Artículo doctrinal de Addy Osmani (Google) que establece una distinción fundacional para el debate de 2026 sobre la IA y la cognición: **Cognitive Offloading** (saludable — delegar el *cómo* manteniendo el juicio sobre los resultados) frente a **Cognitive Surrender** (tóxico — aceptar la salida de la IA en bloque sin formar un razonamiento paralelo, *"tomar prestada la confianza del modelo como sustituto de la comprensión personal"*). Base científica sólida: el estudio de **Shaw & Nave (Wharton/UPenn)** con 1.372 participantes — **el 73% acepta respuestas de la IA demostrablemente incorrectas**, con una confianza que aumenta pese a una tasa de error del 50%. **MIT *Your Brain on ChatGPT*** — conectividad neuronal reducida entre los escritores asistidos por IA. **Anthropic Skill-Formation** — los ingenieros que usan IA para generar código obtienen una puntuación **un 17% inferior** en comprensión frente a quienes la usan para la indagación conceptual. Cuatro ejemplos concretos de surrender (revisar PRs de 600 líneas basándose en señales superficiales, depuración superficial, decisiones arquitectónicas tomadas sin razonamiento, aprendizaje degradado). Cinco heurísticas personales (pregenerar expectativas, revisión al estándar de un ingeniero junior, prompting adversarial, conciencia de la fatiga, verificación del origen de la confianza). Seis salvaguardas estructurales (criterios de salida de verificación, tablas antirracionalización, **PRs de ~100 líneas como máximo**, modo interrogativo sobre modo generativo, fricción escalonada, **tiempo regular de teclado en solitario**). Dos conceptos nuevos: ***Comprehension Debt*** (la brecha creciente entre el volumen total de la base de código y la comprensión humana) y ***Mutual Amplification*** (un bucle cooperativo de prompt-refinamiento, frente a la delegación propia del surrender). Tesis pivote: ***"la elección entre pensar con la IA o no pensar en absoluto sigue siendo enteramente humana"***. Un contrapeso estructural y operativo a *"coding is solved"* (Cherny 2026-05) y un complemento analítico a Frizzo (2026-05-05).
Addy Osmani (Software Engineer at Google, Cloud + Gemini, ex-Chrome — déjà au dossier veille avec *Agent Harness Engineering* 2026-04-19, *How to write a good spec for AI agents* 2026-01-13, *Conductors to Orchestrators* 2025-11-01).
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.
Repositorio de GitHub `techygarg/lattice` que formaliza un framework de **skills componibles** para instalar una *disciplina de ingeniería* en asistentes de codificación con IA (Claude Code, Cursor). Arquitectura distintiva de tres niveles: **Atoms** (guardarraíles de principio único: código limpio, DDD, seguridad, calidad de tests, design-first), **Molecules** (flujos de trabajo multietapa que componen los atoms: diseño, implementación, refactorización, corrección, revisión), **Refiners** (entrevistas guiadas que producen estándares específicos del proyecto que personalizan el comportamiento de los atoms). Pipeline operativo `lattice-init` → `design-blueprint` → `code-forge` → `review`, con `refactor-safely` y `bug-fix` como derivaciones. Tres principios centrales: *"Skills over prompts"*, *"Composability over monoliths"*, ***"Living context over static config"*** — la carpeta `.lattice/` se vuelve más inteligente con cada ciclo de funcionalidades. MIT, shell puro, 18 stars / 52 commits, una serie de artículos en martinfowler.com que explican cinco *patrones de colaboración*. Fuerte convergencia con Vincent *Superpowers* (2026-04-02), Habert *PROJ-AI* (2026-05-05), Wescale *Usine Logicielle Augmentée* (2026-05-03) y — la convergencia doctrinal más alta sin linaje declarado — **Compound Engineering** de Every (Shipper/Klaassen 2025-12-11): pipelines isomórficos (lattice-init→design-blueprint→code-forge→review ↔ ce:brainstorm→ce:plan→ce:work→ce:review), capa de contexto vivo (`.lattice/` ↔ `docs/plans/+solutions/+brainstorms/`), una postura compartida de design-first, revisión obligatoria al final. La doctrina de *coding agent harness* de 2026 converge en un vocabulario estable, sin influencia directa.
