Radar de inteligencia artificial
xArtisans · Edición diaria
6 septiembre 2026

Edición asistida por IA, revisada y publicada bajo la responsabilidad editorial de Xavier Luque / xArtisans.

El futuro también caduca

1000 días
que nos quedan

Fotos, aceras y montaña: la IA actúa en el mundo y obliga a comprobar dónde termina su criterio

Cómo leer este reloj

Un contrato de siete años, permisos antes de compartir recuerdos y un rescate en el monte Shasta desplazan la pregunta: ya no basta con saber qué puede hacer una IA, hay que decidir cuándo fiarse.

La portada de hoy

La IA sale del chat; el criterio no la sigue

Robots de reparto que ya trabajan en campus, un agente que entra en Google Photos y tres excursionistas rescatados después de planear con Gemini muestran la distancia entre actuar y saber cuándo detenerse.

🎧 El día en vozEl resumen del día contado por Alba · 3 min 57 sVoz sintética generada con IA · Alba I.
La viñeta del día
Viñeta diaria de Sol con el contador exacto QUEDAN 620 DÍAS DE 1000

El robot lleva la comida, Spark ordena los recuerdos y Gemini calcula el bocadillo justo para volver en helicóptero. · Sol

Viñeta · Sol · Imagen generada con IA · Dirección editorial xArtisans.

Lo que hoy hace correr el reloj

Robótica · operación

Los robots llegan a la acera; ahora empieza el turno de mantenimiento

Robot.com y Sodexo firman siete años: la autonomía comercial se medirá en horas útiles, intervención y coste.

La robótica de reparto suele presentarse como una carrera por construir la máquina más llamativa. El acuerdo anunciado por Robot.com y Sodexo obliga a mirar una capa bastante menos fotogénica y mucho más decisiva: la operación. Las dos compañías han firmado un contrato comercial de siete años que amplía una relación iniciada en 2021 en campus universitarios de Norteamérica gestionados por Sodexo. No es una prueba de una tarde ni una promesa sin calendario. Es un compromiso prolongado para mantener robots trabajando entre estudiantes, peatones, pedidos, bordillos y horarios reales.

La información procede de The Robot Report, que entrevistó a Felipe Chavez Cortes, cofundador y consejero delegado de Robot.com. La empresa, fundada como Kiwibot en 2017, afirma haber desplegado más de 500 robots R-Kiwi y haber completado 2,4 millones de tareas en campus y aceras urbanas. Son cifras comunicadas por la compañía, no una auditoría independiente, y conviene conservar esa distinción. Aun así, describen una escala que permite evaluar algo más útil que la calidad de una demostración: si el sistema puede repetir el servicio suficientes veces como para sostener un contrato empresarial.

El campus como laboratorio imperfecto

Los campus son un terreno intermedio. Están al aire libre y tienen tráfico humano, pero no concentran toda la complejidad de un centro urbano. Cortes los define como un buen entorno de preparación precisamente por esa mezcla: hay personas y obstáculos, aunque el espacio es más previsible que una ciudad. Para una empresa de robótica, esa regularidad relativa permite aprender sin fingir que el mundo real es una pista cerrada. Para Sodexo, permite probar si una entrega autónoma resuelve una necesidad concreta en lugares donde faltan trabajadores y las distancias internas son relevantes.

El contrato no significa que todos los campus de Sodexo vayan a recibir robots ni que el modelo económico esté demostrado en cualquier ciudad. El brief habla de una ampliación en campus seleccionados, y la cobertura no detalla cuántas ubicaciones nuevas entrarán ni cuál es el valor económico del acuerdo. La duración es una señal de confianza comercial, pero no sustituye esas cifras. Tampoco elimina el precedente de empresas que han reducido entregas universitarias para concentrarse en otros mercados. La noticia importante no es que la categoría ya haya ganado, sino que un operador insiste en ella después de cinco años de aprendizaje conjunto.

