Guía firmada por **Michael Segner**, publicada el **20 de agosto de 2026** en el blog claude.com, categoría *Claude Code*: una lectura de **5 minutos** anunciada para aproximadamente **31.500 caracteres** de cuerpo del texto, ofrecida también en PDF. Material declarado: entrevistas con **más de una docena** de startups, quince nombradas — **Artemis Security**, **Cainex**, **Clay**, **ClickHouse**, **Cognition**, **Commure**, **Crosby**, **Emergent**, **Harvey**, **Heidi**, **Higgsfield**, **Omni**, **Parahelp**, **Translucent**, **Zingage**. (A) Cinco reglas operativas: *everyone ships*, *automate the tedium*, *trust, but verify*, *build for rebuilding*, *prototype, dogfood, productionize*, cada una cerrada con consejos de producto y reunidas en una checklist final. (B) Un cuerpo compuesto de citas atribuidas, cada regla ilustrada por directivos nombrados en lugar de una métrica agregada. Las cuatro cifras destacadas son las de las empresas entrevistadas: **+30%** más funcionalidades entregadas (ClickHouse), **de 2 a 3×** productividad de ingeniería (Omni), **100%** del triaje de bugs automatizado (Clay), **más de 6.000 PR por semana** (Artemis Security). Dos pasajes se apartan del registro testimonial: el bucle de autocorrección de **Cainex** sobre la codificación médica, descrito paso a paso, y el uso interno de **Claude Tag** en **Anthropic** como primer respondiente para las guardias de CI/CD. La pregunta planteada al inicio — *"what would it look like if an organization built their product development lifecycle with Claude Code from the ground up?"* — conecta con [[claxton-anthropic-ai-native-sdlc-playbook-2026-08-21]], publicado al día siguiente por el mismo editor, y prolonga [[cherny-wu-reflecting-year-claude-code-2026-07-17]].
#Claude Code#startups#everyone ships
Michael Segner · auteur du guide sur le blog claude.com (fonction non affichée par la page) ; entretiens avec les dirigeants de quinze entreprises nommées.
Entrada de blog corporativo de **Block** (`block.xyz/inside`), sin firma —el autor mostrado es **«Block»**—, publicada el **18 de agosto de 2026**, ~930 palabras, que anuncia **la apertura del código de Berd**, la aplicación de escritorio interna de Block para trabajar con agentes, y expone la tesis de diseño que la guió: dar carácter a los agentes *«no solo mediante roles, instrucciones, skills y herramientas, sino mediante identidades visuales distintivas»* —de ahí los personajes animados desarrollados internamente, los *«Gloopies»*—. La entrada parte de una constatación de fragmentación (*«The technology was powerful, but the experience around it was fragmented»*) y de un problema de interfaz precisamente nombrado: *«the product gives people little sense of how the agent is configured, which context and tools are available to it, and how it differs from another agent»*. Dos aportaciones estructurantes. **(A) Una articulación en tres niveles**: **goose** sigue siendo el framework y el *runtime* que sostiene el bucle del agente; **Berd** es el cliente de escritorio (proyectos, contexto, sesiones, agentes, configuración); ambos se comunican mediante el **Agent Client Protocol**. **Buzz** se designa como la continuación, para cuando el trabajo en solitario se vuelve colaborativo (*«Start alone, then go multiplayer»*). **(B) Seis requisitos transmitidos a Buzz**, enunciados como conclusión: *«private space, durable context, recognizable agent identities, reusable skills, visible configuration, and clearer visibility into an agent's configured context, tools, and capabilities»* —una parrilla directamente reutilizable para evaluar un cliente de agentes—. El propio texto distingue identidad de capacidad: *«The avatars make the agent recognizable. Its role, skills, and tools make it useful.»* No se aportan cifras de uso ni se nombra ninguna licencia para la apertura del código.
#Berd#Block#código abierto
**Aucun auteur nommé** : le billet est signé **« Block »** — le champ *Author* de la page porte le nom de l'entreprise. Publié le **18 août 2026** sur `block.xyz/inside` · le blog **corporate** · et non sur `engineering.block.xyz`.
Publicación en X de **Andrew Ng** del **14 de agosto de 2026** (16:29 UTC), que retoma la carta «Dear friends» de ***The Batch* #366** (DeepLearning.AI, misma fecha), ~900 palabras. Ng presenta **The AI Engineering Skills Map** y publica **cuatro habilidades** consideradas las más importantes. **(1) Construir y desplegar aplicaciones de IA** — se nombra la especificidad: *« The key difference between AI and non-AI applications is that the former has unpredictable outputs »*, de ahí el énfasis en los *evals* y los bucles de análisis de errores. **(2) Fundamentos de ingeniería de software**, porque *« Understanding software fundamentals allows you to recognize what tradeoffs even exist »* — el desarrollador inexperto fracasa *« because they don't know what context to give their coding agent »*, de ahí el objetivo de *« steering coding agents using the precise language of software engineering »*. **(3) Uso de agentes de codificación**, en una formulación operativa: *« help the agent autonomously close loops by providing verifiers or evals »*, y *« knowing how much to intervene and how much to leave them alone »*. **(4) *Shaping the build***: *« Given a clear spec, coding agents are rapidly improving at delivering to it. Thus, our work as engineers is shifting toward deciding what should be in the spec »*, junto con *« Engineers should no longer expect to be given a pixel-perfect design and asked only to implement it. »* Una **nota terminológica** aporta la mayor parte del enfoque: Ng habla de **habilidades** en ingeniería de IA y **no del rol** "AI Engineer", con una analogía explícita — *« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. »* El conjunto se apoya en *« an analysis of more than 10,000 job postings, dozens of structured interviews with experts, hiring managers, and recruiters, surveys, and other online data »*, de la cual **no se publica ningún resultado numérico**: Ng describe su proceso como *« informally… akin to running clustering »* y anuncia un mapa detallado en futuras publicaciones. Declara el interés en la penúltima frase: *« DeepLearning.AI's principal focus is to help developers gain these AI engineering skills. »*
#AI Engineering Skills Map#mapa de habilidades#Andrew Ng
**Andrew Ng** — fondateur de **DeepLearning.AI** · general partner d'**AI Fund** · cofondateur de **Coursera** et de **Google Brain** · ancien chief scientist de Baidu. Texte signé · à la première personne · écrit *« with my team »* sans qu'aucun collaborateur soit nommé. Publié le **14 août 2026** sur X et dans ***The Batch* n°366** — même texte aux deux endroits ; préférer *The Batch* pour toute citation durable. Quatrième fiche Ng du corpus · après les lettres n°350 (24 avril) · n°352 (8 mai) et n°359 (26 juin).
Informe de investigación interno fechado el **12 de agosto de 2026** (en formato *What? — So What? — Now What?*, investigación realizada los días 11 y 12 de agosto) sobre una pregunta simple: ¿son las aplicaciones **de escritorio** de ChatGPT y Claude mejores que sus versiones **web**? La respuesta llega en dos partes. **(A) Existe un consenso cualitativo sólido y bien documentado.** El punto de partida es indiscutible: el escritorio y la web llaman exactamente a los mismos modelos en la nube, siendo la aplicación una simple interfaz hacia el servicio — la ganancia reside, por tanto, enteramente en la capa de aplicación (latencia de acceso, estabilidad en sesiones largas, huella de memoria, integraciones con el sistema, fluidez del flujo de trabajo). Lo que distingue verdaderamente al escritorio, confirmado: del lado de OpenAI, un atajo global (Option/Alt + Espacio), una *companion window* que permanece siempre en primer plano, capturas de pantalla nativas, y desde julio de 2026 la capacidad agéntica **Codex/Work** integrada en la aplicación; del lado de Anthropic, **Quick Entry** (macOS), **Desktop Extensions** (instalar un servidor **MCP** local se vuelve *«tan simple como hacer clic en un botón»*), acceso a archivos locales, **Cowork** y **Computer Use** (permisos de Accesibilidad y grabación de pantalla). La web conserva dos fortalezas confirmadas: pestañas/hilos múltiples y universalidad sin necesidad de instalar un cliente. **(B) Casi todas las cifras que circulan en apoyo de este consenso no resisten la verificación.** La auditoría crítica del informe (§1.5) clasifica como **no confirmadas** siete afirmaciones numéricas ampliamente repetidas: el *cold start* «2-3 s frente a 8-12 s» (el único rastro es una mención anecdótica de «carga en unos 3 segundos» en Substack); el uso de RAM «200-700 MB frente a 1,2-2 GB», atribuido a un «Alibaba Product Insights» cuyas páginas devuelven **404**; una tasa de fallos y una cifra de retención de sesión imposibles de rastrear; un «Claude +10-20% de extremo a extremo» atribuido a **Skywork**, que en realidad había evaluado su propio agente de Windows en lugar de comparar Claude con la web; una fuente «Cosmo Edge» imposible de rastrear; citas no confirmadas de Zenken AI; y dos publicaciones de X sin autenticar y sin URL. La señal contraria está documentada con el mismo rigor: Yuri Dvoinos describe una aplicación Claude Desktop que *«me dan ganas de tirar el portátil por la ventana»* — un uso de CPU del 68% y retraso de entrada en un MacBook Pro — y el informe señala que ambas aplicaciones están construidas sobre **Electron** con capas nativas. De ahí su formulación: *la ventaja del escritorio es una promesa de implementación, no una ley de la naturaleza.* **El «So What»**: dado que el modelo se ha convertido en el denominador común, la interfaz se convierte en el campo de batalla — la fusión **Codex + ChatGPT** del 9 de julio de 2026 y el tándem Cowork/Computer Use cuentan la misma historia, *«la aplicación de escritorio ya no es un cliente de chat, es un entorno de ejecución de agentes con acceso a la máquina»*. Tres consecuencias: la ganancia es una ganancia de **fricción**, no de potencia; para un CIO, el escritorio **desplaza el límite de confianza** — Computer Use requiere permisos del sistema sensibles y la fusión de Codex sitúa la ejecución de código, el navegador y los conectores dentro de *«un único límite de confianza ampliado»*, mientras que el navegador sigue siendo gobernable mediante SSO, DLP y CASB; y para quien publica, la fragilidad de las cifras es en sí misma la noticia. **El «Now What»** aporta criterios individuales de cambio, una lista de verificación para CIO (inventariar los permisos, desactivar Computer Use y Cowork por defecto, delimitar qué extensiones MCP están autorizadas, organizar la distribución y las actualizaciones — en Linux, fuera del repositorio apt, Claude Desktop no se actualiza solo) y una directriz editorial: citar únicamente citas textuales confirmadas y fechas.
