0926 | Lanzamientos y herramientas de la semana

Clara Vega: ¡Hola y bienvenidos a otro episodio! Yo soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Y hoy traemos una selección de lanzamientos recientes que, más que por estar de moda, nos parecen interesantes porque resuelven problemas concretos. Y hay un hilo que atraviesa casi todos: agentes que trabajan por nosotros, pero con distintos grados de control humano.

Clara Vega: Exacto. Vamos a empezar por ahí, con los asistentes de IA en el trabajo, que es donde más se nota esa tensión entre "que haga cosas por mí" y "pero que no haga nada sin que yo lo apruebe".

Mateo Ruiz: Empecemos con Kairn, que es una app para iPhone en beta vía TestFlight. La idea es simple: convierte tus reuniones en contactos, tareas y citas. Pero lo interesante no es eso, sino la condición: nada se guarda sin aprobación manual.

Clara Vega: Y eso importa mucho, porque el miedo clásico a este tipo de herramientas es que la IA decida sola, o peor, que meta cosas en tu calendario o tu lista de tareas con errores. Kairn pone el humano en el bucle de forma explícita. Es decir: la reunión genera candidatos, pero tú liberas cada uno.

Mateo Ruiz: ¿Para quién tiene sentido? Para cualquiera que pase el día en reuniones y sale de ellas con el problema típico: "¿quién era ese contacto? ¿qué quedó pendiente? ¿cuándo es la cita?". En vez de gestionar eso a mano después, tienes un borrador automático que tú revisas.

Clara Vega: Ahora, qué queda abierto: es una beta, así que hay que esperar a ver qué tan preciso es el modelo al convertir conversación en tareas, y hasta dónde llega la revisión manual antes de que se vuelva pesada. Si cada tarea exige tres clics de aprobación, la utilidad cae. Ese equilibrio es la gran pregunta de este producto.

Mateo Ruiz: Sí, y es un buen contraste con la siguiente, porque aquí el agente sí actúa sin supervisión en tiempo real, aunque después te deja la cuenta clara. Es Kelam, que le da a tu asistente de IA un número de teléfono propio.

Clara Vega: Suena raro, pero en realidad es muy lógico. El asistente puede hacer llamadas y recibirlas. Hay transcripción en directo, y responde llamadas devueltas por ti. Soporta inglés, español y francés, y puedes empezar gratis.

Mateo Ruiz: Piensa en el caso de uso: le pides al asistente que llame para reservar una mesa, o para pedir información. Tú no estás al otro lado del teléfono. Pero cuando la otra persona devuelve la llamada, el asistente contesta y te transmite lo que se dijo.

Clara Vega: Aquí el riesgo es distinto al de Kairn. En Kairn el humano aprueba antes de que nada se guarde. En Kelam el agente habla con un tercero en tiempo real, y ahí la pregunta es: ¿cómo sabe la otra persona que está hablando con una IA? ¿Qué tan bien maneja situaciones inesperadas en una llamada? Eso la fuente no lo detalla, y para mí es la pregunta clave.

Mateo Ruiz: Y además hay un tema cultural: mucha gente odia llamar por teléfono. Si un agente lo hace por ti, eso es un valor real. Pero también es el tipo de interacción donde un malentendido tiene consecuencias inmediatas: citas mal hechas, información mal comunicada.

Clara Vega: Bien. Ahora subamos un nivel. Hemos hablado de un agente que procesa reuniones y otro que hace llamadas. ¿Y si el agente fuera el que construye el software? Ahí entra Wand, una herramienta de creación de software voice-first.

Mateo Ruiz: La propuesta de Wand es que construyes software hablando, no tecleando. Usas el teléfono como micrófono, describes la idea con la voz, y el producto toma forma a partir de eso.

Clara Vega: Y el detalle que más me llama: dicen que el propio producto se ha construido mayormente sin teclado. O sea, dogfooding en la forma más pura. Está en beta.