#lattice#techygarg#composable AI skills
techygarg (auteur GitHub, identité réelle non précisée dans le README ; auteur d'une série d'articles publiée sur martinfowler.com).
**Jessica Talisman MLS** (Ingeniera Semántica + Arquitecta de Información, más de 25 años de experiencia, anteriormente en Adobe en grafos de conocimiento RDF + anteriormente en Amazon en arquitectura de información, fundadora del **Ontology Pipeline Framework** + **Contextually LLC**) publica en **Modern Data 101** (Substack, ~20.000 miembros) el **4 de mayo de 2026** una revisión importante de su framework **Ontology Pipeline™** publicado inicialmente en enero de 2025. **Tesis central**: desde noviembre de 2022 (ChatGPT), la demanda de *infraestructura semántica* se ha disparado, pero ha generado una **confusión masiva** — *"proveedores que ofrecen atajos que evitan el trabajo fundacional esencial, creando pasivos disfrazados de activos"*. El pipeline original de **5 etapas** (vocabulario controlado → estándares de metadatos → taxonomía → tesauro → ontología → grafo de conocimiento) sigue siendo válido, pero **debe completarse con 2 adiciones críticas**: **(1) Gobernanza** como práctica de ingeniería continua (no como documentación posterior al proyecto); **(2) Asociación con IA** (AI Partnership) con una distinción clara entre aumentar y reemplazar. **Diagnóstico del mercado**: *"una taxonomía estructuralmente inválida no es una taxonomía"*, *"las listas no son infraestructura de conocimiento"*, taxonomías generadas por IA vendidas como estrategia, proveedores que hacen un uso indebido del término *"ontología"*, soluciones genéricas (cookie-cutter) presentadas como metodología. **Crisis educativa**: la demanda de ingenieros semánticos supera ampliamente la oferta de profesionales formados; la brecha la llenan personas *"que conocen el vocabulario sin la metodología"*. **Posición normativa explícita**: *"la IA que genera una taxonomía de forma masiva está produciendo un pasivo disfrazado de activo; la IA que asiste a ingenieros formados es simplemente inteligente."* **Roles aceptables de la IA**: extracción de entidades, análisis de brechas, redacción de vocabularios candidatos para revisión, apoyo en la población/validación. **Roles inaceptables de la IA**: *generación masiva de taxonomías sin validación humana frente a estándares*. **Estándares referenciados**: SKOS, OWL, RDF, SPARQL. **Credibilidad**: framework validado en **6 instituciones a lo largo de 10 años**. **Recomendaciones para 3 audiencias**: (a) Organizaciones — invertir en formación formal, tratar la infraestructura de conocimiento como la columna vertebral de la IA, gobernanza continua, IA como acelerador y no como reemplazo; (b) Profesionales — preguntas de competencia antes del modelado, validar frente a SKOS/OWL/RDF, la dificultad de definición señala una pausa, el mantenimiento es continuo; (c) Líderes — actualización de competencias de la plantilla sin formación autofinanciada, asignar recursos a la infraestructura de conocimiento como necesidad estratégica, gobernanza antes del despliegue. **Citas destacadas**: *"el trabajo no se puede saltar"*, *"la gobernanza es la práctica de ingeniería que mantiene una ontología coherente a través del cambio"*, *"enseñar esto es difícil. Aprenderlo es más difícil."* **Relevancia importante** para líderes de datos / CDOs / arquitectos que construyen los fundamentos semánticos de sus agentes de IA. Para leer junto con: Seale Semantic Agent (2026-04-17) — *(Model+Harness)+(Ontology+Data) — la ontología como único moat*; Foundation Capital Context Graphs (2025-12-22); Bain parte 2/5 *rediseñar los fundamentos de datos para la preparación de agentes* (2026-05); DORA ROI 2026 *datos internos accesibles para IA + ecosistemas de datos saludables* (2026-04-21); doctrina de seis zonas de Habert PROJ-AI (2026-05-05). Convergencia con el corpus 2026 sobre *"los fundamentos de datos como moat"*.