La autonomía también tiene personas detrás

Robot.com explica que mantiene sus máquinas con una arquitectura por capas. Hay atención en el lugar, teleoperación y asistencia de agentes de IA. Esa descripción rebaja una fantasía frecuente: un robot autónomo no es necesariamente una caja que sale sola y vuelve sola. La autonomía comercial incluye observación, intervención, conectividad, mantenimiento y un protocolo para decidir cuándo una persona debe tomar el control. La métrica que Cortes dice vigilar es el número de horas operativas que generan ingresos, porque una máquina inmóvil puede ser técnicamente interesante y económicamente inútil.

Según el ejecutivo, la flota acumuló un cuarto de millón de horas generadoras de ingresos durante la primera mitad de 2026 y la empresa aspira a llegar pronto al millón de horas anuales. De nuevo, son datos corporativos. Su valor editorial está en mostrar qué se mide cuando termina la presentación: disponibilidad, coste por hora, capacidad de intervención y servicio entregado. El número de robots importa menos si una parte sustancial permanece parada, necesita rescates continuos o genera más gasto de supervisión que valor operativo.

La plataforma Remi reúne, según Robot.com, robótica clásica, software de terceros y tecnología publicitaria. La publicidad permite sumar ingresos a los de la entrega y mejorar la economía del despliegue. Ese detalle explica que el robot no sea sólo un vehículo: también es una pantalla que circula por un espacio semipúblico. La mezcla abre preguntas legítimas sobre convivencia, atención y gobernanza del campus. La fuente no ofrece datos sobre contenidos publicitarios, privacidad o reparto de ingresos, así que no corresponde completar esos huecos. Sí corresponde anotarlos como parte del producto real.

Ruedas antes que piernas

La empresa prepara además R-Dog, un cuadrúpedo con ruedas y patas que podría subir escaleras, entrar en vehículos y dejar paquetes sin que el receptor abra un compartimento. También trabaja en un humanoide con base de ruedas. Son planes de cartera, no el objeto probado por el contrato actual. Cortes reconoce que hoy una plataforma con ruedas ofrece la combinación de rendimiento, fiabilidad y coste que necesitan sus clientes. La comparación es útil porque devuelve la innovación a una pregunta sencilla: qué forma permite trabajar más horas por menos dinero sin empeorar la seguridad.

Robot.com afirma colaborar con Field AI y Physical Intelligence para objetivos de seguridad a medida que entra en entornos más exigentes. La cobertura no aporta indicadores de accidentes, tasa de intervención ni metodología de evaluación, por lo que sería excesivo convertir la colaboración en certificación. En despliegues físicos, la ausencia de esos datos pesa. Los robots comparten espacio con personas que no han aceptado participar en una prueba y que no deberían cargar con el coste de una autonomía inmadura.

Lo que demuestra y lo que aún debe demostrar

El acuerdo demuestra que la robótica de acera puede superar la fase de piloto corto para al menos dos socios que llevan años trabajando juntos. También revela el conjunto de piezas necesarias: cliente con volumen, entorno acotado, soporte local, teleoperación, software de implementación y una cuenta de resultados que no dependa de una sola fuente de ingresos. No demuestra cobertura universal, autonomía plena ni rentabilidad del mercado completo.

La prueba verdadera llegará en la repetición silenciosa. Que la comida llegue cuando llueve, que el robot no bloquee el paso, que una avería tenga respuesta y que el coste de cada intervención no devore el margen. La robótica deja de ser una demo cuando la conversación ya no gira alrededor de si el aparato sabe moverse, sino de quién lo mantiene, quién responde cuando falla y cuántas horas útiles produce. Siete años dan tiempo suficiente para que esas respuestas dejen de ser promesas.

Fuente: The Robot Report, 4 de septiembre de 2026

Leer el artículo →
Producto · memoria

Gemini Spark entra en la fototeca y los permisos pasan a ser producto

Google permite encadenar búsqueda, edición, álbumes y mensajes, con copias, privacidad por defecto y confirmaciones.