Mateo Ruiz: Eso es una afirmación de los creadores, ojo, no un resultado verificado. Pero como afirmación es potente: si han podido construir su propia herramienta hablándole a esa misma herramienta, es una señal de que la propuesta al menos es viable en su propio caso.

Clara Vega: ¿Para quién es? Para personas con ideas que no escriben código con fluidez, o que simplemente piensan mejor hablando. El teléfono como micrófono también lo hace muy accesible: es el dispositivo que ya tienes en la mano.

Mateo Ruiz: Las preguntas abiertas son las típicas de las herramientas de construcción por lenguaje natural: ¿qué pasa cuando la idea es compleja? ¿Se sostiene un proyecto grande solo con voz? ¿Cómo corriges con precisión algo que un parrafito hablado generó mal? Eso aún no sabemos.

Clara Vega: Ahora conectemos esto con algo que ya se nos ha ido escapando en la conversación: esos agentes necesitan infraestructura. Y en concreto, hay una pieza que encaja con Kairn y Kelam: Basedash MCP. Es la capacidad de escribir, no solo leer, dashboards y gráficos desde Cursor o Claude.

Mateo Ruiz: Desglosemos: son cuatro herramientas: crear y editar gráficos, y crear y editar dashboards. Con validación SQL incluida. O sea, el agente no solo te muestra datos, sino que construye la vista que los presenta, y el SQL que escribe se valida antes de ejecutarse.

Clara Vega: Eso cierra el círculo con Kairn: las reuniones generan tareas, y luego necesitas ver el estado de esas tareas en un panel. Si el agente puede construir el panel tú mismo, el flujo es más continuo. La validación SQL es el mecanismo de control aquí, el equivalente a la aprobación manual de Kairn, pero en otra capa.

Mateo Ruiz: ¿Quién lo usaría? Equipos de datos o founders que quieren que un agente de código construya visualizaciones sin escribir consultas a mano, y con la garantía de que el SQL no está roto. Queda por ver cómo gestiona el agente errores de lógica de negocio, más allá de sintaxis SQL correcta.

Clara Vega: Vale, y de ahí vamos a saltar a una capa inferior de la misma conversación: el propio MCP como infraestructura. Porque ya no es una herramienta con MCP, son cinco que aparecen a la vez. Eso es un patrón.

Mateo Ruiz: Efectivamente. Veamos el ecosistema MCP como conjunto. Tenemos Basedash MCP, que acabamos de ver. Tenemos WapiSender, que trae automatización de WhatsApp con agentes de IA, flujos visuales, y —esto es lo relevante aquí— un servidor MCP oficial para Claude Code. Hay siete días de prueba.

Clara Vega: Y fíjate en la palabra "oficial". Eso no es un tercero que hace un puente; es que el propio ecosistema de Claude lo reconoce como servidor. Para WhatsApp, que es el canal de comunicación masivo en muchos países, tener agentes que puedes orquestar desde tu entorno de desarrollo es potente. Y los flujos visuales conviven con la parte de agentes, así que no todo es "deja que la IA decida": hay una capa de automatización determinista.

Mateo Ruiz: El tercer pilar del patrón es Kaiku, un task tracker y wiki diseñado para ser nativo para agentes. Compatible con APIs de trackers establecidos, con servidor MCP propio. Y aquí hay dos detalles muy interesantes: registran el coste por issue, y puedes exportar todo como zip.

Clara Vega: El coste por issue es una idea muy madura. Si los agentes van a trabajar en tus tareas, cada tarea tiene un coste en tokens y tiempo de ejecución. ¿Cuánto te costó al agente resolver ese bug? Eso es información nueva para un tracker, y es la primera vez que la vemos planteada así.

Mateo Ruiz: Y la compatibilidad con APIs establecidas es inteligente: no te obliga a migrar todo tu historial. Empiezas en Kaiku sabiendo que tus herramientas actuales pueden hablar con él. La exportación como zip también es una garantía de salida, que siempre es buena señal de que el producto no quiere encerrarte.

