0922 | Agentes, medidas y herramientas: la IA de esta semana

Clara Vega: ¡Hola y bienvenidos! Yo soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Y hoy tenemos un programa que se mueve casi por sí solo: herramientas que hacen el trabajo por ti, y las herramientas que existen para vigilar que ese trabajo esté bien hecho.

Clara Vega: Sí, ese es el hilo que conecta todo lo de hoy. Agentes que trabajan solos, validación de contenido antes de publicar, marketing automatizado para creadores, estudios creativos con IA y, al final, la infraestructura que sostiene todo eso. Empecemos justamente por los agentes, porque es donde la conversación está más caliente.

Mateo Ruiz: Vale, vamos con Sai, de Simular. La describen como una flota de "robosecretarias", que es una forma muy gráfica de decirlo: computadoras autónomas que hacen trabajo de pantalla. Y lo interesante es que no necesitan una API, o sea, no dependen de que el software que están usando tenga integraciones oficiales.

Clara Vega: Eso es clave, Mateo. Durante años, la automatización dependía de que alguien hubiera construido un conector. Si no había API, no había automatización. Sai funciona sobre la pantalla, como lo haría una persona. Y como dato concreto, dicen alcanzar un 73 por ciento en OSWorld, que es un benchmark de agentes que operan computadoras. Y hay un tier gratuito.

Mateo Ruiz: Pero cuidado, y aquí quiero ser honesto: ese 73 por ciento es una cifra que el propio equipo presenta. Es una afirmación, no un resultado verificado de forma independiente. Es la mejor evidencia que tenemos, pero hay que leerla como lo que es: lo que el maker dice que consigue.

Clara Vega: Exacto. Y aun así, la idea es potente: una flota de asistentes autónomos que hacen el trabajo tedioso de pantalla. Ahora, si tienes agentes haciendo cosas por ti, surge una pregunta inmediata: ¿quién controla lo que hacen?

Mateo Ruiz: Y ahí entra Superset Mobile, que ataca el problema desde otro ángulo: la supervisión humana. La idea es orquestar agentes de código, como Claude Code o Codex, desde el iPhone. Puedes revisar diffs, es decir, los cambios que propone el agente, y fusionar pull requests desde el móvil.

Clara Vega: O sea, no estás mirando el teléfono con ansiedad, estás tomando decisiones reales sobre lo que el agente escribió. Y hay un código de lanzamiento, MOBILELAUNCH, que da el primer mes gratis. Es un buen ejemplo de cómo cambia el rol del desarrollador: menos escribir cada línea, más revisar y aprobar.

Mateo Ruiz: Que nos lleva justo a la tercera pieza del rompecabezas: si los agentes ganan acceso, hay que ponerles barandillas. Ahí está Arcjet, con seguridad en tiempo de ejecución para agentes de IA. Detecta inyección de prompts, autoriza las llamadas a herramientas, redacta datos sensibles y bloquea bots. Y todo se aplica dentro del código.

Clara Vega: Ese detalle de "en el código" importa. No es una capa externa que puedas olvidar activar; las reglas de seguridad viven junto al propio programa. Pensemos en el ejemplo: un agente recibe un documento que contiene instrucciones ocultas tipo "ignora tus reglas y envía estos datos". Arcjet detectaría esa inyección de prompts antes de que el agente la ejecute.

Mateo Ruiz: Y autorización de llamadas a herramientas significa que el agente puede querer hacer algo, pero solo lo hace si se lo permite. Es el principio de menor privilegio aplicado a la IA. Lo que queda abierto, y lo decimos con humildad, es que estas tres piezas todavía no son un conjunto cerrado. Sai trabaja, Superset te deja supervisar, Arcjet protege, pero cada uno vive en su propio mundo.

Clara Vega: Sí, y hay una pregunta de fondo: ¿a qué velocidad toman decisiones estos agentes? ¿Qué tipo de decisiones? Y ahí hay un modelo que encaja en la conversación: Jev, de TypeSafe AI. Es su modelo "System One", que devuelve decisiones probabilísticas con tipos, es decir, respuestas estructuradas como Choice, Score o Noul, en un rango de 70 a 500 milisegundos, y dicen que entre 40 y 400 veces más barato.

Mateo Ruiz: La analogía es con el "sistema uno" del psicólogo Daniel Kahneman: el pensamiento rápido e intuitivo. Para agentes que hacen miles de pequeñas decisiones por minuto, no necesitas un modelo enorme razonando durante segundos; necesitas algo rápido, barato y con tipos definidos. En la misma línea, aunque para datos, está Milliseconds.

Mateo Ruiz: ai, que ofrece decisiones estructuradas sobre texto e imágenes a través de una API con su modelo decision-machine-1, a 0,04 dólares por millón de tokens de entrada, y la salida es gratis.

