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

Briefing diario

16 de noviembre de 2026 · 5 historias

🔥 Lo destacado

1

OpenBot 1.0: el agente trabaja en su ordenador, pero tiene que pedir permiso

CopilotKit publica OpenBot 1.0, un taller donde se instalan agentes que hacen el trabajo por usted. Cada agente tiene su propio ordenador: un navegador que usted puede ver trabajar, archivos y una línea de órdenes. Le da tres tipos de permisos: puede actuar solo, debe pedir su acuerdo, o no puede tocarlo. Cada intento queda anotado en un registro. El ejemplo del editor: un agente que revisa los gastos. Busca la norma vigente, enseña la línea del recibo que genera dudas y avisa de lo que necesita un criterio humano. No tiene permiso para lanzar el reembolso. El código es libre, con licencia MIT, y la sala de control que aporta memoria y gobernanza se vende aparte. Fuente : https://www.copilotkit.ai/blog/introducing-openbot-1-0

2

Stanford enseña a un modelo a guardar solo 16 recuerdos de una biblioteca entera

Investigadores de Stanford abren el código de un módulo de memoria para modelos congelados, con licencia Apache 2.0. El principio: el modelo ya no lee todos los documentos en cada pregunta. Conserva solo 16 fichas, elegidas según la pregunta formulada, como si usted guardara 16 tarjetas en una caja en lugar de arrastrar una biblioteca entera. En una prueba de preguntas factuales, alcanza 84,33 % con esas 16 fichas, frente a 80,43 % cuando se le da todo. El número de fichas de documento es 108 veces menor. Con 512 documentos, la latencia medida baja de 19,9 a 0,74 segundos, 27 veces menos. Los autores señalan también los límites: el módulo pierde en tres pruebas, cuando los documentos son demasiado cortos para que la compresión aporte algo. Fuente : https://memory.stanford.edu/

3

Macs alquilados por día para agentes que deben trabajar en un ordenador de verdad

Mount Thor recauda 45 millones de dólares para vender Macs en alquiler, como se alquilan servidores. La idea parte de una observación sencilla: un agente que maneja un ordenador necesita el mismo entorno que una persona, con sus programas, sus archivos y su pantalla. Muchas tareas solo existen en el sistema operativo de Apple. Por eso la empresa vende máquinas completas y máquinas virtuales aisladas, facturadas por día. Ya ha montado su primer centro de datos en menos de seis meses. Entre los inversores hay nombres conocidos del sector: Meta, OpenAI y Vercel, junto a CRV y Conviction, que lideran la serie A. El equipo ya construyó infraestructura para Cerebras, CoreWeave, OpenAI y xAI. Fuente : https://blog.mountthor.com/a

4

Kindo recauda 30 millones de dólares para saber lo que cuesta cada agente

Kindo recauda 30 millones de dólares, dirigidos por Crosspoint Capital y Forgepoint Capital, para un total de 57,6 millones desde su creación. La empresa vende una sala de control para los agentes corporativos: saber qué hacen, qué tocan y qué cuestan. La parte más concreta es la factura. La consola registra cada ficha consumida y el resultado de cada ejecución, incluidos los fallos, y agrupa los costes por persona, agente, servicio y proyecto. Los equipos financieros pueden fijar topes máximos y lanzar alertas. Kindo afirma haber crecido un 800 % en ingresos en un año, y cita a un cliente que dice ahorrar más de 2 millones de dólares al año. Son cifras del editor, sin auditar. El producto funciona con cualquier agente, incluso creado fuera, y puede funcionar en las instalaciones del cliente, sin conexión. Fuente : https://www.kindo.ai/resources/press-kindo-raises-57-million-ai-agent-management

5

Blue J recauda 176 millones de dólares para agentes que hacen trabajo fiscal

Blue J recauda 176 millones de dólares en una serie E liderada por JMI Equity y alcanza una valoración de más de 700 millones. La empresa vende un agente que hace el trabajo del asesor fiscal, no solo el que contesta preguntas. Se le encarga una tarea entera: revisar una declaración antes de presentarla, preparar una respuesta a una inspección fiscal, analizar un contrato de socios, redactar una carta al cliente. Produce un documento listo para revisar, con sus fuentes y sus pasos consultables, y la persona conserva el criterio. La plataforma ya ha respondido a más de 14 millones de preguntas fiscales. Los ingresos recurrentes anuales crecieron un 165 % en quince meses. Más de 6 500 organizaciones y 45 000 profesionales lo usan. El fundador lo resume: una respuesta casi nunca es el final del trabajo del cliente. Fuente : https://www.bluej.com/blog/blue-j-announces-series-e-funding

