<?xml version="1.0" encoding="UTF-8"?><rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>Mr. Gómez&apos;s Bitácora (español)</title><description>Bitácora de Cristian Gómez: artículos sobre IA en la empresa, en español.</description><link>https://www.mrgomez.net/es/</link><language>es-cl</language><item><title>Cómo los atacantes usan la IA para acelerar los ciberataques</title><link>https://www.mrgomez.net/es/articles/how-attackers-are-using-ai-cyber-attacks/</link><guid isPermaLink="true">https://www.mrgomez.net/es/articles/how-attackers-are-using-ai-cyber-attacks/</guid><description>Algunos atacantes delegan intrusiones enteras en agentes de IA. Casos de EE. UU., Europa y Australia, lo que aún es exageración y siete defensas prácticas.</description><pubDate>Tue, 17 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;Hace seis meses, la historia habitual sobre la IA y el cibercrimen eran los correos de phishing mejor escritos. Esa historia ya quedó obsoleta.&lt;/p&gt;
&lt;p&gt;Entre mayo y noviembre de 2026, investigadores, laboratorios de IA y al menos una víctima publicaron registros de atacantes que entregaban intrusiones completas a frameworks de agentes de IA que corrían sobre modelos baratos. Algunas funcionaron. Muchas no.&lt;/p&gt;
&lt;p&gt;¿Qué cambió de verdad para quienes defienden una empresa?&lt;/p&gt;
&lt;p&gt;La respuesta corta: el tiempo y la identidad. El plazo entre que una falla se hace pública y que alguien la explota se está acortando hacia las horas. Y reconocer una voz, una cara o un correo bien escrito ya no cuenta como control.&lt;/p&gt;
&lt;p&gt;Cuando el uso de IA está confirmado, solo reportado o apenas presunto, lo digo.&lt;/p&gt;
&lt;h2&gt;Lo que muestran los casos de EE. UU.&lt;/h2&gt;
&lt;p&gt;Empecemos por una intrusión estancada. En septiembre de 2026, unos atacantes dentro de un servidor web comprometido de un minorista estadounidense no identificado escribían comandos a mano, y el software de seguridad bloqueó cada payload. Al día siguiente pasaron casi dos horas enviando lo que Symantec describe como &quot;long, error-free PowerShell scripts with labelled output sections&quot; (scripts de PowerShell largos, sin errores y con secciones de salida rotuladas) (Symantec Threat Hunter Team, 2026). A unos 10 minutos de consultar por primera vez el software SolarWinds Orion del minorista, usaron el secreto compartido de un componente incluido para ejecutar comandos en un segundo servidor.&lt;/p&gt;
&lt;p&gt;Symantec infiere de los artefactos que esto era &quot;more consistent with an operator relaying output to an AI tool than with an autonomous agent&quot; (más coherente con un operador que le pasa los resultados a una herramienta de IA que con un agente autónomo) (Symantec Threat Hunter Team, 2026). No se observó robo de datos ni cifrado. Symantec lo describe como uno de los &quot;dozens of AI-assisted attacks&quot; (decenas de ataques asistidos por IA) que ha investigado desde mayo (Culafi, 2026).&lt;/p&gt;
&lt;p&gt;Snorre Fagerland, investigador de NorForge, encontró más de 20 paneles de control expuestos de Cairn, un harness de agentes de IA de código abierto, usados para intrusiones probablemente criminales. El clúster más activo, de habla china, ejecutó más de 1.100 proyectos de ataque contra sitios de comercio electrónico, sobre todo en EE. UU., Japón y Australia, con la instrucción de que los agentes encontraran ejecución remota de código sin autenticación y plantaran un web shell (Fagerland, 2026). Los proyectos exitosos en ese clúster tardaron en promedio un poco menos de 23 horas. Considerando todas las campañas que observó, NorForge estima la tasa de éxito en torno al 10%.&lt;/p&gt;
&lt;p&gt;Reuters revisó de forma independiente los registros del atacante y nombró a Deere, SharkNinja y Cummins entre más de 100 empresas cuyos sitios web fueron vulnerados (Satter, 2026). Léelo con cuidado. Deere dijo que había tomado medidas de remediación y que no vio indicios de que se accediera a información sensible. SharkNinja dijo que el ataque afectó un sitio independiente de soporte de productos y que fue contenido. Cummins dijo que estaba investigando un posible ataque a un sitio web operado por un proveedor externo. Ninguna confirmó el método con IA. Fagerland le dijo a Reuters que la campaña parecía usar DeepSeek y Claude Code, a unos US$50 en tokens por hackeo exitoso, una estimación del investigador (Satter, 2026).&lt;/p&gt;
&lt;p&gt;Cincuenta dólares. Ya escribí sobre &lt;a href=&quot;/articles/what-does-one-ai-agent-task-actually-cost/&quot;&gt;cuánto cuesta realmente una tarea de un agente de IA&lt;/a&gt; (en inglés). La misma aritmética les sirve a los atacantes y, con esta estimación, les sale barato.&lt;/p&gt;
&lt;p&gt;El espionaje se ve parecido. Unit 42 informa que atacantes de habla china realizaron 25 operaciones contra al menos 19 organizaciones usando un fork personalizado de Cairn con modelos Zhipu GLM y DeepSeek (Unit 42, 2026). Con un objetivo de una sola línea, el framework &quot;planned, executed and recorded results on its own&quot; (planificó, ejecutó y registró resultados por su cuenta). Diez organizaciones sufrieron acceso no autorizado o extracción de datos. Entre los objetivos, ninguno nombrado, había un sindicato docente de EE. UU. y organizaciones de política de defensa, y Unit 42 mantiene con confianza moderada la atribución a un nexo con China.&lt;/p&gt;
&lt;p&gt;En fraude, el informe 2025 del FBI contabilizó 22.364 denuncias que reportaron información relacionada con IA, con pérdidas ajustadas de US$893.346.472, y las empresas reportaron más de US$30 millones perdidos por fraudes de compromiso de correo empresarial con participación de IA (Federal Bureau of Investigation Internet Crime Complaint Center [FBI IC3], 2026a). Son datos autodeclarados, y el FBI advierte que muchas víctimas no se dan cuenta de hasta qué punto puede haber IA involucrada.&lt;/p&gt;
&lt;h2&gt;Lo que agrega Europa&lt;/h2&gt;
&lt;p&gt;El caso europeo más claro viene de una víctima que sabe de seguridad más que la mayoría. El 21 de septiembre de 2026, un atacante encadenó dos vulnerabilidades de día cero en Zammad, el software de mesa de ayuda que usa el Dutch Institute for Vulnerability Disclosure (DIVD, 2026), un grupo voluntario de investigación en seguridad, y obtuvo acceso root en su centro de datos. DIVD lo detectó en 19 minutos, pero se filtraron datos de voluntarios y partes de sus tickets de CSIRT y de su correo.&lt;/p&gt;
&lt;p&gt;El 31 de octubre, DIVD dijo, &quot;based on facts&quot; (con base en hechos), que se usó ARTEX, un framework agéntico de pentesting de código abierto. Sus registros mostraron más de 450.000 solicitudes, más de 2.500 scripts donde, según DIVD, un atacante humano necesita veinte o treinta, y acceso inicial hasta root en doce minutos (DIVD, 2026). La propia descripción que DIVD hizo del atacante: &quot;super loud and messy&quot; (súper ruidoso y desordenado).&lt;/p&gt;
&lt;p&gt;Anthropic informa, a partir de su propia telemetría, que un único actor francófono al que sigue como GTG-50029 usó Claude para crear un exploit para una falla no documentada de WordPress y para operar subagentes contra partidos políticos, medios y centros de pensamiento europeos en la primavera boreal de 2026 (Anthropic, 2026). De 42 objetivos rastreados, al menos 14 fueron vulnerados, con entre 12 y 26 GB exfiltrados según estimaciones, incluidos registros de donantes y afiliados de partidos. No se nombra a ninguna víctima.&lt;/p&gt;
&lt;p&gt;Luego está la Operación Snowball. Malbear Labs (2026) encontró más de 70 transcripciones expuestas de un agente con jailbreak sobre DeepSeek Flash que atacaba a una empresa de telecomunicaciones europea no identificada y a 13 organizaciones alojadas en ella. Entró por una falla de Cisco BroadWorks parcheada en agosto y luego usó fallas de Liferay y JBoss de 2020 y 2013. Cuando lo bloqueaban, cambiaba de enfoque sin instrucciones del operador (Mascellino, 2026).&lt;/p&gt;
&lt;p&gt;El agente también afirmó haber llegado a millones de registros de pacientes y a registros de facturación de suscriptores. Esas afirmaciones son presuntas: vienen de los propios informes del agente, y Malbear no dice si las verificó con las víctimas (Mascellino, 2026). Snowball muestra cómo se comportan los agentes, no un daño confirmado.&lt;/p&gt;
&lt;h2&gt;La situación en Australia, con honestidad&lt;/h2&gt;
&lt;p&gt;Esto es lo que no te puedo dar: el nombre de una organización australiana que se haya confirmado como vulnerada por una intrusión impulsada por IA. A mediados de noviembre de 2026, no pude encontrar ninguna en el registro público.&lt;/p&gt;
&lt;p&gt;Eso se mantiene también después de la divulgación de Coles. El 16 de noviembre, Coles Group informó a la ASX que estaba investigando un incidente de ciberseguridad, que trabajaba con el Australian Cyber Security Centre y que, hasta esa fecha, no había encontrado evidencia de que se hubiera comprometido o extraído de sus sistemas información de clientes, del personal o de proveedores (Coles Group Limited, 2026). Coles no ha dicho qué sistemas estuvieron involucrados ni cómo, y no encontré ninguna fuente creíble que atribuya el incidente a la IA.&lt;/p&gt;
