarjetas y cuentas bancarias ya presentes en la cartera. Punto cardinal: *"The agent never gets access to your raw payment credentials."* La credencial tiene **alcance limitado** (importe, divisa, comercio) y el agente debe suministrar el **contexto de la transacción** para que el humano entienda lo que está aprobando — el ejemplo dado en la CLI es explícito: `amount 3500`, `merchant-name "Powdur"`, `context "Purchasing the Powdur Glow Renewal Vitamin C Serum as a gift for $35."`. **La restricción estructurante es temporal, y se asume como tal**: *"Today, each request requires the person's review before the credential is shared with your agent"* — aprobación **humana**, **transacción por transacción**, en la web o en las **nuevas apps Link para iOS y Android**. Los límites de gasto y los casos en los que el agente actuaría **sin aprobación adicional** están anunciados, no entregados. **La segunda capa es el verdadero producto de infraestructura**: **Issuing for agents** abre el conjunto completo de las API de Issuing a cualquiera que construya su propia cartera agéntica — tarjetas virtuales de un solo uso, almacenamiento de fondos, controles de gasto, permisos a nivel de tarjeta, controles antifraude **en el momento de la autorización**, visibilidad en tiempo real. Se citan cuatro casos de uso: automatización interna del gasto, tarjetas agénticas integradas en **fintechs**, plataformas **SaaS verticales** que emiten tarjetas a pymes bajo su propia marca, **marketplaces** cuyos agentes vendedores pagan a proveedores y logística. **Argumento de distribución**: Link reivindica **más de 200 millones de consumidores**, y el artículo cita a **OpenClaw** como ejemplo de agente personal que se beneficia de ello. **Dos reservas que conviene señalar de entrada**: la aprobación por transacción se presenta como una comodidad de diseño cuando en realidad es **una admisión de que la autorización delegada del agente no está resuelta**; y el stablecoin, los *agentic tokens*, y los "otros métodos de pago" están todos en **futuro** (*"coming soon"*).
#Stripe#Link#cartera para agentes
**Dan Hill** — Product Manager · **Link Consumer Product** chez Stripe. Auteur de l'annonce sur le blog Stripe · rubrique *Product*. Le rattachement au produit *Link Consumer* est significatif : l'annonce est écrite depuis le **portefeuille grand public** · pas depuis l'équipe protocole ni depuis Issuing — ce qui explique que le consentement de l'utilisateur final structure tout le texte.
FinOps para agentes de IA: un marco de asignación en cuatro pasos para los costes de los asistentes de codificación (Claude Code, Cursor, Copilot) y por qué el etiquetado tradicional de la nube falla - Finout
#FinOps agéntico#asignación de costes#asistentes de codificación
FinOps para agentes de IA centrado en el "coste por resultado": por qué el FinOps tradicional falla frente al comportamiento en tiempo de ejecución, guardrails, observabilidad conductual y un ciclo de vida de 4 fases - Orq.ai
#FinOps agéntico#coste por resultado#comportamiento en tiempo de ejecución
Informe de Bain & Company (**abril de 2026**) (David Lipman, Greg Callahan, Daniel Goetz, George Sunderland — parte 1/5 de la serie *"software industry in the age of AI"*) que analiza el impacto de la IA en la **Rule of 40** (métrica canónica de SaaS: *tasa de crecimiento + margen de beneficio ≥ 40%*) y concluye en una **doble presión**: **vientos en contra** (ralentización del crecimiento del mercado + costes masivos de infraestructura de IA) y **vientos a favor** (productividad de la IA + transformación del 10-25% del EBITDA + pricing basado en resultados). **Dato central llamativo**: un caso de cliente de *marketing technology* — **los costes de IA se multiplicaron por 3,49 (+349%) mientras que los ingresos solo crecieron un 38%** en un año. **Tesis pivote**: los líderes de SaaS podrían tener que ***"conformarse con la Rule of 30"*** temporalmente para seguir siendo competitivos frente a los **AI-natives**, aceptando una compresión de margen a corto plazo a cambio de un posicionamiento a largo plazo. **Dos vías explícitas**: (1) ***Financialize*** — minimizar la inversión en IA, optimizar la caja, operar como un *"generador duradero"* pero limitar el crecimiento futuro; (2) ***Invest to Grow*** — aceptar la presión de margen a corto plazo, reinvertir agresivamente en capacidades de IA en producto y operaciones. **Vientos a favor en detalle**: productividad en ventas/marketing/I+D, transformaciones exitosas = **+10-25% de EBITDA**, futura oportunidad de *outcome-based pricing* (los ingresos se desplazan de asientos fijos hacia la economía de mano de obra/operaciones), los operadores establecidos pueden aprovechar sus relaciones con clientes y flujos de trabajo integrados frente a los retadores AI-native. **Vientos en contra en detalle**: *"software penetration is topping out in some areas"* (saturación del mercado), la infraestructura de IA + inferencia + acceso a modelos introducen **costes variables significativos en negocios que históricamente han tenido márgenes altos**. **Señal para CFO/consejo**: la propia Rule of 40, como **norma estable**, empieza a desplazarse; algunos actores quedarán temporalmente fuera de esta norma y **eso es estratégicamente racional**. **Gran relevancia** para CFO/CEO/consejos de SaaS B2B e inversores de PE/VC en software que evalúan sus carteras — el primer benchmarking institucional cuantificado del dilema *proteger márgenes / invertir agresivamente* en 2026. Relacionar con: Bain **parte 2/5 cross-system labor $100B** (2026-05), DORA ROI 2026 (marco financiero), Wescale (X3-X4 realista), Tatsyi/Raiffeisen (banco −75 personas), Curran/Intercom (3× I+D en 16 meses), Menlo Ventures *State of Generative AI Enterprise* (2025-12-09).
