|
|
¡Buenas! Vamos con una buena dosis de futuro e IA. |
Hoy el dato lo pone Deloitte y escuece: casi todas las empresas grandes han probado ya un agente de IA, y solo el 15% lo tiene funcionando de verdad en el negocio. Un segundo estudio, de Google con el MIT, señala dónde se atasca la cosa. De media, las empresas dejan que la IA vea el 45% de su propia información. |
Además, Dario Amodei rompe su silencio para responder a quienes dicen que sus avisos le han hecho más mal que bien a la IA, y un residente de neurocirugía en Pekín resuelve con ChatGPT un problema matemático que llevaba abierto desde 2004. El montaje que usó es lo interesante. |
Esto es todo lo que necesitas saber hoy: |
🧱 El 42% probó agentes, solo el 15% los escala 🗣️ Dario Amodei responde a sus críticos 🧮 Un médico resuelve un problema de 22 años con ChatGPT 💡 Tutorial: clona cualquier web con un comando de Claude Code 🖊️ Prompt: el perfil real de tu cliente ideal 🎥 Video IA: Por primera vez, no sabía si este vídeo era IA
|
¿Nos conocías? ¡Suscríbete! | Aprende Claude con 10 minutos al día |
|
NOTICIAS |
🧱 El 42% de las empresas ya probó agentes. Solo el 15% los tiene funcionando a escala |
 |
Fuente: The Deep View |
|
Deloitte ha encuestado a más de 500 responsables de negocio y de tecnología en Estados Unidos. Casi tres de cada cuatro esperan tener media empresa rediseñada alrededor de agentes dentro de cuatro años. La distancia entre esa ambición y lo que hay montado hoy es el dato del día. Un segundo estudio, de Google y MIT Technology Review, señala al mismo culpable: los datos. |
Puntos clave: |
La brecha, en números. El 42% de las organizaciones ha probado o desplegado agentes, pero solo el 15% ha llevado sistemas de varios agentes al conjunto del negocio. Entre una cosa y la otra hay un salto que casi nadie está dando. El freno está en los procesos. Solo el 21% dice tener sus procesos preparados para trabajar con agentes, y una de cada cinco empresas se ve capaz de rediseñarlos. La mayoría cuelga el agente encima de la forma de trabajar que ya tenía y espera ganancias rápidas. Los datos, medidos. En el estudio de Google y el MIT, más de la mitad de 300 directivos de datos y tecnología apunta a los sistemas antiguos como el bloqueo. De media, las empresas dan a la IA acceso al 45% de su información interna. Y ese acceso se nota en el resultado. Entre las que abren más del 70% de sus datos, todos los encuestados describen las decisiones de sus agentes como acertadas casi siempre o siempre. Entre las que se quedan en el 30% o menos, solo el 22% se fía de lo que decide su agente. Dónde está atascada la información. Los encuestados la describen repartida entre sistemas que no se hablan, encerrada en correos y PDF, sin actualizar en tiempo real y sin el contexto de negocio que un agente necesita para entender qué significa cada dato.
|
Por qué importa: Si has probado un agente y se quedó en demostración, mira dónde estás buscando la culpa. Estos dos estudios ponen número a algo que aparece en cualquier implantación: el agente rinde según lo que puede leer, y en la mayoría de empresas eso es menos de la mitad de lo que hay dentro. Antes de comparar modelos otra vez, merece la pena revisar a qué tiene acceso el que ya tienes y qué proceso le has puesto delante. |
👉 Leer la noticia completa en Digital Brain |
|
|
|
|
NOTICIAS |
🗣️ Dario Amodei sale a dar la cara: la IA arrastra una crisis de confianza |
 |
Fuente: The Rundown |
|
El consejero delegado de Anthropic apenas publica en redes. Este fin de semana lo hizo dos veces para responder al inversor Gavin Baker, que había contado en el pódcast All-In que Amodei aspira a dirigir la única empresa privada que quede en pie. La respuesta llegó a diez millones de visualizaciones en un día. Rundown, Superhuman y The Neuron abrieron con ella. |
Puntos clave: |
El rumor. Baker dijo que fuentes de confianza le contaron que Amodei se ve al frente de la única empresa privada del mundo, con solo Anthropic y los gobiernos en pie. Sholto Douglas, investigador de la casa, lo calificó de completamente falso. La acusación de fondo. Baker sostiene que los años de advertencias de Amodei sobre armas biológicas y destrucción de empleo se le han vuelto en contra: alimentan las campañas contra los centros de datos en Estados Unidos y han frenado la regulación federal. Su respuesta sobre regulación. Amodei rechaza que haya que elegir entre concentrar la IA en pocas manos o repartirla del todo con modelos abiertos. Pone de ejemplo la SB53 de California, una ley de transparencia que Anthropic apoyó y que carga sobre los laboratorios grandes antes que sobre los pequeños. De dónde viene el recelo. Él lo atribuye a décadas de empresas prometiendo de más y entregando de menos, una crisis de confianza en las instituciones que la IA se encuentra ya hecha al llegar. Lo personal. Contó que su padre murió de hepatitis C unos años antes de que llegara el sofosbuvir, el fármaco que hoy cura al 95% de los pacientes. De ahí, dice, su insistencia en que la opinión pública cambiará cuando lleguen los primeros resultados en medicina y biología.