Google Photos contiene mucho más que imágenes bonitas. Guarda rostros, lugares, horarios, recibos, matrículas, rutinas familiares y años enteros de memoria personal. Por eso la nueva integración documentada por Google para Gemini Spark merece atención: el agente ya no se limita a describir una fotografía. Puede encadenar búsquedas, selección, edición, creación de álbumes, redacción de mensajes y tareas programadas a partir de una sola instrucción. La comodidad es evidente. También lo es la necesidad de saber exactamente en qué momento una sugerencia se convierte en una acción.

La fuente primaria es la ayuda oficial de Gemini Apps. Google explica que la función se está desplegando gradualmente y puede no estar disponible todavía. Requiere tener al menos 18 años, estar en Estados Unidos —con algunas regiones excluidas—, ser elegible para Gemini Spark y conectar Google Photos a Gemini Apps. Por ahora sólo funciona en inglés, desde la aplicación móvil de Gemini o en gemini.google.com. Estos límites son parte de la noticia: no estamos ante una capacidad universal ya presente en todas las cuentas.

De encontrar una foto a completar un flujo

La diferencia entre un buscador y un agente aparece en la secuencia. Un usuario puede pedir que encuentre las quince mejores imágenes de un viaje, mejore las tomadas en la playa, las coloque en un álbum compartido y prepare un correo con el enlace. También puede programar tareas recurrentes, como seleccionar cada fin de semana las mejores fotos de comida, crear un collage y añadirlo a un álbum. Otra posibilidad combina la imagen de un cartel de conciertos con Google Calendar para comprobar qué fecha está libre.

Cada acción aislada ya existía de alguna forma: buscar, editar, ordenar, consultar el calendario o redactar un mensaje. La novedad es que Spark coordina varias herramientas y conserva el objetivo entre pasos. Eso reduce fricción, pero también concentra decisiones. Elegir “las mejores” fotografías implica un criterio opaco; identificar duplicados puede descartar variaciones que el usuario valora; extraer texto de una imagen puede convertir información visual en datos reutilizables por otra aplicación. El agente no sólo responde sobre el archivo: lo reorganiza.

Google establece tres frenos concretos. Las imágenes originales no se sobrescriben; cualquier edición produce una copia guardada en Photos. Los álbumes nuevos son privados por defecto. Y Gemini pide permiso antes de acciones como crear álbumes compartidos o enviar correos. Son decisiones de producto importantes porque separan lo reversible de lo que afecta a terceros. Una edición puede deshacerse conservando el original; un enlace enviado o una imagen compartida ya ha abandonado el espacio privado.

La confirmación importa más que el verbo mágico

Una interfaz conversacional tiende a esconder la maquinaria. El usuario escribe “ordena”, “comparte” o “envía”, y el sistema resuelve pasos que antes eran visibles. La confirmación final devuelve parte de esa visibilidad, pero su calidad dependerá de qué enseña: el destinatario exacto, el conjunto de fotos, el tipo de álbum y el texto que saldrá. La documentación confirma que existe permiso previo en ciertas acciones, aunque no describe aquí cada pantalla ni todos los casos límite. No conviene atribuirle garantías que la página no especifica.

También existe una diferencia entre acceso autorizado y criterio correcto. Conectar Photos permite al agente trabajar con el archivo, pero no le explica por qué una captura borrosa es emocionalmente importante, qué persona no quiere aparecer en un álbum compartido o qué documento fotografiado contiene información sensible. Un modelo puede clasificar por nitidez, composición o similitud sin compartir las prioridades del dueño. Cuanto más eficaz sea la automatización, más fácil será aceptar su selección sin revisar lo que ha quedado fuera.

Las tareas recurrentes añaden otra capa. Una instrucción programada puede seguir funcionando cuando el usuario ya no recuerda haberla creado. Gestionar recibos, resúmenes mensuales o álbumes familiares en segundo plano resulta útil precisamente porque desaparece de la atención cotidiana. Por la misma razón, el producto debería facilitar ver qué automatizaciones están activas, cuándo se ejecutaron, qué cambiaron y cómo detenerlas. La ayuda enlaza la documentación general de horarios, pero la página de Photos no detalla un registro completo de actividad.