#Bain & Company#Rule of 40#tasa de crecimiento más margen de beneficio
**David Lipman · Greg Callahan · Daniel Goetz · George Sunderland** — partners et experts Bain & Company spécialistes industrie logicielle / SaaS / private equity software. Article publié en **avril 2026** sur bain.com/insights · **partie 1/5** d'une série Bain sur *"the software industry in the age of AI"*. La partie 2 (*The $100-Billion SaaS Opportunity Hiding in Cross-System Labor*, mai 2026) est dans le dossier de veille.
Artículo metodológico de Alex Pawlowski (The Strategy Stack, #151, 30 de marzo de 2026) que propone un cambio epistémico mayor en la *investigación de mercado*: dejar de recopilar informes estáticos para mantener una ***superficie de decisión viva*** — un modelo en evolución continua de la dinámica del mercado. Contribución central: el **Tension Map**, que cartografía *contradicciones y puntos de presión* (brechas entre expectativa y entrega, precio tolerado sin ser adoptado con entusiasmo, actores establecidos sin resonancia emocional) en lugar de la cuota de mercado. Herramientas en tres modos (Discovery / Tension / Decision), un flujo de trabajo de 7 pasos y una pila de herramientas orquestada (Perplexity para la expansión → Claude para la profundidad/continuidad → ChatGPT para la iteración → Multi-agent para el desafío). Referencia implícita: el método *Analysis of Competing Hypotheses* de Richards Heuer (CIA).
#Alex Pawlowski#The Strategy Stack#investigación de mercado con IA
Alex Pawlowski (auteur de la newsletter Substack *The Strategy Stack*, focus stratégie et IA opérationnelle).
Análisis del coste total de propiedad (TCO) de los LLM locales frente a las API en la nube en 2026. El artículo demuestra que el precio por token es una trampa y que solo el TCO completo (hardware, electricidad, refrigeración, mano de obra) informa la decisión. Dato clave: los puntos de equilibrio local/nube cayeron un 40% entre 2024 y 2026. Fuente: SitePoint (medio técnico orientado a desarrolladores).
