Artículo de investigación publicado en **ACM Queue** (vol. 24, n.º 3 — número temático «LLMs») el **20 de julio de 2026**, escrito por **Joseph Valente** (Director de Product Management, Alphabet Security) y **Michal Zalewski** (Distinguished Engineer, estratega de Alphabet Security — el *lcamtuf* de la seguridad ofensiva). Licencia **CC BY 4.0**, **29.143 descargas** en diez días, **una única referencia bibliográfica**: el whitepaper de **BeyondCorp** de 2014. Esto no es casual — el artículo se posiciona explícitamente como el **sucesor genérico de BeyondCorp** y asume su función: *«publicar la visión para que la industria pueda alinearse con ella.»* **Tesis**: el **modelo de frontera a nivel de aplicación está llegando al final de su vida útil**. Los tres supuestos sobre los que se sustentaba BeyondCorp — *quienes acceden son humanos, las acciones ocurren a velocidad humana, la aplicación es la frontera de confianza correcta* — quedan los tres obsoletos ahora que los agentes de IA acceden a datos **10 veces más rápido que los humanos** y razonan sobre vastos corpus no estructurados. **Beyond Zero** desplaza por tanto la frontera de confianza **de la aplicación a la acción individual sobre el recurso individual**, y la investigación **de a posteriori a tiempo real**. **Arquitectura de cuatro componentes que forman un bucle**: *gobernanza autónoma* (que usa IA para construir un **modelo vivo del mundo empresarial** — Quién / Qué / Cómo — por analogía explícita con el modelo del mundo de un coche autónomo), *captación de eventos* (señales de servidor, cliente y **actividad del agente**: prompts, planes de ejecución, invocaciones de herramientas), *reasoning engine* (IA jerárquica, **rápido** para ABAC en el momento del acceso y **lento** para la inferencia sobre una secuencia de acciones; veredicto *allow / deny / challenge*), e **infraestructura de desafío** (**desafíos** reversibles — justificación, toque de llave de seguridad, aprobación, **selfie** — frente a **contenciones** duraderas, levantadas a veces solo tras entrevistar al empleado y a su responsable por parte del equipo de seguridad). **El movimiento de diseño central es la división floor/ceiling**: **políticas estáticas** (el suelo, verificable estáticamente) bajo un **reasoning engine** dinámico (el techo) — un rechazo explícito de un modelo *«totalmente dinámico y difícil de verificar estáticamente.»* **El vector de ataque señalado**: la **ambient authority**, el agente que hereda los permisos completos, a menudo sobreaprovisionados, de su humano. **Tres reservas señaladas**: se trata de un **vision paper, no de un relato de guerra** — cero métricas de producción, cero tasa de falsos positivos, cero escala de despliegue, mientras que [[uber-engineering-agent-identity-crisis-zero-trust-spire-2026-05-21]] había publicado una P99 < 40 ms y miles de agentes en producción dos meses antes; una **incoherencia interna de orden de magnitud** (decenas de millones de acciones/s en el planteamiento del problema frente a miles de decisiones/s en el resumen y la conclusión); y un **punto ciego europeo considerable** — el sistema descrito es también un dispositivo de vigilancia de empleados (selfie, señales del lado cliente, comparación de referencia con el grupo de pares), sin una sola línea sobre el RGPD, la proporcionalidad o los órganos de representación de los empleados.
#Beyond Zero#BeyondCorp#zero trust
**Joseph Valente** — Director of Product Management · en charge des efforts de sécurité entreprise au sein d'**Alphabet Security** ; son périmètre couvre l'ensemble des business units d'Alphabet (Google Ads, DeepMind, YouTube, Devices, Cloud). Précédemment à l'origine de ce qui est devenu le **Sovereign Cloud de Google** (l'offre de compute souverain de Google Cloud) — détail notable pour un lectorat européen. Avant Google : cofondateur de Pathify et Ebla · passage par Bain & Company.