Memoria personal y aplicaciones conectadas

La capacidad de cruzar datos entre aplicaciones amplía el valor del sistema y su superficie de riesgo. Una foto de un programa puede consultar Calendar; el texto de una imagen puede terminar reformateado en un documento; un álbum puede convertirse en un correo. No hay motivo para suponer que todo cruce sea inseguro, ni la fuente presenta una incidencia de privacidad. El punto verificable es otro: el alcance ya no se limita a una biblioteca. La acción puede continuar en servicios conectados, y por eso los permisos deben entenderse como una cadena, no como un único botón inicial.

Google ofrece centros de privacidad para Gemini Apps y para las funciones de Gemini en Photos, pero esta pieza no sustituye la lectura de esas políticas. La documentación operativa dice qué puede hacer Spark y qué confirmaciones aplica; no responde por sí sola a todas las preguntas sobre retención, uso de datos o trazas de ejecución. Para trabajo sensible, esa diferencia entre función y política no es burocracia: determina si la comodidad encaja con el contexto.

Un agente útil necesita bordes visibles

Gemini Spark muestra una dirección clara del producto: convertir archivos personales en materia operativa. En lugar de pedir una foto y terminar, el usuario delega un objetivo. El sistema busca, transforma, organiza y prepara la distribución. Eso puede ahorrar una hora de trabajo doméstico, pero también puede multiplicar un error con la misma eficiencia.

Los mejores elementos de la implementación descrita no son los más espectaculares. Son la copia en vez de sobrescribir, la privacidad por defecto y la confirmación antes de compartir o enviar. La prueba real será comprobar si esos frenos siguen siendo comprensibles cuando una tarea contiene muchos pasos y se repite en segundo plano. Un agente doméstico no gana confianza porque pronuncie bien el nombre de un álbum. La gana cuando deja claro qué vio, qué decidió, qué cambió y qué todavía depende de una persona.

Fuente: Google Gemini Apps Help, consultada el 6 de septiembre de 2026

Leer el artículo →
Seguridad · criterio

La montaña no acepta prompts: tres rescatados tras planear con Gemini

El grupo llegó a la cima siete horas después del límite recomendado y pasó la noche en Mud Creek Canyon.

Tres excursionistas tuvieron que ser rescatados esta semana en el monte Shasta, California, después de usar Gemini para preparar la salida. La frase invita a un titular fácil: la IA los mandó a la montaña y la montaña devolvió el error. Los hechos conocidos son más precisos y, por eso mismo, más útiles. Según la información publicada por TechCrunch a partir del Chicago Tribune y de un informe de la oficina del sheriff del condado de Siskiyou, los tres jóvenes salieron a las tres de la madrugada, alcanzaron la cumbre a las siete de la tarde y trataron de descender de noche.

La recomendación habitual es dar la vuelta si no se ha llegado a la cima al mediodía. El grupo siguió durante siete horas más, llamó después a la oficina del sheriff para pedir indicaciones y pasó la noche en Mud Creek Canyon. A la mañana siguiente fue localizado por guardabosques del Servicio Forestal y voluntarios. La oficina del sheriff señaló que Gemini les había recomendado llevar mucha menos comida y agua de la necesaria, especialmente cuando una ascensión prevista de ocho horas acabó convirtiéndose en una situación de varios días.

Una cadena de decisiones, no una causa mágica

No está claro que Gemini pueda cargar con toda la responsabilidad. TechCrunch lo dice expresamente y la prudencia importa. Una noticia breve no permite reconstruir el prompt, la respuesta completa, las advertencias mostradas, la experiencia del grupo, la previsión meteorológica que consultó ni por qué decidió continuar después de la hora límite. Tampoco demuestra un fallo general de todos los planes generados por el modelo. Presentar el rescate como un experimento controlado sería convertir una advertencia real en propaganda inversa.

