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**.
Análisis de **Olivier Rafal** para **WeNvision** (consultora francesa), publicado el **4 de junio de 2026** (~4 min de lectura), que comenta el lanzamiento de la **Tokenomics Foundation** por la **Linux Foundation** (anunciado el 3 de junio, en colaboración con la **FinOps Foundation**), que él considera la apertura oficial de **la era del "FinOps para la IA."** **Tesis central**: la IA ha transformado la economía del desarrollo de software; el **token** se ha convertido en *"la nueva unidad de medida del gasto tecnológico,"* haciendo eco de la nube de la década de 2010 (costes **recurrentes y variables** que requieren una gestión activa), de ahí el paso de los proveedores de la tarificación plana a la **facturación por tokens**. **Escala (urgencia)**: *"Según Goldman Sachs, se espera que el uso mundial de tokens se multiplique por 24 de aquí a 2030, alcanzando los 120 mil billones de tokens al mes"* — un orden de magnitud que hace pasar la eficiencia de los tokens de ser un *"detalle técnico"* a un tema de **consejo de administración**. Cita de **J.R. Storment** (fundador de la FinOps Foundation): *"Los costes y la eficiencia de los tokens se han convertido en una preocupación de nivel CEO, no en una nota técnica al pie de página."* **Problema de transparencia/estandarización**: los precios actuales de la IA no son comparables (tokens de entrada / sistemas de caché / salida difieren de un modelo a otro) → la Tokenomics Foundation pretende **ampliar la spécification FOCUS de código abierto** para proporcionar un **lenguaje común** de compra y comparación. **Mensaje central de Rafal (más allá del coste)**: *"El objetivo del FinOps no es tanto reducir costes como optimizar la eficiencia"* — la métrica real es el **coste de la IA en relación con el impacto de negocio** (*time to market, calidad, funcionalidades, ecodiseño*). **Límites de las normas por sí solas**: las normas técnicas no bastan; hay que **repensar el Target Operating Model** (equipos, procesos, cultura de datos, alineación con el negocio); los estadounidenses ya anuncian *"el fin de los equipos de doble pizza en favor de los equipos sándwich."* **Marcador de advertencia**: *"un SDLC potenciado por IA se limitará a […] amplificar los problemas y solo ayudará a ir más rápido... hacia el muro"* (en ausencia de bases organizativas). **Patrocinadores de la Fundación citados**: Accenture, Booking.com, Google Cloud, Microsoft, IBM, Salesforce. **Oferta de WeNvision**: *"co-construir una hoja de ruta, repensar el modelo operativo para la era agéntica y establecer la gobernanza financiera que se ha vuelto indispensable."* **Lectura en francés, dirigida a directivos/responsables de transformación**, de la ficha [[tokenomics-foundation-linux-finops-token-economics-about-2026-06-03]]; converge con el clúster de FinOps agéntico [[finops-foundation-finops-for-ai-overview-2026-02-17]], finout-finops-ai-agents-four-step-allocation-framework-2026-04-27, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (token→resultado, valor > volumen).
#Tokenomics Foundation#FinOps para la IA#FinOps para la IA
**Olivier Rafal** · pour **WeNvision** (cabinet de conseil français — bureaux à Paris, Lille, Strasbourg, Bordeaux, Nantes, Toulouse, Belgique, Luxembourg). Olivier Rafal écrit en analyste/conseil familier des préoccupations de comité de direction (ancien analyste IT, profil conseil-transformation). Publié le **4 juin 2026**.