#Jessica Talisman MLS#Ontology Pipeline framework#Modern Data 101
**Jessica Talisman MLS** — Semantic Engineer et Information Architect avec **25+ ans d'expérience** en enterprise architecture · e-commerce systems et knowledge management. Fondatrice de l'**Ontology Pipeline Framework** et de **Contextually LLC**. Roles précédents : **Adobe** (RDF-based knowledge graphs) · **Amazon** (information architecture). Auteure de la newsletter **Intentional Arrangement** (Substack) et d'un **livre éponyme à paraître en 2026**. Le framework initial *Ontology Pipeline* a été publié en janvier 2025 et **validé sur 6 institutions sur 10 ans**.
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).
Informe de **Bain & Company**, **mayo de 2026** (David Crawford, Chris McLaughlin, Greg Fiore — parte de una **serie en cinco partes sobre la industria del software en la era de la IA**), que sitúa la oportunidad SaaS aún inexplotada en el *cross-system labor* — el trabajo humano de coordinación entre sistemas que los agentes de IA ya pueden automatizar — en **~100.000 M$ en EE. UU. (~200.000 M$ incluyendo Canadá/Europa/AU/NZ)**. **Captura actual: 4.000-6.000 M$ (10% de la oportunidad)** — por lo que **>90% sigue disponible**. Tesis pivote: la principal oportunidad de la IA agéntica **no es reemplazar el SaaS existente** sino **automatizar el trabajo de coordinación entre sistemas** (empleados que extraen datos de ERPs, comprueban inventario en una hoja de cálculo, interpretan respuestas de texto libre, ejercen criterio). Distribución: Ventas (20.000 M$) + COGS/operaciones (26.000 M$) + I+D/ingeniería (6.000-12.000 M$) + soporte (6.000-12.000 M$) + finanzas (6.000-12.000 M$). **Seis factores de automatización**: verificabilidad del resultado, consecuencia del fallo, disponibilidad de conocimiento digitalizado, complejidad de integración, variabilidad del proceso, dependencia del mundo físico. **Potencial de automatización por función**: Atención al cliente e I+D **40-60%**, Finanzas y RR. HH. **35-45%**, Ventas e IT **30-40%**, Legal **20-30%**. **Cambio estratégico**: la ventaja competitiva pasa de la *propiedad del system of record* (Salesforce, SAP, Workday) al ***cross-workflow decision context*** — la capacidad de ver y actuar a través de múltiples sistemas integrados. **Ejemplos**: Sierra (resolución autónoma de incidencias de clientes), Glean (coordinación de solicitudes de empleados entre funciones), GitHub Copilot (ampliado más allá del control de código fuente), **Cursor** (ARR duplicado en un trimestre, 2.000 M$). **Moat duradero**: *"datos de ejecución acumulados que ganan valor con el tiempo y se vuelven más difíciles de replicar para los competidores"*. **Hoja de ruta en tres fases**: Assessment (seis factores + dimensionamiento de mercado) → Strategic Positioning (activos de datos + flujos de trabajo adyacentes + mapas operativos reales) → Execution (build/buy/partner + reestructuración organizativa + rediseño de las bases de datos para agent readiness). Relevancia principal para CIOs/CDOs/responsables de Estrategia en SaaS B2B y clientes empresariales: replantea la conversación *"IA vs SaaS"* como ***"IA = SaaS que por fin automatiza el trabajo de coordinación"***. Para leer junto con: DORA ROI (marco financiero), Tatsyi/Raiffeisen (caso de estudio bancario que crea 7 productos de IA sin precedentes), Wescale (realista 3x-4x), MIT NANDA (el 95% de los pilotos fracasa), Foundation Capital *Context Graphs trillion-dollar opportunity* (2025-12-22), Menlo Ventures *State of Generative AI Enterprise* (2025-12-09).