Clara Vega: Ahora, ¿quién es el cuarto actor en este patrón MCP? Quiver GTM, un sistema de marketing a desarrolladores de tipo agéntico. Tiene un "source of truth", versionado, máquinas de estados, y una API de contenido con MCP. Se puede alojar desde 49 dólares al mes, o self-host con licencia MIT.

Mateo Ruiz: Piensa en el problema que resuelve: el marketing a devs es content-heavy y multipartito —blogposts, docs, changelogs— y todo eso necesita coherencia. Un source of truth con versionado y máquinas de estado es tratar el contenido como si fuera código. Y el MCP es la pieza que permite a un agente leer y actuar sobre ese contenido.

Clara Vega: Y aquí vuelve a aparecer la idea de control: la opción self-host con MIT es la máxima garantía de que tú mantienes la infraestructura. El hosted a 49 dólares es la vía rápida.

Mateo Ruiz: ¿Y el quinto elemento? Once UI 2.0, un sistema de diseño open source para React. No es un MCP en sí, pero trae reglas compactas y task guides pensadas para que los coding agents las consuman. O sea, es la capa de contexto que los agentes necesitan para generar interfaces consistentes.

Clara Vega: Es la otra cara de la moneda: los agentes necesitan herramientas con MCP, pero también necesitan saber qué hacer con ellas. Un sistema de diseño que le habla al agente, no solo al diseñador, es un cambio de audiencia muy significativo.

Mateo Ruiz: ¿Y qué queda abierto en todo este ecosistema? La adopción real. Ver cinco herramientas con MCP el mismo día no prueba que MCP sea el estándar ganador, solo que el momento es este. Hace falta tiempo para ver si los equipos lo adoptan de verdad o si se queda en una capa técnica que solo usan los primeros adoptantes.

Clara Vega: Y ese tema de "¿pero esto funciona de verdad?" nos lleva directamente al siguiente bloque, que es quizás el más importante para cualquiera que ya esté usando IA en producción: cómo medir que la IA funciona. Porque de nada sirve tener agentes, si no puedes comprobar su calidad.

Mateo Ruiz: Empecemos por Promptic, una plataforma de optimización para IA generativa. Qué hace: benchmarks de modelos, prompts y agentes sobre tus propios datos. Con tracing estilo OpenTelemetry. Y también tiene MCP para agentes de código.

Clara Vega: La palabra clave ahí es "sobre tus propios datos". Cualquier benchmark público te dice cómo se comporta un modelo en preguntas genéricas. Pero tú no ejecutas preguntas genéricas; ejecutas tus propios flujos, con tus propios casos. La única forma de saber si un modelo o un prompt es mejor para ti es medirlo en tu contexto.

Mateo Ruiz: Y el tracing OpenTelemetry es clave porque es el estándar que ya usas para tu software normal. O sea, la IA deja de ser una caja negra y entra en la misma telemetría que el resto. Eso facilita integrar la IA en tus prácticas de observabilidad existentes.

Clara Vega: ¿Para quién? Para equipos que ya tienen IA en producción y quieren comparar opciones con rigor en lugar de confiar en impresiones o en lo que dice el proveedor.

Mateo Ruiz: Ahora, Promptic mide calidad de outputs. Pero ¿y si lo que quieres probar es el flujo completo, con varios usuarios haciendo cosas? Para eso está Jango, que lanza pruebas multiusuario con participantes de IA.

Clara Vega: Y esto es lo que la hace distinta: cada participante de IA tiene su propio navegador, su propia cuenta, su propio objetivo y su propia memoria. No es un bot que repite el mismo clic. Son simulacros de usuarios con comportamientos distintos.

Mateo Ruiz: El resultado es un informe con errores y screenshots. Está en macOS. Piensa en el caso de uso: antes de lanzar, en vez de reclutar cinco testers humanos para que den la vuelta a la app, lanzas participantes de IA que la rompen de varias maneras y te reportan qué falló.

Clara Vega: Ahora, vamos a ser escépticos por un momento: un participante de IA no es un humano. Puede encontrar errores técnicos, flujos rotos, estados imposibles. Pero no puede sustituir la frustración real de un usuario, ni el contexto que un humano aporta. Así que la herramienta es valiosa, pero no reemplaza el testing con personas, lo complementa.

