Foto falsa de lobo & Agentes corporativos: OpenAI y Google - Noticias de IA (24 abr 2026)

Por favor, apoya este pódcast visitando a nuestros patrocinadores: - SurveyMonkey, Usando IA para descubrir insights más rápido y reducir el tiempo de análisis manual - https://get.surveymonkey.com/tad - Descubre el futuro del audio con IA con ElevenLabs - https://try.elevenlabs.io/tad - Lindy es tu asistente de IA definitivo que gestiona proactivamente tu bandeja de entrada - https://try.lindy.ai/tad Apoya directamente a The Automated Daily: Cómprame un café: https://buymeacoffee.com/theautomateddaily Temas de hoy: Foto falsa de lobo - Un hombre en Corea del Sur difundió una imagen generada por IA de un lobo escapado y desvió la búsqueda oficial; caso de desinformación en emergencias. Agentes corporativos: OpenAI y Google - OpenAI presenta “workspace agents” y Google lanza su plataforma de agentes empresariales; tendencia clave: agentes que ejecutan flujos largos con gobernanza y permisos. Google Workspace como contexto AI - Google introduce “Workspace Intelligence” para conectar correo, chat y archivos como una capa semántica; más contexto compartido para agentes con cumplimiento y controles. Programación con IA: 75% Google - Sundar Pichai afirma que ~75% del código nuevo en Google lo genera IA y luego se revisa; cambio cultural hacia flujos “agentic” en ingeniería. Copilot pasaría a tokens - Microsoft planea mover GitHub Copilot a facturación por tokens; impacto en previsibilidad de costos, gobernanza y uso intensivo en equipos. Nuevos benchmarks para agentes - Applied Compute critica benchmarks de inferencia de LLM obsoletos y propone trazas reales multi-turno con herramientas; foco en latencia p90/p99 y KV cache. Documentación que guía a agentes - Augment muestra que AGENTS.md puede mejorar o empeorar a un agente de código; buenas prácticas: breve, “progressive disclosure” y tablas de decisión. MCP: estándar para herramientas - Anthropic impulsa MCP como capa estándar para conectar agentes a sistemas; reduce el problema M×N, mejora autenticación y portabilidad en producción. Fuga de GPT Image 2 - OpenAI probó modelos de imagen anónimos en LM Arena y los retiró; la comunidad cree que “GPT Image 2” mejora texto en imagen y fotorealismo antes del fin de DALL‑E. IA en el mundo real: tienda - Andon Market prueba un agente de IA gestionando una tienda física; decisiones extrañas y sesgos salariales revelan límites de juicio y riesgos operativos. Búsqueda con IA: entrenamiento - Perplexity describe post‑training para modelos con búsqueda: SFT + RL con recompensas acotadas; objetivo: precisión sin romper guardrails ni disparar tool calls. Qwen 27B impulsa lo local - Qwen3.6‑27B sugiere rendimiento de codificación “casi flagship” con tamaño manejable; acelera la adopción de asistentes locales y controlados. Ruptura en MeshCore por IA - El proyecto MeshCore se divide por disputas de gobernanza y código generado con IA; el debate sobre transparencia y procedencia del software se intensifica. Nueva ola de laboratorios AI - Jerry Tworek, ex OpenAI, crea Core Automation para automatizar la investigación del propio laboratorio; apuesta por nuevos algoritmos más allá de escalar transformers. Infraestructura AI: Vast recauda - Vast Data levanta 1.000 millones y llega a valoración de 30.000 millones; señal de que la inversión sigue fluyendo a la infraestructura ‘picks-and-shovels’ de IA. - OpenAI Launches Shared ‘Workspace Agents’ for Team Workflows in ChatGPT - Google Cloud Launches Gemini Enterprise Agent Platform to Build and Govern AI Agents - Google: 75% of New Code Is AI-Generated as Company Moves to Agentic Workflows - Applied Compute Releases Agentic Workload Benchmarks to Test LLM Inference Engines - Report: OpenAI quietly tests ‘GPT Image 2’ with hints of a near-term launch - Study Finds AGENTS.md Can Sharply Improve or Degrade AI Coding Output - Perplexity Unveils Two-Stage SFT-to-RL Pipeline to Train More Efficient, Reliable Search Agents - Google Launches Workspace Intelligence to Connect Gemini Across Gmail, Drive, Docs and Chat - South Korea arrests man over AI-generated photo that misled search for escaped zoo wolf - Ex-OpenAI researcher Jerry Tworek launches Core Automation to automate AI research - Anthropic Explains Why Production AI Agents Are Shifting to the Model Context Protocol - Garry Tan Calls for ‘Skillify’ Workflow to Make AI Agent Fixes Permanent - Vast Data raises $1 billion at $30 billion valuation with Nvidia among backers - Google Cloud Next 2026 in Las Vegas to Spotlight Agentic AI and Keynotes - Simon Willison Tests Qwen3.6-27B, a Smaller Open Model Claiming Flagship Coding