Artículo editorial **SFEIR AI** publicado en sfeir.com el **6 de septiembre de 2026** (~9.000 caracteres, siete secciones, dos fuentes señaladas). Recapitula un episodio del podcast **DataGen** presentado por **Robin Conquet**, grabado en el **Dev Summit** coorganizado por **Adeo** y **Decathlon** (Lille, **26-28 de mayo de 2026**, más de **2.000** asistentes), con **Matthieu Grymonprez**, que dirige digital, tecnología y datos en Adeo (Leroy Merlin, Weldom, Obramat), y **Romain Taillade**, Global CTO de Decathlon. Tres conclusiones. **(A)** La platformización llevada a cabo durante cinco años para absorber el marketplace de Leroy Merlin (**60.000** referencias en tienda, varios millones en línea) y la expansión de Decathlon (**más de 50** países) no estaba orientada a la IA agéntica, pero constituye su base: *"la plataforma construyó los músculos, la era de la inteligencia construye el sistema nervioso."* **(B)** Tres frentes de trabajo nombrados — el **harness** de desarrollo, la **seguridad** por zonas en todo el sistema de información (actividad agéntica cero en el pago, el flujo de checkout y la cadena de suministro), y la **semántica de datos**, abordada por vertical y en la que Adeo reconoce estar en deuda. **(C)** Un precedente que el grupo pagó caro: el BI de autoservicio produjo más de **150.000 dashboards** antes del retorno a productos de datos certificados. La frase marco de Grymonprez sostiene todo el conjunto — *"un agente no tiene sentido común"*: aplica la definición tal cual se le da y acelera el desorden donde este falta. Continúa, con el mismo directivo, [[alafrench-grymonprez-adeo-ia-agentique-grands-groupes-2026-06-18]].
#IA agéntica#platformización#dominios de negocio expuestos vía API
SFEIR AI (voix éditoriale du cabinet) · article non signé individuellement. Restitue un entretien de Matthieu Grymonprez (Adeo) et Romain Taillade (Decathlon).
Artículo de **Chase Covington**, **Tomer Slaney** (socios, Nueva York) y **David Pralong** (socio senior, Charlotte), publicado por la *McKinsey Transformation Practice* en **septiembre de 2026** (día exacto no especificado, fechado el 1 por convención); 8 páginas, 2 figuras cuyo contenido no se reproduce en el texto. **(1)** Hallazgo: la transformation office (TO) es lenta en modernizar sus propias herramientas; en un turnaround que involucraba a **3.000** empleados, **más de 15** personas producían un informe de **300 páginas** cada cuatro semanas. **(2)** Tres pilares encomendados a agentes: *performance intelligence*, *single source of truth*, *conversation facilitation*. **(3)** Ganancias reportadas: **35 a 40%** del tiempo en tareas centrales, en ocasiones **70%**; un equipo central reducido de **diez a tres** personas. **(4)** Salvaguardas: errores en cascada entre agentes, falsas alertas, trazabilidad de cada paso. **(5)** Secuencia: reporting primero, automatización de acciones después, gestión del cambio dentro de la TO. Los autores presentan el texto como "a first look at the opportunity for TOs". Los casos no están nombrados, no se describe ningún método de medición, y dos de las herramientas citadas (**Wave**, **Lilli**) pertenecen a McKinsey. El texto da continuidad a [[sternfels-mckinsey-60000-people-20000-agents-officechai-2026-01-14]], donde McKinsey ya cuenta sus agentes entre su plantilla.