Lo que sí documenta el caso es una combinación peligrosa: información insuficiente, un plan físico con márgenes estrechos y una voz digital capaz de sonar segura. Llevar menos agua y comida no fue el único punto de la cadena. También hubo una salida, un ritmo, una decisión al mediodía, otra al llegar a la cumbre al anochecer y un descenso que ya no podía hacerse con las condiciones previstas. La asistencia de IA entra en esa cadena, pero no elimina la obligación humana de revisar el terreno y abandonar un objetivo cuando los supuestos iniciales dejan de cumplirse.

La pantalla no conoce la mochila

Un modelo conversacional puede resumir rutas, comparar listas y proponer un horario. No puede ver el peso real de la mochila, medir la fatiga del caminante ni comprobar por sí solo que cada cantimplora está llena. Tampoco presencia un cambio de tiempo o el deterioro de una persona. Puede trabajar con datos, pero su respuesta no equivale a observación directa. La fluidez del lenguaje borra esa diferencia porque una lista bien redactada se parece demasiado a la instrucción de alguien que sí ha recorrido el camino.

La oficina del sheriff dio una recomendación concreta: llamar antes de la salida a la estación local de guardabosques del Servicio Forestal del monte Shasta para obtener información precisa y no depender únicamente de la IA para planificar. No pide prohibir una herramienta. Establece una jerarquía de fuentes. En una actividad donde importan las condiciones locales y el momento exacto, la autoridad cercana al terreno debe pesar más que una síntesis genérica. Una respuesta de Gemini puede servir como borrador de preguntas; no debería ser la última comprobación.

La regla del mediodía cumple además una función que muchos sistemas automáticos gestionan mal: activar una renuncia. Un plan no sólo debe decir cómo alcanzar una meta; debe definir cuándo dejar de intentarlo. Si la ascensión estaba calculada para ocho horas y la cumbre llegó dieciséis horas después de la salida, el escenario original ya había desaparecido. Continuar convierte cada reserva —luz, energía, comida, agua y temperatura— en una deuda. Ninguna precisión verbal compensa esa aritmética.

Diseñar recomendaciones para que puedan fallar

Las aplicaciones de IA suelen medir si la respuesta parece útil en el momento de leerla. En seguridad física hace falta otro criterio: qué ocurre cuando la recomendación es incompleta, el usuario interpreta mal una cifra o el entorno cambia. Un sistema responsable debería empujar hacia fuentes oficiales, hacer visibles sus límites y evitar cantidades tajantes cuando no conoce variables básicas como peso, experiencia, ruta exacta o condiciones. Esta noticia no detalla la interfaz ni permite afirmar qué advertencias ofreció Gemini, así que esas medidas son una exigencia editorial, no una descripción del producto usado por el grupo.

También conviene resistir la idea de que añadir una frase genérica —“consulta a un profesional”— resuelve todo. Las advertencias rutinarias se vuelven invisibles. En un plan de montaña, la fricción útil podría estar dentro de la tarea: pedir fecha, itinerario, previsión, nivel del grupo y fuentes oficiales; recordar una hora de retorno; separar mínimos conservadores de estimaciones; y exigir confirmación de que se ha consultado al servicio local. Cuanto mayor sea el riesgo, menos debería parecerse la respuesta a una orden completa lista para ejecutar.

Autoridad sin responsabilidad

El problema de fondo no es que la IA “alucine” en abstracto. Es la asimetría entre autoridad percibida y responsabilidad real. El chatbot presenta una recomendación con una voz coherente, pero no carga agua, no llama al rescate y no responde por la decisión de seguir. El usuario conserva la responsabilidad aunque la interfaz le haga sentir que ha consultado a una entidad informada. Esa distancia es soportable al elegir una receta; se vuelve crítica cuando el coste del error es una noche expuesto en la montaña.

El rescate terminó con la intervención de personas e instituciones: la oficina del sheriff, guardabosques y voluntarios. La tecnología no desaparece de la escena, pero su posición correcta queda clara. Puede ayudar a ordenar información antes de salir. La decisión final necesita datos locales, redundancia y límites previamente acordados. Y cuando el plan deja de coincidir con el reloj, el terreno o las reservas, la respuesta inteligente no es pedir a la pantalla una justificación mejor. Es darse la vuelta.