#ChatGPT Desktop#Claude Desktop#versión web
**Deep Research Veille Interne** — rapport non signé · produit par une enquête sourcée menée les **11-12 août 2026** et rendu le 12.
Informe de experiencia publicado en **LinkedIn Pulse** el **12 de agosto de 2026** por **Guillaume Dumortier**, en su newsletter *Growth Marketing Fit*, subtitulado *« Cuatro capas, mucha reconstrucción y los modos de fallo de los que nadie te advierte »*, ~2.500 palabras. El tema: un sistema de IA interno construido **en Claude** para un equipo de marketing de unas sesenta personas — alrededor de treinta **skills** de contenido y ventas, una decena de **módulos de fuente de verdad**, **siete agentes, seis de los cuales existen únicamente para verificar el trabajo en lugar de producirlo**, un **plugin** para quienes viven en una terminal, una **aplicación de navegador** que porta el mismo conocimiento para el resto, y una orquestación que encadena tres o cuatro activos en un *campaign bundle*. La tesis se plantea desde el principio: la calidad de una salida de IA no se determina en el momento de la generación, sino por lo que el sistema sabe antes de empezar y por lo que ocurre con el borrador después — *« El paso de generación en el medio es la parte fácil. También es la única parte que la mayoría de los equipos han construido. »* De ahí cuatro capas: **Verdad** (casi nadie la construye), **Producción** (todo el mundo), **Verificación** (casi nadie), **Distribución interna** (*« donde los buenos sistemas mueren por negligencia »*). Dos mecanismos de fallo sostienen el artículo. **(A) El « pass » desnudo de mundo cerrado del verificador**: un fact-checker respaldado por documentación de producto recibe un borrador que contiene una afirmación sobre otro producto, uno que sus fuentes no cubrían — devuelve un *« pass »*, no porque la afirmación fuera cierta sino porque nada la contradecía. *« No solo pasó por alto el error, lo certificó. »* Solución: prohibir un veredicto desnudo y exigir que cada informe declare su **propia cobertura** — cuántas afirmaciones se verificaron, cuántas se relacionaron con fuentes, cuáles quedaron fuera de su jurisdicción, cuáles no pertenecían a ninguna fuente. *« "No puedo verificar esto" se convirtió en un resultado de primera clase. »* **(B) La contradicción entre activos**: dos activos pueden ser individualmente correctos, cada uno trazable a una fuente real, y aun así contradecirse entre sí — el comunicado de prensa indica una fecha, la entrada de blog otra, ambos pasan, el bundle no puede publicarse. *« La verificación por activo individual no puede detectar eso, por construcción. »* Cláusula de cierre del artículo: *« La generación es gratis. La confianza es el producto. »*
**Guillaume Dumortier** — auteur de la newsletter LinkedIn **Growth Marketing Fit** (~1 300 abonnés à la publication). Il écrit en **praticien-constructeur** : il a passé *« une longue partie de cette année »* à bâtir et exploiter le système décrit. La légende de l'illustration précise le socle technique — *« A custom-built Marketing AI OS within Claude »*. Publié le **12 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**.
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.
Artículo de opinión en profundidad publicado en **sfeir.com** el 1 de agosto de 2026, escrito por **SFEIR** (la voz editorial de la firma). Reúne **dos publicaciones de julio de 2026** con metodologías opuestas — el experimento de campo preregistrado **"The Cybernetic Teammate"** en **Procter & Gamble** (Dell'Acqua, Ayoubi, Lifshitz, Sadun, **Ethan Mollick** et al., *Organization Science* 37(4), 2026) y el primer informe de la serie **"Work at the Frontier"** de **OpenAI Economic Research** (27 de julio de 2026, >800.000 mensajes de usuarios estadounidenses de ChatGPT) — en una única tesis: *"la IA generativa no solo acelera el trabajo existente, redistribuye quién hace qué"*. La arquitectura se despliega en cuatro etapas: **el mecanismo** (P&G: la IA actúa como un dispositivo *boundary-spanning*, borrando los silos funcionales — un individuo + IA alcanza el nivel de una pareja sin IA, **+0,37 σ**), **la escala** (OpenAI: **43,5%** de los mensajes específicos de una profesión caen fuera de la propia profesión del usuario), **la agenda** (Mollick: los muros se están adelgazando, la división del trabajo debe repensarse, y una recomposición bien orquestada "rinde generosamente"), luego **la respuesta de la firma** — **Skill Based Organisation (SBO)**, adoptada en SFEIR bajo el impulso de **Rosalie Zandona** (VP People & Culture): la **competencia realmente operativa** reemplaza la descripción de puesto como unidad de organización (**hasta 13 competencias identificadas por rol**), pasando de una **identidad basada en el estatus** ("soy manager") a una **identidad operativa** ("sé diseñar arquitecturas complejas"). El movimiento retórico es una prueba por el ejemplo interno: *"hicimos el cambio internamente antes de recomendarlo"*. **Se señalan tres reservas**: el cambio hacia el SBO se remonta a **febrero de 2026**, por lo tanto *precede* al diagnóstico que se supone debe resolver (el orden argumentativo invierte el orden cronológico); **nada en los datos demuestra** que una organización basada en competencias absorba mejor el cruce de tareas que una basada en roles (una hipótesis de diseño no probada); el resultado de P&G circula **desde marzo de 2025** (NBER w33641) — el "unas semanas antes" se aplica a la publicación revisada por pares, no al resultado en sí.
#Skill Based Organisation#SBO#organización basada en competencias
**SFEIR** — ESN française « AI Only » (~850 ingénieurs, 8 agences France & Benelux). Voix éditoriale du cabinet (byline « SFEIR »).
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 consultora, "la lectura de un ingeniero") que articula dos marcos demasiado a menudo confundidos: el **SDLC** (Software Development Life Cycle — *construir el software correcta y fiablemente*) y el **PDLC** (Product Development Life Cycle — *construir el producto correcto y triunfar en el mercado*). Tesis central: los dos ciclos no son competidores sino **anidados** — el SDLC es el subconjunto del PDLC **alojado bajo su fase de desarrollo**; cuando un equipo de producto llega a la etapa de "construcción", un ciclo SDLC completo (diseño → construcción → pruebas → revisión → despliegue) se ejecuta dentro de él. El SDLC está estandarizado (**ISO/IEC/IEEE 12207**, ediciones 2017 y 2026), con su linaje de modelos (Waterfall 1970, modelo en V, iterativo/espiral, **Agile 2001**, **DevOps/DevSecOps 2009+**) y sus métricas **DORA** (throughput, estabilidad, MTTR, tasa de fallos de cambio). El PDLC, al ser el ciclo paraguas, se extiende desde la **ideación/discovery** hasta la **retirada del mercado** (no confundir con el **PLC** de marketing de Theodore Levitt, 1965, que describe una *curva comercial*, no un *trabajo organizado*: "el PLC observa una curva; el PDLC organiza el trabajo"). **Punto de inflexión**: el SDLC aborda nativamente **solo uno de cada cuatro riesgos** — vía el marco de **Marty Cagan «Four Big Risks»** (Valor → PM, Usabilidad → Diseñador, Viabilidad técnica → Lead Engineer, Viabilidad de negocio → PM) — una organización excelente en SDLC pero ciega al PDLC produce "software que nadie quiere" — la **"feature factory"** de John Cutler (el éxito medido por el output, no por el outcome). **Por qué la IA lo cambia todo**: la IA generativa **comprime el SDLC** (datos de Google/JetBrains, mayo de 2026: **~85% de los desarrolladores** usan regularmente agentes de codificación, **~41% del código nuevo** es generado por IA; la implementación pasa de semanas a horas), por lo que el **cuello de botella se desplaza aguas arriba** — decidir *qué* construir (Marty Cagan, abril de 2026: "cuando el coste de la entrega se desploma, el cuello de botella se traslada al discovery"). Consecuencias: DORA 2025 (~5.000 profesionales, 90% de adopción de IA) muestra una **correlación positiva con el throughput pero negativa con la estabilidad** (más funcionalidades no validadas implica inestabilidad y retrabajo); Andrew Ng (AI Startup School, julio de 2025) informa de equipos que **invierten la proporción "1 PM por 4 ingenieros" a "2 PM por 1 ingeniero"**; y con el **spec-driven development**, la frontera PDLC/SDLC se vuelve **porosa** (la especificación de producto se vuelve directamente ejecutable por agentes). **Lo que un CIO debe retener**: un SDLC aumentado se convierte en un **estándar de mercado, no en un diferenciador** — hay que instrumentar la unión con el producto, exigir **especificaciones ejecutables** como entrada, cruzar las métricas técnicas con las métricas de outcome, y **rechazar** el rol de "proveedor de funcionalidades". Para un CPO: el desplazamiento del cuello de botella hacia el discovery es a la vez una **promoción** (el juicio de producto vuelve a ser escaso) y un **aviso para actuar** (industrializar el discovery para alcanzar la paridad con el SDLC). El marco propio de SFEIR ("Diseñar y construir en la era agéntica" — **ciclo de 11 fases** + **Software Factory 10x**) se posiciona como la respuesta del lado de la ingeniería, con la **articulación de los dos ciclos** como la siguiente palanca. Conclusión: "a medida que el código se convierte en un commodity, el margen se desplaza hacia el juicio de producto y la gobernanza".
Boris Cherny (Head of Claude Code) y Cat Wu (Head of Product, Claude Code) publican un breve vídeo en LinkedIn, "Reflecting on a year of Claude Code," en el que plantean una tesis: **los roles de producto e ingeniería se están fusionando**. En Anthropic, el equipo de producto, devrel y diseño **escriben código todos**; muchos ingenieros **entregan productos de extremo a extremo** (idea → construcción → legal/marketing/seguridad → lanzamiento al mundo). Su conclusión: la IA beneficia a los perfiles con **curiosidad**, **sensibilidad de producto** y una inclinación por la **propiedad de extremo a extremo**. La nota recoge principalmente la **discusión del hilo de comentarios** (55 comentarios, 28 sustantivos): un consenso que **reformula** la tesis — no son los roles los que desaparecen, es que **entregar se vuelve barato**, lo que desplaza el valor hacia el criterio y la definición del problema correcto — frente a una minoría lúcida en el lado opuesto (responsabilidad, gobernanza, propiedad intelectual).
