Briefing diario
12 de noviembre de 2026 · 5 historias
🔥 Lo destacado
1Los agentes dibujan pantallas en lugar de escribir frases
Google ha abierto un formato que cambia la forma de hablar con un agente. Hasta ahora el agente respondía con texto que había que leer. Ahora describe los elementos que hay que mostrar y su programa los dibuja con sus propios botones y sus propios colores. En la práctica, un agente puede rellenar un formulario, hacer una pregunta o proponer tarjetas para aprobar directamente dentro de las herramientas de su empresa. Es como si su asistente le entregara un formulario ya rellenado en lugar de dictarle lo que tiene que escribir. Un punto importante por seguridad: los valores confidenciales se quedan en el servidor de la aplicación y nunca pasan por el modelo. Los primeros adaptadores citados son Atlassian, Alation, Bloomberg y ByteDance. Fuente : https://developers.googleblog.com/a2ui-10-build-delightful-fast-reliable-agentic-experiences/
2Una puerta trasera cabe en menos de diez neuronas
Investigadores de Microsoft muestran que se puede atrapar a un agente sin llegar a entrenarlo nunca. El principio se explica fácil: un modelo ya entrenado contiene neuronas que casi nunca se encienden. Basta reprogramar menos de diez para que solo se activen cuando aparece una señal pactada. El agente pasa entonces todas las pruebas, se comporta con normalidad durante semanas y de pronto ejecuta la orden maliciosa en el momento previsto. El ejemplo de Microsoft es banal: la medianoche del 1 de enero de 2027 basta para lanzar el comando. La señal puede ser una fecha, un lugar o una palabra dentro de un mensaje. La advertencia es clara: no es un problema propio de los modelos descargables, sino una cuestión de integridad de los archivos del modelo, que afecta también a los modelos desarrollados internamente. Fuente : https://www.microsoft.com/en-us/research/blog/lazare-veni-foras-reprogramming-dormant-neurons-to-backdoor-ai-agents/
3Un asistente de bolsillo, con pesos libres
Tether AI Research ha publicado BotPsy, un asistente personal de 0,8 mil millones de parámetros pensado para funcionar directamente en el teléfono. La idea es prescindir de las cuotas caras y de la nube: el asistente se queda en casa, sigue funcionando sin red y nadie puede cambiarlo ni retirarlo a distancia. En seis pruebas de uso de herramientas, BotPsy supera a todos los modelos probados de 1,2 mil millones de parámetros o menos, y gana a un modelo 2,5 veces mayor en cinco de esas seis. La distancia se abre en las tareas de varias vueltas, donde hay que recordar el hilo. Un detalle importante: el editor describía la publicación de los pesos como pendiente, pero la comprobación del 12 de noviembre confirma que están disponibles, bajo licencia Apache 2.0, en safetensors y GGUF. El editor asume el límite: el modelo se equivoca y no sirve para decisiones que comprometan a nadie. Fuente : https://huggingface.co/blog/qvac/botpsy
4Un solo baremo para medir a todos los agentes
¿Cómo se califica a un agente que usa cinco herramientas distintas? Amazon Web Services ha abierto en código libre un sistema de medición que responde a esa pregunta. La idea es la de un adaptador: cada herramienta deja una traza a su manera, un adaptador la traduce a un formato común y después se aplican las mismas notas en todas partes. El sistema cuenta 36 medidas repartidas en siete dimensiones, desde la llamada a la herramienta hasta la coordinación de varios agentes trabajando juntos. Funciona en modo pasivo, sobre trazas ya grabadas, o en modo activo, volviendo a ejecutar el agente sobre casos de prueba. Doce organizaciones ya lo han usado, en telecomunicaciones, sanidad y finanzas. El código es libre con licencia Apache 2.0. La analogía: un único boletín para alumnos que escriben en cuadernos distintos. Fuente : https://aws.amazon.com/blogs/machine-learning/uaef-a-framework-agnostic-system-for-closed-loop-evaluation-of-ai-agents/
5Alibaba vende un modelo que desaparece el 25 de noviembre
