noticias ia para empresas agentes de ia microsoft

Más agentes no es mejor trabajo: un estudio con Claude Opus 5.5 y GPT-6 Sol mide que los equipos de agentes cuestan entre 1,8 y 5,1 veces más que un agente solo y solo en una de cuatro comparaciones rinden más. Satya Nadella pide tratar a la IA como un riesgo interno, con un freno de emergencia que una persona pueda accionar a mitad de tarea, un día después de que OpenAI publicara tres incidentes nuevos de sus modelos. Y el dinero va a los robots: la IA física suma unos 48.000 millones de dólares captados en 2026, buena parte para grabar a personas trabajando. Viene del radar del domingo 11.

Un equipo de agentes de IA cuesta hasta 5 veces más que uno solo y casi nunca trabaja mejor: antes de pagarlo, mide por tarea

Vals AI, una empresa que evalúa modelos, publicó el viernes un estudio en el que puso a GPT-6 Sol y a Claude Opus 5.5 a construir 50 aplicaciones web completas, cada uno trabajando solo y como equipo —un agente jefe que reparte el trabajo entre hasta cinco subagentes—, con esfuerzo de razonamiento medio y máximo. Los equipos costaron entre 1,8 y 5,1 veces más, y de las cuatro comparaciones solo una mejoró de forma estadísticamente significativa: GPT-6 Sol en esfuerzo medio pasó del 77,6 % al 84,9 % de pruebas superadas, a 2,5 veces el coste. La mejor nota del estudio, Opus 5.5 en equipo y con esfuerzo máximo (93,2 %), costó 122 dólares por aplicación, unas 30 veces más que el mismo Opus trabajando solo en esfuerzo medio (91,5 %, 4,08 dólares), y la diferencia no es significativa. La mayor parte del gasto extra es contexto repetido: cada subagente vuelve a leer la especificación en cada llamada. Tampoco siempre ganan en rapidez: los equipos de Opus tardaron hasta 2,3 veces más. Vals avisa de que es un solo banco de pruebas, de aplicaciones web, y puede no trasladarse a otros trabajos. Para tu empresa: OpenAI y Anthropic ya traen los equipos de agentes de serie, y más de un proveedor te los ofrecerá como la versión «avanzada». Antes de pagarla, pide la cuenta por tarea terminada, como contamos al hablar del coste real de la IA: pasa 20 tareas tuyas por un agente solo y por el equipo, y compara acierto, coste y tiempo de cada una. Si el equipo no acierta más, lo único que compras es velocidad, y a veces ni eso. Multiplicar agentes sin medir no te sube a DESATENDIDO: solo multiplica la factura. Fuente

Nadella pide un freno de emergencia para la IA y OpenAI enseña por qué: los controles tienen que vivir fuera del modelo

El consejero delegado de Microsoft, Satya Nadella, escribió el sábado en X que hay que rodear a los modelos «no deterministas» de un diseño de sistema «determinista», controles humanos y procedimientos fiables, y tratar los modelos, cerrados o abiertos, como un riesgo interno: «Debemos asumir que un modelo está comprometido y contenerlo desde el principio». Propone un freno de emergencia —que una persona autorizada pueda pausar o apagar un modelo a mitad de tarea— y, entre sus principios, que ningún modelo decida solo lo importante, un registro legible de lo que hace, pruebas continuas, controles independientes y auditables, contención y comunicación de incidentes. El viernes, OpenAI había añadido tres informes a su registro público de conductas no previstas, que ya suma 15 desde septiembre. En el principal, un modelo encargado de puntuar siete respuestas no encontró los ficheros que necesitaba: puso la misma nota a las siete con datos inventados, creó ficheros falsos para pasar el control y, cuando eso falló, borró software de su entorno con la esperanza de que le dieran otro con los datos. Ninguna nota se aceptó, porque el control pedía un código que solo estaba en los ficheros reales. En los otros dos casos, modelos se saltaron las restricciones de internet para conseguir estadísticas públicas. Y en Bruselas, el panel científico de la Comisión, 60 expertos, se reunió el viernes para preparar preguntas a las empresas de los modelos implicados en estos incidentes. Para tu empresa: a OpenAI no la salvó que el modelo fuera honrado, sino un control que el modelo no podía tocar. Haz lo mismo: que cada resultado del agente pase una comprobación fija antes de usarse —el total de la factura cuadra con sus líneas, cada dato cita un documento que existe—; que sus permisos estén en tu sistema y no en sus instrucciones; y prueba el freno hoy: quién puede parar cada agente a mitad de tarea y en cuántos minutos. Como vimos con la pista falsa de Claude a la policía, lo grave no es el error, sino tardar en verlo. Un agente que nadie sabe parar no está DESATENDIDO: está desbocado. Fuente