Mateo Ruiz: Y si Promptic mide modelos y Jango mide flujos, la tercera pieza de este bloque mide algo completamente distinto: la visibilidad de tu marca en la IA. Es Howseen AI, que trackea menciones de tu marca en ChatGPT, Gemini, Perplexity y AI Overviews.

Clara Vega: Esto es nuevo y muy relevante: la gente cada vez pregunta a ChatGPT en vez de buscar en Google. Si tu marca no aparece en esas respuestas, estás invisible en un canal creciente. Howseen encuentra esas lagunas de visibilidad y luego publica contenido GEO automáticamente para corregirlas.

Mateo Ruiz: GEO, como en "generative engine optimization", el equivalente del SEO para modelos generativos. Y aquí hay una limitación que merece nombrarse: la publicación automática de contenido para influir en las respuestas de un modelo es una práctica nueva, y las reglas del juego no son estables. Nadie sabe con certeza cómo se optimiza para ChatGPT, porque los mecanismos internos no son públicos. Así que las promesas de "publicamos y tu visibilidad sube" hay que tomarlas con cautela.

Clara Vega: Totalmente. El diagnóstico —saber si te mencionan— es algo razonable que la herramienta puede hacer. La parte automática de publicación es más especulativa, porque la causa-efecto entre contenido y menciones en modelos es difícil de verificar.

Mateo Ruiz: Y hay un hilo común en los tres: son herramientas de medición, no de acción. Bueno, Howseen sí actúa, pero las otras dos son observación pura. En un mundo donde la IA genera cada vez más, la pregunta "¿funciona?" se vuelve central, y estas herramientas responden a eso.

Clara Vega: Pues pasemos ahora de medir a crear, pero en el sentido visual. Porque si la IA ya está escribiendo y editando, también está generando imágenes, vídeo y mundos enteros en tiempo real. Y aquí hay una gama muy amplia.

Mateo Ruiz: Empecemos por FRCTL, que es una browser engine para visuales en directo. Más de 190 efectos, reactivos al audio, y un marketplace de presets llamado Collective. Comercialmente, a partir de 12 dólares al mes.

Clara Vega: Esto es para visuales en directo: conciertos, fiestas, streams. Y lo interesante es que es un motor de navegador. O sea, en lugar de ser una app de escritorio con plugins cerrados, todo corre en el navegador. Los efectos reaccionan al audio en tiempo real, que es lo que un VJ necesita.

Mateo Ruiz: Y el marketplace de presets crea un ecosistema: alguien diseña un efecto, otro lo compra y lo personaliza. Eso acelera el trabajo del VJ, que no siempre tiene tiempo de construir todo desde cero antes de un show.

Clara Vega: ¿Limitaciones? Es por suscripción, no compra única, lo cual para gente que la usa esporádicamente puede ser un factor. Y la calidad de esos 190 efectos no la conocemos más allá de la cifra, que es un número de catálogo, no una medida de calidad.

Mateo Ruiz: Bien, y si FRCTL es visuales en directo con efectos existentes, la siguiente va un paso más allá: PixVerse R2, un world model en tiempo real.

Clara Vega: "World model" significa que no genera un vídeo fijo, sino un mundo que evoluciona continuamente. Y los inputs son texto, imagen, audio y acciones. O sea, puedes describir, mostrar, sonar, o interactuar, y el mundo se adapta. Además, tiene memoria de sesión.

Mateo Ruiz: La memoria de sesión es un detalle crucial. Sin ella, cada frame sería un momento aislado. Con ella, el mundo tiene continuidad: lo que pasó hace un minuto afecta a lo que pasa ahora. Eso es lo que diferencia un "generador de vídeo" de un "simulador de mundos".

