0918 | Herramientas de IA y desarrollo que vale la pena conocer

Clara Vega: Hola y bienvenidos, soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Y hoy tenemos un programa que, más que una lista de lanzamientos, es una foto de dónde está parada la industria ahora mismo: bots que prueban otros bots, sistemas que no solo escriben código sino que operan productos completos, y toda una capa de negocio construyéndose alrededor.

Clara Vega: Exacto. Y lo que conecta todo es una pregunta muy simple: si los agentes de IA hacen el trabajo, ¿quién verifica que el trabajo esté bien hecho? Vamos a arrancar por ahí, porque es quizás la parte más interesante del momento.

Mateo Ruiz: Vamos. Hay tres productos que hablan del mismo tema desde ángulos distintos. El primero es QAgent, que automatiza el control de calidad con IA. La promesa concreta: te integras por webhook en dos minutos, evalúa en ocho dimensiones, y tiene cien pruebas gratis al mes.

Clara Vega: Dos minutos de integración es el tipo de número que a un equipo pequeño le importa mucho, porque el QA siempre ha sido de esas tareas que todos saben que deberían hacer y que en la práctica se recortan cuando hay prisa.

Mateo Ruiz: Y ahí está el valor real, si funciona como dicen. Ocho dimensiones de evaluación sugiere que no es solo "¿el bot respondió?" sino algo más estructurado. Pero ojo, es un anuncio del propio producto: que mida ocho cosas no significa que las mida bien.

Clara Vega: Justo. Y del mismo mundo viene MCPJam, que es una plataforma de pruebas y evaluación para servidores MCP. Aquí hay que contextualizar: MCP es el protocolo con el que los modelos se conectan a herramientas y datos, así que los servidores MCP son básicamente la capa con la que los agentes tocan el mundo real.

Mateo Ruiz: Y MCPJam trae cosas interesantes: "Swarms", que son usuarios simulados, user testing, evals, y compuertas de CI/CD. Ese último punto es el que más me llama la atención, porque significa que puedes poner una condición en tu pipeline: si el agente falla las pruebas, el código no pasa.

Clara Vega: Eso es exactamente cómo se prueba el software tradicional. Unit tests, integración, compuertas de despliegue. Lo que están haciendo estos tres productos es trasladar ese manual al mundo de los agentes. Y el tercero, NovaSynth, lo aplica a los agentes de voz, que son un caso especialmente delicado.

Mateo Ruiz: Porque una llamada telefónica real es un desastre controlado: te interrumpen, hay ruido de fondo, acentos variados. NovaSynth simula precisamente eso antes del lanzamiento, puntúa en más de treinta dimensiones y propone correcciones automáticas.

Clara Vega: Treinta dimensiones es más que las ocho de QAgent, aunque son problemas distintos: una es QA general y la otra es la experiencia de una llamada. Pero la idea central es la misma: no esperes al usuario real para descubrir que tu agente se rompe.

Mateo Ruiz: Ahora, hay una pregunta honesta que hay que hacer: ¿qué tan maduros están estos métodos frente al QA manual? Porque un humano evaluando una conversación capta cosas que treinta métricas pueden no captar: si suena frío, si el tono es raro, si la respuesta técnicamente correcta es un mal servicio.

Clara Vega: Y la respuesta es que nadie lo sabe todavía, o al menos el material no lo dice. Lo que sí está claro es la dirección: la industria está tratando de que probar un agente se parezca a probar software clásico, con reproducibilidad y automatización, en lugar de alguien pinchando a mano.

Mateo Ruiz: Lo cual tiene sentido cuando el número de agentes crece más rápido que el número de personas para probarlos. QAgent con cien pruebas gratis al mes te dice algo: están buscando a equipos que hoy no hacen QA estructurado de agentes en absoluto.

Clara Vega: Sí, y esa es la observación que me gustaría que la gente se lleve: no es "la IA reemplaza al tester", es "el volumen de agentes creado necesita una capa de verificación automática que hoy no existe a escala".

Mateo Ruiz: Y de verificación saltamos naturalmente a construcción, que es el otro gran tema. Porque hay un producto aquí que lleva la idea de "la IA escribe código" varios pasos más allá: The Forge.