|
Por qué importa: Ese recelo también está dentro de tu empresa. La gente usa Claude o ChatGPT a diario y a la vez no acaba de fiarse de dónde van sus datos ni de qué pasa con su puesto. Es el mismo freno que aparece en los estudios de arriba, con otro nombre. Se despeja enseñando resultados concretos del equipo que ya lo usa, con nombres y con cifras. |
👉 Leer la noticia completa en Digital Brain |
|
|
|
|
NOTICIAS |
🧮 Un médico resolvió con ChatGPT un problema matemático abierto desde 2004 |
 |
Fuente: Alex Townsend |
|
Shanmu Jin es residente de neurocirugía en Pekín. Llegó a la conjetura de Crouzeix por su investigación en ecografía cerebral y se puso a estudiar matemáticas avanzadas por su cuenta, después de una carrera de geología y la de medicina. El resultado lo sacó GPT-5.6 Sol tras una sesión autónoma de 16 horas en ChatGPT Work. |
Puntos clave: |
El problema. La conjetura de Crouzeix es un problema de matrices que llevaba sin resolverse desde 2004. Jin no venía del campo: su formación previa era geología y luego medicina. El montaje. Dejó al modelo sin acceso a internet y lo hizo trabajar con enjambres de subagentes enfrentados entre sí, una receta que copió de uno de los prompts de matemáticas que publicó OpenAI. La verificación. La revisión formal por pares está pendiente, pero Alex Townsend y Anne Greenbaum, de Cornell, y el propio autor del problema ya han dado la demostración por buena. El contexto. Un modelo de Anthropic todavía sin publicar ha avanzado por su parte sobre la hipótesis de Riemann, un problema de 150 años con un premio de un millón de dólares aún sin reclamar. Lo que cambia de sitio. Cuando una demostración puede salir de cualquiera con una suscripción, el trabajo escaso pasa a ser verificarla. El papel del experto se mueve, y de momento se mueve hacia la revisión.
|
Por qué importa: Fíjate en el montaje antes que en la matemática. El resultado salió de dejar al modelo trabajando solo durante 16 horas, con subagentes que se corregian entre ellos y sin internet para que no se apoyara en lo ya publicado. Ese patrón (encargo largo, varios agentes contrastando, revisión humana al final) es el mismo que sirve para revisar un pliego de proveedores o cuadrar un cierre contable. La palanca está en cómo lo montas. |
👉 Leer la noticia completa en Digital Brain |
|
|
|
|
NOTICIAS EN UN MINUTO |
🐉 DeepSeek saca un rival abierto de Claude Code. Publicó Harness v0.1, un entorno abierto para agentes con licencia MIT, junto a DeepSeek-V4-Pro. Va directo a la factura de Claude Code y Codex, que ya escuece en muchas empresas. La contrapartida es la confianza: acusaciones de destilación de modelos y protecciones más flojas. 💰 Anthropic negocia comprar Decart por 6.000 millones. Sería la mayor adquisición de su historia, según Bloomberg. Decart hace infraestructura de IA, así que la jugada apunta a bajar su propio coste de servir modelos justo antes de salir a bolsa. 🔓 Tumbaron Zoom con menos de 20 prompts y en menos de un día. El fallo permitía a cualquier asistente a una reunión tomar el control del ordenador de otro sin que se enterara. Zoom lo usa el 70% de las Fortune 100. Hace unos años ese trabajo exigía a un especialista; ahora salió con modelos públicos. 🛒 El modelo de OpenAI que escribe exploits ya se compra en Amazon. GPT-5.6-Cyber está entrenado con menos límites para escribir código de ataque real, y lleva encontrados más de 400 fallos de escalada de privilegios en un solo sistema operativo. Hasta ahora OpenAI aprobaba el acceso uno a uno; ahora se contrata como cualquier suscripción desde la cuenta de Amazon de tu empresa. 🔏 Un borrador de marcas de agua de IA llega a 11.000 estrellas. Un día después de que Anthropic explicara cómo marca sus textos, un desarrollador publicó una herramienta abierta que limpia esas señales en contenido de Claude, Gemini y OpenAI. Si tu plan para detectar texto de IA se apoyaba en la marca de agua, conviene revisarlo.