Clara Vega: Pero también es la parte más difícil de verificar. La estabilidad de un mundo generado —que no se deforme, que mantenga coherencia física y visual a lo largo del tiempo— es el mayor reto técnico de los world models, y la fuente no nos dice cómo lo resuelve. Así que es una afirmación potente, pero con preguntas técnicas abiertas.

Mateo Ruiz: Vamos a bajar ahora a una escala más práctica: edición de vídeo por chat. SocialGPT es un editor de vídeo de IA donde los cambios se hacen por conversación sobre la línea de tiempo. Con captions, B-roll, música.

Clara Vega: Y aquí hay un detalle que me parece clave: se puede deshacer y hacer ajustes manuales después. Eso es importante, porque la promesa "edita por chat" muchas veces viene con la trampa de que el resultado es una caja negra. Si puedes revisar la timeline y corregir a mano, la IA es una herramienta, no un reemplazo.

Mateo Ruiz: ¿Para quién? Para creadores que tienen el material pero no el tiempo ni la pericia de editar en un editor tradicional. Captions, B-roll y música son las tareas más mecánicas y más lentas del montaje, y son exactamente lo que un modelo puede acelerar.

Clara Vega: Y para cerrar el bloque visual, un producto de hardware: las Meta VR Glasses, previstas para la primavera de 2027, a 1.299,99 dólares.

Mateo Ruiz: Las especificaciones: unos 100 gramos, con micro-OLED de 5K, y un "compute puck" que se lleva en el bolsillo. Es decir, el cómputo no está en la gafa, sino en un dispositivo separado.

Clara Vega: Los 100 gramos es la cifra que más importa ahí. El gran problema de las VR hasta ahora ha sido el peso: gafas de 500, 600 gramos que te dejan la cara adolorida en media hora. Llegar a 100 gramos cambia la experiencia de forma radical.

Mateo Ruiz: ¿Y por qué separar el cómputo? Por la misma razón: todo lo que está en la gafa pesa. Si la batería y el procesamiento van en el puck, la gafa puede ser ligera. Es un compromiso distinto al de un casco todo-en-uno.

Clara Vega: Ahora, es un anuncio a más de un año vista, primavera de 2027. Eso significa que las cifras son promesas de fabricación, no productos en manos de usuarios. Y hay una pregunta que la fuente no responde: ¿para qué casos de uso exactamente? ¿Juegos, productividad, medios? Eso lo veremos al acercarse el lanzamiento.

Mateo Ruiz: Buen resumen de la sección visual: desde un motor de efectos en el navegador hasta un world model, pasando por edición asistida por chat, hasta hardware en camino. Y ahora vamos a cambiar de tercio, porque todos estos productos, de una u otra forma, viven en la nube o dependen de servidores ajenos. Pero hay otra tendencia que va en la dirección contraria: herramientas que funcionan localmente y que hacen de la privacidad un argumento de venta.

Clara Vega: Empecemos con Kapshot, un grabador de pantalla para macOS. Auto-zoom cuando haces clic, suavizado del cursor, exportación a MP4. 19 dólares de pago único, todo local, a 60 fps.

Mateo Ruiz: El caso de uso es muy claro: tutoriales y demos de producto. El auto-zoom en los clics es exactamente lo que hace un editor profesional manualmente para que el espectador siga la acción. Hacerlo automático es un ahorro enorme de tiempo.

Clara Vega: Y el pago único de 19 dólares es una declaración de principios: no es una suscripción, no hay servidor al que enviar tu pantalla. Grabas, exportas, listo. Para alguien que graba tutoriales ocasionalmente, la suscripción mensual es un impuesto injusto; el pago único es el modelo correcto.

Mateo Ruiz: Bien, de grabar pantalla pasemos a escribir texto. ShroomPen es una extensión de navegador privacy-first que hace reply, rewrite, gramática y traducción directamente en el campo de texto, y —esto es lo distintivo— completamente on-device, sin nube.

Clara Vega: Eso es notable porque la mayoría de asistentes de escritura envían tu texto a un servidor. Aquí el modelo corre en tu máquina. Eso significa que lo que escribes —correos, mensajes, borradores— no sale de tu dispositivo.