Clara Vega: Cuéntalo, porque la descripción es ambiciosa.

Mateo Ruiz: La idea es que describes tu idea en lenguaje natural, y un equipo de IA se encarga de planificar, desarrollar, desplegar y operar el producto completo. Y "operar" ahí incluye cosas concretas: CRM, pagos, gestión de marca.

Clara Vega: O sea, no es "te genero el prototipo", es "te dejo el negocio andando". Eso es un salto grande respecto a lo que solemos ver, que son asistentes de código.

Mateo Ruiz: Y hay que tratarlo como una afirmación del fabricante, no como un resultado verificado. Decir que un equipo de IA opera pagos y CRM de un producto real es una promesa enorme. Lo que sí nos dice es hacia dónde apunta la categoría: del asistente al ejecutante.

Clara Vega: Y en la misma línea pero con un ángulo distinto está AskDeck, que es más pequeño y muy concreto. Llamas, mandas un SMS o un correo a un agente llamado Eric, le describes lo que necesitas, y en minutos te devuelve un PPTX editable más un video explicativo sincronizado.

Mateo Ruiz: Y el detalle del PPTX editable es clave, porque muchos productos de este tipo te entregan algo que no puedes tocar después. Editable significa que la IA hace el primer borrador y tú terminas. Precio: veintinueve dólares de pago único, no suscripción.

Clara Vega: Me gusta que sea un pago único porque es honesto con el caso de uso: no necesitas esto todos los días, lo necesitas cuando tienes que presentar algo. La suscripción ahí sería un mal trato.

Mateo Ruiz: Y luego está la pieza de infraestructura que hace posible que la IA no solo escriba sino ejecute: Bitrise RDE. Máquinas de desarrollo en la nube para Mac y Linux que arrancan en segundos, con el mismo hardware y la misma caché que su CI.

Clara Vega: Ese detalle de "el mismo hardware que CI" es más importante de lo que parece. Uno de los clásicos del desarrollo es "en mi máquina funciona pero en CI no". Si tu entorno de desarrollo y tu integración continua son literalmente el mismo entorno, esa clase de bug desaparece.

Mateo Ruiz: Y la función que los conecta con lo que hablábamos antes: los entornos se pueden impulsar vía MCP para correr agentes de IA en paralelo. O sea, no es un agente escribiendo código en tu laptop; son varios agentes, cada uno con su máquina, trabajando a la vez.

Clara Vega: Que encaja perfectamente con el tema de apertura: si vas a tener cinco agentes trabajando en paralelo, vas a necesitar MCPJam o algo parecido para verificar lo que hacen, y vas a necesitar máquinas como estas para que lo hagan.

Mateo Ruiz: Precio de Bitrise RDE: veinte dólares al mes. Razonable si lo comparas con lo que cuesta mantener una flota de máquinas de desarrollo propias, aunque para alguien que solo programa en su laptop sigue siendo un lujo.

Clara Vega: Y ahí es donde entra Higgsfield API, que en este bloque funciona como ejemplo de la misma filosofía llevada a los medios generativos: una sola API asíncrona que da acceso a más de cincuenta modelos, con nombres concretos como Seedance o Kling.

Mateo Ruiz: Con pago por uso y SDKs para Python y TypeScript. El patrón es idéntico a Bitrise: en lugar de integrarte con cada modelo por separado, tienes una capa única por la que pasan todos.

Clara Vega: Bueno, cerremos este bloque con la idea grande: la IA pasó de ser herramienta de escritura a ser operadora. The Forge opera productos, Eric produce entregables, Bitrise ejecuta agentes en paralelo. La pregunta que queda abierta, y no hay respuesta en el material, es qué pasa cuando algo de eso falla en producción. ¿Quién responde?

Mateo Ruiz: Buena pregunta para dejar en el aire. Y sigamos con el tercer tema, que conecta porque es la capa por debajo: infraestructura, datos y evaluación abierta. Empecemos por lo más comunitario: Compute:Arena.

Clara Vega: Es un proyecto donde la comunidad envía pruebas de benchmark de IA que corren localmente, y las herramientas de test son de código abierto, cubriendo cualquier hardware, runtime o cuantización. Y ya hay un ranking en línea.

