AI Builders Digest

Un planificador de frontera más un modelo de carga barato reducen los costes de los agentes 15 veces

Los sistemas agénticos multimodelo se están convirtiendo en el patrón de diseño central para los agentes complejos. Citando una nueva investigación de Cursor, un modelo de frontera se encarga de las partes que de verdad requieren inteligencia, la descomposición inicial, las decisiones de diseño y ciertos trade-offs, y luego reduce la ambigüedad a instrucciones explícitas que un modelo de carga más barato simplemente sigue, recortando el coste total en tokens 15 veces. La capa aplicada será la que marque la diferencia aquí: las empresas que conocen un dominio y saben enrutar entre distintos niveles de modelos se llevarán cargas de trabajo más grandes en coding, finanzas, legal y salud que de otro modo serían demasiado caras de desplegar.

• #agents
• #products

El CEO de Booking: los moats no existen

Glenn Fogel, que se incorporó a Priceline cuando valía unos pocos cientos de millones y ayudó a hacerla crecer más allá de los 130.000 millones de dólares, insiste en que la ventaja duradera solo llega de construir sin parar nuevos servicios, nunca de un moat que la innovación no pueda erosionar. Penny, el asistente agéntico de Priceline, ha duplicado su adopción cada mes, mejorando la conversión y reduciendo las cancelaciones, aunque sigue siendo minúsculo frente a los 186.000 millones de dólares en viajes anuales, y las preguntas abiertas son la economía de los tokens y qué modelo enrutar hacia dónde. Es directo sobre la AI y el empleo: la sociedad siempre se adapta, pero la velocidad del cambio y el camionero de 50 años que no puede reciclarse le preocupan más que la propia tecnología.

• #agents
• #products
• #policy

El camino hacia la AGI está pavimentado con tareas económicamente valiosas

La AI empresarial es una de las fronteras más importantes porque es donde viven las tareas económicamente valiosas, y esas tareas son el verdadero camino hacia la AGI. El debate sobre tokenomics que de verdad importa ahora no es el de las cripto, es el de weights abiertos frente a cerrados, los costes de inferencia y el model routing. Es el mejor momento de la historia para tener olfato de producto.

• #agents
• #products

Cómo los labs manipulan discretamente los benchmarks entrenando con datos parecidos a los de test

Un análisis de comparación de trayectorias enterrado en el paper de RLM de Alex Zhang y Omar Khattab hurga en un secreto a voces del entrenamiento de frontera: incluso sin entrenar sobre el test set, puedes entrenar con datos parecidos para forzar casi cualquier número de benchmark, con negación plausible porque los lanzamientos open-weight rara vez incluyen los datasets o los entornos de RL que lo dejarían al descubierto. Su solución preliminar aplica métricas de distancia estándar de NLP a las trayectorias ocultas. No hay una solución definitiva, pero la exploración también respalda el hallazgo de que los reasoning language models generalizan a tareas no vistas que comparten una estructura latente con lo que vieron durante el entrenamiento.

• #evals
• #open-source

Ahora hay dos tipos de empresas: las construidas antes de los coding agents y las de después

Las empresas fundadas después de los coding agents son estructuralmente distintas desde el primer día: equipos de menos de diez personas porque de verdad no necesitan más, trabajo organizado por proyectos en lugar de departamentos, cada persona cerrando su propio ciclo y casi sin reuniones internas. Todas las construidas antes andan a las carreras intentando adaptarse. Su diseño de contratación acorde: una ronda presencial sin AI permitida para poner a prueba la experiencia de dominio pura, y luego un proyecto imposible de terminar sin AI, donde al candidato se le evalúa tanto por el transcript del chat con el agente como por el resultado.

• #agents
• #hiring

Usa un agente aparte con una rúbrica para revisar el trabajo del primer agente

Para salidas subjetivas, como si un video short es bueno o no, no dejes que el modelo se califique a sí mismo. Thariq explica que deberías ejecutar un agente de verificación aparte que lea una rúbrica, revise la salida y dé feedback, por el sesgo de auto-preferencia: cuando un modelo prefiere su propia salida, es indulgente al revisarla. Yang también sostiene que prohibir los modelos abiertos chinos sería el mismo autogol que prohibir los coches eléctricos chinos.

• #agents
• #evals

Que no haya moats en la AI no convierte la escala y el capital en tu moat

Los fundadores de los últimos 18 meses están a punto de reaprender que estar bien capitalizado y a gran escala no sustituye a un insight único. El cementerio está lleno de empresas que eran fuertes estructural y financieramente y aun así fueron derrotadas o se hundieron bajo su propio peso: Webvan, Groupon, MySpace, Yahoo, AltaVista, Blockbuster, Nokia. El reto es dar con un insight que merezca un viaje de más de 10 años, manteniendo la prudencia suficiente para no dejar que el capital y la escala ocupen su lugar.

• #funding
• #products

La gran lección de la AI: todo es código

Una presentación de diapositivas es código, el diseño es código, ese chulo video promocional es código, la automatización de Excel es código y probablemente el universo también. Así plantea Rauch por qué la AI colapsa tantos artefactos creativos y de negocio en un mismo medio maleable.

• #products