**Dosier consolidado** de marzo de 2026 sobre la **muerte del modelo de horas facturables en el sector de la publicidad/comunicación** — que combina el **informe de VoxComm** *"Redesigning the Agency Value Model"* (95 páginas, marzo de 2026, **Brian Kessman** de **Lodestar Agency Consulting** + prólogo de **Tim Williams** de **Ignition Consulting Group**, introducción de **Charley Stoney**, presidenta de VoxComm / CEO de **EACA European Association of Communication Agencies**) y el **artículo de opinión de MediaPost** *"Billable Hours Are Dead, AI Killed Them, Here's How To Survive"* (3 de marzo de 2026, **Joe Mandese**, redactor jefe de MediaPost). **Tesis de cambio compartida**: el modelo de negocio de las agencias de comunicación (horas facturables / retribución basada en el trabajo / modelo de negocio de servicios) está **estructuralmente desautorizado por la IA**; las agencias deben ***"desvincular los ingresos y el beneficio del número de empleados"*** (Stoney). **Cifras de MediaPost (Mandese)**: márgenes de las agencias que pasan del **30% (época dorada) al 10% (media actual)**; los creativos producen **~5 veces más** producción por la misma retribución o menos que hace 10 años. **Diagnóstico de Mandese**: *"Definimos y monetizamos nuestro valor a través del tiempo y el esfuerzo en lugar del impacto en el negocio"* — cuando las agencias venden **servicios por horas**, venden **materias primas (commodities)** vulnerables a la **compresión de costes por la IA**. **Cita de Tim Williams**: ***"En el fondo de los desafíos de nuestro sector hay una verdad económica simple: los incentivos importan. Al adoptar el modelo de tarifa horaria, las agencias crearon sin saberlo una desalineación estructural. Aquello por lo que se recompensa a las agencias — más horas — es precisamente lo que los clientes están incentivados a minimizar."*** Resultado de suma cero, **carrera hacia el abismo**. **Solución de cambio de Williams**: ***"No estáis en el negocio de los servicios. Las agencias no venden servicios y capacidades, sino soluciones a problemas de negocio."*** **Marco de 4 cambios de Mandese**: (1) Definir ámbitos de experiencia acotados; (2) Codificar soluciones productizadas reproducibles; (3) Construir equipos en torno a resultados, no a la utilización; (4) Sustituir las tarifas por hora por modelos basados en el valor (honorarios fijos, suscripciones, precios basados en el rendimiento). **Ejemplos concretos**: **FIG** (desvinculó los precios del número de empleados), **72andSunny** (menús de productos modulares), **Monks** (suscripción única que combina talento + tecnología + mejora continua). **Crítica metodológica**: los comentaristas de MediaPost cuestionan la cifra histórica del margen del 30%, y sugieren cifras reales más cercanas al 12-15%. **Informe de VoxComm** estructurado en 8 capítulos: When Your Model Works Against You / Mapping Your Value Model / Case Studies / How to Pivot / How to Price / How to Plan / How to Navigate / Online Tools. **Relevancia mayor** para el dosier: se trata de la **contrapartida en el sector de las agencias** de los cambios en consultoría (McKinsey/Sternfels, 60.000 = 40.000 humanos + 20.000 agentes, enero de 2026) y en SaaS (Bain Rule of 40 → Rule of 30, abril de 2026). **Convergencia transversal para los servicios intensivos en conocimiento**: consultoría + agencias + SaaS están pasando **simultáneamente** de *time-and-materials* a *outcome-based*. Para aprovechar en comités de dirección de agencias/consultoras/marketing/comunicación, presentaciones estratégicas sobre la transformación de los servicios por la IA, y como fuente para las cifras de margen 30%→10%.
#VoxComm#Redesigning the Agency Value Model#Brian Kessman
**Rapport VoxComm "Redesigning the Agency Value Model"** :
Guía oficial de la FinOps Foundation sobre IA: economía de tokens, KPIs, caching, optimización de prompts, selección de modelos y extensión de las 14 capacidades del FinOps Framework a los servicios de IA generativa - FinOps Foundation
#FinOps Foundation#economía de tokens#coste por token
FinOps Foundation — groupe de travail (Brent Eubanks/Wayfair, James Barney/MetLife, Eric Lam/Google, Adam Richter/AWS, Rahul Kalva/Wells Fargo, JJ Sharma/KPMG, Karl Hayberg/EY, et al.)