Mateo Ruiz: Y aquí el matiz importante: lo que lo hace interesante no es el ranking en sí, sino que las herramientas de test son abiertas. Un número de benchmark cerrado es una promesa de marketing; un benchmark que cualquiera puede reproducir en su propia máquina, con su propio hardware y su propia cuantización, es otra cosa.

Clara Vega: Exacto. Y "cualquier hardware" es el punto crítico, porque el rendimiento de los modelos depende brutalmente de qué chip, qué runtime y qué nivel de cuantización usas. Un benchmark genérico no te dice nada sobre tu caso.

Mateo Ruiz: Luego está Opyt, que ataca un problema que creo que casi todos nuestros oyentes tienen: la dispersión del conocimiento. Favoritos en X, suscripciones de Substack, blogs, artículos de arXiv, todo regado por ahí.

Clara Vega: Opyt convierte todo eso en una base de conocimiento. Y lo hace con una combinación que a mucha gente le va a gustar: licencia MIT, o sea completamente abierto y gratis, puede correr localmente, y se integra con agentes de IA vía MCP.

Mateo Ruiz: Fíjate en cómo se tejen los hilos del programa: otra vez MCP. Es la tercera vez que aparece en quince minutos. Primero como protocolo para probar servidores, luego para impulsar agentes en máquinas de desarrollo, ahora para que un agente consulte tu base de conocimiento personal.

Clara Vega: Es señal de algo: el ecosistema está convergiendo en ese estándar, y los productos que se integran con él lo hacen porque les da acceso inmediato a todos los clientes de agentes que ya existen.

Mateo Ruiz: Y el contraste con Axiom es total. Axiom es una plataforma de datos de máquina a escala empresarial: ingesta sin esquema a nivel de petabytes, almacenamiento de eventos totalmente gestionado, y conserva todos los datos.

Clara Vega: "Conserva todos los datos" es una declaración que en el mundo de los datos de máquina es casi polémica, porque la práctica habitual con volúmenes así es muestrear o descartar. Si de verdad retienen todo a escala de petabytes, cambian la ecuación coste-utilidad.

Mateo Ruiz: Aunque también, tengamos cuidado: es la descripción del producto. El coste de retener petabytes de eventos no desaparece, alguien lo paga. Lo que sabemos es la arquitectura declarada, no los precios ni los resultados.

Clara Vega: Correcto. Pero el hilo común de los tres es real y vale la pena nombrarlo: Compute:Arena abre la evaluación, Opyt abre el conocimiento personal, Axiom abre la retención de datos a escala. Es infraestructura pensada para la era en que los agentes necesitan datos completos y verificación reproducible.

Mateo Ruiz: Un agente solo es tan bueno como los datos a los que puede acceder y la forma en que se le evalúa. Estos tres productos son los cimientos de eso.

Clara Vega: Y bajemos de la infraestructura a algo más cercano: aplicaciones de escritorio y móvil que se ganan el derecho a existir por identidad propia, no por tener IA dentro. Y este bloque es largo, así que vayamos con calma.

Mateo Ruiz: Empecemos por MacSentinel, que está en la categoría clásica de utilidades de Mac: monitoreo, diagnóstico local y limpieza. La diferenciación: más de quinientas reglas de aplicación, y un detalle de diseño que me parece muy bueno, la basura que limpia va primero a una papelera recuperable.

Clara Vega: Ese detalle dice mucho. Las herramientas de limpieza son de las más peligrosas del escritorio: borras algo que crees que es basura y resulta que rompía tu flujo de trabajo. Que por defecto sea recuperable es respeto por el usuario.

Mateo Ruiz: Modelo de negocio: Pro por veintinueve dólares de pago único, sin suscripción. De nuevo, el patrón del pago único que ya vimos con AskDeck y que se repite mucho en este tipo de herramientas.

Clara Vega: Sigamos con Blanc, que es quizás el más radical del bloque: un navegador minimalista y gratuito, de código abierto bajo MIT. En lugar de una barra de pestañas, una isla flotante. Y bloqueo de anuncios y rastreo a nivel de red.

Mateo Ruiz: Y la frase que lo define: sin IA, sin extensiones. En un momento en que cada navegador está metiendo un asistente en la esquina, un navegador que explícitamente dice "aquí no hay IA" es una declaración de principios.