#Boris Cherny#Cat Wu#Claude Code
Boris Cherny (Head of Claude Code, Anthropic) et Cat Wu (Head of Product, Claude Code, Anthropic) — vidéo ~47 s publiée par Claude for Business sur LinkedIn · repartagée par Claude. Commentateurs cités : Omer K. · Syed T. · Andrei K. van Noordt · Kristóf Nagy · Natasha Egan · Natasha Newbold · Rehan Nazir · Noman A. · Kevin Schoovaerts · Sunny Vara · Paul Breuler · Ron H. · Mohammadjavad Sayadi · Chris Bounds · Mohamed Anis · Panny Malialis · David H. · plebs.me · James Hutchinson · Dewayne J Grunden II · e.a. (28 commentaires de fond retenus sur 55).
**Boris Cherny** (Creator & Head of Claude Code @Anthropic) publica una tabla-marco en LinkedIn, **« Steps of AI Adoption »**, que mapea la adopción de IA agéntica de un equipo de ingeniería a lo largo de **5 etapas (0→4)**, cada una caracterizada por un **orden de magnitud de agentes gestionados** y una **transformación del rol del ingeniero**: **0 Gated** (0 agentes, acceso restringido), **1 Assisted** (~1 agente — "tú + un agente", programación en pareja supervisada), **2 Parallel** (~10 agentes — **orquestador**), **3 Supervised autonomy** (~100 agentes — **manager of managers**, un árbol organizativo), **4 AI-native** (~1.000+ agentes — **VP que dirige por intención**). La tabla cruza cinco columnas: número de agentes, *qué aspecto tiene*, *el cuello de botella*, *los productos que ayudan*, *las salvaguardas*. **Tesis central**: consumir más tokens no te hace subir de nivel — avanzar a la siguiente etapa requiere **identificar y romper el siguiente cuello de botella** Y **construir el siguiente conjunto de salvaguardas**. En concreto: dar a Claude un **bucle de autoverificación** fiable (tests + build + lint + e2e en un entorno real), habilitar **Auto mode** (evitando los prompts de permiso bloqueantes), hacer que la **revisión de código y la revisión de seguridad sean el estándar por defecto**, adoptar interfaces multiagente (Agent view CLI, Desktop, apps iOS/Android, Tag), luego `/loop`, `/batch`, `/goal`, **flujos de trabajo dinámicos** y **worktree isolation** para subagentes. Sobre el pilotaje: el uso (dashboard) mide **actividad, no retorno**; la pregunta correcta es *"¿de todos modos habríamos dedicado esfuerzo de ingeniería a esto? si es así, ¿cuántas horas-ingeniero manuales habría costado?"* — ese es el ROI. La verdadera recompensa llega cuando **la corrección y el mantenimiento ocurren en segundo plano** y los equipos se centran en *construir*. Anthropic se sitúa en la **etapa 3, rumbo a la 4**; Boris Cherny afirma haber alcanzado personalmente el **nivel 4**.
#Boris Cherny#Claude Code#Anthropic
Boris Cherny (Creator & Head of Claude Code @Anthropic)
Netflix — Carta a los accionistas del T2 del ejercicio fiscal 2026: la GenAI se despliega a escala en producción (≈300 títulos en 2026), LLMs para descubrimiento y búsqueda en lenguaje natural, herramientas de IA en todo el ciclo publicitario (Netflix)
Digesto de vigilancia tecnológica de fuentes primarias sobre la posición de **Gregor Hohpe** (autor de *Enterprise Integration Patterns*, *The Software Architect Elevator*, *Cloud/Platform Strategy*; antiguo AWS & Google Cloud Enterprise Strategist, antiguo Chief Architect en Allianz) respecto al papel del arquitecto en la era de la IA generativa. Tesis: la IA **no devalúa** al arquitecto, **desplaza su valor** del código hacia lo que la IA no hace — **tomar y asumir decisiones, arbitrar compromisos, "vender opciones", comunicarse con humanos, producir abstracciones sólidas**. Fórmula clave (Craft Conference 2026): "*Los desarrolladores interactúan principalmente con máquinas… GenAI. Los arquitectos, en cambio, se comunican con humanos*". Su tesis distintiva (el arquitecto no debe ser la persona más inteligente de la sala, debe **hacer que todos los demás sean más inteligentes**) se refuerza a medida que el código se vuelve abundante: la ventaja proviene de la **disciplina en la toma de decisiones** y de **sacar a la luz los compromisos ocultos**, no del volumen. El digesto también desglosa sus posiciones por rol (arquitecto empresarial: de **cartógrafo a explorador**; arquitecto de software: **depurar** decisiones en lugar de escribir código; arquitecto de plataforma: **abstracciones, no ilusiones**), su metáfora de las **opciones reales** (valor que aumenta con la volatilidad tecnológica, analogía con Black-Scholes), y sus advertencias ("*Un SDLC impulsado por IA castiga los malos hábitos mucho más rápido*"; los ganadores de la IA se definirán por la rapidez con la que pasen de la experimentación a la **producción gobernada**). ⚠️ La fórmula ampliamente difundida "los arquitectos que usan IA reemplazarán a los que no lo hacen" **no es de Hohpe**. Dominio: arquitectura de software, el papel del arquitecto, toma de decisiones, opciones reales, plataformas, GenAI en el SDLC.
#Gregor Hohpe#Architect Elevator#papel del arquitecto
Gregor Hohpe (sources primaires) — digest de veille
Nota de análisis de SFEIR que revisa el papel del arquitecto de software en la era de la IA generativa a través del marco de **Gregor Hohpe** (*The Software Architect Elevator*). Tesis central: el arquitecto « **Oráculo** » — el guardián supremo del conocimiento que dicta reglas desde una torre de marfil — está obsoleto, ya que la IA genera código y propuestas bajo demanda; el arquitecto moderno se convierte en un **amplificador de inteligencia (IQ Amplifier)** que provee a los equipos los modelos mentales, el contexto de negocio y las herramientas de decisión para aprovechar la IA garantizando al mismo tiempo la coherencia del sistema. El documento desglosa el impacto **piso por piso del "Architect Elevator"** (arquitecto de Empresa / Solución / Plataforma / Software) y defiende el **Domain-Driven Design (DDD)** como salvaguarda indispensable: el **lenguaje ubicuo** sustenta los *system prompts* (un diccionario de dominio inyectado vía `.clinerules`/plantillas, que reduce las alucinaciones y las malinterpretaciones de negocio), y los **bounded contexts** restringen el alcance confiado a la IA para maximizar la fiabilidad de la generación. Conclusión: la IA no es una amenaza sino un catalizador que libera al arquitecto de las tareas técnicas de entrada para poner en primer plano la síntesis, la visión estratégica, el modelado y el vínculo humano entre la tecnología y el negocio. Dominio: arquitectura de software, papel del arquitecto, DDD, prompting estructurado, gobernanza de IA empresarial.
#Arquitecto de software#papel del arquitecto#IA generativa
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).
Mensaje de **Linus Torvalds** en la lista de correo **linux-media** (hilo "Linking Patchwork with Sashiko?", sobre una herramienta LLM de asistencia a mantenedores), en el que el creador y **mantenedor supremo** del kernel de Linux **fija oficialmente la posición del proyecto sobre la IA**. Respondiendo a Roman Gushchin, que había señalado que un mensaje adverso expresaba una postura "muy anti-LLM en general", Torvalds está de acuerdo ("Yes") y luego **niega tajantemente que esa sea la posición del kernel** ("And no, that's not the position of the Linux kernel"). **Zanja la cuestión** como mantenedor supremo: **"Linux is not one of those anti-AI projects"**; quien no esté de acuerdo puede **"do the open source thing: fork it"** — "or just walk away". **Tesis central**: **"AI is a tool, like the other tools we use, and clearly a useful tool"**; puede que eso no fuera "so 'clearly' true a year ago, but it's not in question today". Distingue las cuestiones **aún abiertas** ("what the AI economy will actually look like in the end") de la cuestión que está **zanjada** ("is it useful?") — "anybody who doubts that clearly hasn't actually tried it". **Reconoce** que la herramienta puede ser **"painful"** — carga para los mantenedores, y el hecho de que "keeps finding embarrassing bugs" — pero rechaza la postura del avestruz ("put your head in the sand going 'La La La, I can't hear you'"). **La respuesta correcta**: asegurarse de que **las herramientas LLM _ayuden_ a los mantenedores** en lugar de causarles molestias. **No coerción, deliberadamente**: "nobody is forced to use it, but **I will very loudly ignore those who try to prevent others from using it**". Sobre la imperfección: "AI isn't perfect, but hell, anybody who points at its problems had better also point at the mirror" — "**natural intelligence isn't always all that great either**". **Marco de gobernanza**: el proyecto del kernel "has always been and will remain about **technology**"; el ángulo social del open source es un "side benefit, not the _point_"; **"this is *NOT* some kind of 'social warrior' project, never has been, never will be"**; "we do open source because it results in **better technology**, not for religious reasons". Conclusión-programa: **"we decide based on technical merit first. Not on fear of new tools."** Debe leerse como una **declaración de posición doctrinal** de una de las figuras más influyentes del software — que hace eco del contra-testimonio pro-LLM de ESR (otro pilar del open source, [[raymond-llm-coding-empowering-2026-07-08]]).
#Linus Torvalds#Linux#kernel de Linux
Linus Torvalds ([email protected]) — ingénieur logiciel finlando-américain · **créateur et mainteneur suprême du noyau Linux** (depuis 1991) et de **Git** (2005). Employé de la **Linux Foundation**. Figure centrale et notoirement franche de l'open source · dont la parole sur les mailing lists du kernel fait autorité et jurisprudence dans la communauté. S'exprime ici en sa qualité de **top-level maintainer** pour fixer la position officielle du projet vis-à-vis des outils d'IA. Autres participants au thread cités : Roman Gushchin (linux.dev) · Laurent Pinchart · Mauro Carvalho Chehab · Konstantin Ryabitsev (Linux Foundation) · Steven Rostedt · Stephen Finucane · Jason Gunthorpe · entre autres. (Message de mailing list linux-media ; date : 2026-07-14 ; date d'ajout à la veille : 2026-07-17.)