#Bain & Company#oportunidad SaaS de 100.000 millones#cross-system labor
**David Crawford · Chris McLaughlin · Greg Fiore** — partners et experts Bain & Company spécialistes industrie logicielle / SaaS. Article publié en **mai 2026** sur bain.com/insights · partie 2/5 d'une série sur *"the software industry in the age of AI"* (la partie 1 traite du Rule of 40, fiche `bain-ai-rule-of-40-headwinds-tailwinds-saas-2026-04.md`).
Whitepaper de Google (la entrega "Day 1" de una serie, de Addy Osmani, Shubham Saboo y Sokratis Kartakis) que traza la transformación del ciclo de vida del desarrollo de software (SDLC) en la era de los agentes de codificación. Tesis: el cambio fundamental no es un nuevo lenguaje, sino el paso de escribir código a **expresar intención**. El documento plantea un espectro que va del *vibe coding* (proponer y aceptar) a la *agentic engineering* (la IA implementa bajo restricciones, pruebas y bucles de retroalimentación diseñados por humanos), con la **context engineering** como habilidad central, el modelo de **software factory** (el entregable del desarrollador = el sistema que produce el código), la **harness engineering** (Agente = Modelo + Harness), y un análisis económico CapEx/OpEx del coste total de propiedad.
Evaluación de ciberseguridad ofensiva de GPT-5.5 realizada por la AISI del Reino Unido — 95 tareas CTF, cyber range de 32 pasos, jailbreak universal — AISI Blog
#ciberseguridad ofensiva#evaluación de modelos de IA#GPT-5.5
Investigación de fondo (op-ed) de Jasmine Sun (NYT Opinion, 30 de abril de 2026) sobre el *consenso de San Francisco*: el temor a la *infraclase permanente* — una teoría viral según la cual la IA podría congelar la movilidad económica y crear una clase vuelta inútil por la automatización. El artículo documenta la disonancia interna en los laboratorios (Amodei sobre el «baño de sangre de cuello blanco» y el 50% de los empleos junior de cuello blanco que desaparecerán para 2030; Altman 2021 → silencio de Lehane → white paper *Industrial Policy for the Intelligence Age*, abril de 2026; Anthropic Institute, marzo de 2026, dirigido por Jack Clark), los benchmarks que orientan la I+D hacia la sustitución humana (A.I. Productivity Index, GDPVal de OpenAI: *«tasa de éxito superior al 80% frente a profesionales humanos»* en unos pocos meses), las acciones corporativas (Block/Dorsey -50% de plantilla con Opus 4.6 + Codex 5.3, ARR de Anthropic de 30.000 M$ frente a 9.000 M$ a finales de 2025), y la estrategia política de Shor (79% de los votantes preocupados, garantía de empleo > RBU, *«Trabajan para los bots. Nosotros trabajamos para ustedes.»*). Elemento de referencia en el dosier *AI labor 2026*.
#Jasmine Sun#NYT Opinion#infraclase permanente
Jasmine Sun (Ms. Sun écrit sur l'IA et la culture Silicon Valley sur Substack)
Nota de análisis de **Mitch Ashley**, VP y Practice Lead de *CIO & Technology Buyers* y *Software Lifecycle Engineering* en **The Futurum Group**, publicada el **29 de abril de 2026** en la sección *Market Coverage News*: formato corto, aproximadamente **9.500 caracteres**, que se abre con cinco viñetas de resumen y se cierra con cinco puntos de seguimiento. Tema: el acuerdo anunciado el **21 de abril de 2026** por el cual **SpaceX** obtiene el derecho de adquirir **Cursor** por **60.000 millones de dólares** en el plazo de un año, o de pagar **10.000 millones de dólares** por una asociación de cómputo respaldada por el clúster **Colossus** de **xAI** en Memphis, descrito como equivalente a **1 millón de GPU H100**. (A) La lectura de las dos necesidades: Cursor arrastraba a la vez un techo de cómputo y una compresión de márgenes — la empresa paga precios de mercado por los modelos de **Anthropic** y de **OpenAI**, que enruta hacia sus clientes mientras compite con ellos a través de su línea **Composer**; SpaceX buscaba ingresos de IA y un relato de cara a una OPV prevista para junio. (B) La lectura de la estructura: un mínimo de 10.000 millones de dólares y una opción de compra de 60.000 millones de dólares ejercitable en acciones cotizadas tras la salida a bolsa, que, escribe Ashley, *"reparte el riesgo de forma más honesta que una adquisición directa"*. (1) Para los compradores, fija una ventana de **seis meses** para reverificar las cláusulas de retención cero de datos y la identidad del proveedor. (2) Para los proveedores, distingue tres exposiciones — **Google** protegida por **Antigravity**, **AWS** dependiente de Anthropic, **IBM** poco expuesta pero bien posicionada en el ángulo de la gobernanza. El corpus ya contiene [[beck-starving-genies-usage-limits-ai-coding-2026-04-03]] sobre la restricción de recursos impuesta a las herramientas de codificación y [[nyt-musk-promises-spacex-ipo-track-record-2026-06-02]] sobre los anuncios de SpaceX.