Fuente: TechCrunch, 5 de septiembre de 2026

Leer el artículo →

Más noticias del día

El resto del pulso
Código · evaluación

SWE-Gate: pasar los tests no equivale a obedecer el encargo

El estudio analiza 303 reparaciones en repositorios Python y encuentra que 221 de 644 parches que pasaban los tests funcionales incumplían restricciones explícitas de revisión. Son resultados de los autores, no una certificación de todos los agentes; la lección práctica es concreta: calidad de software es prueba funcional más requisitos, seguridad y revisión. Única pieza técnica profunda del día.

El estudio analiza 303 reparaciones en repositorios Python y encuentra que 221 de 644 parches que pasaban los tests funcionales incumplían restricciones explícitas de revisión. Son resultados de los autores, no una certificación de todos los agentes; la lección práctica es concreta: calidad de software es prueba funcional más requisitos, seguridad y revisión. Única pieza técnica profunda del día.

Abrir la fuente del día

Leer el artículo →
Hardware · IA local

AMD vende IA personal con cómputo, memoria y control de datos

La intervención sitúa la promesa de IA personal en tres capas: cómputo local, privacidad/control y contexto. Es discurso de fabricante, no benchmark independiente; sirve para ver hacia dónde se mueve el hardware de consumo y qué requisitos físicos esconde la palabra ‘personal’.

La intervención sitúa la promesa de IA personal en tres capas: cómputo local, privacidad/control y contexto. Es discurso de fabricante, no benchmark independiente; sirve para ver hacia dónde se mueve el hardware de consumo y qué requisitos físicos esconde la palabra ‘personal’.

Abrir la fuente del día

Leer el artículo →
Coste · IA local

Comprar un Mac Studio o pagar suscripciones no es la misma factura

El vídeo contrapone el coste de varias suscripciones de programación con comprar hardware local y propone separar tareas por coste y privacidad. Parte de un caso y de precios cambiantes; la idea aprovechable es no mezclar en una sola factura la experimentación local, el trabajo sensible y las llamadas de frontera.

El vídeo contrapone el coste de varias suscripciones de programación con comprar hardware local y propone separar tareas por coste y privacidad. Parte de un caso y de precios cambiantes; la idea aprovechable es no mezclar en una sola factura la experimentación local, el trabajo sensible y las llamadas de frontera.

Abrir la fuente del día

Leer el artículo →
Producto · revisión

Fable 5.1 entrega la pieza; alguien todavía debe revisar la inversión

El autor enseña pruebas de generación de película, modelo financiero y presentación a partir de instrucciones cortas. Es una demostración editorial, no una evaluación independiente. Lo interesante no es el número de segundos de vídeo: es la cadena de revisión que hace falta cuando un encargo mezcla imagen, hojas de cálculo y decisiones de inversión.

El autor enseña pruebas de generación de película, modelo financiero y presentación a partir de instrucciones cortas. Es una demostración editorial, no una evaluación independiente. Lo interesante no es el número de segundos de vídeo: es la cadena de revisión que hace falta cuando un encargo mezcla imagen, hojas de cálculo y decisiones de inversión.

Abrir la fuente del día

Leer el artículo →
Acceso · eficiencia

Spotify desvía el trabajo rutinario y reduce tokens en un caso interno

Su artículo propone enrutar lecturas y patrones repetitivos a Gemini 2.5 Flash, reservando el modelo de frontera para razonamiento complejo. Reporta cerca de un 90% menos de tokens en lectura masiva dentro de un monorepo Java: es un resultado interno y no una rebaja de API, pero ilustra que la factura depende de qué tarea mandas a cada modelo.

