Entrevista de trabajo nativa de IA en Sierra — Reestructuración del proceso de contratación de ingeniería — Plan/Build/Review — Blog de Sierra
Bret Taylor
Síntesis de Addy Osmani (Google, Chrome/Cloud) sobre el campo emergente de la *harness engineering*: la ecuación `agent = model + harness`, el principio *ratchet* ("cada error se convierte en una regla"), el replanteamiento "skill issue" de HumanLayer, la evidencia de Terminal Bench (de Top 30 a Top 5 solo con un cambio de harness), la arquitectura en capas de Claude Code, la visión de Anthropic "los harnesses no se reducen, se desplazan", y Harness-as-a-Service (Claude Agent SDK, Codex SDK, OpenAI Agents SDK). Artículo bisagra que consolida a Trivedy, HumanLayer, Anthropic y Böckeler en una doctrina.
Addy Osmani (Software Engineer at Google, Cloud + Gemini)
Agente semántico: la simetría entre modelo+harness y ontología+datos, el colapso de los frameworks de agentes, la ontología como el único activo no comoditizado
Tony Seale
Actualización pública de Darragh Curran (I+D, Intercom) nueve meses después de su compromiso de duplicar la productividad de I+D en 12 meses mediante IA. Resultado: **3x alcanzado en 16 meses, sin señales de estancamiento**. Datos cuantificados de una organización de I+D de 500 personas / 8,5 M líneas de código: **93,6 % de los PR son impulsados por agentes**, **19,2 % aprobados por IA** (objetivo >50 %), coste/PR **-50 %**, backlog de defectos **-54 %**, tiempo hasta el despliegue **-39 %**, tiempo de inactividad por cambios disruptivos **-35 %**, el 5 % superior de los desarrolladores alcanza **6x el rendimiento mediano de PR**, **497 PR autónomos** en las primeras 4 semanas, **153 contribuyentes / 267 skills especializadas** en una *Skills-Based Plugin Architecture* privada. Curran declara: ***"Todo el trabajo técnico se está volviendo agent-first. Esta es la máxima prioridad para I+D."*** Artículo clave del dossier sobre la *organización agent-first*, comparable únicamente con Stripe Minions y StrongDM en el corpus de 2026.
Darragh Curran (R&D leader, Intercom — publication via Fin Ideas, plateforme média Intercom).
FinOps para agentes de IA centrado en el "coste por resultado": por qué el FinOps tradicional falla frente al comportamiento en tiempo de ejecución, guardrails, observabilidad conductual y un ciclo de vida de 4 fases - Orq.ai
Sohrab Hosseini (co-fondateur, Orq.ai)
Gestión de sesiones en Claude Code: ventana de contexto de 1M de tokens, compactación, rewind, subagentes y context rot
Thariq (@trq212)
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**.
**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*).
Economía de los límites de uso de IA para la programación aumentada — Fase de Expansión — Recursos limitantes — Estrategia de monetización — Substack
Kent Beck
Harness engineering: un modelo mental para generar confianza en los agentes de codificación mediante guías feedforward y sensores de feedback
Birgitta Böckeler
Framework de skills agénticos para agentes de codificación — Superpowers — metodología TDD — GitHub
Jesse Vincent (Prime Radiant)
Informe de Bain & Company (**abril de 2026**) (David Lipman, Greg Callahan, Daniel Goetz, George Sunderland — parte 1/5 de la serie *"software industry in the age of AI"*) que analiza el impacto de la IA en la **Rule of 40** (métrica canónica de SaaS: *tasa de crecimiento + margen de beneficio ≥ 40%*) y concluye en una **doble presión**: **vientos en contra** (ralentización del crecimiento del mercado + costes masivos de infraestructura de IA) y **vientos a favor** (productividad de la IA + transformación del 10-25% del EBITDA + pricing basado en resultados). **Dato central llamativo**: un caso de cliente de *marketing technology* — **los costes de IA se multiplicaron por 3,49 (+349%) mientras que los ingresos solo crecieron un 38%** en un año. **Tesis pivote**: los líderes de SaaS podrían tener que ***"conformarse con la Rule of 30"*** temporalmente para seguir siendo competitivos frente a los **AI-natives**, aceptando una compresión de margen a corto plazo a cambio de un posicionamiento a largo plazo. **Dos vías explícitas**: (1) ***Financialize*** — minimizar la inversión en IA, optimizar la caja, operar