Guía técnica sobre los asistentes de compra con IA en 2026, protocolos ACP (OpenAI/Stripe) frente a UCP (Google/coalición), implementación para comerciantes, atribución agéntica
**OfficeChai** informa el **14 de enero de 2026** una declaración importante de **Bob Sternfels** (Global Managing Partner, **McKinsey & Company**): ***"mi última respuesta sería 60.000, pero son 40.000 humanos y 20.000 agentes."*** La plantilla de McKinsey ahora se cuenta como **humanos + agentes**: **60.000 = 40.000 humanos + 20.000 agentes de IA**. **Trayectoria de aceleración masiva**: *"Hace poco más de un año y medio, eran 3.000 agentes y originalmente pensé que nos llevaría hasta 2030 llegar a un agente por humano."* La paridad humano/agente proyectada inicialmente para **2030** ahora es alcanzable en **18 meses** — una aceleración de **>5×** respecto a la proyección original. **Cambio explícito de modelo de negocio**: *"Estamos migrando bastante rápido de lo que podríamos llamar trabajo de asesoría pura... hacia un modelo mucho más basado en resultados."* — McKinsey **está abandonando el modelo de horas facturables / asesoría** en favor de un **modelo basado en resultados** en el que la compensación se alinea con resultados medibles. **Contexto de McKinsey 2024-2026**: Lilli (chatbot interno) utilizado por el **70% de los empleados**, **200 puestos tecnológicos eliminados en noviembre de 2024**, una oferta de indemnización de **9 meses de salario** (abril de 2024). **Relevancia mayor para el dossier de 2026**: se trata del **primer actor de consultoría de primer nivel** en (a) declarar públicamente y (b) cuantificar con precisión la integración de agentes de IA en su plantilla contable. La frase ***"60.000 personas, pero 20.000 de ellas son agentes"*** está llamada a **redefinir** la propia concepción de la plantilla en los servicios basados en conocimiento — comparable al momento en que las organizaciones comenzaron a contar contratistas + empleados juntos. **Convergencia con el corpus de 2026**: Bain Rule of 40 (viento de cola para el pricing basado en resultados), Bain cross-system labor $100B, MediaPost Mandese *"las horas facturables están muertas, la IA las mató"* (3 de marzo de 2026), VoxComm *Redesigning the Agency Value Model* (Brian Kessman / Tim Williams, marzo de 2026), Tatsyi/Raiffeisen (−75 personas), Cherny Sequoia *"reordenamiento de las 7 Powers"*. **Tensión productiva** con la posición normativa de DORA *"recomendamos no adoptar una estrategia de reducción de plantilla"* — McKinsey asume públicamente la **reducción de la plantilla humana** (200 puestos en 2024) mientras reinyecta capacidad en agentes de IA + ingresos basados en resultados. Para utilizar en comités de dirección de firmas, presentaciones estratégicas para consultoras/empresas de servicios TI/agencias, debates sobre el futuro del modelo de negocio de los servicios basados en conocimiento.
#Bob Sternfels#McKinsey & Company#Socio Director Global de McKinsey
Article rapporté par **OfficeChai Team** (publication indienne tech/startup news) · **14 janvier 2026**. **Source primaire** : déclarations de **Bob Sternfels** · **Managing Partner Global de McKinsey & Company** · lors d'une intervention publique. McKinsey est le cabinet conseil top-tier mondial fondé en 1926. Sternfels dirige le cabinet depuis 2021.
Informe anual 2025 de Menlo Ventures sobre la IA generativa en la empresa - mercado de 37.000 M$, adopción, startups frente a actores establecidos, PLG - menlovc.com
#IA generativa#IA empresarial#adopción de IA
Tim Tully · Joff Redfern · Deedy Das · Derek Xiao (Menlo Ventures)
**Matt Kamelman** publica en el **blog de Thoughtworks** el **3 de diciembre de 2025** un artículo de giro conceptual que formaliza el cambio económico mayor en los servicios intelectuales: ***"Service-as-Software" (SaS)*** como **nuevo modelo económico** que sucede a **SaaS**. **Distinción del giro**: ***"Traditional SaaS is about tools: software that enables humans to solve problems. Service-as-Software (SaS), meanwhile, sells outcomes."*** SaS es *"a new class of tool that doesn't just enable work but instead automates the reasoning process itself"*. **Cambio de precios**: ***"Companies will no longer pay for an agent based on seats or features. Instead they'll pay based on its demonstrated alignment and impact."*** **Tres ejemplos arquetípicos de agentes SaS**: agentes de marketing (campañas de extremo a extremo), agentes financieros (modelado de previsiones), agentes de operaciones (triaje de solicitudes). **Tres capacidades** de los sistemas SaS agénticos: (1) operar dinámicamente sobre **objetivos**, no sobre flujos de trabajo fijos; (2) conservar **memoria** a través de las interacciones; (3) coordinarse de forma autónoma entre herramientas y APIs. **El "Cognitive Contract" — tres principios**: (1) **Interpretable y auditable** — *"users need to be able to understand why the system made a decision"*; (2) **Alineado con objetivos humanos** — *"the system's objectives must match human intent and ethical boundaries"*; (3) **Entrenado e iterado en tiempo real** — *"systems continuously refine behavior based on feedback"*. **Nuevo rol organizacional**: el ***"cognitive orchestrator"***, con tres funciones operativas: (a) **diseño del bucle de retroalimentación** (revisión paso a paso); (b) **gestión de la incertidumbre con barreras de protección** (reglas de negocio + interruptores de circuito); (c) **medición de la alineación** (una puntuación de alineación cuantificable). **Analogía histórica estructurante**: *"mainframes → client-server → web/cloud, where the cognitive contract remained the same: humans had to instruct the machine"*; hoy este contrato **evoluciona hacia la colaboración** entre humano y máquina. **Pertinencia mayor**: se trata de la **formalización conceptual anglosajona** más clara del cambio **horas facturables / por puesto → basado en resultados** observado empíricamente en **McKinsey/Sternfels** (60.000 = 40.000 humanos + 20.000 agentes, enero de 2026), **VoxComm/Mandese** (marzo de 2026, agencias), **Bain Rule of 40** (abril de 2026, SaaS), **Bain cross-system labor $100B** (mayo de 2026). El término ***"Service-as-Software"*** está llamado a convertirse en **canónico**, del mismo modo que lo fue *"Software-as-a-Service"* en los años 2000-2010. A aprovechar para el **vocabulario estratégico de 2026** en presentaciones de comité ejecutivo, casos de negocio agénticos y modelos de precios.
