Últimos insights

Programar asistido por IA se está volviendo el mínimo común. La ingeniería de sistemas de IA es el verdadero diferenciador. Aquí está la diferencia, y por qué importa.

Los agentes con tools necesitan un mapa explícito de qué pueden leer, escribir, mutar, escalar y nunca tocar.

Antes de afinar retrieval, prueba que la pregunta puede responderse desde el corpus, con una cita que un humano aceptaría.

La IA en producción falla de formas que un runbook común no cubre. El plan operativo debe incluir drift de calidad, fallas de retrieval, caídas de modelo, picos de costo y escalación humana.

El prompt cache dejó de ser una optimización de rendimiento. Es una restricción arquitectónica que decide si un agente de larga duración es operable o no.

El Model Context Protocol está pasando de ser una conveniencia para desarrolladores a la interfaz de producción entre los agentes y tus sistemas. Esto es lo que cambia cuando se trata así.

Un modelo verificador pequeño entre el modelo frontier y la frontera de efectos colaterales es la pieza de arquitectura agentic más útil que casi nadie está enviando todavía.

Cómo una evaluación que funciona elige el modelo — y cuántas veces la respuesta no es el modelo frontier con el que llegó el equipo.

Una PoC sin camino a producción esconde las decisiones difíciles. Un usuario en semana 2 las fuerza a aparecer cuando la arquitectura todavía es barata de cambiar.

Por qué metemos a un usuario real dentro del sistema en la semana 2, y qué decisiones de arquitectura se reescriben cuando lo hacemos.

Cómo funciona la evaluación de discovery — incluyendo las dos veces que nos retiramos y devolvimos el fee.

Un arnés de evaluación es un producto. Envíalo como tal — versionado, con dueño y monitoreado.