Post en X de **Eric S. Raymond** (ESR, autor de *The Cathedral and the Bazaar*, cofundador de la Open Source Initiative, ~50 años de programación) — **un contratestimonio frontal a la narrativa de que "los LLM producen código basura y alucinan, inútiles para programar".** Su tesis: esto **casi nunca le ocurre**, y **ya no en absoluto en las últimas dos generaciones** de modelos que usa ("chat GPT 5.4 y 5.5" bajo **codex**). El antiguo síntoma —un modelo "descarrilando" al acercarse a su límite de contexto— ha desaparecido: codex ahora muestra una **advertencia roja** que invita al usuario a **limpiar la sesión** en lugar de descontrolarse. **Alcance de uso**: IA aplicada a **cambios de funcionalidades, refactorización y depuración en 63 proyectos** en **C, Go, Rust, Python y shell**; redacción de documentación; **descompilación de un binario DOS en código fuente legible**. Una **rutina de trabajo** establecida: al reabrir un proyecto, primero ejecuta las **pruebas de regresión**, luego inicia codex y le pide que **audite el código** (errores + sugerencias de mejora). Veredicto: los LLM son **"excelentes y tremendamente empoderadores"**; su **peor limitación** es la **"visión de túnel arquitectónica"** —excelentes generando código según especificación, pero a veces **ciegos a los patrones de más alto nivel**— algo que considera **tarea de su "cerebro de carne".** El punto más fuerte y contraintuitivo: los LLM **NO se equivocan en los detalles y casos límite**; afirma ser **peor que ellos** en este aspecto (pese a 50 años de experiencia), porque si un cambio debe **tocar cinco lugares**, el modelo **los encuentra los cinco de forma fiable**, mientras que el humano corrige cuatro y **pasa horas depurando** antes de encontrar el quinto olvidado. Después cuestiona a los **"downshouters"**: ¿viven en un **universo diferente**? ¿Usan **modelos antiguos y débiles**? ¿Hay un **skill issue** que él no percibe porque sus **hábitos mentales y su comunicación** encajan bien con los "handles" de estas herramientas? Una cuestión que considera importante resolver, ya que "se **malgastarían miles de millones de dólares en gasto de tokens mal dirigido**". Su receta, "muy simple": **"Piensa con claridad, dile al modelo lo que quieres con precisión, y ocurren cosas buenas"** —cerrando con: "¿qué me estoy perdiendo aquí?". Debe leerse como un **contrapunto pro-LLM de una figura histórica del open source** al debate recurrente sobre la (des)valorización de los agentes de codificación —haciendo eco del "skill issue" y de la disciplina de especificación (cf. [[martignole-token-manifesto-2026-07-17]])— y formando un díptico con la postura doctrinal pro-herramientas-IA de **Linus Torvalds** en nombre del kernel Linux ([[torvalds-llm-outil-kernel-2026-07-14]]).
#Eric S. Raymond#ESR#esrtweet
Eric S. Raymond (ESR, @esrtweet sur X) — développeur · hacker et essayiste américain · **figure historique du mouvement open source**. Né le 4 décembre 1957 à Boston (Massachusetts) ; paralysie cérébrale de naissance · enfance en partie au Venezuela puis en Pennsylvanie. Auteur de l'essai très influent **« The Cathedral and the Bazaar »** (1997, livre 1999) · qui oppose le modèle « cathédrale » (développement centralisé et fermé) au modèle « bazar » (décentralisé et ouvert, à la Linux) ; il a **popularisé le terme « open source »** (contre « free software ») et contribué à convaincre **Netscape** d'ouvrir son code (naissance de Mozilla). **Co-fondateur de l'Open Source Initiative (OSI)** en 1998 · président jusqu'en 2005. A édité le **Jargon File** (*The New Hacker's Dictionary*) · maintenu des projets comme **Fetchmail** · écrit **« The Art of Unix Programming »** (2003). Se revendique **libertarien** · défenseur du port d'armes · ceinture noire de taekwondo ; commente régulièrement tech · politique et open source sur X. Se présente ici comme codeur « très · très bon » avec **~50 ans d'expérience**. (Post X personnel ; date de publication : 2026-07-08 ; date d'ajout à la veille : 2026-07-17.)
Un ensayo de Jean-Paul Paoli (*The Intelligence Fabric*) que desplaza el miedo a la IA en el trabajo: el peligro real no es el **reemplazo** (el puesto que desaparece) sino el **desgaste silencioso** de los vínculos de equipo mientras *todos siguen empleados*. Tesis: cuando cada empleado convierte a la IA en su **primer confidente y colaborador**, tres «hilos» del tejido organizacional se deshacen sin despidos — los **vínculos entre pares** (la transferencia de conocimiento tácito de junior a senior cortocircuitada), el **vínculo manager-empleado** (las señales de alerta temprana desaparecen, el manager se convierte en «el último en saberlo en lugar del primero») y el **juicio profesional** (se deja de formar a quienes saben *hacer* el trabajo y evaluar si la máquina se equivoca). Paoli nombra el fenómeno **shadow intimacy** (por analogía con *Shadow IT*) y no prescribe una prohibición sino un «retejido» deliberado, hilo por hilo. Ámbito: management, transformación organizacional, IA en el trabajo, dependencia emocional de los modelos.
#Shadow intimacy#reemplazo por IA#vínculos de equipo
Artículo de opinión en profundidad (punto de vista) publicado en **sfeir.com** el 24 de junio de 2026, por **Didier Girard** (Director General, SFEIR). **Tesis central**: en 2024 todos apostaban por **AI4Business** (IA en los procesos de negocio) como el gran yacimiento de valor; en 2026 el panorama se ha **invertido** — es **AI4IT** (IA para producir el sistema de información: código, SDLC, fábrica de software) la que genera valor **medible**. El artículo *fundamenta* esta tesis en la vigilancia tecnológica de la firma: decepción de AI4Business (el estudio del MIT «95% de pilotos sin ROI», cuestionado pero revelador; un bloqueo **organizativo** / el problema hayekiano de Mollick) frente a la evidencia cuantificada de AI4IT (Salesforce, Intercom, Raiffeisen, AWS/Bedrock, Atlassian, DORA). Explicación mecanicista: **el código se verifica a sí mismo** (compilación, pruebas, CI) mientras que los procesos de negocio no tienen ni compilador ni bucle de retroalimentación inmediato. **Consecuencia presupuestaria 2027**: un desplazamiento **CapEx→OpEx**, la dinámica de precios de los tokens (pico al alza — Fable 5 a 2× Opus — frente a una inferencia ÷280 y presión a la baja de los pesos abiertos/inferencia de escritorio), y un **AI FinOps** guiado por el **coste por resultado**. Cierra con **4 recomendaciones para el COMEX**.
#AI4IT#AI4Business#inversión
**Didier Girard** — Managing Director (CTO / DG) de **SFEIR** · ESN française (~1 000 personnes, France · Belgique · Luxembourg · Suisse). Auteur de l'article ; voix éditoriale du cabinet sur la transformation IA des DSI.
Entrevista en podcast «À la French» (canal tecnológico en francés, grabado en DevSummit) con Mathieu Grymonprez, Global CDO del grupo Adeo (Leroy Merlin, Obramat, Weldom). Cómo un grupo familiar centenario del retail adopta la ola de la IA agéntica: cultura vs. estructura, accountability, coste de tokens y FinOps, lock-in de la inteligencia empresarial, memoria de empresa y orquestación de agentes. Ámbito: transformación digital, IA agéntica, retail, estrategia TI.
#IA agéntica#transformación digital#CDO
Mathieu Grymonprez (Global CDO, groupe Adeo) — invité ; Jean-Baptiste Kempf · Steeve Morin · Mehdi Medjaoui (hôtes du podcast « À la French »)
Publicación de LinkedIn de Fred Plais (CEO de Archie, ex-Platform.sh): la IA volvió tan rápidos a los ingenieros que el **cuello de botella se desplazó aguas arriba**, a un lugar que nadie vigila. Al dejar de ser la ejecución la parte lenta, el tiempo de reflexión que solía existir «mientras se construía el código» ha desaparecido: ahora hay que formar la visión correcta y tomar las decisiones correctas en una fracción del tiempo. Están surgiendo dos perfiles poco comunes: el que sabe **articular una visión lo bastante precisa** para que un agente la ejecute sin desviarse, y el que sabe **orquestar agentes** (anticipando sus fallos, encadenándolos, detectando un error antes de que se propague). Contratar por «producción de código» se está volviendo obsoleto: es precisamente lo que ha dejado de ser escaso. Tesis final: «pensar con claridad siempre fue el trabajo; la velocidad solo hizo imposible fingirlo».
#cuello de botella#desplazamiento del cuello de botella#velocidad de ejecución
Estudio de caso publicado por el **Cornell AI Innovation Hub** (15 de junio de 2026): cómo una colaboración de dos semestres entre el AI Hub, estudiantes de posgrado y el equipo de Tesorería de Cornell convirtió una investigación manual que consumía mucho tiempo en una herramienta de IA que **recuperó 100.000 $** en pagos no identificados en un primer lote. Un caso de uso exitoso de **AI4Business** (proceso financiero) que ilustra casi punto por punto el marco **Leader-Lab-Crowd** de **Ethan Mollick**: el **AI Hub** desempeña el papel de **Lab** (un equipo central y ambidiestro de tecnólogos más estudiantes); **Treasury** (Cheryl Barnes, Marie Graves…) es el **Crowd** que aporta el conocimiento del negocio y el punto de dolor real; y los **100.000 $** constituyen la **recompensa visible** (vivid win) que ancla la adopción — exactamente la palanca de incentivo que Mollick considera decisiva. Método clave: **"primero el contexto, luego el plan, luego la construcción"** mediante **Claude Code Plan Mode**, una cadena de **fuzzy matching → Gemini Enterprise Web Search → síntesis de Claude**, todo dentro del **Cornell AI Gateway** gobernado. *"Los 100.000 $ son un comienzo."*
#Cornell AI Innovation Hub#pagos no identificados#conciliación de pagos
**Pete Stergion** — Desktop Engineer au Cornell AI Innovation Hub · co-tech lead du projet (avec Phil Williammee). Article institutionnel signé de l'AI Hub.
