Duplicar el horizonte no duplica el grado de automatización.
Esta presentación empezó con una instrucción.
- CiberseguridadLeyó el informe del NIST sobre DeepSeek
- CiberseguridadAbrió el informe de Anthropic sobre un ataque
- CostosComparó los precios de Claude, ChatGPT y Gemini
- RankingRevisó la tabla de Artificial Analysis
- SociedadBuscó el estudio de Stanford sobre empleo joven
- VocesLeyó el blog de Simon Willison
- CiberseguridadLeyó la evaluación de Kimi K3 del gobierno de EE. UU.
- SociedadBuscó el índice latinoamericano de IA
La IA se dividió en siete agentes.
369 búsquedas y lecturas
5 min 48 s de principio a fin
El inicio de los Agentes de IA
Qué pasó entre 2024 y 2026 y qué significa para usted.
¿Qué cambió?
¿Quién controla esto?
¿Qué le toca a usted?
Un chat genera una respuesta. Un agente completa una tarea.
Un agente es un modelo de lenguaje que trabaja en ciclo. En cada vuelta elige una herramienta, la usa, lee el resultado y decide el siguiente paso, hasta terminar.
Las herramientas son programas reales, como un navegador, una terminal o una hoja de cálculo. Se conectan por MCP, un protocolo abierto que hoy administra la Linux Foundation.
Elige, usa, lee el resultado y decide.
Cada cuatro meses aguanta tareas el doble de largas.
METR mide la tarea más larga que la IA logra terminar sola la mitad de las veces, contada en el tiempo que le tomaría a una persona experta.
En 2023, GPT-4 llegaba a cuatro minutos.
En febrero de 2026, Claude Opus 4.6 llegó a casi doce horas.
En mayo de 2026, Claude Mythos llegó a dieciséis horas o más, o sea, dos jornadas de trabajo.
METR, tabla TH1.1 (mayo 2026). Duplicación de unos 131 días desde 2023. Escala logarítmica.
En diciembre de 2025, los programadores lo sintieron.
Nunca me había sentido tan atrasado como programador.
259 cambios en 30 días. Cada línea la escribió Claude Code.
Más del 80 % del código que integramos lo escribió Claude.
Citas traducidas. Prensa sobre X, blog de Simon Willison (27 dic. 2025), Anthropic Institute.
Modelo
Arnés: Claude Code, Codex, Cursor
T3 Code
El modelo genera texto.
El arnés lo convierte en agente.
Es el programa que lo rodea. Le da herramientas, memoria, permisos y el ciclo de trabajo.
58 %en Claude Code
82 %en ForgeCode
El mismo modelo, Claude Opus 4.6, en las mismas tareas de Terminal-Bench 2.0.
T3 Code coordina varios arneses a la vez.
Cada uno con su propio modelo, desde una misma pantalla.
Terminal-Bench 2.0, Claude Opus 4.6 por arnés (blog secundario, abr. 2026). ICML 2026. github.com/pingdotgg/t3code.
Ahora tienen computadora propia y no esperan a que uno les hable.
Dots
OpenAI, setiembre 2026.
Plan Pro, desde $100 al mes.
Grok Bot
SpaceXAI, antes xAI, agosto 2026.
Desde $200 al mes.
Gemini Spark
Google, mayo 2026.
Plan Ultra, en EE. UU.
Claude Cowork
Es otra cosa. Trabaja en su propia computadora, con sus archivos, mientras usted lo supervisa.
Corren en la nube todo el día, entran a sus aplicaciones, recuerdan lo que les pidió y se pasan trabajo entre ellos.
TechCrunch, 29 set. 2026. VentureBeat, 11 ago. 2026. The Next Web, 19 may. 2026. Anthropic, 2026.
Ya no solo escriben código. Diseñan y depuran sistemas completos.
Un desarrollador veía errores que nadie podía explicar. Claude agregó telemetría y trazas a toda la infraestructura y encontró varias fallas en Cloudflare que Cloudflare no conocía. El CTO de Cloudflare agradeció el reporte.
Caso contado en YouTube, octubre de 2026.
¿Qué parte de su trabajo es buscar, hacer y revisar?
Tres laboratorios separados por dos puntos.
El mejor de China está un escalón abajo.
Artificial Analysis Intelligence Index v5, 27 y 28 oct. 2026.
Estados Unidos invierte 23 veces más que China.
Solo Amazon, Microsoft, Alphabet y Meta planean gastar unos $725 000 millones en infraestructura en 2026.
China publica casi el doble de investigación en IA, 23.2 % de los artículos del mundo contra 12.6 % de Estados Unidos.