&lt;p&gt;Lo que sí hay se acerca, y es anterior a la divulgación de Coles. El primer caso de estudio de NorForge sobre Cairn, publicado el 19 de octubre de 2026, es una tienda en línea australiana donde el panel del atacante registró el objetivo como cumplido, y NorForge confirmó un shell con ejecución de comandos en el servidor web (Fagerland, 2026). No se ha identificado públicamente a la tienda, y la investigación en la que me apoyé no encontró ninguna declaración de gobierno ni de regulador sobre la campaña.&lt;/p&gt;
&lt;p&gt;La Australian Signals Directorate (ASD, 2026a) dice en su informe anual de amenazas que la IA &quot;accelerates the speed, scale and sophistication of cyber threats&quot; (acelera la velocidad, la escala y la sofisticación de las ciberamenazas), pero no detalla públicamente ninguna intrusión australiana habilitada por IA. Su caso de estudio australiano sobre la mesa de ayuda de un banco que en 2025 sufrió vishing a manos de impostores ni siquiera menciona la IA.&lt;/p&gt;
&lt;p&gt;Las cifras duras de Australia están en las estafas. En agosto, la Australian Securities and Investments Commission (ASIC, 2026) advirtió que los estafadores &quot;use generative AI to create vast networks of deepfake websites and endorsements&quot; (usan IA generativa para crear vastas redes de sitios web y respaldos deepfake). Retiró más de 19.400 estafas en línea en el FY26, un 182% más que las 6.915 del año anterior. Las figuras públicas más suplantadas se vincularon con A$7,4 millones en pérdidas reportadas a Scamwatch.&lt;/p&gt;
&lt;p&gt;Dos salvedades, porque la versión de titular es incorrecta. La ASIC no dice que la IA haya causado el salto en las eliminaciones. Y los A$7,4 millones son pérdidas por estafas que suplantaban a esas figuras, no pérdidas atribuibles específicamente a la IA (ASIC, 2026).&lt;/p&gt;
&lt;p&gt;El vacío mayor está en los datos. La Office of the Australian Information Commissioner (OAIC, 2026) recibió 11 notificaciones de filtraciones que afectaron a más de un millón de personas a nivel mundial en el primer semestre de 2026, frente a cuatro en los seis meses anteriores, sin desglose por IA. Ni la ASD ni la ASIC lo desglosan tampoco. Eso es un vacío, no un hallazgo.&lt;/p&gt;
&lt;h2&gt;El mejor argumento contrario: más rápido, no nuevo&lt;/h2&gt;
&lt;p&gt;Entonces, ¿es sobre todo exageración? No del todo, pero los escépticos tienen a los gobiernos de su lado.&lt;/p&gt;
&lt;p&gt;La ASD es directa: &quot;AI capabilities have not introduced new cyber threats, but they have amplified and sped up existing ones&quot; (las capacidades de IA no han introducido nuevas ciberamenazas, pero han amplificado y acelerado las existentes) (ASD, 2026a). El National Cyber Security Centre del Reino Unido (NCSC, 2026) evalúa que el mayor impacto es la aceleración y el escalamiento de técnicas existentes, y que es muy probable que los operadores humanos sigan siendo esenciales. La European Union Agency for Cybersecurity (ENISA, 2026) dice que los atacantes usan principalmente herramientas de IA de consumo para potenciar habilidades que ya tienen. Incluso Symantec dice sobre su caso del minorista: &quot;None of the techniques used in this second phase of the attack were new&quot; (ninguna de las técnicas usadas en esta segunda fase del ataque era nueva) (Symantec Threat Hunter Team, 2026).&lt;/p&gt;
&lt;p&gt;La autonomía total también es poco común. Insikt Group, de Recorded Future, contabilizó 103 incidentes habilitados por IA entre el 31 de julio de 2025 y el 31 de julio de 2026 y concluyó que &quot;most involve AI accelerating familiar attack types&quot; (la mayoría involucra IA que acelera tipos de ataque conocidos) y que &quot;full automation remains rare&quot; (la automatización total sigue siendo poco común) (Insikt Group, 2026). La estimación de NorForge de un éxito en torno al 10% en las campañas que observó, y el &quot;super loud and messy&quot; de DIVD, apuntan en la misma dirección.&lt;/p&gt;
&lt;p&gt;La evidencia además tiene un sesgo. Los mejores registros vienen de atacantes que dejaron paneles expuestos, o de laboratorios de IA que vigilan sus propias plataformas. Los atacantes cuidadosos dejan menos rastros, así que el registro sobrerrepresenta a los descuidados.&lt;/p&gt;
&lt;p&gt;En los bordes, el campo sí discrepa. Anthropic dice que el modelo operativo autónomo que documentó en noviembre de 2025 ha &quot;proliferated across every class of actors we investigated&quot; (proliferado en todas las clases de actores que investigamos) (Anthropic, 2026), mientras que el NCSC sigue evaluando que es poco probable que la IA esté ejecutando de forma autónoma ataques de principio a fin (NCSC, 2026). Mi lectura: la autonomía es real y crece en el crimen oportunista, pero todavía no es la norma en el segmento más sofisticado.&lt;/p&gt;
&lt;p&gt;Pero la amenaza es la velocidad. La ASD dice que históricamente la mayor parte de la explotación ha ocurrido dentro de las dos semanas posteriores a un parche, en algunos casos dentro de 48 horas, y que las herramientas impulsadas por IA van a &quot;further compress this window&quot; (comprimir aún más esta ventana) (ASD, 2026a). Una alerta crítica del 17 de noviembre del ASD&apos;s Australian Cyber Security Centre (ASD&apos;s ACSC, 2026c) dice que las herramientas automatizadas y habilitadas por IA están ayudando a los atacantes a encontrar y explotar fallas más rápido y a mayor escala. Microsoft sitúa la mediana del tiempo entre el descubrimiento en circulación y la conversión en arma &quot;well below 24 hours&quot; (muy por debajo de 24 horas) (Microsoft, 2026).&lt;/p&gt;
&lt;h2&gt;Lo que le diría a otro líder&lt;/h2&gt;
&lt;p&gt;Casi ninguno de estos incidentes necesitaba una defensa que todavía no exista. Necesitaban lo básico hecho más rápido y sin atajos de confianza.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;Mide los parches en horas para todo lo que esté expuesto a internet, y retira lo que no puedas parchear.&lt;/strong&gt; La ventana se está reduciendo (ASD, 2026a), y el agente de Snowball usó fallas de 2013 y 2020 (Mascellino, 2026). Usa la nueva guía Essentials de la ASD (ASD, 2026b) y mide el tiempo medio de mitigación, no solo el tiempo medio de aplicación de parches (Culafi, 2026).&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;Pasa a MFA resistente al phishing y refuerza la mesa de ayuda.&lt;/strong&gt; Advirtiendo que las herramientas de IA hacen más difícil detectar el phishing, el FBI y la CISA instan a usar MFA resistente al phishing (Federal Bureau of Investigation [FBI] &amp;amp; Cybersecurity and Infrastructure Security Agency [CISA], 2026; CISA, 2022). La ASD recomienda las passkeys y documenta la ingeniería social contra mesas de ayuda como una táctica principal, así que exige verificaciones de identidad sólidas antes de cualquier restablecimiento (ASD, 2026a).&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;Haz obligatoria la verificación por un canal independiente para pagos, cambios de datos bancarios y solicitudes urgentes de ejecutivos. Sin excepciones.&lt;/strong&gt; El FBI advierte que los estafadores ya usan video con IA en chats en tiempo real con supuestos ejecutivos de empresas (FBI IC3, 2026b). El consejo de Scamwatch que repite la ASIC, usar datos de contacto que encuentres por tu cuenta, también sirve dentro de una empresa (ASIC, 2026).&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;Trata las claves de API de IA y los tokens como las joyas de la corona.&lt;/strong&gt; Anthropic informa que atacantes revisaron 1,8 millones de apps de Android en busca de secretos incrustados en el código y usaron claves de IA robadas para impulsar nuevos ataques (Anthropic, 2026). Google informa casos de LLMJacking atendidos por Mandiant con hasta US$1 millón en cargos fraudulentos de nube e IA (Blum et al., 2026). Escanea el código y los contenedores en busca de secretos, rótalos cuando queden expuestos y configura alertas y cuotas de gasto.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;Gobierna tus propios agentes y las identidades no humanas.&lt;/strong&gt; La ASD aconseja empezar con agentes en tareas de bajo riesgo, con mínimo privilegio, identidad sólida, monitoreo y aprobación humana para las acciones importantes (ASD&apos;s ACSC, 2026a, 2026b). El NCSC advierte sobre la IA en la sombra (NCSC, 2026). Eso convierte &lt;a href=&quot;/articles/who-gets-to-build-citizen-ai-tools-shadow-it/&quot;&gt;quién puede construir&lt;/a&gt; y &lt;a href=&quot;/articles/who-decides-when-the-system-acts/&quot;&gt;quién decide cuándo actúa el sistema&lt;/a&gt; (ambos en inglés) también en preguntas de seguridad.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;Ajusta la detección para la velocidad de máquina y el ruido.&lt;/strong&gt; Los agentes son rápidos pero ruidosos. DIVD vio 450.000 solicitudes y detectó la intrusión en 19 minutos (DIVD, 2026). Symantec sugiere tratar un intento bloqueado seguido de una variante como una alerta de alta prioridad (Culafi, 2026). El ruido solo ayuda si alguien está escuchando.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;
&lt;p&gt;&lt;strong&gt;En Australia, conoce tus obligaciones de reporte y ponlas a prueba con un escenario de IA.&lt;/strong&gt; Desde el 30 de mayo de 2025, las empresas con facturación anual de A$3 millones o más, y las entidades responsables de activos de infraestructura crítica bajo la Parte 2B de la SOCI Act, deben reportar en un plazo de 72 horas cualquier pago por ransomware o ciberextorsión (ASD&apos;s ACSC, n.d.; Department of Home Affairs, n.d.). Haz un ejercicio de simulación con un CFO suplantado mediante deepfake y una intrusión que avanza rápido, y confirma quién decide, y quién reporta, cualquier pago.&lt;/p&gt;