#Matt Kamelman#blog de Thoughtworks#Service-as-Software
**Matt Kamelman** — auteur de l'article publié sur le blog Thoughtworks le 3 décembre 2025. **Thoughtworks** est un cabinet de conseil en technologie et software engineering global · fondé en 1993 · fortement associé à des figures emblématiques du software engineering (Martin Fowler, Rebecca Parsons, Sam Newman, etc.) et à des contributions historiques majeures (continuous delivery, microservices, expansion XP/Agile). Le blog Thoughtworks est une référence de premier plan dans l'écosystème software engineering et architectural.
Estudio del MIT - Iceberg Index - Impacto de la IA en la Fuerza Laboral - Disrupción del Mercado Laboral - Simulación de Políticas - Modelización Económica - Transformación de la Fuerza Laboral - Riesgo de Automatización - Mapeo de Competencias - Análisis Regional
#MIT#Iceberg Index#Impacto de la IA en la Fuerza Laboral
MacKenzie Sigalos (CNBC) · Research by Massachusetts Institute of Technology and Oak Ridge National Laboratory
Fortune - Jeff Bezos co-CEO Project Prometheus - startup de IA valorada en 6.200 millones de dólares - Ingeniería aeroespacial y automotriz - Sinergia con Blue Origin - Visión de expansión espacial
El auge del comercio conversacional en ChatGPT: nuevo canal de comercio electrónico, GPTs personalizados de marca y un ecosistema emergente — blog de Barron Ernst
Colapso del coste y la complejidad del software, la IA democratiza el desarrollo, el software se vuelve "permissionless", deuda técnica social, productividad de desarrolladores +55% - Cobus Greyling - Medium
#coste del software#colapso de la complejidad#IA generativa
Guía de FinOps para CPO sobre arquitecturas de IA: multiplicadores de tokens (6×, 5-10×) en flujos de trabajo LLM, RAG, agentes y sistemas agénticos, con el concepto del Iceberg de Costos - Finout
#FinOps#multiplicadores de tokens#Iceberg de Costos
El 73% de los consumidores usa IA para las compras en línea, confianza equivalente a la de los vendedores humanos, emerge el comercio agéntico - Riskified - comercio electrónico - compras con IA
#inteligencia artificial#comercio electrónico#compras en línea
Think with Google - Marketing basado en la demanda - Presupuesto 2026 - Estrategia de marketing - Basado en datos - Insights de Google - Orientación para CMO
#Think with Google#marketing basado en la demanda#presupuesto 2026
Una revista de prensa de Courrier International (firmada por Martin Gauthier) que reúne al NYT, San Francisco Standard, Wall Street Journal y Wired para documentar la expansión del **horario "996"** — trabajar de **9 de la mañana a 9 de la noche, seis días a la semana (72 horas)** — en el sector tecnológico californiano. Una norma importada de China, el 996 se está convirtiendo en "el tema candente del momento" en Silicon Valley, impulsado por jóvenes fundadores de startups de IA que lo convierten en un **estilo de vida ascético**: "nada de alcohol, nada de drogas, 996, el gimnasio… cuidar el sueño, comer bistec y huevos." El motor declarado es la **carrera por la IA**: capturar cuota de mercado y hacerse rico *antes* de que llegue la AGI, por miedo a hundirse en una "subclase permanente." El artículo también documenta la otra cara: incentivos económicos (Fella & Delilah: +25% de salario), una advertencia sobre el **incumplimiento de la legislación laboral estadounidense**, y el recordatorio de que la Cour suprême chinoise dictaminó que el 996 es ilegal — una práctica vinculada a protestas, acusaciones de "esclavitud moderna" y muertes de trabajadores. Ámbito: cultura laboral tecnológica, condiciones de trabajo, sociología de las startups de IA, la carrera hacia la AGI.