Estudio de datos de Atlassian (Inside Atlassian) que mide el retorno real de un **SDLC nativo de IA** impulsado por **Rovo Dev**. En 3.400 repositorios de 2.500 clientes (un cuasi-experimento con emparejamiento por puntaje de propensión), los repositorios que adoptan la herramienta fusionan **19% más PR al mes**; hasta **37-51%** en repositorios de actividad baja/media y **59-87%** cuando **de 3 a 5 miembros** del equipo adoptan la herramienta. En cuanto a la eficiencia, los desarrolladores ahorran **2-3 h/semana** (≈10% de las 24 horas dedicadas a codificación y revisión), es decir, 20-30 horas/semana reinvertidas para un equipo de 10 personas. La tesis: resolver la «paradoja de la productividad» de Solow (1987) pasando de las **métricas de uso** (tokens) a las **métricas de impacto** (rendimiento, tiempo ahorrado, tasa de fallos, satisfacción). Recomendación: comenzar con un **equipo** (no un individuo) y medir 2-3 meses después.
Ensayo fundamental de **Dan Shipper** (CEO de Every) publicado el **21 de mayo de 2026** en every.to, *"After Automation"* — una respuesta argumentada a la tesis del colapso del trabajo del conocimiento impulsado por la IA. **Tesis central**: el progreso de la IA crea **más trabajo para los humanos, no menos**. Mecánica cíclica (***"el ciclo de comoditización"***): (1) la IA comoditiza la competencia humana de ayer; (2) esa competencia abaratada se adopta ampliamente → abundancia; (3) la abundancia produce *homogeneidad* (el *"slop"*); (4) los humanos exigen diferenciación → demanda renovada de expertos; (5) los expertos usan la IA para abordar los problemas de hoy → vuelta al ciclo. **Cita canónica**: ***"hay más trabajo que hacer que nunca"***; ***"la IA comoditiza el residuo de la experiencia humana, creando demanda de lo diferente"***. **Marco conceptual central — Frame vs. Framer**: los benchmarks miden el desempeño ***"dentro de marcos"*** (encuadres específicos de problemas); una vez saturados, *cambiar el marco reinicia el contador* — los modelos **escalan dentro de los marcos, pero no reemplazan a quienes los definen**. Fórmula central: ***"el marco no es quien lo define"***. Incluso en la AGI, los humanos deben **especificar objetivos e interpretar resultados** — *"el problema del marco se regenera un nivel más arriba"*. **El "Human Sandwich"**: el humano define el marco → la IA ejecuta → el humano evalúa y extiende. **Dos modos de trabajar con agentes**: (a) ***agent employees*** — delegación asíncrona (compañero de trabajo / integrado — Claudie, Andy, Viktor, Fin); (b) ***colaboración humano-IA*** síncrona (Claude Code y equivalentes). **Datos de Every**: el 95% de los correos del CEO son procesados por IA; **Fin (Intercom) resuelve el 65% de las conversaciones de soporte**. **La paradoja de Zenón de la IA**: la IA cierra continuamente la distancia, pero los humanos siguen siendo "la tortuga por delante" porque están ***"vivos en un momento específico"*** — *"deseos en curso, preocupaciones en curso"* — mientras los modelos operan sobre datos de entrenamiento históricos. **Benchmarks detallados**: **GPT-5.5 = 62/100 en la reescritura de código Senior Engineer** (frente a un humano en 80-90); **GDPval**: 40-49% del nivel humano experto, **pero con un extenso encuadre humano**. **OpenClaw: 44.469 PR** en mayo de 2026 (frente a los 5.200 de Kubernetes en 2022) — prueba de que el trabajo agéntico crea *"más trabajo"*, no *"menos trabajo humano"*. **Implicaciones para la AGI**: incluso en la AGI, el **framer humano** sigue estando estructuralmente por delante — abordando problemas *"actuales, situados"* mientras el modelo opera sobre *"datos de entrenamiento históricos"*. **Conclusión anti-punto de inflexión**: esto no es un evento de punto de inflexión, es ***un patrón persistente*** que define el futuro del trabajo. **Relevancia mayor**: una contranarrativa explícita al *baño de sangre de cuello blanco de Amodei* / *subclase permanente de Sun* / *Anthropic Economic Index* — Shipper, **CEO de una empresa que convive a diario con agentes**, ofrece el marco teórico que concilia las dos observaciones empíricas (la IA hace más + los humanos siguen siendo indispensables). Fuerte convergencia con **Ng "No AI jobpocalypse"** (2026-05-08), **Mollick × roon ASI / FDE** (2026-05-10), **Tatsyi/Raiffeisen "AI made engineers different"** (2026-05-05), **Curran/Intercom 3× R&D** (2026-04-16) — todos describen a los humanos como *redistribuidos hacia el encuadre* en lugar de *reemplazados*. Tensión productiva con **Sun NYT permanent underclass** (2026-04-30), **Wallace-Wells AI populism** (2026-05-08), **Osmani Cognitive Surrender** (2026-05-05 — el framer humano debe permanecer activo). Para aprovechar en COMEX / DG / consejos directivos: vocabulario estratégico para 2026 — *"frame vs framer"* se convierte en la grilla canónica para la gobernanza de la IA.
#Dan Shipper#Every#after automation
**Dan Shipper** — CEO et co-fondateur de **Every** (média / studio AI-native, créateur de la newsletter *Every*, propriétaire du framework et plugin *Compound Engineering* — cf. fiche `shipper-klaassen-compound-engineering-every-agents-2025-12-11.md`). Profil rare : **opérateur-théoricien** · dirige une organisation entièrement augmentée par l'IA (95 % emails CEO automatisés, agents Claudie/Andy/Viktor en production, Fin pour le support) tout en publiant régulièrement des essais conceptuels sur every.to. Voix éditoriale anglo-saxonne de référence dans le corpus 2025-2026 sur les **modes de travail humain-IA**. Article publié sur **every.to/p/after-automation** le **21 mai 2026**.
Artículo pivote de **Ivan Chepurin & Travis Turner** (Evil Martians Chronicles, **19 de mayo de 2026**) — ***« AI-assisted engineers are burning out, is this fine? »*** — **diagnóstico estructurado del burnout entre desarrolladores asistidos por IA** y un **kit de intervención de 5 ejes**. **Tesis pivote**: la productividad acelerada por IA oculta un **coste oculto — el agotamiento del desarrollador**. *« Higher productivity doesn't translate to sustainable work practices or job satisfaction. »* Epígrafe de Shunryu Suzuki sobre la agitación mental. **TL;DR — 3 remedios esenciales**: (1) restaurar el disfrute del proceso, (2) reconstruir el logro / la propiedad / el orgullo, (3) eliminar la presión de la maximización continua de la productividad. **Marco narrativo central — Ben vs Alice**: Ben (codificación tradicional) = 4 h de trabajo estable, carga cognitiva distribuida, satisfacción al terminar; Alice (asistida por IA) = 2 h de trabajo de alta intensidad cognitiva, cambio continuo de tareas, **sin satisfacción** + llena el tiempo liberado con más tareas → **escalada exponencial de la carga** a pesar de la producción acelerada. **Fórmula canónica**: ***« We compensate for a lack of satisfaction with work quantity. »*** **Disrupción estructural del ciclo del oficio**: (planificación → elaboración → resultado) comprimido en (planificación → resultado), supresión de la fase meditativa de elaboración reemplazada por una **revisión de código cognitivamente exigente**. Convergencia directa con el **estudio HBR 2026** (citado): *« cognitive exhaustion from intensive oversight of AI agents is both real and significant »* + **investigación UC Berkeley 2026**: los trabajadores llenan las pausas naturales con tareas de IA. **Cambio de carrera silencioso** — concepto pivote: los desarrolladores contratados para programar ahora hacen **un trabajo diferente sin una transición de carrera consciente**. 4 vías posibles: (1) encontrar disfrute en la nueva estructura (priorizada), (2) ignorar la IA, (3) trabajar sin disfrute (insostenible), (4) cambiar de carrera. **5 factores diarios de burnout identificados**: (1) ***Perder el contexto*** — el agente porta la comprensión del proyecto externamente, desplazamiento de la deuda cognitiva del código a las personas, pérdida de la intuición del sistema; (2) ***Sin tiempo para el pensamiento pasivo*** — *« The model fills the silence before your own thinking has a chance to connect dots »* (duchas, paseos eliminados como momentos de resolución inconsciente de problemas); (3) ***Falsas expectativas*** — la velocidad inicial = línea base irrealista, las desaceleraciones posteriores vividas como fracaso; (4) ***Cuellos de botella de revisión*** — *« the more code is generated, the more code needs to be reviewed »*, carga cognitiva desproporcionada sobre los seniors, difusión de la responsabilidad; (5) ***Posibilidades infinitas*** — la baja fricción de prompting fomenta pivotes constantes, ausencia de delimitación natural. **Kit de 5 intervenciones**: (a) **Reconocer tus logros** (win-log, demos de equipo, seguimiento de horas); (b) **Repensar el flujo de trabajo con IA** (planificación > revisión, **3-4 iteraciones máximo**, sin cambio paralelo de tareas, separar las tareas intensivas en IA con pausas, descomponer); (c) **Seguir ejerciendo tu oficio** (horas de oficio protegidas sin IA, *modo « ask » > modo generación*, agentes desactivados en proyectos personales); (d) **Disciplina + equilibrio vida-trabajo** (horarios fijos, pausas reales, intenciones diarias, detenerse al terminar); (e) **Encontrar nuevas áreas de interés** (investigación de usuarios, habilidades blandas, analítica, ajuste fino de agentes + barreras de seguridad, optimización de rendimiento). **Conclusión**: *« AI can be helpful. Problems appear only if you misuse it. »* La evolución del sector = inevitable; el bienestar individual = controlable. Convergencia mayor con **Osmani Cognitive Surrender** (2026-05-05), **Frizzo "Year With Claude Code"** (2026-05-05 — *« writing muscle atrophy »*, *« deep flow rare »*), **Bedard BCG/HBR Brain Fry** (2026-03-05 — 1.488 empleados, pico de 3 herramientas, +39% errores, +39% intención de irse). Relevancia mayor para **CTO / VP Engineering / RR.HH. IT** que gestionan la retención de ingenieros aumentados por IA en 2026.
