Saltar al contenido

Análisis · IA en la empresa

948 exploits, cuatro viajes: dónde trabajan de verdad los agentes

¿Dónde funcionan ya los agentes de IA? En el código, con 948 exploits para OpenAI; apenas en el consumo, con cuatro viajes en Uber. Conviene invertir donde el resultado se verifica.

Rubén MoralRubén Moral · 10 min de lectura
LinkedInXWhatsApp
Índice 7 secciones
  1. 01Dos cifras del mismo miércoles
  2. 02Por qué el código se deja automatizar
  3. 03Lo que falla cuando hay un cliente delante
  4. 04La factura también se raciona dentro
  5. 05Fuera del repositorio, todo tiene dueño
  6. 06Qué debería hacer una empresa con esto
  7. 07Las noticias del día

Dos cifras del mismo miércoles

El 4 de noviembre dejó dos datos que conviene leer juntos. OpenAI publicó que una sola ejecución de su canal autónomo de seguridad produjo 948 exploits funcionales de escalada de privilegios en Linux, con un coste de unos 1,2 millones de dólares en API. Unas horas después, Uber contó a sus inversores que en su semana más activa de octubre solo cuatro viajes se pidieron a través de un agente de IA. Cuatro.

Las dos cifras son ciertas y no se contradicen. Describen el mismo fenómeno desde sus dos extremos: los agentes ya hacen trabajo masivo y medible en un dominio muy concreto, y casi nada en el que más se les ha prometido. La conversación pública sigue hablando de «adopción de agentes» como si fuera una sola curva. Lo que muestra esta semana es que hay al menos dos, y que están separadas por varios órdenes de magnitud.

Por qué el código se deja automatizar

El caso de OpenAI es más instructivo por su estructura que por su titular. El sistema acotó un núcleo de más de 40 millones de líneas a unos 2,8 millones relevantes, generó 2.308 hallazgos candidatos en 12 horas y reprodujo 1.724 de forma dinámica en 30 horas. Son cifras de la propia OpenAI, conviene recordarlo, y todo pasa por revisión humana antes de reportarse. Pero el patrón es claro: cada paso tiene una comprobación mecánica. Un exploit funciona o no funciona. El entorno es programable, la ejecución se puede repetir miles de veces y el error sale barato porque ocurre en una máquina de pruebas.

Esa es la condición que comparten las tareas en las que los agentes rinden: resultado verificable, entorno reproducible y coste de fallo bajo. El código la cumple casi por definición. Por eso no es casual que el mismo día dos de las mayores compañías del sector compraran piezas de esa misma cadena. OpenAI adquiere Pierre Computer, cuya tecnología de Git ya funciona dentro de Codex, y Meta se queda con Conductor, una aplicación para orquestar varios agentes de programación en paralelo. Ninguna de las dos operaciones compra un modelo. Compran la fontanería que permite a muchos agentes trabajar a la vez sobre el mismo repositorio, que es donde hoy existe demanda real y pagadora.

El valor no se traslada automáticamente a tareas contiguas. CloudOpsBench, un banco de pruebas abierto de la Universidad de Míchigan, midió agentes frente a 45 tareas de operaciones reales en AWS: el mejor modelo resolvió el 60 %, y cerca del 80 % de los fallos fueron de razonamiento, no de ejecución. Algunos de los errores restantes eran irreversibles. Operar sistemas en producción se parece al código, pero el laboratorio no perdona igual: ya no puedes reiniciar el mundo y probar otra vez.

Lo que falla cuando hay un cliente delante

En el otro extremo, Uber aporta quizá el dato de adopción más limpio publicado hasta ahora. Cuatro viajes y unos 500 pedidos de comida frente a unos 320 millones de viajes y pedidos en esa semana: aproximadamente una transacción por agente de cada 635.000. La semana pasada DoorDash ya dio una señal parecida, y el consejero delegado de Uber lo resume sin rodeos: tracción «muy, muy limitada».

La explicación no es que los agentes no sepan pedir un coche. Es que pedir un coche en la aplicación cuesta 50 segundos, según la propia Uber. El agente compite con un flujo que ya está resuelto, y la delegación no ahorra casi nada a cambio de asumir un riesgo nuevo: que se equivoque con tu dinero o con tu destino. En el código, el agente sustituye horas de un trabajo caro. En el consumo, sustituye medio minuto de una tarea que a nadie le pesa. Esa diferencia económica pesa más que cualquier mejora de modelo.

La factura también se raciona dentro

Incluso donde el agente sí aporta, la barra libre se termina. Según Bloomberg, Apple ha rebajado de 300 a 200 dólares diarios el tope de gasto en IA de algunos ingenieros, con posibles recortes hasta 100, y ha valorado limitar a 25 dólares a ciertos equipos no técnicos. El detalle importante no es el recorte, sino que exista una cifra por persona y día: la compañía trata el cómputo de sus empleados como una partida a administrar, y empuja hacia modelos más baratos o locales. Según 9to5Mac, pocos llegaban a gastar los 300 dólares, lo que sugiere que el tope ordena la conducta más de lo que ahorra.