Y la distancia entre sus mejores modelos ya es de 2.7 %.
Stanford AI Index 2026, inversión privada 2025, sin los fondos del Estado chino. Financial Times vía AI Weekly, gasto total de capital 2026.
Los modelos compiten por ligas de precio.
Económica
$0.10 / $0.50
- Claude Haiku 5.5 36
- GPT-6 Luna 23
Media
$1 a $2 / $5 a $10
- GPT-6.1 Sol 55
- Claude Sonnet 5.5 54
- GPT-6.1 Terra 51
- Gemini 4 Argon 50
- Kimi K3.1 Pro 46
Alta
$4 / $20
- Gemini 4 Carbon 59
- Claude Opus 5.5 58
Máxima
$10 / $50
- GPT-6 Astra 57
- Claude Fable 5.1 50
Claude Opus 5.5 cuesta 40 % de lo que cuestan Astra y Fable, y les gana a los dos.
Precio de API por millón de tokens, entrada / salida, páginas oficiales, 31 oct. 2026. Índice de Artificial Analysis v5, mejor nivel de esfuerzo de cada modelo. Gemini 4 Carbon con descuento de lanzamiento.
El primer lugar dura semanas.
7 de setiembre. Claude Fable 5.1 y GPT-6 Astra empatan.
27 de octubre. Claude Opus 5.5 pasa adelante.
28 de octubre. Gemini 4 Carbon pasa adelante.
Serle leal a un proveedor es una trampa.
Artificial Analysis, índices v4.3 y v5.
Hacia arriba, más capaz. Hacia la izquierda, más barato. Cada color es un laboratorio.
La línea blanca une los mejores modelos a cada precio.
Casi toda es de OpenAI, 11 de 14 puntos.
Mismo puntaje, 46. GPT-6.1 Sol cuesta $0.36 por tarea y Kimi K3.1 Pro $3.68.
Ningún modelo abierto de pago llega a la línea. La sostienen laboratorios con miles de millones de inversión.
Usted quiere estar aquí.
Artificial Analysis, Intelligence Index vs. Cost per Task, leído el 31 oct. 2026. Líneas calculadas a partir de esa tabla.
Un modelo abierto publica sus pesos.
Los pesos son los números que el modelo aprendió al entrenarse. Con ellos cualquiera lo descarga, lo modifica y lo corre en sus propias computadoras.
Un modelo cerrado solo se usa por medio de la empresa que lo creó.
Ella decide qué responde, cuánto cobra y cuándo lo apaga.
Los abiertos chinos van de 2 a 5 meses atrás.
Más del 60 % del tráfico en OpenRouter va a modelos chinos.
Nathan Lambert, Interconnects, 21 set. 2026. Dataconomy, 29 jul. 2026, cifra secundaria.
Los chips pasan por aduana.
Los H200 son chips de NVIDIA hechos para entrenar y correr modelos grandes, y sin chips así no hay IA de punta. Estados Unidos deja venderlos a China, con topes y un 25 % para su gobierno.
Un modelo abierto se baja de internet.
La Unión Europea atrasó sus reglas de alto riesgo hasta diciembre de 2027.
Costa Rica tiene estrategia nacional desde 2024, pero todavía no tiene ley de IA.
BIS, 13 ene. 2026 (secundaria). Sidley, 22 jun. 2026. MICITT, oct. 2024. OECD.AI.
¿Puede un gobierno prohibir algo que cualquiera puede descargar?
Un modelo abierto no se puede retirar.
Una vez publicado, cualquiera lo copia.
Además, se le puede enseñar a no poner excusas.
En 2023 bastaron diez ejemplos y menos de 20 centavos para lograrlo con un modelo de OpenAI.
Qi et al., arXiv 2310.03693, 2023.
En los modelos cerrados, la ciberseguridad está restringida.
Las consultas que marcan nuestras salvaguardas de ciberseguridad pasan automáticamente a Opus 4.8.
Desde Claude Fable 5, cualquier pregunta de ciberseguridad que el filtro marque la responde un modelo anterior.
La versión sin esa restricción, Claude Mythos 5.1, solo se da por programas de acceso confiable.
Anthropic, "Introducing Claude Fable 5.1 and Claude Mythos 5.1". Centro de ayuda de Claude, 2026.
Los abiertos casi no ponen excusas, pero los cerrados pueden más.
R1-0528 respondió al 94 % de los pedidos abiertamente maliciosos con una técnica común de jailbreak.
Los modelos de Estados Unidos respondieron al 8 %.
Las salvaguardas de Kimi K3 no le impidieron intentar desarrollar exploits.