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)
Replit — agente de IA fuera de control: eliminación de una base de datos de producción durante una congelación de código, incidente grave (Tom's Hardware)
#inteligencia artificial#plataforma de codificación con IA#Replit
Artículo del blog de Sierra (10 de diciembre de 2024, Elliot Greenwald) que expone el **texto fundacional del *outcome-based pricing*** para agentes de IA. **Tesis pivote**: los agentes de IA que ejecutan procesos de forma autónoma hacen posible un **modelo de precios completamente nuevo** — ***"solo pagas cuando el software logra resultados específicos y valiosos: outcome-based pricing."*** El artículo traza una **genealogía en cuatro eras de los precios del software**: (1) **software en caja precintada** (años 80-90, la caja de disquete/CD-ROM en Fry's Electronics — *"Lo hayas usado o no, lo pagabas"*) → (2) **SaaS / precios por asiento** (pionero por **Salesforce**, seguido por Google/Microsoft/Adobe — Internet hace posible vender el software *como servicio*) → (3) **precios por consumo** (**Amazon/AWS** y **Snowflake** — *"se cobraba solo por lo que se usaba"*) → (4) **precios por resultado** (agentes de IA). **Definición canónica**: ***"el outcome-based pricing está vinculado a impactos empresariales tangibles — como una conversación de soporte resuelta, una cancelación evitada, un upsell, un cross-sell, o cualquier número de resultados valiosos. Si la conversación queda sin resolver, en la mayoría de los casos, no hay cargo."*** **Principio de incentivos alineados**: ***"Con el outcome-based pricing, Sierra solo cobra cuando completamos una tarea para ti. Nuestros incentivos están alineados."*** **Crítica del precio por asiento y el concepto de *shelfware***: *"Los asientos no utilizados permanecen ociosos en un proverbial estante de tienda, de ahí el apodo despectivo 'shelfware'"* — se pagan miles de dólares al año por licencia, se use o no. **Conflicto estructural para los Fournisseurs CX legacy**: sus ingresos dependen del precio por asiento, y sin embargo *"cuanto más eficaz se vuelve su IA, menos asientos de centro de contacto necesitan sus clientes — socavando el propio modelo de ingresos del proveedor"* — un agente de IA eficaz **canibaliza** el modelo de ingresos de un proveedor cuyos precios se basan en asientos. **Granularidad del resultado**: una distinción entre **resoluciones simples** (responder una pregunta) y **resoluciones complejas** (gestionar un caso que requiere una llamada L2 de 20 minutos); las **escaladas por lo general no generan cargo**; es posible un **precio combinado (blended)** (por ejemplo, por consumo para interacciones de enrutamiento/saludo). **Compromiso de optimización continua** por parte del proveedor: *"seguimos desplegando optimizaciones concertadas y dirigidas para refinar el rendimiento del agente con el tiempo"* — el proveedor permanece alineado para mejorar el rendimiento ya que solo se le paga por el resultado. Relevancia: planteado a **finales de 2024**, este artículo **precede y fundamenta** todo el debate de 2026 sobre la economía agéntica — aporta el **vocabulario de la unidad de facturación** (el *resultado* completado en lugar del asiento, el uso o el token) que más tarde retomarán Gupta (*coste de un resultado completado*, *atribución token-a-resultado*), Bain (*el outcome-based pricing desplaza los ingresos de asientos fijos hacia la economía de mano de obra/operaciones*), Ng (*poder de fijación de precios anclado en el salario del empleado sustituido*). Con Sierra como el **ejemplo de referencia** citado por Bain (*resolución autónoma de incidencias de clientes*), este texto ofrece la **visión desde el lado del proveedor** de la mecánica que otros analizan desde el lado del comprador. Directamente relevante para el posicionamiento de la firma en **entrega agéntica / precios basados en valor** y para el bloque de **Cost Optimization** (la contraparte del lado proveedor del *coste por resultado*).
#outcome-based pricing#precios basados en resultados#agentes de IA
**Elliot Greenwald** — Sierra (entreprise fondée par Bret Taylor & Clay Bavor, plateforme d'agents IA conversationnels pour l'expérience client). Billet publié sur le blog Sierra le **10 décembre 2024**. Sierra est l'**exemple-référence** cité par Bain (*The $100-Billion SaaS Opportunity*) pour l'*autonomous customer issue resolution* · et fait l'objet de plusieurs fiches du dossier (recrutement AI-native, interview Plan/Build/Review).