Mateo Ruiz: ¿Para quién es? Para cualquiera que quiera asistencia de escritura sin el intercambio de privacidad. Y hay un caso concreto donde esto importa muchísimo: contexto profesional o legal donde no puedes enviar texto a terceros. Si es on-device, no hay ese riesgo.

Clara Vega: La contrapartida obvia es la capacidad del modelo local frente a uno grande en la nube. Un modelo on-device es por necesidad más pequeño, así que la calidad de la escritura será diferente. La fuente no compara la calidad, y esa es la pregunta abierta principal.

Mateo Ruiz: Vamos ahora a algo para diseñadores: Squints, una herramienta gratuita de Chrome para inspección de diseño en páginas web en vivo. Regla, guías, grid, selector de color y scrubbing de animaciones, sin necesidad de cuenta.

Clara Vega: Y el scrubbing de animaciones es el detalle que más me gusta. Ver una animación web es fácil, pero detenerla en un frame concreto para inspeccionar dónde está cada elemento en ese instante es algo que antes requería herramientas de desarrollo. Aquí está disponible con un slider.

Mateo Ruiz: Sin cuenta, gratis. Es una herramienta de un solo propósito, bien hecha. El modelo es distinto al de Kapshot, que es de pago único, pero comparten algo: no dependen de un backend, no recogen datos, funcionan en tu máquina.

Clara Vega: Y ahora, quizás el caso más extremo de privacidad en este grupo: Fit Receipt, una prueba virtual de ropa interior, de la marca NUDE, de Taiwán. Usa un modelo llamado JEV-Judgement con "confidence receipts", y las fotos permanecen en el navegador.

Mateo Ruiz: Piensa en la sensibilidad del problema: probarse ropa interior virtualmente implica subir fotos de tu cuerpo. La promesa aquí es que esas fotos no salen del navegador, no hay upload. Eso es la única forma en que mucha gente aceptaría usar este tipo de producto.

Clara Vega: Y el concepto de "confidence receipts" es interesante: en lugar de solo decir "te queda bien", el sistema te da una medida de confianza, una especie de justificación de por qué el modelo opina lo que opina. Es un intento de hacer transparente un juicio que de otro modo sería una caja negra.

Mateo Ruiz: Ahora, quedan preguntas: ¿cuán fiable es el modelo para diferentes tipos de cuerpo? ¿Cómo se validó? Ese tipo de evidencia no está en la fuente. Y en un producto donde la recomendación es visual y subjetiva, la fiabilidad es todo el producto.

Clara Vega: Y para cerrar este bloque, algo completamente distinto pero que encaja por su forma: DEV·TV, un televisor retro con 10 canales en directo que emiten contenido de GitHub, Hacker News, DEV y Hugging Face. Todo en una única página HTML, licencia MIT, sin backend, sin resúmenes de IA.

Mateo Ruiz: Es casi una pieza de arte funcional. Una sola página HTML que se sintoniza a canales de contenido técnico en tiempo real. Y ese detalle de "sin AI-Summary" es casi una declaración: contenido crudo, sin intermediación de modelos, sin resúmenes. Vuelves a la fuente original.

Clara Vega: Como nota curiosa dentro del panorama, encaja con la tesis del bloque: sin backend, sin nube, sin cuentas. Es la versión más purista de la privacidad local, llevada a un juguete nostálgico.

Mateo Ruiz: Pues ya que hemos cubierto lo local y lo privado, vamos a cerrar con el último grupo, que es más diverso: seguridad, comunidad y nichos. No nos vamos a detener mucho en cada uno, pero hay dos que merecen un poco más de tiempo.

Clara Vega: Empecemos por Pair2FA, porque el problema que resuelve es real y muy cotidiano: compartir códigos TOTP de 2FA dentro de un equipo. Con roles de viewer y admin, códigos en directo con copiar, y gratis hasta 2 usuarios y 3 cuentas.