Pero en un ataque simulado completo lo logró 1 de 10 veces, y los mejores cerrados 6 o 7.
NIST CAISI, 30 set. 2025. UK AISI y CAISI, 23 jul. 2026. A los cerrados se les probó con las salvaguardas apagadas.
80 a 90 %
del trabajo de este ataque lo hizo Claude Code.
A mediados de setiembre de 2025, Anthropic detectó a un grupo que atribuye con alta confianza al Estado chino. Apuntó a unas 30 organizaciones, entre tecnológicas, bancos, químicas y agencias de gobierno.
Para saltarse las salvaguardas, dividieron el ataque en tareas pequeñas que parecían inofensivas y le dijeron a Claude que trabajaba para una empresa de ciberseguridad haciendo pruebas.
Claude buscó vulnerabilidades, escribió sus propios exploits, sacó credenciales y datos, y documentó todo. Hizo miles de solicitudes, a veces varias por segundo, y las personas solo decidieron en 4 a 6 momentos.
Funcionó en pocos casos, y Claude a veces inventaba credenciales. Anthropic cerró las cuentas en diez días, avisó a los afectados y coordinó con las autoridades.
Anthropic, "Disrupting the first reported AI-orchestrated cyber espionage campaign", 13 nov. 2025.
Su riesgo se llama tríada letal.
Con las tres juntas, una página con instrucciones escondidas le puede ordenar al agente que saque sus datos.
Dele dos, y las tres solo si usted está mirando.
Datos privados.
Su correo, sus archivos.
Contenido de afuera.
Una página o un correo que escribió otra persona.
Una salida.
Poder enviar o publicar algo.
Simon Willison, 16 jun. 2025.
Si un agente hace daño, ¿quién responde? ¿El laboratorio, quien lo usó o quien publicó el modelo?
El primer golpe está en los puestos de entrada.
No hay un despido masivo, lo que pasa es que se contrata menos gente nueva.
Si nadie entra abajo, ¿quién llega a experto?
Brynjolfsson, Chandar y Chen, Stanford, 12 ago. 2026. Descriptivo, no prueba causa.
Un chatbot sí cambia opiniones.
En Canadá y Polonia movió a votantes opositores unos 10 puntos, y el modelo más persuasivo unos 25.
Lo hace con datos, no adivinando quién es usted.
Personalizar el mensaje sumó menos de un punto.
Y lo que más persuade es lo que más errores mete.
En 2024, solo 19 de 112 elecciones mostraron indicios de interferencia con IA, y nada prueba que haya cambiado un resultado.
Lin et al., Nature, dic. 2025. Hackenburg et al., Science, dic. 2025 (76 000 personas). CETaS, Alan Turing Institute, nov. 2024.
Lo que un agente ya le hace bien en la oficina.
Escribir.
Informes, documentos y presentaciones a partir de sus archivos.
Investigar.
Buscar fuentes, leerlas, compararlas y citarlas.
Ordenar.
Limpiar datos, clasificar textos y armar tablas.
Revise cada afirmación, porque las herramientas de investigación acertaron del todo entre 28 % y 82 % de las veces.
Prueba de Parallel, abr. 2026, de un proveedor. DeepTRACE, arXiv 2509.04499. Ethan Mollick, 18 set. 2026.
Usted describe la tarea.
El agente arma la automatización.
Usted la revisa y la enciende.
Servidor MCP de n8n (beta). Zapier Copilot. Tareas programadas en Claude Cowork y ChatGPT.
¿Qué tarea suya, de todas las semanas, le daría mañana a un agente?
Entrar cuesta $4.62 por semana.
Con 20 dólares al mes ya tiene un agente en su computadora.
Yo pago 100 al mes, hago refactores muy grandes y no se me ha acabado.
Páginas de precios de Anthropic, OpenAI y Google, 31 oct. 2026. Semanal = mensual × 12 ÷ 52.
Su primera semana.
Lunes.
Instale Claude o ChatGPT de escritorio, con el plan de 20 dólares.
Martes.
Dele una carpeta con documentos y pídale un resumen comparado.
Miércoles.
Guarde la instrucción que mejor funcionó como habilidad.
Jueves.
Pídale una investigación con fuentes y revise tres.
Viernes.
Programe una tarea semanal, todavía sin acceso a su correo.
¿Qué cambió?
La IA pasó de contestar a trabajar, y cada cuatro meses aguanta tareas el doble de largas.
¿Quién controla esto?
Nadie por mucho tiempo, porque el primer lugar dura semanas y lo abierto no se puede retirar.
¿Qué le toca a usted?
Darle trabajo y revisarlo, porque el riesgo crece con el acceso que usted le da.