Su artículo propone enrutar lecturas y patrones repetitivos a Gemini 2.5 Flash, reservando el modelo de frontera para razonamiento complejo. Reporta cerca de un 90% menos de tokens en lectura masiva dentro de un monorepo Java: es un resultado interno y no una rebaja de API, pero ilustra que la factura depende de qué tarea mandas a cada modelo.

Abrir la fuente del día

Leer el artículo →
Acceso · infraestructura

NaN comparte GPU y publica la cuota; los límites siguen a la vista

La web describe una comunidad legal de GPU compartida, API compatible con OpenAI y modelos abiertos. La tarifa es fija, pero no significa recursos infinitos: publica cuotas mensuales para varios modelos y plazas limitadas por capacidad. Es una alternativa de infraestructura compartida, no una cuenta prestada ni una promesa de ‘gratis’.

La web describe una comunidad legal de GPU compartida, API compatible con OpenAI y modelos abiertos. La tarifa es fija, pero no significa recursos infinitos: publica cuotas mensuales para varios modelos y plazas limitadas por capacidad. Es una alternativa de infraestructura compartida, no una cuenta prestada ni una promesa de ‘gratis’.

Abrir la fuente del día

Leer el artículo →
Investigación · fuentes

Papers del día

Las cuatro piezas técnicas y periodísticas del brief cerrado, con fuentes verificadas y radar completo.

Sodexo lleva más robots de reparto a los campus: la robótica deja de ser demo cuando llega a la acera

Robot.com y Sodexo amplían el despliegue de robots autónomos de reparto en campus universitarios. Es una noticia de operación física, no un vídeo de laboratorio: la prueba relevante es la convivencia con peatones, pedidos, clima y mantenimiento. La información procede de la cobertura sectorial; conviene seguir el despliegue real y no confundir acuerdo con cobertura total.

Abrir la fuente

Gemini Spark ya puede convertir una biblioteca de fotos en una tarea con permisos y frenos

La documentación oficial confirma flujos de varias etapas sobre Google Photos: buscar, ordenar, editar copias, crear álbumes y programar tareas. El acceso se está desplegando gradualmente, por ahora sólo en EE. UU., en inglés y para usuarios elegibles; antes de compartir o enviar, Spark pide confirmación. Es producto disponible con límites, no una promesa genérica de agente personal.

Abrir la fuente

Un grupo de excursionistas acabó rescatado tras seguir un plan hecho con Gemini

TechCrunch recoge que la oficina del sheriff atribuyó el problema a recomendaciones de Gemini que dejaban al grupo con menos comida y agua de la necesaria. La historia no demuestra por sí sola una causa técnica ni sustituye la investigación oficial, pero sí aterriza un riesgo humano: una respuesta fluida no es un plan de seguridad para terreno, meteorología y autonomía real.

Abrir la fuente

SWE-Gate recuerda que pasar los tests no equivale a obedecer el encargo

El estudio analiza 303 reparaciones en repositorios Python y encuentra que 221 de 644 parches que pasaban los tests funcionales incumplían restricciones explícitas de revisión. Son resultados de los autores, no una certificación de todos los agentes; la lección práctica es concreta: calidad de software es prueba funcional más requisitos, seguridad y revisión. Única pieza técnica profunda del día.