como un *"generador duradero"* pero limitar el crecimiento futuro; (2) ***Invest to Grow*** — aceptar la presión de margen a corto plazo, reinvertir agresivamente en capacidades de IA en producto y operaciones. **Vientos a favor en detalle**: productividad en ventas/marketing/I+D, transformaciones exitosas = **+10-25% de EBITDA**, futura oportunidad de *outcome-based pricing* (los ingresos se desplazan de asientos fijos hacia la economía de mano de obra/operaciones), los operadores establecidos pueden aprovechar sus relaciones con clientes y flujos de trabajo integrados frente a los retadores AI-native. **Vientos en contra en detalle**: *"software penetration is topping out in some areas"* (saturación del mercado), la infraestructura de IA + inferencia + acceso a modelos introducen **costes variables significativos en negocios que históricamente han tenido márgenes altos**. **Señal para CFO/consejo**: la propia Rule of 40, como **norma estable**, empieza a desplazarse; algunos actores quedarán temporalmente fuera de esta norma y **eso es estratégicamente racional**. **Gran relevancia** para CFO/CEO/consejos de SaaS B2B e inversores de PE/VC en software que evalúan sus carteras — el primer benchmarking institucional cuantificado del dilema *proteger márgenes / invertir agresivamente* en 2026. Relacionar con: Bain **parte 2/5 cross-system labor $100B** (2026-05), DORA ROI 2026 (marco financiero), Wescale (X3-X4 realista), Tatsyi/Raiffeisen (banco −75 personas), Curran/Intercom (3× I+D en 16 meses), Menlo Ventures *State of Generative AI Enterprise* (2025-12-09).
**David Lipman · Greg Callahan · Daniel Goetz · George Sunderland** — partners et experts Bain & Company spécialistes industrie logicielle / SaaS / private equity software. Article publié en **avril 2026** sur bain.com/insights · **partie 1/5** d'une série Bain sur *"the software industry in the age of AI"*. La partie 2 (*The $100-Billion SaaS Opportunity Hiding in Cross-System Labor*, mai 2026) est dans le dossier de veille.
Developer Taste Versus Mediocre AI Code — Judgment and Discipline — Hiring for Taste — Software Quality — Substack
Fran Soto
Compound Engineering v2.60, revisión de código obligatoria con puntuación de confianza, pipeline plan→work→review reforzado
Trevin Chow
Artículo metodológico de Alex Pawlowski (The Strategy Stack, #151, 30 de marzo de 2026) que propone un cambio epistémico mayor en la *investigación de mercado*: dejar de recopilar informes estáticos para mantener una ***superficie de decisión viva*** — un modelo en evolución continua de la dinámica del mercado. Contribución central: el **Tension Map**, que cartografía *contradicciones y puntos de presión* (brechas entre expectativa y entrega, precio tolerado sin ser adoptado con entusiasmo, actores establecidos sin resonancia emocional) en lugar de la cuota de mercado. Herramientas en tres modos (Discovery / Tension / Decision), un flujo de trabajo de 7 pasos y una pila de herramientas orquestada (Perplexity para la expansión → Claude para la profundidad/continuidad → ChatGPT para la iteración → Multi-agent para el desafío). Referencia implícita: el método *Analysis of Competing Hypotheses* de Richards Heuer (CIA).
Alex Pawlowski (auteur de la newsletter Substack *The Strategy Stack*, focus stratégie et IA opérationnelle).
Paradoja de Jevons aplicada a los desarrolladores, efecto Reina Roja, evolución sysadmin→DevOps como analogía
Simon Wardley
Comercio agéntico abierto, protocolos x402/mpp, micropagos con stablecoins, fin del modelo publicitario
Sam Ragsdale
Refutación histórica a la afirmación de Andreessen de que la introspección es un invento moderno, ejemplos filosóficos que abarcan 2.400 años - X/Twitter
Riley Ralmuto (@RileyRalmuto)
El rol del desarrollador frente a los agentes de codificación con IA, experimento de un día con el método BMAD, evolución hacia el supervisor de agentes - Blog técnico
Marco Mornati
Fin de la hora-cerebro como unidad de valor, cambio hacia el kilovatio-hora del trabajo intelectual, economía de la computación agéntica - LinkedIn
Philippe Ensarguet
Anatomy of an Agent Harness: Agent = Model + Harness, componentes fundamentales y la evolución de los harnesses de LangChain
Vivek Trivedy