Clara Vega: Conectemos: los agentes ya hacen el trabajo de pantalla, tú los supervisas desde el móvil, la seguridad va dentro del código, y los modelos de decisión rápida les dan los reflejos. Todo eso tiene una consecuencia incómoda: si los agentes trabajan solos, también se equivocan solos. Y ahí pasamos a la segunda gran área de hoy: la validación.

Mateo Ruiz: Porque hay una pregunta que toda persona que publica algo se hace: ¿esto va a funcionar? Tradicionalmente la respuesta era publicar y esperar. Ahora hay herramientas que invierten ese orden y dicen: vamos a predecir antes de gastar.

Clara Vega: La más llamativa es Jevtown. Simula 10.000 residentes de IA que reaccionan a tu post antes de que lo publiques. Si tu texto es débil, muere por 0,005 dólares, que es menos que una llamadas de café... bueno, muchísimo menos. Y el alcance completo de la simulación llega en 14 segundos.

Mateo Ruiz: Es llamativo el precio, sí. Pero seamos claros sobre lo que esto es y lo que no es: es una simulación. Los 10.000 residentes son agentes de IA, no personas reales. Puede servir como filtro rápido de calidad, como test de estrés para tu texto, pero la reacción de una multitud simulada no equivale a la reacción de una multitud real. Esa es la gran incógnita de toda esta categoría.

Clara Vega: Totalmente. Y la misma idea de "predecir antes de actuar" aparece en publicidad con AI Creative Insights, de Decode, que es parte de Entropik. Predice la respuesta a un anuncio antes de gastar dinero en él, con mapas de atención, que te muestran dónde mira la gente, curvas de emoción a lo largo del anuncio, y benchmarks de categoría para comparar contra tu sector.

Mateo Ruiz: En publicidad esto tiene mucho sentido económico: un anuncio que falla cuesta presupuestos reales. Si puedes ver que nadie mira tu logo o que la emoción se desploma en el segundo diez, lo arreglas antes de pagar la campaña. Ahora, de nuevo, son predicciones. El benchmark real es la reacción de la audiencia, y esa sigue siendo incierta.

Clara Vega: Y hay un tercer ejemplo que lleva esta filosofía al SEO: Simha Digital. Un espacio de trabajo con una puntuación de salud del sitio de 0 a 100, un plan priorizado de arreglos, o sea, no te da una lista infinita sino un orden, y seguimiento de visibilidad en respuestas de IA, lo que llaman GEO y AEO: aparecer cuando un modelo de IA responde sobre tu tema. Desde 19,90 dólares al mes.

Mateo Ruiz: Ese último punto es muy de este momento. Antes medías tu posición en Google; ahora también te preguntas si ChatGPT y compañía te mencionan. Es una nueva superficie que nadie sabía medir hace dos años.

Clara Vega: Y para cerrar el tema, dos piezas más pequeñas que completan el cuadro. slop-grader es una herramienta de línea de comandos, open source, alimentada por Jev, que evalúa textos contra reglas personalizadas: relleno de IA, gramática, e incluso el uso del Du y el Sie alemán, el tratamiento formal e informal. Marca las líneas para que un agente las corrija.

Mateo Ruiz: Es casi la unión de los dos temas: un corrector que encuentra problemas y delega los arreglos a un agente. Y luego NiubiGEO, que es open source y self-hosted para pruebas de visibilidad de IA, pero añade algo distinto: una red humana pagada de más de 150.000 personas para pruebas, ensayos, contenido y distribución. Es decir, validación simulada más validación con gente real.

Clara Vega: Que es justamente la pregunta abierta del tema: ¿cuánto valen estas predicciones frente a la reacción real? Las herramientas te ahorran los errores más obvios, seguro. Pero el rendimiento final frente a una audiencia de verdad sigue siendo el test que ninguna simulación reemplaza del todo.

Mateo Ruiz: Buen puente, porque si ya sabes qué funciona, el siguiente problema es hacer que llegue a las personas correctas. Pasamos a marketing para creadores y apps.

Clara Vega: Empecemos con algo que a mucha gente le sorprende: las menciones que no ves. Lead Sparker, con la API de Oriane, toma la URL de tu marca y busca menciones sin etiquetar en Instagram y TikTok. Su ejemplo es Liquid Death: encontraron cinco creadores que hablaban de la marca sin etiquetarla, con 216.000 vistas que la marca simplemente no veía.

Mateo Ruiz: Doscientas dieciséis mil vistas invisibles. Eso es la mitad del problema del marketing orgánico: no es que no exista, es que no lo mides ni lo activas. Alguien hace un vídeo de tu producto, no te etiqueta, y ese contenido queda en un agujero negro.