Performance - AI-Managed SF Store Draws Scrutiny Over Odd Orders and Pay Disparity - Every Podcast Argues Humans Provide the ‘Bread’ in AI Workflows as Workplace Agents Consolidate - MeshCore Core Team Splits After Trademark and AI-Code Dispute with Andy Kirby - Anker Unveils ‘Thus’ Compute-in-Memory Chip to Bring Local AI to Earbuds and More - Personalized LLM Answers Often Share a Stable Core, Not Infinite Divergence - Microsoft Reportedly Shifting GitHub Copilot to Token-Based Billing Starting in June Transcripcion del Episodio Foto falsa de lobo Empezamos con el incidente en Corea del Sur: la policía arrestó a un hombre acusado de entorpecer la búsqueda de un lobo escapado al difundir una foto falsa creada con IA. La imagen se viralizó, hizo que las autoridades reasignaran recursos y que se enviaran avisos de emergencia a la población. Más allá de lo pintoresco, es un recordatorio duro: en situaciones críticas, la “verosimilitud” de la IA puede convertirse en coste público y en ansiedad colectiva si no hay verificación rápida. Agentes corporativos: OpenAI y Google Ahora sí, el gran tema empresarial del día: OpenAI presentó los “workspace agents” en ChatGPT, agentes compartidos para equipos que pueden ejecutar flujos complejos, durar horas o días, usar herramientas conectadas, recordar contexto y pedir aprobaciones antes de acciones delicadas. La lectura estratégica es clara: OpenAI quiere que la IA viva dentro de los permisos y controles de una organización, no solo como un asistente que responde a un prompt aislado. Google Workspace como contexto AI Y Google respondió con fuerza: lanzó la Gemini Enterprise Agent Platform, una plataforma unificada para construir, desplegar y gobernar agentes, con herramientas visuales y también enfoque para desarrolladores. Su mensaje es que la etapa de “pilotos” se está acabando: ahora importan identidad del agente, registro de herramientas aprobadas, pasarelas de seguridad y observabilidad. En otras palabras, menos magia y más auditoría: quién hizo qué, con qué datos, y bajo qué políticas. Programación con IA: 75% Google En esa misma línea, Google también presentó Workspace Intelligence, una especie de capa semántica que conecta correos, chats, archivos, personas y proyectos para darle a Gemini contexto compartido en el trabajo diario. Si esto aterriza bien, cambia la experiencia: en vez de buscar en cinco apps, le pides a un agente que entienda tu objetivo y actúe dentro del ecosistema. Pero el punto sensible es obvio: cuando la IA razona sobre contenido corporativo, el cumplimiento, el cifrado y la residencia de datos dejan de ser un “extra” y pasan a ser el producto. Copilot pasaría a tokens Del lado del desarrollo de software, Google hizo una afirmación que marca época: dice que alrededor del 75% del código nuevo ya lo genera IA y luego lo revisan ingenieros humanos. Además, lo vinculan a “workflows agentic”, donde agentes asumen tareas más autónomas, como migraciones internas aceleradas. Que sea cierto o no en todos los equipos, el titular importa porque redefine métricas: el valor del ingeniero se desplaza hacia revisión, arquitectura, pruebas y criterio, y las empresas empiezan a medir uso de IA como parte del rendimiento. Nuevos benchmarks para agentes Y hablando de medición, se filtró que Microsoft planea mover GitHub Copilot a un modelo de límites y cobro por tokens, manteniendo suscripción pero con un “saldo” consumible, y con tokens compartidos a nivel empresa. ¿Por qué es relevante? Porque convierte la asistencia de código en un coste más variable: puede empujar a controles internos, a políticas de uso, y a comparar con alternativas locales o de código abierto. También fuerza una conversación incómoda: ¿quién “gasta” tokens y para qué? Documentación que guía a agentes En paralelo, Applied Compute cuestiona los benchmarks clásicos de inferencia: pruebas de una sola pregunta y una sola respuesta ya no representan aplicaciones con agentes que hacen muchas idas y vueltas, llamadas a herramientas y cachés de contexto que viven mucho tiempo. Propusieron perfiles de carga que reproducen trazas completas y ponen el foco en cosas que a negocio le duelen: latencia de cola —p90 y p99—, tiempos de espera por herramientas y, sobre todo, la capacidad de KV cache como cuello de botella. Traducción: si tu agente se vuelve lento bajo concurrencia, quizá no es “el modelo”; es tu infraestructura y cómo mantiene el contexto. MCP: estándar para herramientas Otra pieza práctica para equipos: Augment analizó archivos AGENTS.md —documentos pensados para guiar a un agente de codificación— y encontró que pueden ser oro o un lastre. Los mejores eran cortos, directos, y