&lt;/li&gt;
&lt;/ol&gt;
&lt;h2&gt;Entonces, ¿qué cambió?&lt;/h2&gt;
&lt;p&gt;No el manual. El reloj.&lt;/p&gt;
&lt;p&gt;Estos ataques usaron fallas antiguas, claves robadas, secretos compartidos y voces de confianza. La IA los hizo más baratos, más rápidos y más persistentes. Eso basta para romper cualquier proceso que supusiera un ritmo humano del otro lado.&lt;/p&gt;
&lt;p&gt;Así que la pregunta útil no es si vienen los hackers con IA. Es si tu ciclo de parches, tu mesa de ayuda y tus aprobaciones de pago siguen funcionando frente a un atacante que trabaja a velocidad de máquina.&lt;/p&gt;
&lt;p&gt;~ Mr. Gómez&lt;/p&gt;
&lt;hr /&gt;
&lt;h2&gt;Referencias&lt;/h2&gt;
&lt;p&gt;Anthropic. (2026, September). &lt;em&gt;Detecting and countering misuse of AI: September 2026&lt;/em&gt;. https://www.anthropic.com/threat-intelligence-report-september-2026&lt;/p&gt;
&lt;p&gt;ASD&apos;s Australian Cyber Security Centre. (n.d.). &lt;em&gt;Ransomware payment and cyber extortion payment reporting&lt;/em&gt;. Retrieved November 17, 2026, from https://www.cyber.gov.au/ransomware-payment-and-cyber-extortion-payment-reporting&lt;/p&gt;
&lt;p&gt;ASD&apos;s Australian Cyber Security Centre. (2026a, September 11). &lt;em&gt;Agentic AI harnesses&lt;/em&gt;. https://www.cyber.gov.au/publication/agentic-ai-harnesses&lt;/p&gt;
&lt;p&gt;ASD&apos;s Australian Cyber Security Centre. (2026b, May 1). &lt;em&gt;Careful adoption of agentic AI services&lt;/em&gt;. https://www.cyber.gov.au/publication/careful-adoption-of-agentic-ai-services&lt;/p&gt;
&lt;p&gt;ASD&apos;s Australian Cyber Security Centre. (2026c, November 17). &lt;em&gt;Vulnerabilities are moving quickly, so patch, protect, prevent&lt;/em&gt; [Critical alert]. https://www.cyber.gov.au/alert/vulnerabilities-are-moving-quickly-so-patch-protect-prevent&lt;/p&gt;
&lt;p&gt;Australian Securities and Investments Commission. (2026, August 17). &lt;em&gt;26-195MR ASIC warns scammers are using AI to spin vast webs of deception&lt;/em&gt; [Media release]. https://www.asic.gov.au/about-asic/news-centre/find-a-media-release/2026-releases/26-195mr-asic-warns-scammers-are-using-ai-to-spin-vast-webs-of-deception&lt;/p&gt;
&lt;p&gt;Australian Signals Directorate. (2026a, October 26). &lt;em&gt;Annual cyber threat report 2025-26&lt;/em&gt;. https://www.cyber.gov.au/sites/default/files/2026-10/Annual%20Cyber%20Threat%20Report%202025-26.pdf&lt;/p&gt;
&lt;p&gt;Australian Signals Directorate. (2026b, October 15). &lt;em&gt;ASD Essentials: Evolving our approach to cyber security resilience&lt;/em&gt;. https://www.asd.gov.au/news/2026-10-15-asd-essentials-evolving-our-approach-cyber-security-resilience&lt;/p&gt;
&lt;p&gt;Blum, A., Vanderlee, K., Xia, J., &amp;amp; Mainor, D. (2026, November 16). GTIG AI threat tracker: Agentic threat activity crosses a significant threshold. &lt;em&gt;Google Cloud Blog&lt;/em&gt;. https://cloud.google.com/blog/topics/threat-intelligence/agentic-threat-activity-crosses-a-significant-threshold/&lt;/p&gt;
&lt;p&gt;Coles Group Limited. (2026, November 16). &lt;em&gt;Coles investigating cyber security incident&lt;/em&gt; [ASX announcement]. https://announcements.asx.com.au/asxpdf/20261116/pdf/076mbypg72n06s.pdf&lt;/p&gt;
&lt;p&gt;Culafi, A. (2026, November 12). Inside an AI attack against a US retailer. &lt;em&gt;Dark Reading&lt;/em&gt;. https://www.darkreading.com/cyberattacks-data-breaches/inside-ai-attack-us-retailer&lt;/p&gt;
&lt;p&gt;Cybersecurity and Infrastructure Security Agency. (2022, October). &lt;em&gt;Implementing phishing-resistant MFA&lt;/em&gt; [Fact sheet]. https://www.cisa.gov/sites/default/files/publications/fact-sheet-implementing-phishing-resistant-mfa-508c.pdf&lt;/p&gt;
&lt;p&gt;Department of Home Affairs. (n.d.). &lt;em&gt;Factsheet: Mandatory ransomware and cyber extortion payment reporting&lt;/em&gt;. Retrieved November 17, 2026, from https://www.homeaffairs.gov.au/cyber-security-subsite/files/factsheet-ransomware-payment-reporting.pdf&lt;/p&gt;
&lt;p&gt;Dutch Institute for Vulnerability Disclosure. (2026). &lt;em&gt;We got hacked, here&apos;s everything we know&lt;/em&gt; (Case DIVD-2026-00014). Retrieved November 17, 2026, from https://www.divd.nl/hacked/&lt;/p&gt;
&lt;p&gt;European Union Agency for Cybersecurity. (2026, September 23). &lt;em&gt;ENISA threat landscape 2026&lt;/em&gt;. https://www.enisa.europa.eu/sites/default/files/2026-09/ENISA%20Threat%20Landscape%202026_Final.pdf&lt;/p&gt;
&lt;p&gt;Fagerland, S. (2026, October 19). &lt;em&gt;Inside Cairn: Open windows into massive AI-driven cyber operations&lt;/em&gt;. NorForge. https://norforge.com/blog/inside_cairn&lt;/p&gt;
&lt;p&gt;Federal Bureau of Investigation &amp;amp; Cybersecurity and Infrastructure Security Agency. (2026, October 16). &lt;em&gt;Cyber threat actors use a variety of techniques to target election and campaign officials&lt;/em&gt; (Alert No. I-101626-PSA). Internet Crime Complaint Center. https://www.ic3.gov/PSA/2026/PSA261016&lt;/p&gt;
&lt;p&gt;Federal Bureau of Investigation Internet Crime Complaint Center. (2026a). &lt;em&gt;2025 IC3 annual report&lt;/em&gt;. https://www.ic3.gov/AnnualReport/Reports/2025_IC3Report.pdf&lt;/p&gt;
&lt;p&gt;Federal Bureau of Investigation Internet Crime Complaint Center. (2026b, July 20). &lt;em&gt;FBI warns of scammers impersonating the IC3&lt;/em&gt; (Alert No. I-072026-PSA). https://www.ic3.gov/PSA/2026/PSA260720&lt;/p&gt;
&lt;p&gt;Insikt Group. (2026, October). &lt;em&gt;AI is both target and tool for threat actors&lt;/em&gt;. Recorded Future. https://www.recordedfuture.com/research/ai-cyber-threat-trends-2026&lt;/p&gt;
&lt;p&gt;Malbear Labs. (2026, November 8). &lt;em&gt;Operation Snowball: Inside an autonomous AI intrusion campaign&lt;/em&gt;. https://malbearlabs.com/posts/operation-snowball-inside-an-autonomous-ai-intrusion-campaign&lt;/p&gt;
&lt;p&gt;Mascellino, A. (2026, November 9). Jailbroken AI agent ran two-week attack on European telecom. &lt;em&gt;Infosecurity Magazine&lt;/em&gt;. https://www.infosecurity-magazine.com/news/operation-snowball-ai-telecom/&lt;/p&gt;
&lt;p&gt;Microsoft. (2026, October 1). &lt;em&gt;2026 Microsoft digital defense report: Decoding emergence&lt;/em&gt;. https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/msc/documents/presentations/CSR/2026-Microsoft-Digital-Defense-Report.pdf&lt;/p&gt;
&lt;p&gt;National Cyber Security Centre. (2026, November 3). The impact of AI on cyber threat. In &lt;em&gt;NCSC annual review 2026&lt;/em&gt;. https://www.ncsc.gov.uk/collection/annual-review-2026/understanding-threat/ai-impact-cyber-threat&lt;/p&gt;
&lt;p&gt;Office of the Australian Information Commissioner. (2026, October 26). &lt;em&gt;Large-scale data breaches on the rise, latest OAIC statistics reveal&lt;/em&gt; [Media release]. https://www.oaic.gov.au/news/media-centre/large-scale-data-breaches-on-the-rise,-latest-oaic-statistics-reveal&lt;/p&gt;
&lt;p&gt;Satter, R. (2026, October 19). Exclusive-How one hacker used AI agents and a few thousand dollars to break into scores of sites [Reuters report]. &lt;em&gt;Investing.com&lt;/em&gt;. https://www.investing.com/news/stock-market-news/exclusivehow-one-hacker-used-ai-agents-and-a-few-thousand-dollars-to-break-into-scores-of-sites-4956846&lt;/p&gt;
&lt;p&gt;Symantec Threat Hunter Team. (2026, November 12). &lt;em&gt;How AI revived a stalled attack on a U.S. retailer&lt;/em&gt;. Security.com. https://www.security.com/blog-post/ai-assisted-attack-us-retailer&lt;/p&gt;
&lt;p&gt;Unit 42. (2026, November 12). &lt;em&gt;Attackers use autonomous AI to target semiconductor, defense and civil society sectors&lt;/em&gt;. Palo Alto Networks. https://unit42.paloaltonetworks.com/cairn-framework-ai-autonomous-attacks/&lt;/p&gt;
</content:encoded></item><item><title>¿Quién puede construir? Herramientas de IA ciudadanas, shadow IT y tres resguardos</title><link>https://www.mrgomez.net/es/articles/who-gets-to-build-citizen-ai-tools-shadow-it/</link><guid isPermaLink="true">https://www.mrgomez.net/es/articles/who-gets-to-build-citizen-ai-tools-shadow-it/</guid><description>Según informes, Goldman Sachs restringió sus herramientas de programación con IA a los ingenieros. Dónde ayudan, dónde son shadow IT y tres resguardos.</description><pubDate>Thu, 12 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;Goldman Sachs les quitó las herramientas avanzadas de programación con IA a la mayoría de sus traders y banqueros, según Bloomberg. Los ingenieros, y un grupo pequeño cuyos cargos mezclan ingeniería y trading, las conservan.&lt;/p&gt;
&lt;p&gt;Mi primera reacción fue una mueca. La segunda fue: lo entiendo.&lt;/p&gt;
&lt;p&gt;He estado del otro lado. No escribo software para ganarme la vida, y &lt;a href=&quot;/articles/the-tool-i-built-because-i-got-tired-of-waiting/&quot;&gt;construí una herramienta que necesitaba&lt;/a&gt; (en inglés) porque me cansé de esperar. Así que no escribo como la persona que quiere quitarles el teclado a los demás.&lt;/p&gt;