#Ivan Chepurin#Travis Turner#Evil Martians
**Ivan Chepurin** & **Travis Turner** — auteurs Evil Martians (cabinet de conseil ingénierie indépendant, Berkeley/global, ~150 ingénieurs, spécialiste Ruby on Rails / React / produits SaaS depuis 2010 ; éditeurs du blog *Evil Martians Chronicles* — référence dans la communauté Rails et JS). Article publié dans la catégorie **AI / Developer Community** sur evilmartians.com le **19 mai 2026**. Profil Evil Martians : voix éditoriale **opérateur-praticien** · articles longs ancrés dans le terrain produit · registre **soin du craft + lucidité business** · public habituellement développeurs / CTO / fondateurs early-stage.
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*).
Test de coherencia de Ethan Mollick (Wharton): sabremos que los laboratorios de IA creen de verdad en la ASI el día que disuelvan sus equipos de *Forward Deployed Engineering* (FDE). Debate público con roon (OpenAI) en LinkedIn: roon objeta que se trata de un **problema hayekiano** (la inteligencia no resuelve automáticamente el flujo de información organizacional) y recupera el término «**Gentle singularity**». Consenso en los comentarios: la tecnología es la parte fácil; la política interna, los flujos de trabajo heredados y la responsabilidad contractual son el verdadero cuello de botella. Frase marcador: *«Curar el cáncer podría ser más fácil que reemplazar a Accenture»*. Oposición epistémica **East Coast vs West Coast** sobre la trayectoria de adopción de la IA.
#ASI (Artificial Super Intelligence)#Forward Deployed Engineering (FDE)#consultoría de IA
Debate televisado en BFM Business (programa *Tech & Co Business*, segmento "The Debate", 17 minutos) con **Rémi Jacquet** (CEO de Cast Software France, fundador en 2023 de un think tank de un centenar de CIO sobre el impacto de la IA generativa en el desarrollo, en colaboración con Cigref / Epita) y **Didier Girard** (CTO y CEO de **SFEIR**, una empresa francesa de servicios informáticos (ESN) de unas 1.000 personas). Tesis fuertes: *"escribir código se ha convertido en un antipatrón"* (Girard), la IA produce código de mayor calidad que la mayoría de los ingenieros y es *"de 2 a 10 veces más eficiente"* — esto es una realidad, pero la profesión no está desapareciendo. El desarrollador se convierte en un **director de orquesta / gestor de agentes / árbitro**, los sprints de 14 días son reemplazados por ***bolts*** de una hora a media jornada, el **Pizza Team** (8-10 personas) ya no funciona en la era agéntica, está surgiendo un nuevo rol — el ***product engineer*** —, la vida útil de una competencia cae de **10 años a 1 año**, y el consumo de **tokens** se convierte en el *combustible* de la creación de valor (anécdota de NVIDIA que supuestamente paga bonificaciones en tokens, metáfora del taxista que no consume gasolina). SFEIR afirma *"somos 1.000 personas, con una capacidad de producción de 10.000"*. Por el lado de Cast: posicionamiento en ***harness engineering*** (IA determinista frente a probabilística, control y guardrails), alineado con la tribuna de Sylvain Duranton (BCG X) en *Les Échos* que afirma que *"un agente = un LLM + harnesses"*. Pivote histórico: 2024 *prompt engineering* → 2025 *context engineering* → 2026 *harness engineering*. Advertencia clave: *"cuanto más fuerte se vuelve la IA, más bajamos la guardia — más riesgos hay"* (Jacquet). Papel fundamental de RR. HH. en la transformación, revisión completa del SDLC, recomendación a los junior de consolidar los fundamentos de la arquitectura de software (*"el código es la partitura, hay que dominar la sinfonía"*).
#BFM Business#Tech & Co Business#debate televisado
Artículo de opinión en LinkedIn Pulse de Alexandre Frizzo tras un año de uso diario de Claude Code, que ofrece una **valoración matizada** poco frecuente en el corpus de 2026 — productividad **multiplicada por 3-5×** en su caso (coherente con Wescale, y en línea con la mediana de los profesionales comprometidos; la cola de élite llega mucho más lejos, cf. Cherny *decenas de PRs/día + récord de 150 PRs* y Karpathy *"alcanza picos muy superiores a 10×"*), pero con **costes cognitivos ocultos** reconocidos. Tesis central: ***"el nuevo cuello de botella es la supervisión"*** — el oficio ha cambiado de forma, ya no se *escribe* código, se *decide* sobre el código generado por agentes. Ganancias: producción 3-5×, proyectos antes inviables ahora realizables (yak-shaving, boilerplate), coste de experimentación casi nulo. Pérdidas reconocidas: atrofia del ***"músculo de escritura"*** (el código manual resulta ahora *costoso*), **estado de flujo profundo poco frecuente** (cambio de contexto constante entre supervisiones), **satisfacción de autoría disminuida** (*"el código es bueno, pero no es del todo mío"*). Tensiones sin resolver: **FOMO** (*"cada hora en la que no estoy frente al teclado es una hora que un agente podría estar ganando por mí"*), **calidad de la revisión** con un volumen 3-5× mayor, **atrofia de competencias**. Estadísticas citadas: mediana de 3-4h de codificación efectiva en una jornada de 8h, **23 min** de recuperación de contexto por interrupción (estudio de Gloria Mark), 15-25 min para entrar en flujo, 500% de productividad en flujo (McKinsey). Postura epistémica ejemplar: rechaza a la vez el relato *"la IA es mala"* y el entusiasmo acrítico. Un contrapeso bienvenido al *"coding is solved"* de Cherny (2026-05).
#Alexandre Frizzo#LinkedIn Pulse#un año con Claude Code
Alexandre Frizzo (auteur LinkedIn Pulse, identité tech non précisée par le post au-delà du nom — auteur d'une tribune one-year retrospective Claude Code).
Artículo de metodología de Antoine HABERT (WEnvision) que formaliza **PROJ-AI**: una capa metodológica ligera para que los proyectos colectivos se vuelvan transferibles en lugar de morir con su entregable. Tríada estructurante: un **repositorio git versionado** (fuente única), un **agente de IA** (Claude Code, Cursor) que lee la doctrina en cada sesión, y una **doctrina en markdown** que especifica los protocolos de decisión y los comportamientos del agente. Seis zonas de directorios (DOCS/, IDEAS/, DR/, OUT/, DOCTRINE/, AGENT/), ciclo operativo **DPEV** (Decide → Promise → Execute → Verify), Decision Records puntuados según 7 dimensiones, interfaz dual (Studio de negocio + CLI/IDE técnico), cinco directivas de agente, y una biblioteca compartida **proj-ai-commons** que arranca un proyecto en 30 minutos frente a 1 semana. Métricas en 3 misiones: onboarding **3 semanas → 2 días**, decisiones estructurales rastreadas **30% → 100%**, compilación de la documentación de arquitectura **6 semanas → continua**. Aforismo central: ***"El proyecto no es un subproducto del entregable. El proyecto ES el entregable."*** Postura explícita: tecnología 20%, **disciplina de equipo 80%**.
#Antoine HABERT#WEnvision#PROJ-AI
Antoine HABERT (WEnvision — cabinet français de conseil en stratégie et IA agentique).
Artículo de opinión en Medium de **Hryhorii Tatsyi** (CTO, **Raiffeisen Bank Ukraine**, ~900 ingenieros de IT) que reporta un **estudio longitudinal de 12 meses** (mayo 2025 → abril 2026) sobre el impacto real de la IA generativa en un gran banco europeo. Tesis central: ***"AI didn't make our engineers just faster. It made them different."*** A diferencia de los relatos individuales (Frizzo, Cherny) o de los de nivel meta (Curran/Intercom), se trata de una **evaluación organizacional cuantificada procedente de un banco tradicional regulado** — un corpus todavía escaso en 2026. Resultados: **−75 personas (−8% de plantilla, incluidos 64 ingenieros)** en 12 meses, y sin embargo **se envía más código, con menos incidentes y seguridad mejorada**; adopción de IA **62% → 83%**; **el 68% de los ingenieros recibe ≥50% de su código mediante asistencia de IA**; **incorporación de nuevos ingenieros 60-90 días → ~40 días** (coherente con los datos de Anthropic de 82→40 días). Tres arquetipos emergentes: (1) **Copilot-only** +10-25% en PRs, mismo alcance; (2) **Multi-tool** story points ×1,5-3, alcance cross-repo +50-80%; (3) **Claude en el stack corporativo** volumen de código ×4,5, alcance radicalmente ampliado. **Siete productos de IA construidos** que antes no existían: Service Knowledge Hub (57 microservicios, 83 releases/mes), Mobile Android workflow CI plan/implement/test, AI Agent Portal (2.085 usuarios / 649 MAU en 87 días, generación de MCP vía especificaciones OpenAPI), Shift-left Security Plugin (−82% de secretos expuestos), DevPortal Backstage + agentes de diagnóstico Kubernetes (−68% del tiempo de resolución de incidentes críticos), DRAIF MCP text-to-SQL sobre un Data Lake con 10.000 tablas (embedding afinado el doble que OpenAI), Call Evaluation (>97% de precisión de transcripción, votado mejor producto del grupo Raiffeisen). Estabilidad: **incidentes bloqueantes −70%, resolución crítica −68%, alertas de seguridad de alta severidad resueltas +155%**. Idea estratégica central: ***"AI expanded our production possibility frontier, and we deliberately allocated the freed capacity"*** — la IA no hace lo mismo más rápido, desplaza **lo que se puede decidir hacer**. La pregunta de evaluación que hay que replantear: no *"en qué % aumentaron los KPI existentes"* sino ***"qué construyeron tus ingenieros que antes no existía"***. La IA eleva a los de menor rendimiento hasta el nivel base más de lo que acelera a los mejores; **los arquitectos senior vuelven al desarrollo activo** tras años de alejamiento. Relevancia mayor para comités de dirección de banca/seguros/sectores regulados (Raiffeisen = banco, Ucrania = contexto de guerra + resiliencia operativa).
#Hryhorii Tatsyi#Raiffeisen Bank Ukraine#CTO banco
**Hryhorii Tatsyi** — CTO de **Raiffeisen Bank Ukraine** (filiale ukrainienne du groupe bancaire autrichien Raiffeisen Bank International, RBI). Auteur Medium @milhibisidek. Profil discret côté visibilité publique (25 followers Medium au moment de la publication) · mais position institutionnelle de premier plan : il dirige une organisation IT d'environ 900 ingénieurs dans une banque systémique opérant en contexte ukrainien (économie de guerre depuis 2022, résilience opérationnelle critique). L'article est sa première contribution publique d'envergure documentée sur cette plateforme.