#SpaceX#Cursor#Anysphere
Mitch Ashley · VP et responsable des pratiques CIO & Technology Buyers et Software Lifecycle Engineering chez The Futurum Group · ancien CIO et CTO.
Anuncio de producto publicado en el blog de **Stripe** el **29 de abril de 2026** por **Dan Hill** (Product Manager, Link Consumer Product), tras la keynote de **Stripe Sessions 2026**: el lanzamiento de **Link's wallet for agents**, construido sobre un nuevo bloque de base, **Issuing for agents**. **El diagnóstico cabe en una frase, y es la más importante del texto**: *"While machine payments protocols are still gaining adoption, agents need to work with the payment options sellers and consumers use today."* → **Stripe reconoce que los protocolos de pago nativos para máquinas aún no están listos, y entrega una solución de contorno para los rieles existentes en lugar de apostar por unos nuevos.** **El mecanismo**: un consumidor concede a un agente acceso a su cartera Link mediante un **flujo OAuth estándar**; el agente emite entonces una *spend request* y recibe ya sea una **tarjeta de un solo uso**, o un **Shared Payment Token** — respaldado por las tarjetas y cuentas bancarias ya presentes en la cartera. Punto cardinal: *"The agent never gets access to your raw payment credentials."* La credencial tiene **alcance limitado** (importe, divisa, comercio) y el agente debe suministrar el **contexto de la transacción** para que el humano entienda lo que está aprobando — el ejemplo dado en la CLI es explícito: `amount 3500`, `merchant-name "Powdur"`, `context "Purchasing the Powdur Glow Renewal Vitamin C Serum as a gift for $35."`. **La restricción estructurante es temporal, y se asume como tal**: *"Today, each request requires the person's review before the credential is shared with your agent"* — aprobación **humana**, **transacción por transacción**, en la web o en las **nuevas apps Link para iOS y Android**. Los límites de gasto y los casos en los que el agente actuaría **sin aprobación adicional** están anunciados, no entregados. **La segunda capa es el verdadero producto de infraestructura**: **Issuing for agents** abre el conjunto completo de las API de Issuing a cualquiera que construya su propia cartera agéntica — tarjetas virtuales de un solo uso, almacenamiento de fondos, controles de gasto, permisos a nivel de tarjeta, controles antifraude **en el momento de la autorización**, visibilidad en tiempo real. Se citan cuatro casos de uso: automatización interna del gasto, tarjetas agénticas integradas en **fintechs**, plataformas **SaaS verticales** que emiten tarjetas a pymes bajo su propia marca, **marketplaces** cuyos agentes vendedores pagan a proveedores y logística. **Argumento de distribución**: Link reivindica **más de 200 millones de consumidores**, y el artículo cita a **OpenClaw** como ejemplo de agente personal que se beneficia de ello. **Dos reservas que conviene señalar de entrada**: la aprobación por transacción se presenta como una comodidad de diseño cuando en realidad es **una admisión de que la autorización delegada del agente no está resuelta**; y el stablecoin, los *agentic tokens*, y los "otros métodos de pago" están todos en **futuro** (*"coming soon"*).