organizaban la información para que el agente cargue solo lo necesario. Los peores, largos y llenos de prohibiciones, disparaban un modo de “sobreexploración” donde el agente se vuelve conservador e incompleto. La moraleja: documentar para agentes no es lo mismo que documentar para humanos; hay patrones que se pueden aprender y estandarizar. Fuga de GPT Image 2 Y si tu stack ya tiene muchos servicios, llega otra discusión de infraestructura: Anthropic insiste en que, a la larga, la mayoría de equipos migra a MCP para conectar agentes con sistemas reales. El argumento no es glamour, es mantenimiento: cuando tienes muchos agentes y muchas integraciones, el enfoque “cada uno con su API” escala mal. Un protocolo común simplifica descubrimiento, autenticación y portabilidad entre entornos. En 2026, esa capa de conectividad empieza a parecerse a lo que fueron los gateways y los estándares de identidad para el software empresarial tradicional. IA en el mundo real: tienda En generación de imágenes, hubo un episodio curioso: OpenAI subió por poco tiempo tres modelos anónimos a LM Arena y los retiró en dos días, pero la comunidad ya los había asociado a OpenAI y los llama “GPT Image 2”. Las pruebas filtradas sugieren mejoras fuertes en texto dentro de imágenes, colores más naturales y más “conocimiento del mundo” para interfaces y productos reales. El calendario añade presión: DALL‑E 2 y 3 se apagan el 12 de mayo de 2026, y el sucesor tiene que estar a la altura justo cuando se acercan exigencias de transparencia en la UE para agosto. Búsqueda con IA: entrenamiento Del “demo” al mundo real: en San Francisco, una startup dejó a un agente llamado Luna gestionando una tienda física con personal humano. Y el experimento está siendo… irregular: decisiones raras de inventario, confusión operativa y hasta un caso de salarios distintos por género con una justificación discutible. Aunque haya supervisión humana, el punto es potente: cuando un agente administra personas y procesos, los fallos ya no son bugs simpáticos; son riesgos laborales, de reputación y de cumplimiento. Qwen 27B impulsa lo local En investigación aplicada, Perplexity publicó cómo está entrenando modelos con búsqueda sin sacrificar guardrails: primero afianzan conductas esenciales con SFT, luego aplican RL con recompensas diseñadas para no “premiar” respuestas bonitas si no son correctas y seguras. Esto es importante para cualquier producto que consulte la web: el usuario no quiere una IA que busque de más, ni una que invente, ni una que se vuelva rígida por miedo. El reto real es equilibrar precisión, coste y alineamiento en producción. Ruptura en MeshCore por IA Y para cerrar con algo que entusiasma a la comunidad open: Simon Willison destacó Qwen3.6-27B, un modelo de pesos abiertos que, según sus pruebas y los claims del fabricante, logra rendimiento de codificación muy alto con un tamaño mucho más manejable que gigantes anteriores. Si esa tendencia se sostiene, abre una vía concreta para empresas y desarrolladores: asistentes de código locales, con más control de datos y costes, y menos dependencia de una sola nube. Nueva ola de laboratorios AI Dos notas rápidas de ecosistema. Primero, MeshCore se partió en dos tras una disputa sobre gobernanza, marca y el uso no transparente de código generado por IA; un ejemplo claro de que la “procedencia” del software —saber qué se generó, cómo y por quién— se está convirtiendo en tema comunitario, no solo legal. Y segundo, Jerry Tworek, ex investigador de OpenAI, lanzó Core Automation con la idea de automatizar el propio trabajo de investigación del laboratorio: una apuesta a que la próxima ola no vendrá solo por escalar, sino por nuevas recetas de aprendizaje y arquitectura. Ah, y en el frente financiero, Vast Data levantó 1.000 millones con Nvidia entre los inversores, confirmando que la infraestructura —almacenamiento y datos para cargas de IA— sigue siendo donde se están concentrando cheques gigantes. Suscríbete a fuentes específicas por edición: - Space news * Apple Podcast English * Spotify English * RSS English Spanish French - Top news * Apple Podcast English Spanish French * Spotify English Spanish French * RSS English Spanish French - Tech news * Apple Podcast English Spanish French * Spotify English Spanish Spanish * RSS English Spanish French - Hacker news * Apple Podcast English Spanish French * Spotify English Spanish French * RSS English Spanish French - AI news * Apple Podcast English Spanish French * Spotify English Spanish French * RSS English Spanish French Visit our website at https://theautomateddaily.com/ Send feedback to [email protected] Youtube LinkedIn X (Twitter)