Artículo del blog de Sierra (10 de diciembre de 2024, Elliot Greenwald) que expone el **texto fundacional del *outcome-based pricing*** para agentes de IA. **Tesis pivote**: los agentes de IA que ejecutan procesos de forma autónoma hacen posible un **modelo de precios completamente nuevo** — ***"solo pagas cuando el software logra resultados específicos y valiosos: outcome-based pricing."*** El artículo traza una **genealogía en cuatro eras de los precios del software**: (1) **software en caja precintada** (años 80-90, la caja de disquete/CD-ROM en Fry's Electronics — *"Lo hayas usado o no, lo pagabas"*) → (2) **SaaS / precios por asiento** (pionero por **Salesforce**, seguido por Google/Microsoft/Adobe — Internet hace posible vender el software *como servicio*) → (3) **precios por consumo** (**Amazon/AWS** y **Snowflake** — *"se cobraba solo por lo que se usaba"*) → (4) **precios por resultado** (agentes de IA). **Definición canónica**: ***"el outcome-based pricing está vinculado a impactos empresariales tangibles — como una conversación de soporte resuelta, una cancelación evitada, un upsell, un cross-sell, o cualquier número de resultados valiosos. Si la conversación queda sin resolver, en la mayoría de los casos, no hay cargo."*** **Principio de incentivos alineados**: ***"Con el outcome-based pricing, Sierra solo cobra cuando completamos una tarea para ti. Nuestros incentivos están alineados."*** **Crítica del precio por asiento y el concepto de *shelfware***: *"Los asientos no utilizados permanecen ociosos en un proverbial estante de tienda, de ahí el apodo despectivo 'shelfware'"* — se pagan miles de dólares al año por licencia, se use o no. **Conflicto estructural para los Fournisseurs CX legacy**: sus ingresos dependen del precio por asiento, y sin embargo *"cuanto más eficaz se vuelve su IA, menos asientos de centro de contacto necesitan sus clientes — socavando el propio modelo de ingresos del proveedor"* — un agente de IA eficaz **canibaliza** el modelo de ingresos de un proveedor cuyos precios se basan en asientos. **Granularidad del resultado**: una distinción entre **resoluciones simples** (responder una pregunta) y **resoluciones complejas** (gestionar un caso que requiere una llamada L2 de 20 minutos); las **escaladas por lo general no generan cargo**; es posible un **precio combinado (blended)** (por ejemplo, por consumo para interacciones de enrutamiento/saludo). **Compromiso de optimización continua** por parte del proveedor: *"seguimos desplegando optimizaciones concertadas y dirigidas para refinar el rendimiento del agente con el tiempo"* — el proveedor permanece alineado para mejorar el rendimiento ya que solo se le paga por el resultado. Relevancia: planteado a **finales de 2024**, este artículo **precede y fundamenta** todo el debate de 2026 sobre la economía agéntica — aporta el **vocabulario de la unidad de facturación** (el *resultado* completado en lugar del asiento, el uso o el token) que más tarde retomarán Gupta (*coste de un resultado completado*, *atribución token-a-resultado*), Bain (*el outcome-based pricing desplaza los ingresos de asientos fijos hacia la economía de mano de obra/operaciones*), Ng (*poder de fijación de precios anclado en el salario del empleado sustituido*). Con Sierra como el **ejemplo de referencia** citado por Bain (*resolución autónoma de incidencias de clientes*), este texto ofrece la **visión desde el lado del proveedor** de la mecánica que otros analizan desde el lado del comprador. Directamente relevante para el posicionamiento de la firma en **entrega agéntica / precios basados en valor** y para el bloque de **Cost Optimization** (la contraparte del lado proveedor del *coste por resultado*).
#outcome-based pricing#precios basados en resultados#agentes de IA
**Elliot Greenwald** — Sierra (entreprise fondée par Bret Taylor & Clay Bavor, plateforme d'agents IA conversationnels pour l'expérience client). Billet publié sur le blog Sierra le **10 décembre 2024**. Sierra est l'**exemple-référence** cité par Bain (*The $100-Billion SaaS Opportunity*) pour l'*autonomous customer issue resolution* · et fait l'objet de plusieurs fiches du dossier (recrutement AI-native, interview Plan/Build/Review).