Presentación de Wescale (Francia) que formaliza la doctrina de la ***Augmented Software Factory***: una cadena de valor del software orquestada íntegramente por agentes de IA especializados a través de seis líneas de producción (Intent/PRD-ADR → Plan/User Stories → **validación humana (human sign-off)** → Producción 24/7 → Verificación de auditoría independiente → Despliegue DevOps), en la que los humanos intervienen en solo dos momentos precisos. Tesis fuertes: el retorno del **ciclo en V predecible** frente a Scrum, ganancias realistas de **3-4x** (no 10x), el paso de *productor de código* a ***Juez Estratégico*** y de *desarrollador solitario* a ***Gestor de Agentes***, las métricas DORA que sustituyen a la velocidad, un ROI máximo en la modernización del legado y en la sustitución de SaaS costosos, y sobre todo la ***gobernanza inyectada*** como una "capa casi militar" que constituye la innovación central y la verdadera barrera de entrada. Construida practicando lo que predica: *"Lo que aprendimos construyendo Solario sobre Solario."*
#Wescale#Augmented Software Factory#cadena de producción augmentada
Wescale (cabinet français de conseil tech / cloud / DevOps) — auteurs collectifs (présentation corporate, pas d'auteur individuel cité dans le deck).
Reportaje de Les Echos (Florian Dèbes) desde San Francisco: los agentes de IA ya integrados como colegas en start-ups, «placa de Petri» (Aaron Levie / Box), reflejo de Claude antes de cada reunión, Jarvis personal, 5 pestañas de agentes en paralelo, «el factor limitante es la cognición humana» (Patrick Joubert / Rippletide), «brain fry» / sobrecalentamiento cognitivo, estudio de BCG/HBR que sitúa al 14 % de los empleados desbordados, modo de clasificación «token-max» para los mayores usuarios de IA, testimonios de Sinaï/Bangay/Allali/Hodjat/Pantera/Chapeau y un eco de Siddhant Khare («la IA reduce los costes de producción pero aumenta los costes de coordinación»).
#Silicon Valley#San Francisco#agentes de IA como colegas
Florian Dèbes (Les Echos, rubrique Travailler mieux / Vie au travail)
Renovación del proceso de contratación de ingeniería en Sierra en la era de los agentes de codificación: entrevista presencial nativa en IA (Plan/Build/Review), eliminación de la prueba de codificación algorítmica, sustitución de la entrevista telefónica por una entrevista de diseño de sistemas, prueba piloto de una entrevista de depuración sobre una base de código existente.
#contratación de ingeniería#entrevista técnica#agentes de codificación
Informe conjunto **DORA × delta** (Google Cloud Professional Services), 60 páginas, versión **v. 2026.1** (citas de febrero de 2026, PDF creado el 21 de abril de 2026), licencia **CC BY-NC-SA 4.0** — el primer framework oficial de **ROI de DORA** dedicado a la IA en el SDLC, con una **calculadora interactiva** en dora.dev/ai/roi/calculator. Tesis central: ***"AI is an amplifier"*** — la IA **amplifica** simultáneamente las fortalezas de las organizaciones de alto rendimiento y las disfunciones de las organizaciones en dificultades; no crea rendimiento, lo **multiplica allí donde ya existe**. Nuevo concepto central: la ***J-Curve of AI value realization*** — toda adopción de IA atraviesa una **caída temporal de la productividad** (curva de aprendizaje + impuesto de verificación + adaptación del pipeline) antes de un **crecimiento exponencial**, una metáfora del *"coste de escolaridad de la transformación"* que debe **presupuestarse explícitamente**. Cálculo de referencia: organización de 500 ETC / salario totalmente cargado de 176.000 $ / 12,5 % de tiempo ahorrado por desarrollador (≈ 1 h en una jornada de 8 h) → **valor 11,6 M$ / inversión 8,4 M$ / ROI 39 % / periodo de recuperación 8 meses (0,7 año)**. Costes modelizados: licencias (250 $/usuario/año), API adicional (80 $/usuario/año), formación (9.600 $/usuario/año), infraestructura (100.000 $/año), coste de la curva en J (3,3 M$ por una caída del 15 % durante 3 meses). Valor modelizado: **capacidad de reinversión de la plantilla** (11 M$ — capacidad liberada para reinvertir, **NO reducción de plantilla**), ingresos por despliegues de funciones adicionales (990.000 $, basado en una tasa de éxito de ideas del 33 %, Larsen 2023), **impacto negativo de las interrupciones** (−344.000 $, «impuesto de inestabilidad»). **Estrategia de reinversión explícita**: ***"we strongly recommend organizations do not adopt a headcount-reduction strategy"*** — reinvertir en innovación, retener el talento, capitalizar el conocimiento institucional. Cinco pilares del valor: Productividad / Experiencia de usuario / Eficiencia de costes / Experiencia del desarrollador / Crecimiento del negocio (del más directo al más indirecto, *valor de negocio acumulado*). Cinco claves sistémicas de adopción: **Confianza + Plataforma + Datos + Usuarios + Barreras de protección**. Hoja de ruta en dos fases: (1) **Construir la capa de contexto (CapEx)** — IDP de calidad + ecosistemas de datos saludables; (2) **Empoderar al humano en el bucle (OpEx)** — context engineering + confianza en la IA. Indicadores: adelantados = frecuencia de experimentación + frecuencia de despliegue; indicador de estabilidad = tasa de fallos de cambio + retrabajo. Tres escenarios a modelizar (Conservador 0,8 valor × 1,5 coste / Realista 1,0 / Optimista 1,2 × 0,8). Datos externos movilizados: el 78 % de los directivos declara ROI en ≥1 caso de uso de IA generativa (Google Cloud), el 88 % de los adoptantes tempranos de IA agéntica constata un ROI positivo, **productividad del 35-40 % en greenfield frente a ≤10 % en brownfield/legado** (Stanford), coste de inferencia dividido por 280 entre noviembre de 2022 y octubre de 2024 (Stanford AI Index 2025), **ROI del 727 % en 3 años** para los clientes de IA de Google Cloud, periodo medio de recuperación de la IA en el mercado de **8 meses**. Debilidades reconocidas: *"all models are wrong"* — el modelo necesita contextualizarse, la calculadora necesita ajustarse; riesgo de doble contabilización del valor (tiempo ahorrado → tanto contratación evitada COMO ingresos adicionales); un vínculo «laxo» con la experiencia de usuario, por lo que queda excluido de la calculadora. **Perspectiva deontológica**: ***"We don't measure AI by the code it writes but by the bottlenecks it clears"*** — se mide por los cuellos de botella eliminados, no por el volumen de código. **Relevancia mayor** para CIO/CTO que necesitan construir un business case de IA defendible ante un CFO/consejo de administración; para Francia/Europa, a articular con Wescale (X3-X4 realista), Tatsyi/Raiffeisen Bank Ukraine (caso de estudio bancario, −75 personas pero reinversión deliberada), Frizzo (mediana de 3-5×), Curran/Intercom (3× I+D en 16 meses), DORA Report 2025 (sobre el que se apoya este ROI).
#DORA ROI of AI-assisted software development#informe Google Cloud DORA 2026.1#curva en J de la materialización del valor de la IA
Rapport conjoint **DORA team × delta team** (Google Cloud Professional Services). Auteurs principaux : **Eva Dong** (AI Value Realization Americas, ex-McKinsey 8 ans, Master Financial Engineering Michigan) · **Andre Ellis Jr.** (Cloud Financial Operations Lead, Morehouse + Wharton MBA) · **Nathen Harvey** (DORA team lead, co-auteur multiples DORA reports + 97 Things Every Cloud Engineer Should Know) · **Vivian Hu** (10X Technology Consultant, contributrice DORA 2025 State of AI-assisted Software Development) · **Ursula Lübbert-Passing PhD** (AI Value Realization EMEA, 20 ans benchmarking + value advisory, PhD effort estimation software projects) · **Eric Maxwell** (lead 10X Technology consulting, ex-Chef Software, contributeur DORA) · **Aaron Wanjala** (cloud developer advocate Spring Boot/Angular). Conseillers et contributeurs : **Ben Jose · Eric Lam · Matt Orr · Allison Park · Ryan J. Salva · Jerome Simms · Dave Stanke · Cedric Yao**. Design : Human After All (humanafterall.studio). Document publié sous licence **CC BY-NC-SA 4.0** · version v. 2026.1 · citations retrieved February 2026.
Episodio #351 del podcast en francés **If This Then Dev** (Bruno) con **Julien Lépine**, Chief Technology Officer de **AWS France** (13 años en Amazon), grabado al margen del **AWS Summit Paris** (1 de abril de 2026, ~10.000 asistentes). Tesis central: en la era agéntica, escribir código pasa a un segundo plano, y el valor se desplaza hacia **comprender el contexto, los compromisos arquitectónicos (trade-offs) y la responsabilidad humana**. Prueba central: el **rediseño de Amazon Bedrock** — una plataforma crítica que gestiona miles de miles de millones de solicitudes — por un equipo de **6 personas en 72 días** (frente a una estimación de 30 personas / 18 meses), **código generado íntegramente por IA**, sin vibe coding. AWS está **estandarizando internamente en Kiro** (IDE + CLI, ejecutado sobre Claude Sonnet/Opus) para ~30.000 desarrolladores (anunciado por Matt Garman en re:Invent). Hilo conductor: **mantener el control** sin revisarlo todo — mediante **modelado formal (TLA+)** y **Raisonnement automatisé** para demostrar invariantes y acotar a los agentes, **post-mortem sin culpabilización (blameless)**, y el principio de que «la responsabilidad de la acción de un agente recae en la persona que lo opera». Surgimiento del **AI DLC** (sprints → múltiples **Bolts** diarios) y el riesgo de **sobrecarga cognitiva / burn-out**.
#AWS Summit Paris#Amazon Web Services#agentes de código
**Julien Lépine** — Directeur de la technologie (CTO) d'Amazon Web Services France · 13+ ans chez Amazon ; ses équipes accompagnent les clients AWS sur le cloud · la data et l'IA. **Hôte** : Bruno (créateur et animateur du podcast *If This Then Dev*).