Abrir la fuente

Hemeroteca · repositorio

Vídeos y ediciones anteriores

Ediciones anteriores

  1. 05 sepLa IA se paga con datos, se prueba en privado y tropieza con su propio cableado
  2. 03 sepUn robot de 1.688 dólares, Gemini Flash y el precio real de dejar que la IA entre en casa
  3. 02 sepLa IA se mete en el cuerpo, en el vídeo y en el historial clínico; la factura sigue eligiendo bando
  4. 01 sepUn robot con cuerpo, acceso local y la factura que no sale en la demo
  5. 30 agoLa IA sale a la pista, escucha mejor y obliga a mirar quién vigila el clic
  6. 29 agoLa seguridad de la IA empieza a automatizarse justo cuando los agentes salen del chat
  7. 28 ago
  8. 27 agoLa carrera agéntica ya no se gana sólo con un modelo: se gana con memoria, entorno y frenos
  9. 26 agoLa ventaja agéntica se está mudando del modelo al sistema que lo hace trabajar
  10. 25 agoEl agente ya migra repositorios enteros; el problema es que casi nunca termina bien
  11. 24 agoEl agente se abarata por fases, pero sigue necesitando una autoridad que diga ‘esto está bien’
  12. 23 agoDomingo sin gran anuncio: el trabajo agéntico sigue ganándose en el arnés, no en el titular
  13. 22 agoEl agente aprende del trabajo real; la autonomía sigue necesitando pruebas y llaves cortas
  14. 21 agoLos agentes empiezan a aprender del trabajo real; la factura sigue dependiendo del arnés
  15. 20 agoLa carrera agéntica se juega en el arnés: aprender, corregirse y pagar la infraestructura sin incendiar la factura
  16. 18 agoLo que el agente no tiene delante, se lo inventa: la frontera mide hoy la disponibilidad del dato
  17. 16 agoLa IA ya no vende solo modelos: compra el código, marca las palabras y multiplica el daño
  18. 15 agoLos agentes aprenden a recordar y replicar; el negocio aprende a cobrar el acceso
  19. 14 agoLa frontera agéntica aprende que el arnés también piensa —y también falla
  20. 13 agoLa frontera agéntica descubre que el control vale más que otra capa de autonomía
  21. 12 agoLos agentes aprenden a evolucionar, pero la factura se decide en la arquitectura
  22. 11 agoLa frontera agéntica se desplaza del modelo al sistema que lo controla
  23. 10 agoLos agentes empiezan a borrar memoria, auditarse y medir el error de verdad
  24. 09 agoLa autonomía aprende a desconfiar de su propio historial
  25. 08 agoLa autonomía aprende a rendir cuentas
  26. 07 agoEl agente empieza a programar su propio arnés
  27. 05 agoLos agentes ya acumulan experiencia; todavía no saben convertirla en oficio
  28. 04 agoEl agente que no vuelve a mirar trabaja sobre un mundo que ya cambió
  29. 03 agoEl agente barato no será un modelo: será una memoria que no llama al modelo
  30. 02 agoLos agentes aprueban porque sus jueces son demasiado blandos
  31. 01 agoLa siguiente frontera no es otro modelo: es fabricar mejores tareas, recuerdos y entornos
  32. 31 julEl agente ya actúa; el problema es quién certifica que no se ha equivocado
  33. 30 julLos agentes ya hacen la ingeniería; el criterio de investigación sigue sin automatizarse
  34. 29 julSin nueva remesa de arXiv: la frontera está en verificadores externos y coste por tarea
  35. 28 julUn agente fiable necesita pruebas pegadas al estado y memoria antes de la pregunta
  36. 27 julEl agente fiable empieza por controlar el bucle, no por confiar en el modelo
  37. 26 julEl agente empieza a entrenarse dentro de su propio arnés
  38. 25 julOpus 5 convierte la frontera en herramienta diaria
  39. 24 julEl arnés ya forma parte del modelo: entrenar agentes reales exige memoria, verificación y vigilancia continua
  40. 23 julLa frontera agéntica se desplaza del prompt a la infraestructura: memoria íntegra, verificación separada y skills bajo sospecha
  41. 22 julEl agente serio ya no solo intenta: sabe cuándo insistir, cuándo escalar y a quién vigilar
  42. 21 julEl agente fiable empieza a prever las consecuencias antes de tocar la pantalla
  43. 20 julMás agentes no siempre ayudan: el cuello de botella está en lo que se pierde al pasarse el relevo
  44. 19 julEl agente deja de improvisar: memoria compartida, planes visibles y costes medidos por trabajo terminado
  45. 18 julLa IA aprende a vigilarse a sí misma: OpenAI construye un superhacker para blindar sus modelos mientras la medicina automática llama a la puerta de la consulta
  46. 17 julLos agentes dejan de ir a ciegas: estado persistente, evidencia visual y taxonomías de fallo para sistemas que ya tocan el mundo real