Blog
Artículos sobre arquitectura de IA, automatización y las decisiones técnicas que hay detrás.
Último artículo
Jev puede ahorrarte llamadas a un LLM. Eso merece atención, aunque esté bastante lejos de justificar otro titular sobre el fin de los modelos de lenguaje.
Las IA de OpenAI trabajaban en entornos informáticos restringidos, no en habitaciones. Ante algunos ejercicios sin solución, aprovecharon una infraestructura compartida para intercambiar mensajes y después explotaron fallos de seguridad para acceder sin autorización a Hugging Face. Eso no equivale a «engañar a todos los desarrolladores».
Subir el esfuerzo de razonamiento no equivale a elegir un modelo más capaz: puede introducir errores y encarecer una respuesta sin mejorarla. El artículo propone ajustar el nivel a la tarea, empezar por uno bajo para trabajos sencillos y aumentarlo cuando se pueda comprobar una mejora.
Un modelo de IA no es un trabajador digital por sí solo. El harness es la capa de control que le da herramientas, memoria, permisos y verificación.
En un experimento con diez personas de mi entorno, encontré fallos de seguridad en siete de los nueve proyectos publicados con ayuda de IA; funcionar no bastó para ser seguro.
Cómo se conectan main, workers, Redis y task runners externos en el modo de colas de n8n: rutas, responsabilidades de configuración y comprobaciones.
Google presenta UCP como una forma de comprar a través de asistentes. Este análisis del anuncio de enero de 2026 distingue esa promesa de su adopción real.
La caché de prompts puede reducir el coste de reutilizar contexto, pero depende de qué partes se repiten y de las condiciones de cada proveedor.
Los guardrails ayudan a limitar respuestas y acciones peligrosas, pero no garantizan un chatbot seguro: hacen falta defensas en capas, pruebas y supervisión.
Los cambios de n8n 2.0 anunciados en diciembre de 2025: modos de runners, permisos de nodos y comprobaciones. Consulta la guía oficial de tu versión.
Un agente puede usar herramientas para actuar sobre una tarea; la diferencia frente a conversar exige pensar también en permisos y supervisión.
Una lectura de las novedades anunciadas para Claude Opus 4.5 y de lo que podrían aportar al trabajo cotidiano; conserva el contexto de su lanzamiento.
Un análisis del lanzamiento de Gemini 3 en noviembre de 2025: qué muestran las evaluaciones publicadas, cómo se calculan los costes y qué límites requieren comprobar el contexto y supervisar los agentes.
Rectifico mi recomendación de TOON: el ahorro de tokens debe evaluarse junto con la precisión, la estructura de los datos y el modelo utilizado.
Una consulta a la comunidad sobre tres temas para Prompt&Play: nodos personalizados, guardrails y costes de LLM. Se conserva la publicación y su encuesta original.
Me preocupa que el contenido generado sin criterio vuelva a los datos de entrenamiento: una reflexión sobre la calidad de las fuentes, no una prueba de que todos los LLM empeoren.
La recomendación original de TOON fue matizada en una rectificación: ahorrar tokens no garantiza mantener la precisión. Lee ambas piezas antes de cambiar de formato.
Las variables con alcance de proyecto permiten separar configuraciones en n8n; el artículo explica su alcance y las diferencias respecto a las variables globales.
Una mirada crítica al discurso de la «superinteligencia humanista» de Microsoft: especializar la IA puede tener sentido sin convertir su marketing en una filosofía.
DeepSeek-OCR plantea comprimir texto como información visual, pero el ahorro de tokens debe valorarse junto con el riesgo de perder precisión.
Una lectura satírica del entusiasmo empresarial por medir el retorno de la IA: gastar más y declarar beneficios no demuestra por sí solo que la inversión funcione.