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
**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)
Tercera entrega de la serie de Ashish Singh «New Engineering Disciplines for the AI Era», dedicada al **KDLC — Knowledge Development Life Cycle**: un ciclo de vida de **8 etapas** que convierte el conocimiento empresarial en un **activo de ingeniería**, al mismo nivel que el código o los datos. Tesis: las iniciativas de IA fracasan no por falta de elegir el LLM adecuado o de desplegar un sistema RAG, sino porque **no abordan la estructura subyacente del conocimiento** — «la IA es solo tan eficaz como el conocimiento que puede descubrir, comprender, recuperar y en el que puede confiar». El KDLC encadena Discovery → Extraction → Structuring → Knowledge Graph → Embedding → Index Optimization → Retrieval Evaluation → Refresh. Contrapone el **RAG tradicional** (documentos aislados, palabras clave) con el **Enterprise Knowledge Fabric** (Knowledge Graphs + Semantic Search + Vector DB + Hybrid Search), en el que los agentes comprenden «relaciones, contexto y significado de negocio». Frase emblemática: «Los modelos aportan razonamiento. La memoria aporta continuidad. El conocimiento aporta comprensión.» Tres ejemplos (finanzas/cumplimiento normativo, ingeniería de software, sanidad) ilustran el impacto.
#KDLC#Knowledge Development Life Cycle#ciclo de vida del conocimiento
Entrevista en podcast de « 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 de retail adopta la ola de IA agéntica: cultura vs. estructura, responsabilidad, costes de tokens y FinOps, lock-in de la inteligencia corporativa, memoria corporativa y orquestación de agentes. Dominio: transformación digital, IA agéntica, retail, estrategia de 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 »)
Entrevista en vídeo grabada en **VivaTech** (stand de **Scaleway**), emitida por el medio República, que reúne a **Damien Lucas** (CEO de Scaleway) y **Franck Le Moal** (Global Technical Officer del grupo **LVMH**). **Tesis central**: la emergencia de una **"geopolítica tecnológica"** obliga a las multinacionales a abandonar la solución global única en favor de un **sistema de información regionalizado en tres bloques** (Estados Unidos, Europa, China). LVMH (80 000 millones de euros de facturación, 75 maisons, más de 100 países) formaliza una **alianza cloud con Scaleway** para construir un **bloque europeo autónomo**, junto a Google Cloud (datos, desde 2021), SAP, Salesforce en el lado occidental y Alibaba Cloud / Huawei / Tencent en el lado chino. El grupo se describe como **"híbrido"** y **autónomo** más que **"soberano"** (palabra que rechaza, por considerarla ambigua). Scaleway se posiciona como un **proveedor cloud europeo** inmune a las leyes extraterritoriales y protegido frente a un **kill switch** ("no es ciencia ficción", a la vista de la actualidad del fin de semana). Argumento económico de Damien Lucas: **1 € gastado con Scaleway = 68 céntimos que permanecen en la economía europea** (frente a menos de 20 céntimos con un hyperscaler estadounidense, incluso alojado en Francia). Calendario: PoC completados, despliegue iniciado en **Sephora y Louis Vuitton**, presencia significativa prevista en un plazo de **12-18 meses**. Misión declarada de Scaleway: centrarse en **IaaS/PaaS** (sin verticalización, como el software ofimático), apoyándose en un ecosistema de socios (aplicaciones soberanas, chips y servidores europeos). La oferta de **GPU Nvidia / IA** de Scaleway **no está prevista a corto plazo** pero permanece abierta (modelos open source por autonomía + rendimiento económico).
**Bertrand** — journaliste / présentateur du média **République** (partenaire de VivaTech) · conduit l'entretien. **Damien Lucas** — CEO de **Scaleway**. **Franck Le Moal** — Global Technical Officer du groupe **LVMH**.
Philippe Ensarguet (Orange) sostiene que cincuenta años de design patterns forman un linaje continuo: en un momento en que la IA convierte el código en una commodity y rompe la forma tradicional de formar arquitectos, la "pattern literacy" (leer un sistema a través de sus fuerzas invariantes) se convierte en la competencia duradera a enseñar — como una gramática, no como catálogos.
#design patterns#linaje de patrones#arquitecto de software
Producción de IA agéntica, observabilidad del razonamiento de agentes, memoria organizacional estructurada, supervisión adaptativa, despliegue en fintech
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