&lt;p&gt;Pero también he pasado la mayor parte de mi carrera en datos empresariales. Sé lo que pasa cuando una herramienta útil, de una sola persona, se convierte sin hacer ruido en algo de lo que depende todo un equipo.&lt;/p&gt;
&lt;h2&gt;Lo que se informó&lt;/h2&gt;
&lt;p&gt;Según &lt;a href=&quot;https://news.bloomberglaw.com/capital-markets/goldman-restricts-traders-and-bankers-from-using-some-ai-tools&quot;&gt;Bloomberg&lt;/a&gt; (en inglés), el 2 de noviembre, una guía interna actualizada en octubre limita las herramientas avanzadas de programación con IA a los ingenieros. Los banqueros habían podido usarlas durante meses. El personal cuyos cargos combinan ingeniería, investigación cuantitativa y trading mantiene el acceso.&lt;/p&gt;
&lt;p&gt;Los traders habían usado las herramientas para monitorear los flujos de operaciones de clientes, modelar cambios de mercado y posiciones, y crear contenido escrito y gráfico. A algunos les frustró el cambio.&lt;/p&gt;
&lt;p&gt;Un vocero lo planteó como el fin de un experimento: &quot;After a period of experimentation where we assess a variety of factors including productivity and risk management, we put them in the hands of those who are best suited to leverage them for the long term.&quot; (Tras un período de experimentación en el que evaluamos una variedad de factores, incluidas la productividad y la gestión de riesgos, las pusimos en manos de quienes están mejor preparados para aprovecharlas a largo plazo).&lt;/p&gt;
&lt;p&gt;En julio, el CIO de Goldman había hablado con entusiasmo de que el personal no técnico construyera sus propias soluciones y se las pasara a los ingenieros para pulirlas.&lt;/p&gt;
&lt;p&gt;Dos días después de la nota de Bloomberg, &lt;a href=&quot;https://www.efinancialcareers.com/news/goldman-sachs-vibe-coding&quot;&gt;eFinancialCareers&lt;/a&gt; (en inglés) citó a un desarrollador senior del banco. Describió un &quot;massive pushback&quot; (rechazo masivo) y dijo que personas individuales habían construido cientos de herramientas, muchas de ellas para mejorar la productividad personal. Los problemas que señaló fueron la proliferación, la sensibilidad de los datos y herramientas de una sola persona que circulaban por un equipo.&lt;/p&gt;
&lt;p&gt;Para mí, esa última parte es toda la historia.&lt;/p&gt;
&lt;h2&gt;Dónde la construcción ciudadana de verdad ayuda&lt;/h2&gt;
&lt;p&gt;Seamos justos primero con los traders.&lt;/p&gt;
&lt;p&gt;Las personas más cercanas al trabajo saben qué diez minutos de su día se pierden. Un trader que arma una vista de los flujos de clientes no está jugando. Está cerrando una brecha que nunca habría llegado al tope del backlog de ingeniería.&lt;/p&gt;
&lt;p&gt;Las herramientas construidas por usuarios de negocio funcionan mejor cuando son:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;Personales.&lt;/strong&gt; Un usuario, una tarea, nadie más dependiendo de ella.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;De solo lectura.&lt;/strong&gt; Miran datos. No cambian registros, no envían nada ni disparan acciones.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Desechables.&lt;/strong&gt; Si se rompe mañana, la persona vuelve a la planilla, no a un incidente.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Una especificación disfrazada.&lt;/strong&gt; Un prototipo que funciona es el documento de requisitos más claro que un ingeniero va a recibir.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Esa última importa. El modelo de julio, construirla y después pasársela a un ingeniero para que la robustezca, era correcto en principio. Una persona de negocio que puede mostrar una versión funcionando ahorra semanas de talleres.&lt;/p&gt;
&lt;h2&gt;Dónde se convierte en shadow IT&lt;/h2&gt;
&lt;p&gt;Entonces, ¿dónde se tuerce?&lt;/p&gt;
&lt;p&gt;No cuando alguien construye algo. Se tuerce cuando otra persona empieza a depender de eso.&lt;/p&gt;
&lt;p&gt;El shadow IT no es una herramienta. Es una dependencia que nadie registró.&lt;/p&gt;
&lt;p&gt;Aquí va un caso hipotético, armado a partir de un patrón y no de una empresa o un cliente reales. Un trader construye una pequeña app que lleva posiciones y datos de clientes a un resumen matinal. Es buena. Tres colegas piden una copia. Uno de ellos agrega una función que escribe notas de vuelta en un archivo compartido. El trader se cambia de mesa. Seis meses después, una reunión de la mañana funciona con una herramienta sin dueño, sin pruebas, con credenciales que pertenecen a alguien que dejó el equipo y con datos de clientes guardados en algún lugar que nadie aprobó.&lt;/p&gt;
&lt;p&gt;Ninguno de esos pasos se sintió como una decisión. Ese es el problema.&lt;/p&gt;
&lt;p&gt;Un desarrollador de otro banco le planteó el lado de ingeniería sin rodeos a eFinancialCareers. Los constructores no técnicos, dijo, &quot;leave out the boring stuff like authentication, entitlements, end to end testing, build and deployment.&quot; (dejan fuera lo aburrido, como la autenticación, los permisos, las pruebas de punta a punta, el build y el despliegue).&lt;/p&gt;
&lt;p&gt;Tiene razón. Y lo aburrido es exactamente lo que va a preguntar un regulador, un auditor o un cliente.&lt;/p&gt;
&lt;p&gt;También hay un problema de capacidad. Si cada prototipo que funciona se convierte en un ticket de ingeniería, no eliminaste el backlog. Lo moviste y lo hiciste más grande. Cientos de herramientas esperando a ser robustecidas son una fila, no una estrategia.&lt;/p&gt;
&lt;h2&gt;Tres resguardos que pondría antes de decir que no&lt;/h2&gt;
&lt;p&gt;Quitar el acceso es una decisión legítima, y algunas empresas van a tener que tomarla. Pero es el instrumento más tosco disponible, y bota las ideas junto con el riesgo.&lt;/p&gt;
&lt;p&gt;Antes de decir que no, querría tener estos tres en su lugar.&lt;/p&gt;
&lt;h3&gt;1. Regístrala y dale un dueño&lt;/h3&gt;
&lt;p&gt;Si una herramienta la usa más de una persona, o corre de forma programada, se registra. No se aprueba. Se registra.&lt;/p&gt;
&lt;p&gt;Un formulario de cinco minutos: qué hace, quién es el dueño, quién la usa, qué datos toca y qué puede cambiar. Cada herramienta tiene un dueño con nombre y apellido y un respaldo con nombre y apellido. Cuando el dueño cambia de cargo, la herramienta pasa a revisión automáticamente, igual que sus accesos.&lt;/p&gt;
&lt;p&gt;Haz que el registro sea el precio de lo bueno. Las herramientas registradas obtienen un lugar autorizado donde correr y ayuda cuando se rompen. Las no registradas no obtienen ninguna de las dos cosas.&lt;/p&gt;
&lt;h3&gt;2. Traza el límite de los datos en la plataforma, no en la política&lt;/h3&gt;
&lt;p&gt;Un documento de políticas no impide que una herramienta lea la tabla equivocada. Una plataforma sí.&lt;/p&gt;
&lt;p&gt;Dales a los constructores ciudadanos un sandbox con límites claros:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Acceso de solo lectura, por defecto, a un conjunto curado y gobernado de datos, con datos enmascarados o sintéticos donde sean sensibles.&lt;/li&gt;
&lt;li&gt;Nada de datos de clientes ni datos personales fuera de los repositorios aprobados, y nada pegado en herramientas de IA no autorizadas.&lt;/li&gt;
&lt;li&gt;Las herramientas corren con los permisos propios de quien las construye, nunca con credenciales compartidas ni de servicio.&lt;/li&gt;
&lt;li&gt;Todo lo que escriba, envíe, opere o apruebe queda fuera de alcance hasta que se gradúe.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Si los datos gobernados son fáciles de alcanzar, la gente deja de copiar extractos a sus notebooks. En mi experiencia, el shadow IT suele empezar con un CSV, no con un modelo.&lt;/p&gt;
&lt;h3&gt;3. Construye un camino de graduación hacia ingeniería con soporte&lt;/h3&gt;
&lt;p&gt;Toda herramienta ciudadana útil debería tener tres finales posibles: seguir siendo personal, graduarse o retirarse.&lt;/p&gt;
&lt;p&gt;Deja por escrito los gatillantes de graduación. Más de un puñado de usuarios. Uso en un proceso regulatorio o de cara al cliente. Escritura en un sistema de registro. Contacto con datos sensibles. Cuando una herramienta cumple un gatillante, pasa a un equipo con soporte que hace bien la autenticación, los permisos, las pruebas, el despliegue y el monitoreo. O se retira, con fecha.&lt;/p&gt;
&lt;p&gt;Quien la construyó se queda como dueño del producto. Esa es la recompensa: su idea se vuelve real, y no la carga solo a las 2 de la mañana.&lt;/p&gt;
&lt;p&gt;Después, financia el robustecimiento. Un grupo pequeño de FDE que trabaje junto al negocio y convierta prototipos en herramientas con soporte le da a la fila un lugar y un presupuesto.&lt;/p&gt;
&lt;h2&gt;Entonces, ¿quién puede construir?&lt;/h2&gt;
&lt;p&gt;Todos, diría yo. La pregunta más difícil es quién puede depender de lo que construyó otra persona.&lt;/p&gt;
&lt;p&gt;Una restricción amplia responde una pregunta de gobernanza con una decisión de acceso. En un banco regulado eso es comprensible, y puede haber razones que no se informaron. Pero también les dice a las personas más cercanas a los problemas que sus ideas solo cuentan si se vuelven ingenieros.&lt;/p&gt;
&lt;p&gt;Quién decide, y quién responde cuando algo sale mal, es la pregunta central de mi &lt;a href=&quot;/articles/who-decides-when-the-system-acts/&quot;&gt;investigación sobre derechos de decisión&lt;/a&gt; (en inglés). La construcción ciudadana es esa misma pregunta a la escala de una mesa.&lt;/p&gt;