Clara Vega: Y el bloqueo a nivel de red es importante técnicamente, porque no depende de extensiones de navegador que los sitios pueden detectar y evadir; se corta antes de que la solicitud salga.

Mateo Ruiz: Ahora, uno pequeño y muy específico: TinyKPI. Muestra indicadores de negocio, de Stripe, PostHog o Google Analytics, en el notch del MacBook. Todo corre localmente, y cuesta catorce dólares de pago único.

Clara Vega: El notch es un uso del hardware que a mí me encanta como idea: es un trozo de pantalla que Apple te regaló y que casi nadie aprovecha. Y "100% local" significa que tus cifras de ingresos no están pasando por el servidor de nadie.

Mateo Ruiz: Para el fundador que revisa métricas compulsivamente, que es un tipo de persona que existe, es la definición de producto nicho bien ejecutado.

Clara Vega: Y de ahí a Zella, que es edición de video: grabas la pantalla en Mac o iPhone y edita automáticamente, quitando silencios, añadiendo subtítulos y zoom. Todo corre localmente. Gratis en 1080p, y una versión Pro por ochenta y nueve dólares de pago único.

Mateo Ruiz: Lo del procesamiento local en video no es solo privacidad, es también coste: si todo el procesamiento fuera en la nube, o pagarías suscripción o el producto no sería viable. Ochenta y nueve dólares una vez es coherente con no tener costes de servidor por usuario.

Clara Vega: Y saltemos de Mac a móvil con Modaal, que ataca uno de los debates más viejos del desarrollo móvil: nativo contra multiplataforma. Su propuesta: de un solo proyecto generas a la vez una app nativa iOS en Swift y SwiftUI y una nativa Android en Kotlin y Compose.

Mateo Ruiz: Con la lógica compartida y la interfaz de usuario nativa en cada plataforma. O sea, no es un WebView disfrazado, no es React Native; es código nativo real en ambos lados, compartiendo la parte de negocio.

Clara Vega: Si funciona como se describe, resuelve el dilema clásico: los frameworks multiplataforma te ahorran trabajo pero te dan una experiencia que no es del todo nativa, y el nativo puro te cuesta el doble de equipos.

Mateo Ruiz: "Si funciona como se describe", repito tu matiz, porque es exactamente el tipo de afirmación que hay que verificar. Generar dos bases de código nativas desde un proyecto es una promesa técnica muy fuerte.

Clara Vega: Y para cerrar el bloque, algo completamente distinto y con humor: Die With Me. Es una lista de amigos al estilo del viejo AIM que muestra cuánto uso le queda a tus amigos de Claude Code o Codex. Y si a alguien le queda menos del veinte por ciento, puede entrar a una sala de chat.

Mateo Ruiz: Es absurdo y es brillante a la vez. Los límites de uso de los agentes de código son una angustia real para los desarrolladores ahora mismo, y convertir esa angustia compartida en una experiencia social es el tipo de idea que solo surge cuando un dolor es lo bastante universal.

Clara Vega: Encaja perfecto como cierre del bloque porque es la prueba de que la cultura alrededor de estas herramientas ya es lo bastante madura para tener sus propios chistes internos.

Mateo Ruiz: Y eso nos deja en el último tema, que es el negocio alrededor de todo esto: distribuir, cobrar y medir. Porque hemos hablado de herramientas y de infraestructura, pero ¿cómo llega todo esto a los usuarios y cómo se paga?

Clara Vega: Empecemos por distribución de la forma más literal posible: Text Agent Store, un mercado de agentes de IA para iMessage. Hay ciento treinta y siete agentes, los agregas como contacto y los usas por SMS, sin necesidad de cuenta.

Mateo Ruiz: Sin cuenta. Eso es la decisión de diseño que lo define todo. En una industria donde cada producto te pide registrarte, verificar tu correo, configurar tu perfil, esto es: el agente es un contacto en tu lista de mensajes. Le escribes, te responde.

Clara Vega: Y ciento treinta y siete agentes sugiere que ya hay una oferta diversa, aunque no sabemos la calidad de cada uno ni cómo se seleccionan. Es un mercado joven en formato totalmente antiguo, el SMS, que es interesante porque tiene alcance universal.