Mientras tanto, el otro extremo de la cadena se financia con plazos que asumen que la demanda se generalizará. Google respalda las obligaciones de Anthropic en un campus de 401 megavatios en Kentucky, con unos 19.000 millones de dólares en contratos de arrendamiento a 20 años, y exige a cambio chips aprobados por ella. Y Goldman Sachs estima que cerca del 45 % de la capacidad prevista en Estados Unidos está en estados que pueden endurecer las reglas, lo que ayudó a hundir a Hut 8 un 23 % en una sesión. La infraestructura se está construyendo para un mundo de agentes en todas partes; los datos de esta semana solo prueban un mundo de agentes en el repositorio.

Fuera del repositorio, todo tiene dueño

Salir del código significa además entrar en terrenos que no son libres. El acuerdo entre Anthropic y Associated Press, que Adweek describe como el primero de la compañía con un editor digital y que ninguna de las partes ha confirmado públicamente, indica que información fiable y atribuible para un agente se acaba pagando. Y en Wuzhen, una veintena de organizaciones chinas encabezadas por un instituto dependiente del Ministerio de Industria firmó una convención de autodisciplina para agentes que incluye seguridad, supervisión y protección del usuario. No tiene mecanismos de sanción conocidos, pero marca hacia dónde mira un regulador cuando el agente deja de tocar solo archivos y empieza a actuar sobre personas.

Qué debería hacer una empresa con esto

La lección práctica no es que los agentes para clientes vayan a fracasar, y sería imprudente extrapolar los datos de una semana y de una sola categoría de consumo. Sí es que la pregunta útil antes de aprobar un proyecto cambia. No es «¿puede un agente hacer esto?», sino tres más incómodas. ¿Cómo sabré, de forma automática, que el resultado es correcto? ¿Puedo repetir el proceso sin coste si falla? ¿Cuánto tiempo de una persona cara sustituye de verdad?

Las tareas que responden bien a las tres, como migraciones, pruebas, revisión de código, conciliaciones o auditorías con criterio verificable, merecen inversión hoy. Las que solo parecen vistosas, como poner un asistente delante de un flujo que el cliente ya completa en un minuto, pueden esperar a que alguien demuestre demanda. Y el caso de OpenAI deja un aviso adicional: diez días después del análisis, solo 61 de los fallos tenían corrección integrada en el kernel. Producir 948 hallazgos es ya una cuestión de presupuesto; absorberlos sigue siendo una cuestión de personas. Antes de automatizar la generación de trabajo conviene dimensionar quién lo va a revisar.

Los agentes ya tienen oficio, y ese oficio se llama software. Lo demás es todavía una hipótesis, y una hipótesis no debería financiarse como si fuera un dato.

Las noticias del día

OpenAI obtiene 948 exploits de root en Linux por 1,2 millones de dólares

OpenAI ha detallado una ejecución de su canal autónomo con un próximo modelo de ciberseguridad: 2.308 hallazgos candidatos, 1.724 reproducidos y 948 exploits funcionales de escalada local de privilegios, cada uno con parche candidato, a unos 1.279 dólares por fallo. Diez días después del análisis, 61 estaban corregidos en origen, 43 tenían parche en preparación y 299 se discutían o reportaban públicamente. Las cifras son de la propia OpenAI, que afirma revisarlo todo con humanos antes de reportar.

Por qué importa: el coste de encontrar fallos explotables cae muy por debajo del de corregirlos. Las empresas con Linux deberían acortar sus ciclos de parcheo y tratar las vulnerabilidades locales como algo menos teórico.

Fuente: AI Weekly, sobre el informe de OpenAI

Uber registra cuatro viajes pedidos por agentes en su mejor semana de octubre

En su conferencia de resultados, Uber indicó que solo cuatro viajes llegaron a través de un agente de IA en la semana de Halloween, y unos 500 pedidos en Uber Eats, frente a unos 320 millones de viajes y pedidos. Dara Khosrowshahi habló de una tracción «muy, muy limitada». Reservar un viaje en la aplicación lleva de media 50 segundos.

Por qué importa: antes de construir un canal para agentes, conviene medir qué fricción elimina. Donde la aplicación ya es rápida, el agente aporta poco.

Fuente: TechCrunch

OpenAI compra Pierre Computer para reforzar la infraestructura Git de sus agentes

OpenAI adquirirá la empresa detrás de Code Storage y de bibliotecas abiertas que ya usa Codex. La operación, de precio no revelado, requiere aprobación regulatoria y los proyectos abiertos seguirán siéndolo. Se suma a Pando, el sistema Git interno de OpenAI.

Por qué importa: Git se diseñó para el ritmo humano. Si los agentes multiplican las ramas y los cambios, el control de versiones se convierte en terreno competitivo, y GitHub tiene un rival más.