Entrada oficial del blog **Salesforce News** (sección *Agentic Enterprise*, serie *"Pioneering the Agentic Shift Within Salesforce Engineering"*), publicada el **27 de mayo de 2026** (lectura de 6 minutos) por **Srinivas "Srini" Tallapragada**, *President and Chief Engineering and Customer Success Officer* en Salesforce. Continuación directa de una entrada anterior (*"How we got our engineers to use AI — without breaking everything"*) que relataba haber superado el **>90% de adopción**. **Tesis del giro**: Salesforce Engineering pasó de un mundo en el que la IA era un *copiloto* útil a otro en el que **las herramientas agénticas impulsan el propio ciclo de vida de desarrollo de software (SDLC)** — escribiendo código, revisando PRs, generando tests, actualizando documentación, gestionando despliegues, coordinando trabajo antes gestionado mediante traspasos humanos. **Decisión señal canónica**: estandarización a escala de la organización en **Claude Code** + ***"eliminamos todos los límites de tokens"*** — *"eliminar hasta el último resquicio de fricción entre nuestros ingenieros y las herramientas que los hacen más rápidos y más eficaces"*. **Resultado empírico mayor** (abril 2026 frente a abril 2025): elementos de trabajo completados por desarrollador **+50,8%**, PRs fusionadas por desarrollador **+79%**, y sobre todo la puntuación de **Effective Output** (una medida de ML del **valor real del código entregado**, no del volumen) **+151,3% interanual**. **Caso de uso emblemático**: migración de **33 endpoints de API** a una arquitectura cloud-native, estimada en **~231 persona-días** (7 por API) de forma tradicional, completada en **13 días — 18 veces más rápido** — mediante un **marco basado en reglas construido en Claude** (archivos markdown + implementaciones de referencia), con el feedback de las PRs realimentando continuamente el conjunto de reglas, **bucles LLM autónomos (build, fix, validate)** sin intervención manual, paralelizados en entornos aislados → **5 PRs**, la mayor de las cuales entregó **21 endpoints con 100% de cobertura de tests**. **Sin compromiso velocidad↔calidad**: a través de la plataforma **Engineering 360** (que centraliza datos de ingeniería de cientos de sistemas), **los incidentes totales caen un 5%** pese al aumento de PRs (*"la calidad no sufre por la velocidad. Se beneficia de ella"*), gracias a **barreras de seguridad y estándares de calidad estructuralmente integrados** en el flujo de trabajo agéntico (Trust como valor n.º 1). **Revisión del SDLC**: una vez adoptada la IA, los ingenieros **desmontan y reconstruyen** los flujos de trabajo (¿qué procesos eliminar? ¿qué traspasos ya son innecesarios? ¿dónde sigue un humano haciendo un trabajo que podría asumir un agente?). **Nuevo oficio de ingeniería**: las **skills de Claude Code** (capacidades empaquetadas y reutilizables que codifican el contexto del equipo, las convenciones de nomenclatura, los patrones) se convierten en un **artefacto de ingeniería** compartido y componible; **AI Expert Suite** + **Salesforce Foundation Plugins** = una biblioteca de skills institucionalizada y curada (benchmark interno: **mayor precisión y fiabilidad, coste innecesario reducido**); los **subagentes y equipos de agentes** paralelizan los flujos de trabajo (*"Describen el resultado, y un conjunto de agentes coordinados averigua los pasos"*). **Lo que sigue siendo difícil**: (1) la **gestión del contexto** en sesiones largas — la **calidad del archivo CLAUDE.md** varía mucho y pesa fuertemente en la calidad del resultado; (2) la **seguridad agéntica** = un modelo fundamentalmente distinto (agentes que *actúan*, no solo *sugieren* → mayor radio de impacto); (3) **roles en evolución** (¿cómo pasan los junior a senior si la IA absorbe el trabajo de nivel inicial? ¿papel del diseñador/PM? la unidad de ejecución = equipo scrum → experimentos con unidades de 1 o 3 personas). Conclusión: *"Cambió lo que era económicamente posible"*; la ambición declarada es **"el SDLC agéntico más automatizado del sector"**. Se cruza directamente con Gupta (*coste de un resultado completado*, utilidad marginal del token), Greenwald/Sierra (precios basados en resultados), DORA (ROI / coste por funcionalidad) y el debate BFM/Girard (el token como combustible de valor, no como coste a recortar).
#SDLC agéntico#sdlc agéntico#Claude Code
**Srinivas « Srini » Tallapragada** — *President and Chief Engineering and Customer Success Officer* de **Salesforce**. Plus d'une décennie chez Salesforce · dirige l'ingénierie mondiale de la plateforme unifiée. Auteur de la série *Agentic Enterprise* sur le blog Salesforce News ; ce billet (27 mai 2026) est la **suite** d'un premier opus consacré à l'adoption de l'IA par les milliers d'ingénieurs Salesforce (*« How we got our engineers to use AI — without breaking everything »*). Position d'autorité = **dirigeant exécutif** parlant en son nom et au nom d'une organisation d'ingénierie à grande échelle (donnée terrain à l'échelle d'un hyperscaler SaaS) · avec accès aux métriques internes (Engineering 360, Effective Output).
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).