&lt;h2&gt;Lo que le diría a otro profesional&lt;/h2&gt;
&lt;p&gt;Parte por el inventario, no por las herramientas. No puedes gobernar lo que nadie registró, y la mayoría de las organizaciones no sabe cuántas de estas herramientas ya tiene.&lt;/p&gt;
&lt;p&gt;Haz que el camino seguro sea el camino fácil. Un sandbox gobernado con datos reales le gana a una política que manda a la gente de vuelta a sus propios notebooks.&lt;/p&gt;
&lt;p&gt;Acuerda los gatillantes de graduación antes de necesitarlos. Así, la conversación sobre una herramienta popular es una lista de verificación, no una discusión.&lt;/p&gt;
&lt;p&gt;Y si de verdad quitas el acceso, di qué viene después. Quitar las herramientas es una decisión. Dejar a la gente sin un lugar adonde llevar sus ideas es otra.&lt;/p&gt;
&lt;p&gt;~ Mr. Gómez&lt;/p&gt;
&lt;hr /&gt;
&lt;p&gt;&lt;strong&gt;Fuentes (en inglés).&lt;/strong&gt; Bloomberg News, &quot;&lt;a href=&quot;https://news.bloomberglaw.com/capital-markets/goldman-restricts-traders-and-bankers-from-using-some-ai-tools&quot;&gt;Goldman Restricts Traders and Bankers From Using Some AI Tools&lt;/a&gt;&quot;, Todd Gillespie, 2 de noviembre de 2026. eFinancialCareers, &quot;&lt;a href=&quot;https://www.efinancialcareers.com/news/goldman-sachs-vibe-coding&quot;&gt;As Goldman Sachs restricts vibe coding, developers express how annoying it is&lt;/a&gt;&quot;, Sarah Butcher, 4 de noviembre de 2026. También lo informaron &lt;a href=&quot;https://qz.com/goldman-sachs-restricts-ai-coding-tools-traders-bankers-110226&quot;&gt;Quartz&lt;/a&gt; y &lt;a href=&quot;https://www.fastcompany.com/91636500/goldman-sachs-bans-non-engineers-from-using-advanced-ai-tools&quot;&gt;Fast Company&lt;/a&gt;.&lt;/p&gt;
</content:encoded></item><item><title>Claude Sheets vs Excel: la suite de oficina está rodeada, no reemplazada</title><link>https://www.mrgomez.net/es/articles/claude-sheets-vs-excel-office-suite/</link><guid isPermaLink="true">https://www.mrgomez.net/es/articles/claude-sheets-vs-excel-office-suite/</guid><description>Claude Sheets y Businesses in ChatGPT llegaron el mismo día. Qué significa para Excel, Copilot, Sheets y Gemini, y cómo deberían responder las empresas.</description><pubDate>Wed, 11 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;Dos lanzamientos llegaron durante la noche en Melbourne. Anthropic ahora tiene una planilla. Entonces, ¿se acabó Excel?&lt;/p&gt;
&lt;p&gt;No. Y creo que es la pregunta equivocada.&lt;/p&gt;
&lt;p&gt;La pregunta que le haría a cualquier empresa es más simple y más difícil. Cuando el proveedor de IA también aloja el documento, ¿dónde vive la fuente de verdad?&lt;/p&gt;
&lt;h2&gt;Lo que realmente se lanzó&lt;/h2&gt;
&lt;p&gt;El 10 de noviembre (hora de EE. UU., temprano el 11 aquí), Anthropic &lt;a href=&quot;https://claude.com/resources/articles/sheets-whiteboards-data&quot;&gt;lanzó&lt;/a&gt; (en inglés) Claude Sheets y Claude Whiteboards en beta, y dejó Claude Data (antes Dashboards) en disponibilidad general.&lt;/p&gt;
&lt;p&gt;Sheets es una planilla integrada en Claude. Tú y Claude editan las mismas celdas, y cada cambio que hace Claude aparece con un contorno a medida que se aplica. Las fórmulas quedan en las celdas, así que puedes revisar cómo se construyó un número.&lt;/p&gt;
&lt;p&gt;Anthropic es refrescantemente honesta sobre el alcance. Su anuncio dice que, por ahora, las planillas tienen &quot;simple spreadsheet functionality&quot; (funciones básicas de planilla). Cuando necesitas &quot;the full functionality of Excel&quot; (toda la funcionalidad de Excel), te dice que exportes a .xlsx o CSV, o que uses Claude for Excel.&lt;/p&gt;
&lt;p&gt;El &lt;a href=&quot;https://support.claude.com/en/articles/18324300-get-started-with-claude-sheets&quot;&gt;artículo de ayuda&lt;/a&gt; (en inglés) detalla los límites. Una planilla admite hasta 100.000 celdas. Todavía no hay tablas dinámicas. No se admiten macros, VBA, Power Query ni DAX. Sheets no puede traer datos en vivo desde aplicaciones conectadas. Y como es una beta, &quot;HIPAA, CMEK, and ZDR are not yet supported.&quot; (todavía no se admiten HIPAA, CMEK ni ZDR).&lt;/p&gt;
&lt;p&gt;&lt;em&gt;Demo oficial del lanzamiento, del &lt;a href=&quot;https://www.youtube.com/watch?v=YewAJPawE7I&quot;&gt;canal de Claude en YouTube&lt;/a&gt; de Anthropic (en inglés).&lt;/em&gt;&lt;/p&gt;
&lt;p&gt;El mismo día, OpenAI &lt;a href=&quot;https://openai.com/index/introducing-businesses-chatgpt&quot;&gt;presentó Businesses in ChatGPT&lt;/a&gt; (en inglés), también en beta. Las empresas pueden reclamar y verificar un perfil, gestionar sus datos y feeds de productos en Business Hub, y ver estadísticas agregadas sobre menciones y clics. Las empresas que cumplan los requisitos pueden publicar un Business Agent que responde preguntas de clientes en un chat claramente identificado. Por ahora, los Business Agents están limitados a empresas elegibles de comercio electrónico y de servicios en línea en Estados Unidos.&lt;/p&gt;
&lt;p&gt;La respuesta más cercana de OpenAI a una suite de oficina llegó antes. ChatGPT Space y Pages llegaron en el DevDay del 29 de septiembre. Las Sheets nativas en Space siguen &quot;coming soon&quot; (próximamente), según el &lt;a href=&quot;https://help.openai.com/en/articles/20001549-getting-started-with-space-in-chatgpt&quot;&gt;centro de ayuda&lt;/a&gt; (en inglés) de OpenAI.&lt;/p&gt;
&lt;h2&gt;Claude quiere la planilla. ChatGPT quiere al cliente.&lt;/h2&gt;
&lt;p&gt;Lado a lado, son dos apuestas distintas.&lt;/p&gt;
&lt;p&gt;Anthropic está llevando a Claude los artefactos del trabajo del conocimiento: documentos, presentaciones, pizarras, planillas y dashboards. Su argumento es que el contexto pasa &quot;from a whiteboard to a spreadsheet to a dashboard, without the need to reiterate the details.&quot; (de una pizarra a una planilla y a un dashboard, sin necesidad de repetir los detalles). Es una apuesta por ser el lugar donde el trabajo empieza y se queda.&lt;/p&gt;
&lt;p&gt;OpenAI, el mismo día, llevó la intención comercial a ChatGPT. Reclama tu marca, carga tu catálogo, deja que un agente hable con el comprador. Eso no compite con Excel. Se parece más a una vitrina dentro del asistente.&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;Now in beta: Businesses in ChatGPT. Claim your business, manage your information, and get insights on how people engage with you.&lt;/p&gt;
&lt;p&gt;OpenAI (@OpenAI) on X, &lt;a href=&quot;https://x.com/OpenAI/status/2120216592395174382&quot;&gt;10 de noviembre de 2026 (hora de EE. UU.)&lt;/a&gt;&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;Casi no chocan en funciones. Chocan como plataformas. Ambas quieren ser la ventana que abres primero.&lt;/p&gt;
&lt;h2&gt;Rodeada, no reemplazada&lt;/h2&gt;
&lt;p&gt;Entonces, ¿qué significa esto para Microsoft y Google?&lt;/p&gt;
&lt;p&gt;Menos de lo que sugieren los titulares, por ahora. Siguen siendo dueñas de la grilla sobre la que funciona el área de finanzas, junto con la identidad, el uso compartido y la retención de registros. Su respuesta es IA dentro de esa grilla, no una grilla nueva.&lt;/p&gt;
&lt;p&gt;&lt;a href=&quot;https://support.microsoft.com/en-us/excel/copilot/frequently-asked-questions-about-copilot-in-excel&quot;&gt;Copilot in Excel&lt;/a&gt; (en inglés) funciona en los modos de edición, planificación y chat, y en modo edición cambia el libro directamente, incluidas las tablas dinámicas. &lt;a href=&quot;https://support.google.com/docs/answer/14356410?hl=en&quot;&gt;Gemini in Google Sheets&lt;/a&gt; (en inglés) puede crear tablas dinámicas y consultar BigQuery a través de Connected Sheets.&lt;/p&gt;
&lt;p&gt;Luego está el detalle que rompe la historia ordenada de &quot;Anthropic contra Microsoft&quot;. Microsoft ya ofrece Claude como opción de modelo dentro de Excel, con una suscripción comercial de Copilot o con Microsoft 365 Premium, una vez que un administrador habilita a Anthropic como subprocesador. Puedes tener el razonamiento de Claude sin salir del archivo.&lt;/p&gt;
&lt;p&gt;A eso me refiero con rodeada. Los incumbentes no están perdiendo la grilla. Están perdiendo el monopolio de dónde empieza el trabajo. Una planilla de seguimiento que antes partía como un libro en blanco ahora podría partir como un prompt, y llegar a Excel solo cuando alguien necesita tablas dinámicas o una pista de auditoría.&lt;/p&gt;
&lt;p&gt;¿Es una amenaza? Con el tiempo, sí. Cada artefacto que empieza fuera de la suite es uno que la suite tiene que recuperar.&lt;/p&gt;
&lt;h2&gt;Lo que le diría a un cliente que está decidiendo ahora&lt;/h2&gt;
&lt;p&gt;Para la mayoría de las empresas la respuesta va a ser &quot;y&quot;, no &quot;o&quot;. El trabajo está en decidir qué tarea va dónde.&lt;/p&gt;
&lt;h3&gt;Mantén la fuente de verdad donde están tus controles&lt;/h3&gt;
&lt;p&gt;Si un número termina en los documentos para el directorio, en un reporte regulatorio o en un archivo de auditoría, pertenece al libro gobernado o, mejor aún, a la plataforma de datos gobernada que lo respalda. Usa Claude Sheets o una ChatGPT Page para planillas de seguimiento que parten de cero y para borradores de talleres. Exporta antes de que un archivo se convierta en evidencia.&lt;/p&gt;
&lt;p&gt;El tope de celdas y la falta de tablas dinámicas hacen que esto sea fácil para finanzas hoy. Los casos difíciles son las pequeñas planillas de seguimiento que, sin que nadie lo note, se convierten en sistemas.&lt;/p&gt;