#Stripe#Link#cartera para agentes
**Dan Hill** — Product Manager · **Link Consumer Product** chez Stripe. Auteur de l'annonce sur le blog Stripe · rubrique *Product*. Le rattachement au produit *Link Consumer* est significatif : l'annonce est écrite depuis le **portefeuille grand public** · pas depuis l'équipe protocole ni depuis Issuing — ce qui explique que le consentement de l'utilisateur final structure tout le texte.
Entrevista con Andrej Karpathy (cofundador de OpenAI, ex Tesla Autopilot) sobre el paso de *vibe coding* a *agentic engineering*: December 2025 transition como punto de inflexión ("nunca se sintió más rezagado como programador"), la taxonomía Software 1.0/2.0/3.0, el ejemplo openclaw (script bash → texto para copiar y pegar en el agente) y MenuGen vuelto obsoleto por Nanobanana de Gemini, la teoría de la *verifiability* que explica por qué los LLM son *jagged* (picos en matemáticas/código, fallo al "caminar a un lavadero de coches a 50 m"), la distinción entre *vibe coding* (elevar el piso) y *agentic engineering* (preservar el estándar de calidad), la metáfora "animales vs fantasmas", la refundación de la contratación mediante proyectos agente contra agente, y la fórmula clave: ***"Puedes externalizar tu pensamiento pero no puedes externalizar tu comprensión."***
#Andrej Karpathy#vibe coding#agentic engineering
Andrej Karpathy (co-fondateur OpenAI, ex-Tesla Autopilot, créateur du terme "vibe coding")
Hilo de X en formato manifiesto de Rohit (@rohit4verse) que expone la *2026 AI engineer roadmap*: una brecha de 150.000 $ entre el prompt engineer y el systems architect, el fin de los *wrappers genéricos* «sherlocked por las grandes tecnológicas», y 5 proyectos de portafolio clasificados por nivel de complejidad (SLM móvil offline, agente de codificación autoperfectible, *Cursor for video editors* multimodal, agente de sistema operativo de vida personal centrado en la privacidad, agente autónomo de flujos de trabajo empresariales). Cada proyecto describe sus *decisiones arquitectónicas clave* (lazy loading, sliding window, sandboxing, detección de escenas, grafo de conocimiento personal, multiagente basado en eventos, registro de auditoría, RBAC, observabilidad). Eslogan estructurante: *«lo reemplazable: construir wrappers / lo indespedible: desplegar sistemas autónomos»*. Tono imperativo y viral, típico de X en 2026.
#2026 AI engineer roadmap#Rohit#rohit4verse
Rohit (@rohit4verse) — créateur de contenu IA sur X · vulgarisateur d'architecture et roadmaps de carrière en ingénierie IA.
Publicación del **blog de Ahrefs** publicada el **28 de abril de 2026** por **Ryan Law** (Director of Content Marketing, Ahrefs) que describe un sistema interno de **ingeniería de contenido** construido en torno a **Claude Code**: un pipeline editorial que produce **borradores listos para publicar en 6 a 12 minutos**. **Tesis central**: ***« El contenido de IA no es, por defecto, bueno. Este proceso funciona bien porque refleja nuestro proceso editorial humano existente »*** — la calidad no proviene del modelo sino de la **reproducción fiel de un proceso editorial humano** probado durante décadas. Arquitectura: **~23 skill files**, cada uno correspondiente a una etapa editorial (investigación de palabras clave, análisis de brechas temáticas, esquematización estructural, compilación de investigación, generación de borradores, formateo), **orquestados por una skill maestra `blog-pipeline`** que los encadena para producir un artículo completo. **Siete principios de diseño**: (1) **imitar los flujos de trabajo humanos** encadenando skills adaptadas de la documentación editorial existente de Ahrefs; (2) **generar cada etapa por separado** para facilitar el diagnóstico (*« si al final de una ejecución de diez minutos obtienes un artículo malo, es difícil diagnosticar con precisión dónde y por qué falló el proceso »* → guardar las salidas intermedias); (3) **crear casos de prueba** mediante la skill `skill-creator` de Anthropic