|
|
|
|
|
TUTORIAL IA |
🧬 Clona cualquier web en código propio con un solo comando de Claude Code |
|
|
Cuando quieres rehacer una landing y la referencia que te gusta es la web de otro, lo normal es tirar de pantallazos y buen ojo. Esta capacidad para Claude Code abre la web de verdad en el navegador, mide sus estilos reales y la reconstruye en código con varios agentes trabajando en paralelo. Sirve igual para partir de una referencia que para rescatar una web tuya antigua cuyo código se perdió por el camino. |
Clona la plantilla ai-website-cloner-template desde GitHub en la carpeta donde quieras el proyecto y ábrela con Claude Code. Comprueba que tienes conectado el MCP de Chrome (el conector que deja a Claude manejar el navegador). La capacidad necesita abrir la página de verdad, no bajarse el HTML. Lanza /clone-website con la URL de referencia. Claude abre la página en Chrome, hace capturas de la web entera y va probando cada tamaño de pantalla, cada clic y cada hover para ver cómo se comporta. Déjale extraer el sistema de diseño antes de escribir una línea de código: instala las tipografías exactas, monta los colores como tokens y se descarga imágenes, vídeos, favicon y og:image en carpetas ordenadas. Los agentes constructores trabajan uno por sección, cada uno en su propia copia aislada del repositorio (git worktree), y luego se fusionan solos. Al terminar, compara el resultado con el original y te señala las diferencias. Revisa el código antes de publicar. Sale un proyecto Next.js listo para producción, y ese es el momento de meter tu contenido, tu marca y tus enlaces. Publicar la web de otro tal cual te puede traer un problema legal; lo sensato es quedarte con la estructura y poner lo tuyo dentro.
|
Herramienta: Claude Code + MCP de Chrome (plantilla ai-website-cloner-template) |
|
|
|
|
PROMPT DEL DÍA |
🎯 Saca el perfil real de tu cliente ideal a partir de los clientes que ya tienes |
Cuándo usarlo: Cuando comercial, marketing y dirección describen al cliente ideal de tres maneras distintas, y cada campaña acaba apuntando a un público diferente. La mayoría de perfiles de cliente se escriben en una pizarra y salen idealizados. Este prompt hace lo contrario: parte de tus clientes reales, los buenos, los malos y los que se fueron, y obliga al modelo a justificar cada conclusión con casos concretos. Pega o adjunta lo que tengas: exportación del CRM, lista de clientes con facturación y antigüedad, motivos de baja, y transcripciones o notas de llamadas de venta. |
Actúa como un consultor senior de estrategia comercial. Te voy a pasar información real de mis clientes y quiero que construyas el perfil de cliente ideal de mi empresa a partir de esos datos, no a partir de lo que yo creo.
Contexto de mi empresa:
- Qué vendemos: [PRODUCTO O SERVICIO]
- Precio y modelo de cobro: [PRECIO / RECURRENTE O PUNTUAL]
- Mercado y zona: [MERCADO]
- Cómo llegan hoy los clientes: [CANALES]
Con el material adjunto, devuélveme:
1. Segmentación por valor. Agrupa a mis clientes actuales por lo que dejan y por lo que cuestan de atender. Dime qué tienen en común los del cuartil de arriba (sector, tamaño, cargo de quien firma, cómo llegaron, cuánto tardaron en decidir) y qué tienen en común los que se fueron o dan más problemas de los que compensan.