&lt;h3&gt;Gobiérnalo antes de que tu gente lo encuentre&lt;/h3&gt;
&lt;p&gt;Revisa tus configuraciones por defecto. En los planes Team de Claude, Sheets viene activado por defecto. En Enterprise queda desactivado hasta que un administrador lo activa. El complemento ChatGPT for Excel también viene desactivado por defecto en Enterprise.&lt;/p&gt;
&lt;p&gt;Los complementos merecen su propia revisión. Anthropic dice que &lt;a href=&quot;https://claude.com/docs/office-agents/excel&quot;&gt;Claude for Excel&lt;/a&gt; (en inglés) no hereda la configuración personalizada de retención de datos y que su actividad no aparece en los registros de auditoría de Enterprise, aunque las sesiones quedan cubiertas por la Compliance API donde esté habilitada. También advierte sobre la inyección de prompts en libros que no son de confianza. ¿Cuántos archivos de fuera de tu organización se abren en Excel todos los días?&lt;/p&gt;
&lt;h3&gt;Pregunta dónde están los datos&lt;/h3&gt;
&lt;p&gt;Aquí es donde las empresas australianas tienen que ir más despacio.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;El &lt;a href=&quot;https://privacy.claude.com/en/articles/7996890-where-are-your-servers-located-do-you-host-your-models-on-eu-servers&quot;&gt;centro de privacidad&lt;/a&gt; (en inglés) de Anthropic dice que el tráfico comercial puede enrutarse por defecto a países como Australia, salvo que se acuerde otra cosa, pero que &quot;data is stored in the US.&quot; (los datos se almacenan en EE. UU.).&lt;/li&gt;
&lt;li&gt;OpenAI permite que los nuevos espacios de trabajo elegibles de ChatGPT Enterprise y Edu &lt;a href=&quot;https://help.openai.com/en/articles/9903489-data-residency-and-inference-residency-for-chatgpt&quot;&gt;almacenen contenido en reposo en Australia&lt;/a&gt; (en inglés), pero no ofrece residencia de inferencia aquí. Las funciones beta no son elegibles para residencia en absoluto.&lt;/li&gt;
&lt;li&gt;Microsoft mantiene el contenido de las interacciones con Copilot alineado con la geografía de tu tenant. No pude confirmar en una página actual de Microsoft que la inferencia de Copilot se quede en Australia, así que no lo daría por hecho.&lt;/li&gt;
&lt;li&gt;Google Workspace ofrece &lt;a href=&quot;https://support.google.com/a/answer/7630496?hl=en&quot;&gt;configuración de región de datos&lt;/a&gt; (en inglés) en Business Standard, Enterprise y algunas otras ediciones, pero las únicas ubicaciones son Estados Unidos o Europa (o sin preferencia), así que no hay opción australiana. No pude confirmar dónde ocurre el procesamiento de Gemini para tenants australianos, así que pregunta.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Nada de esto es un impedimento por sí solo. Es una pregunta para tus equipos de privacidad y riesgo antes del piloto, no después.&lt;/p&gt;
&lt;h3&gt;Planifica la salida desde el primer día&lt;/h3&gt;
&lt;p&gt;Aquí el lock-in tiene menos que ver con los formatos de archivo y más con dónde vive el artefacto. Claude Sheets exporta a .xlsx y CSV, y su opción &quot;Send to&quot; (Enviar a) llega a socios como Airtable, Asana, monday.com y Smartsheet. Pero los datos en vivo y algunas funciones de Excel no van a sobrevivir el viaje de ida y vuelta. Prueba la exportación con un archivo sintético antes de que alguien dependa de ella.&lt;/p&gt;
&lt;p&gt;Lo mismo vale para el modelo. Si Claude corre dentro de Excel y dentro de su propia app, el modelo se está volviendo portable. Mantén tus prompts, controles y definiciones de datos fuera de cualquier proveedor. Ya escribí sobre &lt;a href=&quot;/es/articles/frontier-for-the-hard-stuff-open-for-the-rest/&quot;&gt;repartir el trabajo entre modelos de frontera y modelos abiertos&lt;/a&gt;, y la misma lógica aplica aquí.&lt;/p&gt;
&lt;h3&gt;Haz pilotos con criterios, no con entusiasmo&lt;/h3&gt;
&lt;p&gt;Un piloto que valga la pena tiene una lista corta de criterios:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Solo datos sintéticos o públicos. Nada de clientes.&lt;/li&gt;
&lt;li&gt;Un flujo de trabajo real, ejecutado en la herramienta actual y en la nueva.&lt;/li&gt;
&lt;li&gt;Exactitud verificada contra una pauta de respuestas, no contra una demo.&lt;/li&gt;
&lt;li&gt;¿Puede una tercera persona auditar las fórmulas sin leer el chat?&lt;/li&gt;
&lt;li&gt;¿Qué se rompió al exportar?&lt;/li&gt;
&lt;li&gt;¿Quién es dueño del artefacto cuando termina el piloto?&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Y cuenta el tiempo de revisión como costo. Una respuesta que alguien tiene que revisar dos veces no es barata, que es lo que planteé sobre &lt;a href=&quot;/es/articles/what-does-one-ai-agent-task-actually-cost/&quot;&gt;cuánto cuesta de verdad una tarea de un agente de IA&lt;/a&gt;.&lt;/p&gt;
&lt;h2&gt;Lo que estoy mirando&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;Claude Sheets saliendo de beta, y si las tablas dinámicas, los datos en vivo y ZDR llegan con eso.&lt;/li&gt;
&lt;li&gt;Que las Sheets nativas por fin lleguen a ChatGPT Space.&lt;/li&gt;
&lt;li&gt;Que los Business Agents lleguen a empresas australianas.&lt;/li&gt;
&lt;li&gt;Si Microsoft confirma que la inferencia de Copilot se hace dentro del país aquí.&lt;/li&gt;
&lt;/ul&gt;
&lt;h2&gt;Lo que le diría a otro profesional&lt;/h2&gt;
&lt;p&gt;No le vendas un ganador a tu cliente. Véndele un mapa.&lt;/p&gt;
&lt;p&gt;Excel y Google Sheets siguen siendo el sistema de registro para todo lo que se audita. Claude Sheets y ChatGPT Pages son buenos lugares para empezar el trabajo, y el botón de exportar es parte del diseño, no una falla.&lt;/p&gt;
&lt;p&gt;Businesses in ChatGPT es una decisión de marca y marketing, no de analistas. Ponlo en la lista del equipo de marketing, no en la del equipo de datos.&lt;/p&gt;
&lt;p&gt;Y haz la pregunta de residencia en la primera reunión. Para una empresa australiana, define hasta dónde puede llegar un piloto.&lt;/p&gt;
&lt;p&gt;~ Mr. Gómez&lt;/p&gt;
</content:encoded></item><item><title>Modelos de frontera para lo difícil, abiertos para el resto: hice la prueba</title><link>https://www.mrgomez.net/es/articles/frontier-for-the-hard-stuff-open-for-the-rest/</link><guid isPermaLink="true">https://www.mrgomez.net/es/articles/frontier-for-the-hard-stuff-open-for-the-rest/</guid><description>Una fintech europea dice que su cuenta de inferencia bajó a una décima parte con un modelo abierto autoalojado. Probé 24 tareas de retail de tres formas.</description><pubDate>Thu, 05 Nov 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;La elección del modelo se está convirtiendo en una decisión de enrutamiento, no de proveedor. Antes la pregunta era con qué proveedor firmar. Ahora es a qué modelo debe ir cada tarea, y quién lo decide.&lt;/p&gt;
&lt;h2&gt;Lo que contó la fintech&lt;/h2&gt;
&lt;p&gt;Una fintech europea dio una charla el mes pasado sobre cómo pasó a unos 2.000 ingenieros de herramientas de frontera con cobro por consumo a un modelo de pesos abiertos autoalojado. Las cifras principales llamaban la atención. La cuenta de inferencia bajó a cerca de una décima parte de lo que era. El tiempo de programación mejoró un 60% y el lead time, un 70%.&lt;/p&gt;
&lt;p&gt;El detalle importa más que el titular. La empresa atribuye la mejora en programación a haber eliminado los límites de tokens, no a que el modelo abierto sea más inteligente. Antes del cambio, los ingenieros racionaban los tokens con presupuestos estrictos. Después podían poner a un agente a trabajar en cualquier cosa, incluido el triaje de correos y tickets. El lead time mejoró más que el tiempo de programación, y la lectura del expositor fue que programar no es el principal cuello de botella. Lo es todo lo que rodea al código. La empresa mantuvo los modelos de frontera para las tareas en que son claramente mejores, como excepción y no como opción por defecto.&lt;/p&gt;
&lt;p&gt;La cifra de costo también necesita su nota al pie. La décima parte es la cuenta de inferencia. Deja fuera a las personas, el monitoreo y el ajuste que hicieron falta para que el autoalojamiento funcionara.&lt;/p&gt;
&lt;h2&gt;Lo que probé&lt;/h2&gt;
&lt;p&gt;Quería ver la misma disyuntiva a la escala de un solo agente. Tomé un agente de analítica de retail y congelé un conjunto de 24 tareas armadas a partir de una semana de datos de ventas de retail de demostración, 10 categorías de negocio durante 7 días, extraídos una sola vez a través de un modelo semántico gobernado.&lt;/p&gt;
&lt;p&gt;Dieciséis tareas eran rutinarias: consultar las ventas de un día, sumar una semana, calcular la variación de un día a otro, aplicar la regla de alzas bruscas del agente, calcular las ventas promedio por unidad. Ocho eran más difíciles: preguntas de varios pasos, como qué categoría depende más del fin de semana, cuándo se acaba el stock si una entrega llega dos días tarde, cuál de tres opciones de recuperación cuesta menos, un pedido de reposición redondeado a cajas completas, un correo breve a un proveedor que tiene que incluir tres datos específicos y un conjunto de envíos revisados contra sus límites de llegada tardía.&lt;/p&gt;