Estudio BCG-HBR (Bedard, Kropp, Hsu, Karaman, Hawes, Kellerman) de 1488 empleados estadounidenses, enero de 2026: definición formal de ***AI brain fry*** (fatiga cognitiva aguda vinculada a la supervisión de la IA), 14% de los trabajadores que usan IA afectados (Marketing 26%, Legal 6%), la productividad alcanza su punto máximo con 3 herramientas simultáneas, +33% de fatiga decisional / +39% de errores graves / +39% de intención de renuncia entre los "brain fried", distinción empírica entre **burnout** (emocional, atenuado por la IA en tareas rutinarias -15%) y **brain fry** (cognitivo agudo, agravado por la supervisión). 5 recomendaciones para líderes, "AI orphan tax" (+5% de fatiga cuando el manager espera que el empleado se las arregle solo), equilibrio vida-trabajo organizacional -28%. Fuente académica clave citada por Les Echos y el debate de 2026.
La adopción de la IA se ve bloqueada por TI/legal en las empresas, brecha entre empresas innovadoras y prudentes, liderazgo y gestión del riesgo - LinkedIn
Retiro de Thoughtworks sobre el futuro del desarrollo de software con LLM — reflexiones sobre el impacto organizacional, la deuda cognitiva y la programación supervisada
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)
Ethan Mollick - Evolución de la IA en 3 años de GPT-3 a Gemini 3 - De Chatbots a Agentes - El Código como Interfaz Universal - Inteligencia de Nivel Doctorado - Human-in-the-loop Antigravity
Benchmarking de IA más allá de los tests estándar - Entrevistar a modelos de IA para casos de uso específicos - Jagged Frontier - OpenAI GDPval - Vibes frente a mediciones reales - Ejemplo GuacaDrone - Ethan Mollick - One Useful Thing
Evolución del rol del desarrollador con la IA generativa, transformación de los roles TI, ingeniería de sistemas, orchestration agentique - Yves Caseau - Michelin - LinkedIn
#desarrollador#IA generativa#generación de código
Yves Caseau (Group Chief Digital & Information Officer chez Michelin)
Deep Research - Revolución AI4* - 6 pilares de la producción de software - Transición de Copilots a Agentes - Paradoja Vibe vs Check - Crisis de FinOps for AI - Gobernanza como ruta crítica - GenAI Landing Zone
Agentes de IA autónomos, evolución de los roles de los desarrolladores, flujos de trabajo asíncronos, orquestación multiagente - Addy Osmani - Substack
#agentes de IA autónomos#codificación agéntica#evolución del rol del desarrollador
Guía práctica de uso de IA, selección de modelos, jagged frontier, Centaurs vs Cyborgs, datos de uso de OpenAI, Claude/Gemini/ChatGPT - Ethan Mollick
#selección de modelos de IA#ChatGPT vs Claude vs Gemini#jagged frontier
Ethan Mollick (Associate Professor, Wharton School, University of Pennsylvania ; Auteur "Co-Intelligence: Living and Working with AI" ; TIME 100 Most Influential People in AI 2024)
Panorama de Josh Bersin sobre el papel fundamental de los CHRO en la transformación de IA: entrevista con Patricia Frost (Seagate) "Leave No One Behind", citas de pares (Jacqui Canney/ServiceNow, Tracey Franklin/Moderna, Helen Russell/HubSpot, Kathleen Hogan/Microsoft), 4 estrategias (preparación para la IA, plataformas, contratación/redistribución, supermanagers), tesis "la transformación de la IA no trata sobre tecnología: trata sobre el trabajo, los empleos y las personas."
#CHRO#Josh Bersin#AI transformation
Josh Bersin (analyste RH et consultant, fondateur de The Josh Bersin Company) · citations de Patricia Frost (CHRO Seagate)
Por qué los equipos no escalan los problemas, barreras organizativas, presión de sobrecompromiso, riesgos de carrera, acciones de liderazgo - John Cutler LinkedIn
#disfunción de escalada#barreras organizativas#cultura de sobrecompromiso
John Cutler (Head of Product @Dotwork, ex-Amplitude)
Ethan Mollick - Agentes de IA y Trabajo Real - Impacto Económico - Estudio de OpenAI - Replicación de Investigación - Futuro del Trabajo - One Useful Thing
#AI Agents#trabajo real#impacto económico
Ethan Mollick · Professeur à la Wharton School · University of Pennsylvania
Legal.io difunde el estudio de MIT NANDA "The GenAI Divide: State of AI in Business 2025": el 95% de los pilotos de IA empresarial no genera un ROI medible pese a una inversión de 30.000-40.000 millones de dólares. Concepto del "GenAI Divide", "shadow AI economy", cuatro factores estructurales de fracaso, recomendación sobre back-office y build-vs-buy. Justificación empírica del giro organizativo-RRHH.
#MIT NANDA#GenAI Divide#fracaso del 95% de los pilotos
Legal.io (relais et synthèse) — étude MIT NANDA "The GenAI Divide: State of AI in Business 2025"
«One Prompt, Zero Engineers» — a16z: la IA generativa democratiza el desarrollo de herramientas internas, del low-code a los constructores de aplicaciones Gen AI (a16z.com)
Resumen de Valence de la cumbre virtual «AI & the Workforce: The Adoption Gap»: Ethan Mollick expone el marco Leader-Lab-Crowd, acuña la frase «HR is R&D now» y sostiene que la «economía en la sombra» de la IA y el colapso del modelo de aprendizaje obligan a los CHRO a convertirse en los arquitectos de la transformación. Cinco experimentos accionables para redactar el manual de IA-RR. HH.
#HR is R&D now#marco Leader Lab Crowd#Ethan Mollick
Alex McMurray (Valence) — synthèse de l'intervention de Ethan Mollick au sommet Valence "AI & the Workforce: The Adoption Gap"
Entrevista exclusiva con Tracey Franklin (Chief People and Digital Technology Officer en Moderna) sobre la fusión de RR.HH. y TI en un único departamento: el paso de la "workforce planning" y la "technology planning" desconectadas a una "work planning" integrada, la metáfora "architect the flow of work", más de 3.000 GPTs personalizados, 5.000 empleados y una visión 2030 de una organización adaptativa de humanos y agentes.
#fusión RR.HH.-TI#Moderna#Tracey Franklin
Allie Nawrat (UNLEASH) · interview de Tracey Franklin
Estudio de caso oficial de OpenAI sobre el despliegue de ChatGPT Enterprise en Moderna: 750 GPTs en 2 meses, 100% de adopción en el departamento legal, el GPT Dose ID para ensayos clínicos, la cita de Stéphane Bancel sobre "100.000 empleados", un marco de transformación organizativa (mChat, Generative AI Champions, un foro interno con 2.000 participantes).
#Moderna#OpenAI#ChatGPT Enterprise
OpenAI (étude de cas officielle, citations Stéphane Bancel, Brad Miller, Brice Challamel, Shannon Klinger, Kate Cronin, Meklit Workneh)
Tribuna de opinión de **Olivier Rafal** (Director de Consultoría en Estrategia en **WeNvision**) publicada el **23 de febrero de 2024** en **CIO-Online** (sección *Tribune*), que defiende una tesis entonces todavía contraintuitiva: **la IA generativa es más una cuestión de producto tecnológico que un proyecto de IA/ciencia de datos**. **Argumento 1 — la ciencia de datos no es el problema central**: construir un *foundation model* desde cero requiere *«varios meses, millones de euros y acceso a cantidades enormes de datos»* — algo reservado a actores con conjuntos de datos específicos y monetizables (por ejemplo, **Bloomberg** y su **BloombergGPT** para las finanzas). Para casi todas las empresas, el reflejo correcto no es, por tanto, contratar científicos de datos. **Argumento 2 — desajuste de competencias**: lo que se necesita principalmente son **ingenieros de desarrollo e integración** (back/front), **sólidas competencias cloud** y **DevOps**. Cita de un cliente: *«No hace falta necesariamente ser científico de datos, pero sí entender los conceptos básicos, tener competencias de desarrollo back-office y sólidas competencias cloud.»* **Argumento 3 — arquitectura de plataforma (orquestadores + API)**: construir una **plateforme d'IA générative** empresarial mediante orquestadores y API permite *«trabajar con los mejores LLM del mercado y cambiar entre ellos a medida que evolucionan sus respectivas capacidades, sin tener que rehacer las aplicaciones»* (anti vendor lock-in). **Argumento 4 — del proyecto al producto**: *«La plataforma […] debe considerarse como un producto de pleno derecho»*; en lugar de una inversión puntual, hay que prever un **flujo de financiación mensual** (iteración continua, innovación permanente). **Argumento 5 — gobernanza y shadow AI**: la democratización sin precedentes de la IA generativa genera *«tanta shadow AI como fuertes expectativas hacia el CIO»* → gobernanza para captar las necesidades de negocio, **priorizar los productos por valor** y supervisar su correcto funcionamiento. **Cambio de paradigma** anunciado: *«se pasa de la programación algorítmica clásica a agents Langchain que gestionan parte de las decisiones»*. **Relevancia para la veille**: un **texto fundacional (con 2 años de anticipación)** de la doctrina de WeNvision (producto > proyecto, plataforma/API, financiación en flujo, gobernanza, shadow AI), ampliado más tarde por [[wenvision-ai-agents-enterprise-deployment-2025-10-01]], [[habert-ia-agentique-production-2025-10-29]] y rafal-wenvision-tokenomics-foundation-finops-ia-2026-06-04 (FinOps/token, financiación en flujo → gobernanza financiera). También prefigura el *harness/plataforma en torno al modelo* (Dropbox/Okumura: *systems around the model*) y la **independencia de modelo** lograda mediante una capa de orquestación.
#IA generativa#producto tecnológico#producto vs proyecto
**Olivier Rafal** · *Consulting Director Strategy* chez **WeNvision** (cabinet de conseil FR). Tribune publiée dans la rubrique *Tribune* de **CIO-Online**. Auteur déjà présent dans la veille (cf. fiches WeNvision/Atlas/Tokenomics). Publié le **23 février 2024**.
Crisis de sentido en el trabajo - Botón "Help me write" - Prender fuego al tiempo - Señales de esfuerzo - Cartas de recomendación de IA - Ethan Mollick - One Useful Thing