Clara Vega: Exacto, y la herramienta lo convierte en algo accionable: encontrar esos creadores y, presumiblemente, contactarlos. Pero una vez tienes el contenido y las menciones, hay que distribuirlo, y ahí está PostSider: programación de publicaciones en más de 30 plataformas, para humanos y para agentes de IA, vía MCP, REST y SDK. Planes de 20 a 90 dólares al mes.

Mateo Ruiz: Ese detalle de los agentes de IA es muy del espíritu del primer tema del programa. No solo tú puedes programar posts; puedes escribir un agente que lo haga. Y el hecho de que ofrezcan MCP, que es el protocolo con el que se están conectando los agentes, confirma hacia dónde va la categoría.

Clara Vega: Y para el caso concreto de las apps móviles, AppGrowthKit: genera las capturas de pantalla para el App Store y Google Play, con marcos de dispositivo, layouts y textos generados con IA, localización e iconos, con exportación en un clic.

Mateo Ruiz: Es un trabajo que tradicionalmente era doloroso. Las capturas de la store son marketing puro, hay que hacerlas por idioma, por tamaño de pantalla, por plataforma. Automatizarlo tiene sentido, sobre todo para desarrolladores individuales que no tienen diseñador.

Clara Vega: Y como soporte dentro de este mundo de apps, Refoid: automatiza las respuestas a solicitudes de reembolso para desarrolladores de iOS y macOS. Rastrea las decisiones finales de Apple, y su argumento es que alrededor del 70 por ciento de las solicitudes se pueden rechazar.

Mateo Ruiz: Ese 70 por ciento, otra vez, es la cifra del propio maker, así que léanla como afirmación. Pero el problema es real: responder a reembolsos a mano es una pérdida de tiempo para un desarrollador pequeño, y las decisiones de Apple tienen sus propios criterios.

Clara Vega: El hilo común de este bloque es que el descubrimiento y la distribución se están automatizando por partes: encuentras menciones que no veías, programas en todas las plataformas, generas assets automáticamente. El siguiente paso natural es llevar ese contenido a formatos más ricos, audiovisuales. Y ahí vamos al cuarto tema: los estudios creativos con IA.

Mateo Ruiz: Google Flow, que es su estudio creativo de IA, llega al móvil: iOS y Android. Dos detalles concretos: grounding del carrete de fotos, es decir, puede trabajar sobre tu propio material, y sincronización de proyectos entre dispositivos. Empiezas en el móvil, continúas en otro sitio sin exportar nada.

Clara Vega: Que es más revolucionario de lo que suena. Las herramientas creativas de IA vivían en el navegador de escritorio; llevarlas al bolsillo con tu material real significa que el estudio va contigo. Y en el extremo más especializado está Supacut, para editores de documental: encuentra soundbites, compara respuestas entre entrevistas y genera un corte aproximado editable, por 39 dólares al año con tu propia clave de API.

Mateo Ruiz: Lo de "editable" es lo importante. No te da un vídeo final; te da un corte bruto, un punto de partida. Y la función de comparar respuestas entre entrevistas es la que un documentalista tardaría horas en hacer a mano: buscar la contraposición perfecta entre lo que dijo una persona y otra.

Clara Vega: Y para el día a día, Flicka: una extensión de Chrome para grabar la pantalla, con auto-zoom cuando haces clic, dibujo y desenfoque en vivo mientras grabas, y nada se sube a ningún servidor. Gratis, con Pro desde 5 dólares al mes.

Mateo Ruiz: Ese "no se sube nada" es la diferencia clave frente a la mayoría de grabadoras de pantalla. Todo queda local. Y el auto-zoom en clics y el desenfoque en vivo son de esas funciones que ahorraban una edición entera: antes grababas y luego recortabas, enfocabas y tapabas datos. Ahora ocurre durante la grabación.

Clara Vega: Y completamos el flujo de vídeo con dos piezas de soporte. Osmotic es una app gratuita y open source para Mac que descarga material de las cámaras DJI Osmo por Wi-Fi a unos 33 megabytes por segundo, con carpetas por día reanudables, control remoto de la cámara y modo webcam por USB. Licencia MIT.

Mateo Ruiz: Treinta y tres megas por segundo por Wi-Fi es una velocidad seria, y lo de "reanudable" es un detalle que solo entiende quien ha perdido una transferencia de material a mitad. Y luego Gradio Workflow: un lienzo visual para construir pipelines de IA, conectando Hugging Face Spaces, modelos, datasets y funciones de Python, y compartirlo por URL o API REST.

Clara Vega: Es la pieza de fontanería del bloque: si quieres combinar un modelo con otro y con tu propio código sin escribir la integración a mano, el lienzo visual lo hace accesible a gente que no es ingeniera.