&lt;p&gt;Cada tarea tiene una única respuesta que calculé con código de antemano, así que la corrección la hizo un script, no una persona ni un modelo. Cambié la corrección dos veces, y ambos cambios quedaron registrados con el experimento: el parser acepta una respuesta que omite el envoltorio esperado, y la revisión del correo acepta un guion no estándar en &quot;2-day&quot; (2 días). El segundo cambio fue una recorrección de resultados guardados y dejó como correcta una de las respuestas difíciles del modelo abierto.&lt;/p&gt;
&lt;p&gt;Corrí las 24 tareas en tres configuraciones:&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;Todo abierto.&lt;/strong&gt; Cada tarea va a un modelo de pesos abiertos.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Todo frontera.&lt;/strong&gt; Cada tarea va a un modelo de frontera.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Enrutador.&lt;/strong&gt; Las tareas difíciles van al modelo de frontera, las rutinarias van al modelo abierto, y una respuesta rutinaria que vuelve en el formato equivocado se reenvía al modelo de frontera.&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;Cada tarea corrió una vez por configuración, 72 llamadas en total, a través de un solo gateway, con los conteos de tokens y los precios que este informó para cada llamada.&lt;/p&gt;
&lt;h2&gt;Resultados&lt;/h2&gt;
&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Configuración&lt;/th&gt;
&lt;th&gt;Tareas completadas correctamente&lt;/th&gt;
&lt;th&gt;Tasa de error&lt;/th&gt;
&lt;th&gt;Costo por tarea completada (US$)&lt;/th&gt;
&lt;th&gt;Latencia típica (mediana)&lt;/th&gt;
&lt;th&gt;Peor caso (percentil 95)&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Todo abierto&lt;/td&gt;
&lt;td&gt;20 de 24&lt;/td&gt;
&lt;td&gt;16,7%&lt;/td&gt;
&lt;td&gt;0,0008&lt;/td&gt;
&lt;td&gt;2,8 s&lt;/td&gt;
&lt;td&gt;18,2 s&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Todo frontera&lt;/td&gt;
&lt;td&gt;22 de 24&lt;/td&gt;
&lt;td&gt;8,3%&lt;/td&gt;
&lt;td&gt;0,0191&lt;/td&gt;
&lt;td&gt;13,6 s&lt;/td&gt;
&lt;td&gt;49,5 s&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Enrutador&lt;/td&gt;
&lt;td&gt;23 de 24&lt;/td&gt;
&lt;td&gt;4,2%&lt;/td&gt;
&lt;td&gt;0,0116&lt;/td&gt;
&lt;td&gt;2,8 s&lt;/td&gt;
&lt;td&gt;57,6 s&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;Por cada mil tareas completadas, eso da unos 80 centavos de dólar con todo abierto, unos US$19,05 con todo frontera y unos US$11,60 con el enrutador. El experimento completo costó menos de un dólar.&lt;/p&gt;
&lt;h2&gt;Lo que de verdad dicen los números&lt;/h2&gt;
&lt;p&gt;El modelo abierto fue unas 24 veces más barato por tarea completada que el modelo de frontera, y unas cinco veces más rápido en una tarea típica.&lt;/p&gt;
&lt;p&gt;Lo interesante son las fallas. Las cuatro fallas del modelo abierto fueron caídas del servicio: el proveedor devolvió un error &quot;service unavailable&quot; (servicio no disponible) y no llegó ninguna respuesta. Cada vez que respondió, acertó, incluidas las ocho tareas difíciles. Las dos fallas del modelo de frontera fueron distintas. En dos de las preguntas de varios pasos gastó todo su presupuesto de razonamiento y no devolvió nada. Una respuesta equivocada y una respuesta que nunca llega son ambas fallas en producción, pero necesitan arreglos distintos. Una necesita un reintento y un segundo proveedor. La otra necesita un presupuesto mayor o una pregunta más acotada.&lt;/p&gt;
&lt;p&gt;El enrutador salió mejor en errores y quedó al medio en costo, pero lo logró poniendo el dinero en el lugar equivocado. Casi todo su gasto se fue en tareas difíciles que, en esta prueba, el modelo abierto resolvió por una fracción del precio. Mis tareas &quot;difíciles&quot; eran difíciles para una persona con una planilla, no para un modelo. Un enrutador es tan bueno como su definición de difícil, y la mía fue demasiado generosa.&lt;/p&gt;
&lt;p&gt;Eso calza con lo que contó la fintech. Su ganancia vino de hacer que la opción por defecto fuera barata y sin racionamiento, y de reservar la opción cara para los casos que se la ganan. Descubrir cuáles son esos casos es el verdadero trabajo.&lt;/p&gt;
&lt;h2&gt;Lo que no afirmaría a partir de esto&lt;/h2&gt;
&lt;p&gt;Son 24 tareas, corridas una vez cada una. Otra semana de datos, otra corrida u otro par de modelos podrían mover cada número de la tabla. El modelo de frontera fue el más potente al que podía acceder mi cuenta del gateway, que no es el más nuevo del mercado. La regla de enrutamiento fue una etiqueta que puse a mano, no un clasificador. La latencia incluye las colas del propio proveedor en una cuenta compartida. Y lo más importante: las tareas difíciles no fueron lo bastante difíciles para separar a los modelos, así que esta prueba no puede decirte dónde el modelo de frontera justifica su precio. Nada de esto dice algo sobre programación, que es lo que midió la fintech.&lt;/p&gt;
&lt;p&gt;El método, el conjunto congelado de tareas, cada respuesta en bruto y el script de corrección quedaron guardados con el experimento, así que la corrida se puede repetir.&lt;/p&gt;
&lt;h2&gt;La pregunta que hay que hacerse&lt;/h2&gt;
&lt;p&gt;Si operas agentes, la pregunta útil no es &quot;¿qué modelo?&quot;. Pregúntate qué proporción de tus tareas de verdad necesita el modelo caro, y cómo lo sabrías. Si la respuesta es &quot;mandamos todo al mejor, por si acaso&quot;, probablemente estás pagando unas veinte veces más de lo necesario por la mayor parte de tu trabajo.&lt;/p&gt;
&lt;h2&gt;Lo que le diría a otro profesional&lt;/h2&gt;
&lt;p&gt;&lt;strong&gt;Define &quot;difícil&quot; antes de construir el enrutador.&lt;/strong&gt; Mi enrutador gastó casi todo su dinero en tareas que el modelo barato resolvió bien. Prueba primero tu conjunto difícil con el modelo barato, y enruta solo lo que de verdad falla.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Cuenta la &quot;no respuesta&quot; aparte de la &quot;respuesta equivocada&quot;.&lt;/strong&gt; Cada falla de esta corrida fue una respuesta que no llegó: caídas de un lado y un presupuesto de razonamiento agotado del otro. Los reintentos, un segundo proveedor y presupuestos razonables resuelven eso. No van a resolver un modelo que se equivoca con total seguridad.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Haz que la opción por defecto sea barata y deja el modelo caro como excepción.&lt;/strong&gt; Eso fue lo que hizo la fintech, y es donde aparecieron los ahorros también en mi pequeña prueba. Lo difícil es saber qué casos se ganan la excepción.&lt;/p&gt;
&lt;p&gt;~ Mr. Gómez&lt;/p&gt;
</content:encoded></item><item><title>¿Cuánto cuesta de verdad una tarea de un agente de IA?</title><link>https://www.mrgomez.net/es/articles/what-does-one-ai-agent-task-actually-cost/</link><guid isPermaLink="true">https://www.mrgomez.net/es/articles/what-does-one-ai-agent-task-actually-cost/</guid><description>Los precios por token hacen que los agentes de IA parezcan baratos. Los reintentos y la revisión humana cambian las cuentas. Calculadora y ejemplo.</description><pubDate>Wed, 28 Oct 2026 00:00:00 GMT</pubDate><content:encoded>&lt;p&gt;Imagina la diapositiva. Un caso de negocio para un agente de IA, tres columnas y un número encerrado en rojo: costo por tarea, unos pocos centavos. El precio del modelo está ahí mismo, en la lista de precios del proveedor. Multiplicas por tokens, multiplicas por volumen, y listo.&lt;/p&gt;
&lt;p&gt;Quiero argumentar que ese número es el menos útil de la diapositiva.&lt;/p&gt;
&lt;h2&gt;Un kill switch dice en voz alta lo que nadie dice&lt;/h2&gt;
&lt;p&gt;El 27 de octubre, Salesforce &lt;a href=&quot;https://www.salesforce.com/news/stories/agent-fabric-catch-failures-control-ai-costs/&quot;&gt;anunció nuevos controles de evaluación y de costos para Agent Fabric&lt;/a&gt; (en inglés), su plano de control para gestionar agentes entre plataformas. El planteamiento es directo. En sus palabras, &quot;agents can fail silently, delivering wrong answers and racking up costs before anyone notices.&quot; (los agentes pueden fallar en silencio, entregando respuestas equivocadas y acumulando costos antes de que alguien lo note).&lt;/p&gt;
&lt;p&gt;Su respuesta viene en capas, y los plazos importan. El Model Wallet y el FinOps Dashboard, que ponen límites de gasto al uso, ya están disponibles. También lo está el Agent Kill Switch básico, que le permite a un equipo bloquear el acceso de un agente, aunque no es completamente nuevo: &lt;a href=&quot;https://venturebeat.com/orchestration/salesforce-details-cost-controls-and-kill-switch&quot;&gt;VentureBeat informa&lt;/a&gt; (en inglés) que pasó a disponibilidad general en septiembre. La versión que se activa automáticamente cuando un agente no pasa sus evaluaciones no llegará hasta enero de 2027. Salesforce también afirma que sus políticas de optimización reducen el uso de tokens hasta en un 75%, una cifra que, según dice, viene de sus propios escenarios de prueba.&lt;/p&gt;
&lt;p&gt;Un detalle me llamó la atención. El comunicado de prensa habla de &quot;hard limits that stop requests before costs exceed budget&quot; (límites estrictos que detienen las solicitudes antes de que los costos superen el presupuesto). La propia &lt;a href=&quot;https://docs.mulesoft.com/general/exp-model-wallets-manage&quot;&gt;documentación de MuleSoft sobre model wallets&lt;/a&gt; (en inglés) es más cuidadosa: los presupuestos son aproximados y no un corte estricto en tiempo real, y el uso puede superar brevemente un límite antes de que se bloqueen las solicitudes.&lt;/p&gt;