Alibaba ha presentado el primer modelo de su nueva familia, Qwen4-Max, en versión de prueba. Dos detalles merecen leerse antes que nada. El primero: el acceso pasa únicamente por una suscripción al paquete de fichas de Alibaba o por las herramientas del propio editor, nada más. El segundo: la versión de prueba termina el 25 de noviembre, y el modelo se retirará ese día. No es, por tanto, una disponibilidad duradera, sino una ventana de evaluación con una fecha de fin escrita en el contrato. Alibaba presume de mejores capacidades de programación y de trabajo con agentes, pero no publica ninguna puntuación de prueba, ni ficha del modelo, ni información de licencia. Los pesos de la familia Qwen 4 siguen sin ser públicos. Es la segunda promesa de familia del editor que no se ha cumplido. Fuente : https://x.com/Alibaba_Qwen/status/2120335993643684315
📡 A vigilar
Google saca un modelo que decide en lugar de hablar
Gemini Decision 1 no escribe frases: clasifica, puntúa o resuelve, en 150 a 250 milisegundos. Admite hasta mil preguntas en una sola consulta, lee texto, imágenes, audio, vídeo y archivos PDF, y devuelve con cada respuesta una puntuación de confianza. Esa puntuación es lo que cuenta: cuando es baja, el caso puede pasar a una persona. El precio anunciado es de 0,10 dólares por millón de palabras leídas, y la salida no se cobra. Fuente : https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/
Nvidia abre una investigación sobre su propio jefe
El consejo de administración de Nvidia anunció el 8 de noviembre una investigación independiente sobre su fundador Jensen Huang, a partir de informaciones de prensa que hablan de un intento de influencia extranjera. El consejo precisa que no tiene motivo para pensar que la seguridad nacional o los secretos de Nvidia estén comprometidos. Dos días después nombró un despacho para llevar la investigación. Al mismo tiempo, dos senadores piden que se conserven todos los documentos sobre las ventas de chips a China, con una confirmación por escrito esperada a más tardar el 17 de noviembre. Fuente : https://nvidianews.nvidia.com/news/statement-from-nvidia-board-of-directors
Databricks da a los agentes un diccionario común de la empresa
Una empresa ya no puede conformarse con un agente por departamento: cada uno necesita la misma idea de qué es un cliente, un contrato o un producto. Databricks pone en servicio una wikipedia interna, cuyas entradas aprenden los agentes a partir de cuadros de mando, consultas y documentos, y luego validan los equipos. En una prueba con un proveedor de energía ficticio, el agente de Databricks supera el 91 % de las tareas, frente al 45 % y al 58 % de dos agentes de frontera en las mismas condiciones, usando menos de la mitad de los recursos. Fuente : https://www.databricks.com/blog/announcing-ga-genie-ontology
Los agentes en producción se pueden cortar con un clic
Mirantis pone en servicio una plataforma que ejecuta los agentes en los servidores de la propia empresa, con tres salvaguardas: un límite de gasto, un registro completo de la actividad y un corte de red instantáneo para todos los agentes a la vez cuando algo se tuerce. La empresa se apoya en encuestas: el 49,8 % de las organizaciones consultadas confirmaron o sospecharon que un agente hizo una acción no deseada, y solo el 17,5 % podrían detenerlo automáticamente. Otra encuesta a 300 responsables de seguridad indica que el 78 % ya ha retirado permisos a un agente en producción. Fuente : https://www.mirantis.com/company/press-center/company-news/mirantis-announces-agent-platform-that-strengthens-human-oversight-of-production-ai-agents
📊 Tendencia
Un día en que los agentes dejan la ventana del chat y entran en tus pantallas: un formato permite que un agente rellene tus formularios, con los datos sensibles quedándose en tu lado. Al mismo tiempo, la seguridad se vuelve concreta: una puerta trasera cabe en menos de diez neuronas, y una empresa puede decidir cortar todos sus agentes con un solo gesto. Entre el modelo que aprende el vocabulario de tu empresa y el baremo único que por fin permite comparar agentes que usan herramientas distintas, aparece la misma línea: los agentes pasan de la demostración a la operación diaria, con sus reglas y sus límites.