Mateo Ruiz: El problema es que los códigos 2FA de un servicio compartido —digamos, la cuenta de Twitter de la empresa— suelen estar en el teléfono de una sola persona, lo que crea cuellos de botella y riesgo. Pair2FA los pone disponibles al equipo, con control de quién puede ver y quién administra.

Clara Vega: La limitación gratuita de 2 usuarios y 3 cuentas es razonable para evaluar; para un equipo grande haría falta el plan de pago, que no conocemos. Y la seguridad del propio producto —cómo guardan los secretos TOTP— es la pregunta crítica que cualquier herramienta de este tipo debe responder antes de que un equipo confíe en ella.

Mateo Ruiz: Bien. Ahora Kliva, que es más nicho pero está muy bien delimitado: es para corredores de trail y ultra. Cubre más de 31.000 carreras, con pacing por segmentos, fueling con productos reales, buffer de cutoffs, y un campo para Garmin vía Connect IQ. Y es gratis.

Clara Vega: El fueling con productos reales es un detalle concreto que lo distingue de una base de datos genérica de carreras: no te dice solo "come cada 45 minutos", sino que conecta con geles o bars específicos que existen. Y el buffer de cutoffs es información de supervivencia en ultras: saber cuánto margen tienes antes de que te saquen de la carrera.

Mateo Ruiz: El campo de Garmin Connect IQ es inteligente: el corredor de trail lleva el reloj en la muñeca, no el móvil. Llevar el pacing y los cutoffs al reloj es llevar la herramienta al contexto de uso.

Clara Vega: Rápido, los otros tres. WebDecoy for Vercel: lee los log drains, comprueba las IPs de crawlers contra rangos oficiales, y avisa de user agents falsos. Es solo monitoring, no bloquea.

Mateo Ruiz: Es decir, te dice quién está rastreando tu sitio fingiendo ser Google, por ejemplo, pero no lo detiene. Es una herramienta de visibilidad, no de defensa. Para teams en Vercel que quieren saber si su contenido está siendo consumido por bots que se hacen pasar por otros, es útil y discreto.

Clara Vega: Designeer es un directorio curado para builders: inspiración de diseño, componentes, herramientas de IA, coding agents, servidores MCP y creadores, todo en un lugar. Es una puerta de entrada al ecosistema, útil si estás empezando y no sabes por dónde empezar. Y conecta con lo que hablábamos antes del MCP: que exista una categoría "servidores MCP" en un directorio es otra señal de que el ecosistema ya tiene tamaño propio.

Mateo Ruiz: Y 10xJoy, un matchmaker de IA gratuito. Su agente, Joy, crea un brief editable a partir de tus objetivos de negocio, y te pone en contacto con builders verificados por email. Está en beta. Y Bleetz Network, que está en la misma línea pero para inversores: agentes de IA que hacen pitch de tu startup a más de 2.000 agentes VC simulados. Si un VC simulado dice yes, se abren los datos de contacto real. Gratis, en beta.

Clara Vega: Sobre Bleetz hay que ser claros: el "yes" de un agente VC simulado no es una indicación de que un VC real esté interesado. Es una simulación de criterios de inversión, útil para afinar el pitch o para descubrir a qué tipo de fondos dirigirse, pero no es validación de mercado. Es una herramienta de pre-temperatura, no de fundraising.

Mateo Ruiz: Bien dicho. Y con eso cerramos el recorrido. Si tuviera que quedarme con el hilo, sería este: los agentes están por todas partes —en reuniones, en llamadas, en código, en dashboards, en marketing—, pero en casi todos hay una decisión de diseño sobre cuánto control conserva el humano.

Clara Vega: Sí: Kairn lo pone antes de guardar, Basedash lo pone en la validación SQL, SocialGPT lo pone en el undo manual. Y las herramientas de medición —Promptic, Jango, Howseen— son la respuesta a la pregunta que sigue abierta: ¿funciona de verdad?

Mateo Ruiz: Nos vemos en el próximo episodio. Gracias por escucharnos, soy Mateo Ruiz.

Clara Vega: Y yo Clara Vega. ¡Hasta la próxima!