Mateo Ruiz: Del consumo pasamos a cobrar, y aquí está CREEM 2.0: una plataforma de cobros tipo MoR, merchant of record, para desarrolladores de IA. Cubre pagos, impuestos y reparto de ingresos en más de ciento noventa países, con facturación por uso.

Clara Vega: Explicuemos MoR para quien no lo conozca: en lugar de que tú firmes contratos con cada pasarela y te faces con la normativa fiscal de cada país, el merchant of record es el vendedor de registro y se come esa complejidad; tú te llevas tu parte.

Mateo Ruiz: Para un desarrollador de IA con productos de suscripción o de uso variable, los impuestos internacionales son un infierno real. Y el detalle que conecta con todo el programa: puedes abrir tu tienda desde un agente, vía MCP y CLI.

Clara Vega: O sea, ni siquiera abres el panel de administración: le pides al agente que monte tu tienda. Es la tesis de "la IA opera" del segundo bloque aplicada a la propia facturación.

Mateo Ruiz: Luego, medir y competir. Figo hace monitoreo semanal de la competencia: posiciones en buscadores, cambios en páginas, publicidad en Google, Meta y TikTok, redes sociales, y también menciones de la competencia en respuestas de IA.

Clara Vega: Ese último punto es nuevo y vale la pena detenerse: las respuestas que dan los asistentes de IA cuando alguien pregunta por una categoría de producto se están volviendo un canal de adquisición, y hasta ahora casi nadie medía eso de forma sistemática.

Mateo Ruiz: Formato: un informe los lunes. Es una cadencia sana, porque el monitoreo diario de competencia es ruido; semanal es accionable.

Clara Vega: Y del lado de captar inversores está Pitchfire, que es gratis: subes tu deck de financiación, la IA lo analiza y empareja con capitalistas de riesgo afines, envía correos de presentación y te recomienda tres inversores por día.

Mateo Ruiz: Tres por día es una cadencia interesante: no es "aquí tienes una base de datos de dos mil VCs", es "hoy, estos tres, y por qué". Eso fuerza un proceso de calidad sobre cantidad. Y gratis, o sea que el modelo de negocio aún está por verse.

Clara Vega: Y una advertencia honesta: que una IA diga que un VC es afín a tu deck no garantiza nada. El matching es una hipótesis; el correo de presentación automatizado puede abrir puertas o puede parecer spam. Dependerá de cómo lo usen los fundadores.

Mateo Ruiz: Y para cerrar el círculo, volvamos a Higgsfield API, que aquí juega su papel de negocio: es la capa de distribución de los modelos generativos. Cincuenta o más modelos como Seedance o Kling detrás de una sola API asíncrona, pago por uso, SDKs de Python y TypeScript.

Clara Vega: Y si lo piensas, es el mismo patrón de CREEM: hay demasiada fragmentación abajo y alguien construye la capa que la unifica. Para el desarrollador que quiere multimedia generativa en su producto, integrarse con cincuenta APIs es inviable; una sola, con pago por uso, es razonable.

Mateo Ruiz: Entonces cerremos con el mapa completo. Arriba, los agentes que hacen el trabajo: construyen, presentan, operan. Al lado, la capa que los verifica: QAgent, MCPJam, NovaSynth. Debajo, la infraestructura abierta: Compute:Arena, Opyt, Axiom. Alrededor, las apps con carácter propio, y por último, las vías de distribución y cobro.

Clara Vega: Y si tuviera que dejar una sola idea sería esta: estamos presenciando la profesionalización de la IA. Dejó de ser una demo y empezó a tener control de calidad, facturación, impuestos, benchmarks y canales de distribución. Los detalles de cada producto son afirmaciones de sus creadores que habrá que verificar con uso real, pero la dirección del ecosistema es inequívoca.

Mateo Ruiz: Y las preguntas abiertas también: qué tan lejos está esto del QA manual, qué pasa cuando la IA opera algo que falla, y quién paga el coste real de retener todos los datos. Esas respuestas no están en los anuncios; estarán en los próximos meses.

Clara Vega: Gracias por acompañarnos, soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Nos vemos en el próximo programa.