&lt;p&gt;Esto no es una crítica a Salesforce. Es una señal. Cuando un proveedor de plataforma construye topes de presupuesto y un botón de apagado para agentes, el costo por tarea claramente no es un número fijo en una lista de precios. Se mueve, a veces sin hacer ruido, y alguien tiene que vigilarlo.&lt;/p&gt;
&lt;h2&gt;No el costo por token, sino el costo por tarea completada&lt;/h2&gt;
&lt;p&gt;Esta es la brecha en la que, creo, caen la mayoría de los casos de negocio.&lt;/p&gt;
&lt;p&gt;Un precio por token te dice cuánto cuesta un intento. No te dice cuánto cuesta un trabajo terminado. Son cosas distintas, porque los agentes no terminan todas las tareas al primer intento, y las organizaciones no confían en todos los resultados sin que una persona los mire.&lt;/p&gt;
&lt;p&gt;Así que definamos bien la unidad. Una &lt;strong&gt;tarea completada&lt;/strong&gt; es una que el negocio acepta como terminada. Eso significa que:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;cada intento cuenta, incluidas las ejecuciones que fallaron y hubo que reintentar, porque esos tokens también los pagaste&lt;/li&gt;
&lt;li&gt;cada revisión humana cuenta, porque una persona revisando el trabajo del agente es parte de lo que cuesta terminar la tarea&lt;/li&gt;
&lt;li&gt;el costo se reparte entre las tareas completadas, no entre los intentos&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Ese es el número que le importa a un CFO, y el único que puedes comparar honestamente con una persona haciendo la misma tarea.&lt;/p&gt;
&lt;h2&gt;La fórmula detrás de la calculadora de abajo&lt;/h2&gt;
&lt;p&gt;La calculadora de abajo usa seis entradas: volumen mensual de tareas, tokens por tarea, precio del modelo, tasa de reintentos, tasa de revisión humana y costo del revisor. Compara el resultado con una línea base humana que ingresas tú.&lt;/p&gt;
&lt;p&gt;Las cuentas son simples a propósito:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;Intentos&lt;/strong&gt; = tareas mensuales × (1 + tasa de reintentos)&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Costo del modelo&lt;/strong&gt; = intentos × tokens por intento × precio por millón de tokens ÷ 1.000.000&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Costo de revisión&lt;/strong&gt; = tareas mensuales × tasa de revisión humana × costo del revisor por revisión&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Costo por tarea completada&lt;/strong&gt; = (costo del modelo + costo de revisión) ÷ tareas mensuales&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Los tokens por tarea son todo lo que el agente lee y escribe en un intento, incluidas las llamadas a herramientas y el contexto que arrastra. Mídelo en vez de adivinarlo.&lt;/p&gt;
&lt;p&gt;&lt;em&gt;(Interactive calculator, view it on the site.)&lt;/em&gt;&lt;/p&gt;
&lt;h2&gt;Un ejemplo práctico (números solo ilustrativos)&lt;/h2&gt;
&lt;p&gt;Estos números son inventados para mostrar la aritmética. No vienen de un cliente, de un benchmark ni de un despliegue real. Usa los tuyos.&lt;/p&gt;
&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Entrada&lt;/th&gt;
&lt;th&gt;Valor ilustrativo&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Volumen mensual de tareas&lt;/td&gt;
&lt;td&gt;10.000 tareas&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tokens por intento&lt;/td&gt;
&lt;td&gt;40.000&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Precio combinado del modelo&lt;/td&gt;
&lt;td&gt;A$6 por millón de tokens&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tasa de reintentos&lt;/td&gt;
&lt;td&gt;25%&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tasa de revisión humana&lt;/td&gt;
&lt;td&gt;20% de las tareas&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Costo del revisor&lt;/td&gt;
&lt;td&gt;A$6 por revisión (6 minutos a A$60 la hora)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Línea base humana&lt;/td&gt;
&lt;td&gt;A$15 por tarea (15 minutos a A$60 la hora)&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;&lt;strong&gt;La vista solo de tokens.&lt;/strong&gt; 10.000 tareas × 40.000 tokens = 400 millones de tokens. Con A$6 por millón, eso da A$2.400 al mes, o &lt;strong&gt;A$0,24 por tarea&lt;/strong&gt;. Este es el número que termina encerrado en la diapositiva.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Suma los reintentos.&lt;/strong&gt; 10.000 × 1,25 = 12.500 intentos. 12.500 × 40.000 = 500 millones de tokens, así que la cuenta del modelo es de A$3.000 al mes, o A$0,30 por tarea completada.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Suma la revisión.&lt;/strong&gt; 10.000 × 20% = 2.000 revisiones. 2.000 × A$6 = A$12.000 al mes, o A$1,20 por tarea completada.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;El número real.&lt;/strong&gt; (A$3.000 + A$12.000) ÷ 10.000 = &lt;strong&gt;A$1,50 por tarea completada&lt;/strong&gt;.&lt;/p&gt;
&lt;p&gt;Eso es más de seis veces la cifra solo de tokens. Fíjate adónde se fue el dinero. El modelo es A$0,30 de los A$1,50. Los otros A$1,20 son personas revisando el trabajo.&lt;/p&gt;
&lt;p&gt;Frente a la línea base humana ilustrativa de A$15, el agente todavía se ve bien. Pero cambia una entrada y mira lo que pasa. Si la tasa de revisión sube de 20% a 50%, el costo de revisión pasa a A$30.000, el total a A$33.000, y el costo por tarea completada se duplica con creces, a A$3,30. El precio del token no se movió en absoluto.&lt;/p&gt;
&lt;p&gt;También hay mucho que este ejemplo deja fuera a propósito: licencias de plataforma, trabajo de integración, monitoreo, ejecuciones de evaluación y el costo de los errores que nadie detectó. Todo eso también pertenece al caso de negocio. Simplemente no pertenece a un número por tarea.&lt;/p&gt;
&lt;h2&gt;La pregunta que tienen que responder los integradores de sistemas&lt;/h2&gt;
&lt;p&gt;Hay una conversación creciente en X sobre cobrar la IA por resultado y no por token, y a menudo remite a algo que dijo Dario Amodei, de Anthropic, en el &lt;a href=&quot;https://www.dwarkesh.com/p/dario-amodei-2&quot;&gt;Dwarkesh Podcast en febrero&lt;/a&gt; (en inglés). No todos los tokens que produce un modelo valen lo mismo, argumentó. Los tokens que le dicen a alguien que reinicie su Mac podrían valer &quot;a dollar or a few cents&quot; (un dólar o unos pocos centavos), mientras que los tokens que le dicen a una farmacéutica que mueva un anillo de un extremo de una molécula al otro &quot;could be worth tens of millions of dollars&quot; (podrían valer decenas de millones de dólares). Espera modelos de negocio que reconozcan eso, incluido &quot;pay for results&quot; (pagar por resultados) de alguna forma. El problema práctico es que cobrar por resultado necesita una línea base y una definición acordada de qué significa terminado.&lt;/p&gt;
&lt;p&gt;Ese es exactamente el problema con el que se topa un integrador de sistemas. Si un integrador cobra por tiempo y materiales, el cliente carga con todo el riesgo de reintentos y revisión. Si cobra por resultado completado, lo carga el integrador. Entonces la tasa de reintentos y la tasa de revisión dejan de ser problema del cliente y pasan a ser el margen del integrador.&lt;/p&gt;
&lt;p&gt;Entonces, ¿quién le pone precio al resultado? ¿Quién lo mide? ¿Y quién decide qué cuenta como &quot;completado&quot; cuando el agente hizo la mayor parte del trabajo y una persona lo aprobó? Mi opinión es que a los integradores que no puedan responder esas tres preguntas les va a costar cobrar por agentes con alguna confianza.&lt;/p&gt;
&lt;p&gt;Ya escribí sobre &lt;a href=&quot;/articles/six-agents-one-real-signal/&quot;&gt;seis agentes trabajando una misma excepción de la cadena de suministro&lt;/a&gt; y sobre &lt;a href=&quot;/articles/who-decides-when-the-system-acts/&quot;&gt;quién decide cuándo actúa el sistema&lt;/a&gt; (ambos en inglés). El costo por tarea completada es la misma pregunta en otra moneda.&lt;/p&gt;
&lt;h2&gt;Lo que le diría a otro profesional&lt;/h2&gt;
&lt;p&gt;&lt;strong&gt;Ponle precio al resultado, no al intento.&lt;/strong&gt; Arma el caso de negocio sobre el costo por tarea completada, con los reintentos y la revisión humana incluidos. Si tu número solo tiene tokens, es un precio de modelo, no un caso de negocio.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;La revisión suele ser la verdadera línea de costo.&lt;/strong&gt; En el ejemplo de arriba, las personas que revisan el trabajo cuestan cuatro veces lo que cuesta el modelo. Bajar la tasa de revisión de forma segura, con mejores datos, instrucciones más claras y evaluaciones en las que confíes, a menudo va a mover el número más que un modelo más barato.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Decide quién vigila el medidor antes de salir a producción.&lt;/strong&gt; Los topes de gasto y los kill switches son útiles, pero son aproximados y alguien igual tiene que hacerse cargo de ellos. Acuerda desde el principio quién fija el presupuesto, quién recibe la alerta y quién puede apagar un agente.&lt;/p&gt;
&lt;p&gt;La lista de precios te dice cuánto cuesta un token. Solo tu propia operación te puede decir cuánto cuesta que algo quede terminado.&lt;/p&gt;
&lt;hr /&gt;
&lt;p&gt;&lt;strong&gt;~ Mr. Gómez&lt;/strong&gt;&lt;/p&gt;
</content:encoded></item></channel></rss>