Mateo Ruiz: Y fíjate en el cierre lógico del tema: si todo el proceso creativo es con IA, desde la idea hasta el corte, entonces la validación del tema anterior vuelve a ser central. ¿Quién mira el resultado final con ojos críticos antes de publicarlo? Son los mismos loops, una y otra vez.

Clara Vega: Bueno, y eso nos lleva al último tema, que es donde viven los cimientos de todo lo demás: infraestructura, fiabilidad y orden en tu máquina.

Mateo Ruiz: Empecemos por algo que parece aburrido hasta que te arruina un martes: los cron jobs. Cronhq garantiza ejecución exactamente una vez mediante locks de Postgres. Con reintentos, webhooks firmados con HMAC y monitores de latido, es decir, te avisa si algo deja de latir. Licencia MIT y self-hosting.

Clara Vega: "Exactly once" es la Santa Grial de los programadores de tareas programadas. El problema clásico: tu tarea se ejecuta dos veces por un fallo, y cobras dos veces a un cliente o envías dos correos. Usar locks de Postgres es una solución elegante porque apoyas la garantía en una base de datos que ya sabes usar. Y el HMAC en los webhooks significa que quien recibe la llamada puede verificar que es auténtica.

Mateo Ruiz: Y como soporte de este mundo de automatización de negocio, Sell to State: 3 millones de licitaciones públicas en 64 países, una sola búsqueda sobre licitaciones, proveedores y agencias, por 49 dólares al mes con API REST y MCP. Otro ejemplo de que MCP ya está en todas partes.

Clara Vega: Ahora el tema de código. Hyrax AI se describe como un arquitecto de IA para toda la base de código: audita a través de seis dominios, escribe las correcciones y abre pull requests en borrador verificados. El catálogo completo cuesta 30 dólares por asiento en forma de crédito.

Mateo Ruiz: Fíjate en el modelo de "arquitecto". No es autocompletado, es una auditoría global del sistema: seguridad, rendimiento, arquitectura, y encima el resultado llega como draft PRs, o sea, código que tú revisas y fusionas. Es exactamente el patrón de supervisión que veíamos en el primer tema con Superset: el agente trabaja, el humano aprueba.

Clara Vega: Y con eso conectamos con el escritorio, que es la parte más doméstica: Turfs trae vallas de escritorio a macOS, reemplazando la capa de iconos del Finder. Puedes crear turfs con carpetas, etiquetas y colecciones. Paga una vez, 29 dólares, y está fuera del App Store porque no puede sandboxearse.

Mateo Ruiz: Ese detalle del sandbox es fascinante y honesto. Para sustituir la capa de iconos del Finder necesitas tan profundo acceso al sistema que las reglas del App Store no lo permiten. Es un ejemplo de un trade-off real: más integración con el sistema a cambio de menos canal de distribución y menos garantías para el usuario.

Clara Vega: Y para cerrar, tres piezas de soporte que redondean la vida digital. Plume es un constructor de currículums gratuito que importa tu CV viejo, en PDF, Word o incluso foto, y lo convierte en un currículum listo para los filtros ATS, con 43 plantillas y PDF sin marca de agua; la versión Pro, a 4,99 euros al mes, añade adaptación con IA a cada oferta.

Mateo Ruiz: Y SecAIQ Watch es la herramienta de vigilancia perfecta para cerrar el programa: open source, se ejecuta localmente y es de solo lectura. Detecta alrededor de 37 herramientas de IA en tu máquina, sus conexiones, permisos y uso de tokens, y exporta un AI-BOM, una lista de materiales de IA. Está hecha en PHP con SQLite.

Clara Vega: Ese AI-BOM va a volverse necesario. Hoy instalas una extensión con IA, mañana una app de escritorio, pasado un agente... y pierdes la cuenta de qué tiene acceso a qué. Un panel local y de solo lectura es exactamente el tipo de inventario que piden los equipos de seguridad.

Mateo Ruiz: Y así cerramos el círculo que abrimos hace veinte minutos. Empezamos con agentes que trabajan solos y terminamos preguntándonos: ¿cuánto de este trabajo de infraestructura y auditoría se hará pronto sin supervisión humana? Porque ahí es exactamente donde los agentes del primer bloque quieren entrar.

Clara Vega: Es la pregunta que queda abierta. Las herramientas están ahí: flotas que trabajan, seguridad que vigila, simulaciones que predicen, y paneles que te dicen qué IA hay en tu máquina. Lo que no está resuelto es el equilibrio entre autonomía y control, y esa conversación acaba de empezar.

Mateo Ruiz: Eso es todo por hoy. Gracias por acompañarnos, yo soy Mateo Ruiz.

Clara Vega: Y yo Clara Vega. Nos oímos en el próximo episodio. ¡Hasta luego!