The Agent Watch
Briefing · Artículos · Herramientas · Acerca de EN FR DE ES 中文 IT PT SV FI DA

Briefing diario

4 de noviembre de 2026 · 5 historias

🔥 Lo destacado

1

Anthropic ya puede demostrar qué modelo te respondió

Cuando le haces una pregunta a un asistente en línea, no puedes comprobar quién respondió de verdad: un intermediario puede colar un modelo más barato, o alguien puede retocar el texto por el camino. Anthropic publica un prototipo gratuito, FlashProve, que adjunta a cada respuesta una demostración matemática, sin revelar jamás cómo funciona el modelo por dentro. Probado con Llama 4 Maverick, produce unas 110 fichas de prueba por segundo en una sola tarjeta, y la prueba se verifica en 17 segundos en un ordenador normal. El precio es alto: unas 70 a 95 veces más cálculo que una respuesta corriente. Y la prueba solo dice que habló el modelo correcto, no que la respuesta sea acertada. Fuente: Anthropic.

2

CrowdStrike compra a dos expertos en vigilar y probar agentes

Cuando un regulador pregunta a una empresa qué hizo uno de sus agentes, ya no basta con responder que fue el modelo. CrowdStrike firmó dos adquisiciones el mismo día: Fiddler, que observa y explica el comportamiento de los agentes, y Dreadnode, que prueba la seguridad de la inteligencia artificial de forma automática. Ambos entran en la plataforma del fabricante con los nombres Falcon Observe y Falcon Guardian, con disponibilidad general anunciada para el cuarto trimestre de su ejercicio 2027. Una investigación del Wall Street Journal valora las dos operaciones en 495 millones de dólares, una cifra que CrowdStrike no confirmó y que no aparece en ninguno de sus comunicados. Fuente: los comunicados de CrowdStrike.

3

Uber pone una sola puerta delante de 5 000 herramientas

Cada equipo de una gran empresa que quiere conectar un agente con un servicio interno acaba escribiendo su propio conector, con sus propias reglas de seguridad. Con el tiempo, nadie sabe ya cuántos herramientas hay. Uber resolvió el problema desde arriba: un catálogo único con más de 800 servidores y más de 5 000 herramientas, donde el agente busca lo que necesita en lugar de recibirlo todo de golpe. El detalle que más importa: las herramientas se descubren solas, pero ninguna funciona hasta que el equipo que la posee la aprueba. Uber publicó su diseño en octubre; es el análisis del lunes el que la devuelve a la actualidad. Fuente: el blog de ingeniería de Uber.

4

OpenAI hizo que sus modelos diseñaran un aparato entero

Dos ingenieros de OpenAI diseñaron un dispositivo electrónico completo en menos de una semana, aparte de su trabajo habitual: un modelo escribió los requisitos, otro dibujó la forma, la carcasa, la placa y el software que lo controla. Un fabricante produjo después una primera serie de prototipos en menos de un mes. La empresa admite que hicieron falta varias rondas de revisión antes de que el objeto estuviera listo para fabricarse. El dato más elocuente está en otro sitio: desde febrero, el uso de estos modelos en los equipos de hardware se ha multiplicado por 23. Fuente: OpenAI.

5

Un examen público dice cuánto valen los agentes que arreglan fallos

Collinear AI ha publicado en abierto la segunda versión de su banco de pruebas: un agente debe encontrar y corregir un fallo de seguridad en un repositorio de código real sin romper lo que funcionaba. La versión 2 cuenta con 100 tareas públicas que cubren 91 tipos de fallo distintos. El resultado merece una segunda mirada: el mejor modelo acierta solo el 67,8 por ciento, y el 19 por ciento del conjunto queda sin resolver incluso para él, incluso tras varios intentos. Dicho de otro modo, arreglar fallos de seguridad sigue siendo un trabajo duro para un agente, y sus errores pueden pasar inadvertidos. Fuente: Collinear AI en Hugging Face.

📡 A vigilar

Honeycomb pone agentes sobre sus caídas, día y noche

La compañía de observabilidad Honeycomb lanza agentes que vigilan los despliegues en producción, detectan regresiones antes de que las vean los clientes y redactan los informes de incidentes. Cada hallazgo queda unido a la traza de la que sale y etiquetado como confirmado o como hipótesis. El acceso está en una fase temprana. Honeycomb cita una encuesta en la que el 76 por ciento de los equipos dice que el código escrito por inteligencia artificial crece más rápido que su capacidad de revisarlo, y el 65 por ciento sufrió un incidente por un bucle de agente o una factura de tokens disparada. Fuente: Honeycomb.

VMware quiere que los agentes consulten sus datos sin moverlos

Con su plataforma Tanzu, VMware ofrece una vía para dar a los agentes acceso a los datos de la empresa sin trasladar todo a un almacén central. Los agentes pasan por un catálogo de productos de datos gobernados, con exactamente las mismas reglas de ocultación que se aplican a los lectores humanos. El fabricante promete menos tokens consumidos y costes de salida de la nube previsibles. Fuente: VMware Tanzu.

Ebix e intentyx vigilan lo que sus agentes hacen de verdad

Las dos empresas lanzan una plataforma que descubre los agentes de una empresa, ata sus acciones a una intención declarada, es decir el objetivo, las herramientas autorizadas y los datos accesibles, y avisa cuando un agente se sale de ese marco. El consejero delegado de Ebix apuesta a que la gobernanza de agentes será en 2027 una categoría de seguridad propia. Fuente: el comunicado de Ebix.

Artefact y Dust desplegaron 1 500 agentes en un banco público

El banco de inversión público francés Bpifrance probó durante cuatro meses con cien empleados, detectó más de sesenta usos posibles y pasó después a quinientas licencias y mil quinientos agentes en pocos meses. El reglamento, a quién pertenece cada licencia, qué agente es arriesgado y cómo se vigilan los conectores, quedó listo en menos de cuatro semanas. Fuente: Artefact.

📊 Tendencia

Un hilo recorre las noticias del día: ya no se pregunta solo qué sabe un modelo, sino cuánto vale un agente y cómo demostrar que es el que dice ser. Anthropic inventa la demostración matemática. CrowdStrike compra las herramientas que explican qué hicieron los agentes. Uber pone la activación de herramientas detrás de una aprobación humana. Un banco de pruebas público dice que arreglar fallos de seguridad sigue siendo un oficio difícil, con un 67,8 por ciento como mejor marca. Y OpenAI ha hecho que sus modelos diseñen un aparato entero. El centro de gravedad del sector ya no es el modelo, son la demostración, el control y la medición.