Agentes con dinero, presupuesto y memoria

OpenAI publica su informe de junio sobre usos maliciosos de IA

El informe vuelve a poner en primer plano abuso, influencia, fraude y operaciones asistidas por modelos. No es una pieza “para leer por curiosidad”: es materia prima para políticas internas de uso de IA.

Qué significa: cualquier empresa que use agentes necesita trazabilidad, límites y revisión humana en flujos sensibles; la seguridad ya no es solo prompt injection.

Qué probaría Antonio: extraer una checklist de riesgos para bots externos: identidad del usuario, permisos, logging, escalado y bloqueo de acciones de alto impacto.

OpenAI estaría preparando terreno para una oferta on‑prem

La señal apunta a trabajo alrededor de despliegues locales o más controlados para clientes enterprise. A falta de anuncio oficial cerrado, encaja con la presión por datos, soberanía y compliance.

Qué significa: el mercado se mueve hacia “IA potente, pero bajo mi perímetro”: contratos enterprise, privacidad, auditoría y coste predecible.

OpenAI lanza “Codex for Open Source”

OpenAI abre un formulario para apoyar proyectos open source con Codex. Es una señal clara: los coding agents compiten por convertirse en infraestructura diaria de mantenimiento de repos.

Qué probaría Antonio: si tienes un repo público con backlog claro, preparar una solicitud con issues verificables, tests y criterios de aceptación.

Coinbase lanza herramientas para que agentes hagan pagos y trading cripto

Coinbase aparece hoy en medios y señales de X con “Coinbase for Agents”: agentes capaces de operar cuentas o subcuentas bajo guardrails definidos por el usuario.

Qué significa: el patrón “agente + dinero real” ya no es teoría; requiere límites de gasto, aprobación, auditoría y rollback desde el primer día.

Devin abre “/handoff” para pasar trabajos desde local a agentes cloud

La conversación social destaca una función para delegar trabajos desde Claude Code, Codex u otros agentes locales hacia Devins en la nube.

Qué probaría Antonio: diseñar un protocolo de handoff: contexto mínimo, rama, objetivo, tests esperados y condición de “no tocar”.

Replit Agent añade instrucciones personalizadas por proyecto

La señal: los agentes no recuerdan preferencias de equipo por defecto, así que Replit empuja convenciones persistentes para estructura de proyecto, marca y estilo.

Qué significa: la memoria útil empieza como reglas explícitas por proyecto, no como una “memoria infinita” opaca.

Guardian Runtime: presupuestos y uso de tokens para agentes

Runtime para monitorizar consumo de tokens y aplicar presupuestos de API. Muy oportuno después de varios casos recientes de agentes que ejecutan más de lo previsto.

Qué probaría Antonio: poner límites por tarea: coste máximo, número de llamadas, tiempo de ejecución y parada automática con resumen.

Ponytail: reglas para que el agente escriba menos código innecesario

Repo con la premisa “el mejor código es el que no escribiste”: empuja al agente a buscar soluciones simples, reutilizar y evitar sobreingeniería.

Qué significa: los skills y reglas de comportamiento siguen ganando valor: no solo hacen al agente más capaz, lo hacen más conservador.

ShieldMCP: scanner de seguridad para configuración MCP

Scanner para revisar configs MCP. Encaja con la tendencia de esta semana: antes de conectar herramientas al agente, conviene auditar qué quedan expuestas.

Qué probaría Antonio: pasar un scanner a cualquier config MCP con acceso a archivos, navegador, shell, CRM o credenciales.

CoderCup: benchmark público continuo para agentes de código

TestSprite publica un benchmark continuo para coding agents. Lo importante no es el ranking en sí, sino usar tareas reproducibles para comparar agentes en tu contexto.

Qué probaría Antonio: crear una mini‑CoderCup interna: 5 issues reales, fixture limpio, test objetivo y coste por agente.

“No dejes hablar al LLM: próbalo por dentro”

Artículo sobre usar probes de estado interno en vez de confiar solo en la salida textual. Es más técnico, pero la idea práctica es fuerte: medir señales antes de que el modelo formule una respuesta convincente.

Qué significa: para tareas críticas, la confianza no debería depender de si la respuesta “suena bien”.

HyperTool: menos llamadas paso a paso, más ejecución empaquetada

El paper critica el patrón de tool calls atómicas visibles en cada paso y propone cambiar la granularidad de ejecución para agentes con herramientas.

Qué probaría Antonio: agrupar micro‑acciones repetidas en herramientas compuestas: “preparar PR”, “validar build”, “auditar config”, no 20 llamadas sueltas.