📡 A vigilar

Solo.io quiere que una sesión de agente se pause en vez de ocupar un servidor

Solo.io anuncia las versiones corporativas de dos piezas para ejecutar agentes en producción. La idea: una sesión de agente se pausa cuando no tiene nada que hacer y se reanuda bajo demanda, en lugar de dejar un servidor vacío funcionando todo el tiempo. Cada sesión está aislada, y una pasarela comprueba quién la llama y qué puede alcanzar. OutSystems y Swissquote ya lo usan. Fuente : https://www.solo.io/press-releases/announcing-kagent-1-0-ga

Mirantis añade un botón de emergencia y topes de gasto para los agentes en producción

Mirantis pone a la venta una plataforma para ejecutar agentes en servidores propios. Permite definir qué alcanza cada agente, fijar topes de gasto en tres niveles, registrar todo y cortar de una vez la red de toda la flota durante un incidente. Un agente puede proponer una reparación en una máquina de producción, pero una persona debe aprobarla antes de aplicarla. El editor se apoya en dos estudios: en el 49,8 % de las organizaciones consultadas hubo o se sospechó una acción no deseada de un agente, y solo el 17,5 % pueden detenerlo automáticamente. Fuente : https://www.mirantis.com/company/press-center/company-news/mirantis-announces-agent-platform-that-strengthens-human-oversight-of-production-ai-agents

AT&T ejecuta casi 500 procesos con agentes, sin retirar antes de tiempo a la persona

El operador AT&T ha puesto casi 500 procesos gestionados por agentes en producción y planea triplicar la cifra en 2027. Su plataforma procesa más de un millón de transacciones al mes. El punto interesante no es la cifra, sino la regla: cada proceso empieza con una persona que valida, y la autonomía completa solo llega cuando la precisión alcanza la mitad superior de los noventa y el riesgo se considera aceptable. Un grupo interno, Business Agent Foundry, cartografía los procesos y pasa los más sensibles por revisiones de seguridad y cumplimiento. Fuente : https://siliconangle.com/2026/11/14/att-uses-agentic-ai-to-reinvent-business-processes-from-the-ground-up

Un modelo de voz que sabe con quién se hablaba, aunque conteste la televisión

Bland presenta Tofu-1, un modelo que escucha y habla al mismo tiempo, sin pasar por la transcripción. El editor apunta a llamadas difíciles: desde un coche en marcha, en una planta de hospital, con varias personas hablando. Su prueba favorita es el caso de la televisión. El agente pregunta si el llamante quiere cancelar, el llamante no contesta porque busca su número de contrato, y la televisión dice sí. Un modelo que solo lee texto tomaría ese sí por una confirmación. Tofu-1 está pensado para atribuir la frase a la televisión y volver a preguntar. El acceso es una vista previa para unas pocas empresas. Fuente : https://www.bland.ai/speech-to-speech

📊 Tendencia

Hoy los agentes se instalan y se controlan tanto como responden. OpenBot 1.0 da a cada agente su propio ordenador, sus permisos y su registro, y Stanford muestra que un modelo congelado puede sostener una colección entera de documentos con 16 recuerdos, lo que hace el coste previsible sea cual sea el volumen. Al mismo tiempo, la factura se vuelve un asunto de gestión: Kindo agrupa lo que cuesta cada agente, Mirantis permite cortar la red de toda una flota con un clic, y Solo.io quiere que una sesión se pause en vez de ocupar un servidor para siempre. AT&T aplica la misma regla a gran escala: la persona valida al principio, y la autonomía llega solo tras una precisión medida. Y el dinero se desplaza hacia la aplicación profesional: Blue J vende un agente que hace trabajo fiscal, no una respuesta más.