2. El perfil de cliente ideal, en una ficha: sector, tamaño de empresa, cargo que decide y cargo que bloquea, presupuesto disponible, situación que le hace buscar una solución como la mía, y qué tiene que ser cierto en su empresa para que yo le sirva de verdad.
3. El disparador de compra. En qué momento concreto deciden buscar algo como lo mío. Cítame frases literales del material que lo demuestren.
4. Las tres objeciones que más se repiten, ordenadas por frecuencia, con la respuesta que mejor ha funcionado según el material. Si en el material nadie las responde bien, dilo.
5. Señales de alarma. Qué características tenía un cliente antes de convertirse en un problema, para poder descartarlo en la primera llamada.
6. Con qué me comparan y qué dicen exactamente de esas alternativas.
Reglas: cita casos o frases concretas del material como prueba de cada punto. Si algo no se puede sostener con los datos que te he dado, escribe 'sin evidencia suficiente' en vez de rellenar. Nada de perfiles genéricos tipo 'empresas que quieren crecer'.
Termina con una tabla de tres columnas: a quién priorizo, a quién descarto, y qué cambio concreto hago esta semana en el discurso comercial.
[adjunta aquí tus datos de clientes]
|
|
|
|
|
HERRAMIENTAS DEL DÍA |
Zetik Vigila por toda la web lo que le digas (una empresa, una persona, un rumor) y solo te avisa cuando pasa algo de verdad. Para fundadores y directores comerciales que necesitan enterarse de los movimientos de un competidor, un proveedor o una cuenta grande sin dedicarle media mañana a rastrear. Tienes tres competidores y dos proveedores críticos: en vez de mirar sus webs y sus redes cada semana, les pones un vigilante y te llega un aviso el día que cambian de precio, levantan dinero o pierden a alguien clave. Better Claw Deja programar agentes que se ejecutan solos a la hora que digas, sin montar ni mantener servidores. Para equipos pequeños que ya tienen un par de tareas repetidas encargadas a la IA y quieren que ocurran sin que nadie las lance a mano. Cada lunes alguien recopila las incidencias de la semana y prepara el resumen para la reunión: lo montas una vez como agente programado y el lunes el resumen está hecho antes de que llegue nadie. Tenorshare Diagrimo Convierte un texto o una idea suelta en un diagrama o una infografía que se entiende de un vistazo. Para directivos y consultores que preparan comités o formación interna y no tienen a nadie de diseño al lado. Tienes el proceso de alta de cliente descrito en tres párrafos de un documento y el jueves lo presentas al comité: lo pegas y sale el diagrama de flujo que la gente sí va a mirar.
|
|
|
|
|
IMÁGENES / VÍDEOS IA |
🥊 Por primera vez, no sabía si este vídeo era IA |
El vídeo de hoy es un plano grabado desde arriba de un ring de boxeo, con dos boxeadores peleando dentro. Y sinceramente, es el primer vídeo generado con IA que me ha hecho dudar de verdad. |
No es solo la calidad de la imagen. Los movimientos de los boxeadores, la composición del plano, la iluminación, los golpes y, sobre todo, el audio hacen que parezca una grabación completamente real. |
De hecho, tuve que verlo varias veces porque no encontraba prácticamente ningún detalle que delatara que estaba generado con IA. |
Si este es el nivel al que estamos llegando, la pregunta ya no es si podemos distinguir un vídeo de IA de uno real, sino cuánto tiempo tardaremos en dejar de poder hacerlo. |
|
|
Nos vemos mañana, con todo lo que está por llegar 😎 |
|
|
|
|
|
¿TU EMPRESA DEBERÍA ESTAR AQUÍ? |
+90.000 personas leen Digital Brain cada semana. Si tu producto ayuda a profesionales a trabajar mejor con IA, probablemente este sea su lugar. |
Hablemos de cómo colaborar |
|
|
|
|
¿Qué te ha parecido la newsletter?Ayúdanos con tu feedback a seguir mejorando |
|
|
Si te gusta Digital Brain, ayúdanos a seguir creciendo utilizando este enlace para compartirnos con amigos, familiares e incluso en tus redes sociales. Te estaremos infinitamente agradecidos🙏! |
Mil gracias por el apoyo y por seguir leyéndonos. |
¡Nos vemos mañana! |
Edu, Rai y Albert. El equipo humano detrás de Digital Brain. |
|
|
|
|
|
No hay comentarios:
Publicar un comentario