Fuente: The Decoder

Meta compra Conductor y cierra su servicio en la nube el 20 de noviembre

Meta ha confirmado la compra de Conductor, una aplicación fundada en 2024 para ejecutar varios agentes de programación en paralelo, que usa modelos de Anthropic y OpenAI. Su servicio en la nube se apagará el 20 de noviembre y los datos de los usuarios se borrarán después. El precio no se ha revelado.

Por qué importa: es otro recordatorio del riesgo de depender de una herramienta joven para el flujo de desarrollo: una adquisición puede dar semanas de margen. Conviene tener plan de salida y copias propias.

Fuente: TechCrunch

Google respalda el arrendamiento de Anthropic en un campus de 401 MW en Kentucky

TeraWulf ha anunciado que Google garantizará determinadas obligaciones de Anthropic en el campus de Hawesville, lo que apoya la financiación prevista ligada a unos 19.000 millones de dólares en arrendamientos a 20 años. Anthropic solo podrá usar TPU aprobadas por Google y las entregas irán de finales de 2027 al segundo trimestre de 2028. La deuda del proyecto aún no está cerrada.

Por qué importa: el balance de un hiperescalar se convierte en aval del cómputo de un laboratorio, con el chip atado a la garantía. Es una dependencia que los clientes de ambos deberían tener en su mapa de riesgos.

Fuente: Unite.AI

Apple limita el gasto diario en IA de sus empleados

Según Bloomberg, Apple ha rebajado de 300 a 200 dólares el tope diario de algunos ingenieros y puede bajarlo a 100. Los equipos no técnicos, ya en 100, podrían quedarse en 25 en algunos casos. La empresa anima a usar modelos más baratos o locales. La información procede de un resumen secundario del artículo de Bloomberg.

Por qué importa: los presupuestos por persona y día son una forma de gobernanza del gasto que muchas empresas copiarán. Conviene definirlos antes de que llegue la factura.

Fuente: AI Weekly, sobre Bloomberg

Goldman calcula que el 45 % de la capacidad prevista en EE. UU. está en estados con riesgo de moratoria

Tras las elecciones ya comentadas aquí, el mercado puso cifra al riesgo: Goldman Sachs estima que cerca del 45 % de la capacidad planificada está en estados que pueden endurecer las reglas, aunque prevé pausas temporales. Hut 8 cayó un 23 %, IREN un 11 % y Core Scientific un 10 %, mientras Microsoft subió un 6,7 % y Amazon un 6,1 %.

Por qué importa: el mercado separa a quien ya tiene capacidad de quien depende de construirla. Quien contrate cómputo a varios años debería preguntar por los permisos y no solo por el precio.

Fuente: AI Weekly, sobre Reuters

Anthropic habría firmado con AP su primer acuerdo de licencia con un editor digital

Adweek informa, citando a dos personas conocedoras, de que Anthropic licenció contenido y datos de Associated Press antes de las legislativas, y Claude ofreció información electoral atribuida a la agencia. Ninguna de las partes lo ha confirmado y no hay condiciones públicas.

Por qué importa: si se confirma, marca un cambio frente a una compañía que había evitado estas licencias. Para quien construye sobre datos ajenos, la atribución y la licencia pasan a ser requisitos de producto.

Fuente: Adweek

Veinte organizaciones chinas firman una convención de autodisciplina para agentes

En la Cumbre de Wuzhen, 20 entidades encabezadas por la CAICT, con Huawei, Alibaba, Tencent y Xiaomi, han presentado un texto con ocho ámbitos, entre ellos seguridad, gobernanza y protección del usuario. Las empresas fundadoras se comprometen a abrir sus procesos a la supervisión sectorial y pública. No se conocen sanciones ni plazos.

Por qué importa: es autorregulación, pero anticipa los criterios de un marco más duro. Quien opere en China o use modelos chinos debería seguir su desarrollo.

Fuente: China Tech News

CloudOpsBench: el mejor agente resuelve el 60 % de las tareas de operaciones en AWS

Un equipo de la Universidad de Míchigan ha publicado este banco de pruebas abierto, con 45 tareas sobre AWS. Claude Fable 5.1 resolvió el 60 % y GPT-6 Astra el 53 %. Alrededor del 80 % de los fallos fueron de razonamiento y el 20 % acciones erróneas, algunas irreversibles.

Por qué importa: cuatro de cada diez tareas fallan y algunas dejan daños. En producción, los agentes de operaciones siguen necesitando permisos acotados y aprobación humana.

Fuente: The Decoder

  • #agentes-ia
  • #programacion-ia
  • #ciberseguridad
  • #openai
  • #uber
¿Te ha sido útil? Compártelo
LinkedInXWhatsApp

Más en IA en la empresa

Newsletter semanal

Un análisis así cada domingo.

Las noticias de la semana y una pieza a fondo, directamente en tu correo.