para evaluar y mejorar las instrucciones; (4) **conectar fuentes de datos de calidad** — el **Ahrefs MCP** (métricas de palabras clave, parent topic, temas de cola larga, resúmenes de SERP, análisis competitivo), análisis competitivo y documentación de producto; (5) **anticipar la dirección humana** mediante parámetros de contexto que permiten orientación editorial; (6) **construir vistas previas interactivas** en formato HTML para su revisión antes de la publicación; (7) **permitir la personalización** (cada miembro del equipo puede hacer un fork del sistema y modificarlo). **Volumen**: ~**15 artículos publicados** y ~**30 artículos actualizados** mediante este flujo de trabajo; el desarrollo comenzó en **febrero de 2026** (el proceso anterior, de **agosto de 2025**, requería varios días e intervención manual). **Advertencias explícitas** (anti-sobreventa): *« la experiencia importa »* — el proceso refleja décadas de experiencia editorial; la selección de temas se centra en **contenido SEO informacional** que el autor conoce bien; Ahrefs **no tiene previsto "escalar" el contenido de forma masiva**, sino que mantiene una **biblioteca evergreen**. Filosofía: automatizar *« las partes formulaicas del trabajo »* para eliminar las tareas tediosas y liberar tiempo para la investigación, el liderazgo de pensamiento, los webinars y la optimización del sistema — **no** reemplazar el esfuerzo humano. Referencia canónica citada por Pasquale Pillitteri (*Opus 4.8 SEO workflow*) como prueba de campo de la ganancia « 6-12 min/borrador ». Convergencia directa con la doctrina **skills-over-prompts** (Lattice, PROJ-AI), los **sistemas alrededor del modelo** (Dropbox/Okumura), y el uso de **HTML como artefacto de revisión** (Shihipar).
#ingeniería de contenido#ingeniería de contenido#Claude Code
**Ryan Law** — Director of Content Marketing chez **Ahrefs**. Praticien senior du content marketing SEO ; le billet est un retour d'expérience personnel (*« How I do… »*) publié sur le **blog Ahrefs** (ahrefs.com/blog) le **28 avril 2026**.
FinOps para agentes de IA: un marco de asignación en cuatro pasos para los costes de los asistentes de codificación (Claude Code, Cursor, Copilot) y por qué el etiquetado tradicional de la nube falla - Finout
#FinOps agéntico#asignación de costes#asistentes de codificación
El editorial de Andrew Ng en The Batch #350 establece una **jerarquía de aceleración para agentes de codificación** por tipo de trabajo de software: **Frontend (máxima) > Backend (moderada) > Infraestructura (baja) > Investigación (mínima)**. El razonamiento se basa en la *verificabilidad* implícita (fluidez en TypeScript/JavaScript junto con un bucle autónomo de pruebas agente-navegador en el frontend) y en los puntos ciegos de los LLM (casos límite / seguridad / migraciones de bases de datos para el backend, compensaciones de red opacas para la infraestructura, formación irreducible de hipótesis para la investigación). El número se completa con 4 noticias estructurantes: **GLM-5.1 (Z.ai)**, un modelo con licencia MIT de 754B de parámetros (40B activos) capaz de tareas autónomas de hasta 8 horas de duración (líder de SWE-Bench Pro con 58,4%); **Digit (Agility Robotics) en Schaeffler**, el primer despliegue industrial de humanoides (1,75 m / 65 kg, 10-25 $/h frente a 20 $/h para un humano); la **revuelta antidata centers** (~64.000 M$ bloqueados entre mayo de 2024 y marzo de 2025, moratoria en Maine sobre instalaciones de 20MW o más, cóctel molotov en la casa de Sam Altman); y el **"eje del asistente"** (Christina Lu, MATS / Oxford / Anthropic), que reduce la deriva de persona y los jailbreaks (Qwen3 32B: 83%→41%; Llama 3.3 70B: 65%→33%) sin degradar IFEval/GSM8k/MMLU-Pro/EQ-Bench.
#Andrew Ng#The Batch#DeepLearning.AI
Andrew Ng (édito principal — fondateur DeepLearning.AI, Stanford, ex-Google Brain, ex-Baidu) ; rédaction The Batch (DeepLearning.AI) pour les sections actualités
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.