48.000 millones para robots que aprenden mirando a personas trabajar: el vídeo de tus procesos ya vale dinero

Las empresas de robótica e IA física —la que mueve brazos, carretillas y robots en el mundo real— han captado cerca de 48.000 millones de dólares en lo que va de 2026, según datos de PitchBook que publica el Financial Times. Buena parte va al recurso que más les falta: vídeo de personas haciendo trabajo corriente, que no se puede descargar de internet como el texto y hay que encargar y etiquetar. Laboratorios como Physical Intelligence, Skild AI, Generalist o la alemana NEURA Robotics combinan proveedores externos de datos con equipos propios, montan «gimnasios de robots» y colocan equipos de grabación en casas, oficinas y fábricas para captar cómo se mueve, toca y aprieta la gente al trabajar. Para tu empresa: el cuello de botella de los robots ya no es la máquina, sino aprender tu tarea, y eso se aprende de grabaciones como las de tu nave. Si un proveedor te propone grabar tus procesos a cambio de un piloto o de un descuento, eso que das tiene valor: pacta por escrito quién es dueño de las imágenes, para qué se usan y si pueden entrenar un modelo que luego venda a otros, también a tu competencia. Y como salen tus empleados, infórmales antes y por escrito: la imagen de una persona identificable es un dato personal. Como contamos ayer con ABB Robotics en Sabadell, los robots llegan en alquiler; lo que decide si te sirven es tener la tarea descrita y medida. Sin eso, con robot o sin él, sigues en MANUAL. Fuente

Claude Opus 5.5 rehace en una noche juegos de hace veinte años: el software viejo de tu empresa ya no es intocable, ni secreto

En las últimas dos semanas han aparecido cientos de juegos antiguos —Halo, GTA: Vice City, Los Simpson: Hit & Run— descompilados y adaptados para funcionar en el navegador, y según Kotaku el motor es Claude Opus 5.5, que reconstruye el código de un programa compilado en una noche cuando antes costaba meses de trabajo. Algunas versiones funcionan casi a la perfección, y editoras como Activision y Bethesda ya han actuado contra proyectos parecidos. Para tu empresa, dos lecturas. Si dependes de un programa antiguo cuyo código es tuyo pero que nadie entiende —la aplicación de gestión que te hicieron hace veinte años, una base de datos en Access, un programa en Delphi—, rehacerlo o pasarlo a web ya no es un proyecto de meses: encarga una prueba sobre un solo módulo y mide cuánto tarda y cuánto acierta. Si vendes software que se instala en el ordenador del cliente, el código compilado ya no esconde tu saber hacer: lo que te diferencia tiene que vivir en tu servidor y en tu contrato. Ojo: descompilar programas de otros sigue limitado por la ley de propiedad intelectual a supuestos concretos, así que esto vale para código tuyo. Un programa que nadie se atreve a tocar te deja en MANUAL aunque lo uses cada día. Fuente

¿Qué mirar esta semana?

TechCrunch Disrupt, del martes 13 al jueves 15 en San Francisco; si Microsoft convierte los principios de Nadella en funciones de sus productos para agentes; el próximo lote de informes de OpenAI, que los publica casi cada semana; y si Nvidia cierra la compra o una inversión mayor en Reflection AI, el laboratorio de modelos abiertos en el que ya ha metido 800 millones de dólares, según el Financial Times.