Artículos Relacionados con Automatización

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Automatización", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

En el mundo de la IA, se está produciendo un cambio de paradigma: el "prompt" (instrucción directa) pierde relevancia frente al "loop" (bucle o ciclo). Según expertos como Jensen Huang (fundador de NVIDIA), Peter, Boris Cherny (creador de Claude Code) y Andrew Ng, la nueva tarea clave no es escribir prompts detallados, sino diseñar y gestionar loops. ¿Qué es un loop? Es un sistema automatizado donde la IA recibe un objetivo general, ejecuta tareas, las verifica automáticamente y, si no cumple los criterios, reintenta de forma independiente hasta completarlo o alcanzar un límite. Esto libera al humano de supervisar cada paso, transformándolo de "instructor" a "diseñador de reglas". Un loop no es lo mismo que un agente de IA: el agente ejecuta, mientras que el loop es el mecanismo que orquesta y automatiza su trabajo continuo sin intervención constante. Productos como Claude Code y OpenAI Codex ya implementan esta idea. Claude Code ofrece funciones como `/goal` (ejecución orientada a objetivos) y `/schedule` (tareas programadas), utilizando modelos separados para generar código (modelo principal) y para validarlo (modelo más pequeño como Haiku), asegurando una verificación objetiva. Codex emplea una "línea de ensamblaje automatizada" con múltiples subagentes que trabajan en paralelo. Boris Cherny describe cómo dirige cientos de pequeños agentes en loops automatizados que manejan desde issues de GitHub hasta fallos en CI, interviniendo solo en casos excepcionales. Para implementar loops efectivos, se recomienda: 1) Evaluar si la tarea es repetitiva, verificable automáticamente, con presupuesto de tokens viable y con herramientas adecuadas. 2) Comenzar con un loop mínimo viable (disparador, habilidad/Skill, archivo de estado STATE.md y compuerta/Gate de verificación). 3) Separar siempre la generación de código de su validación, usando agentes o modelos independientes para evitar sesgos. 4) Evitar errores comunes: establecer condiciones de parada claras (límites de tokens, iteraciones), persistir el estado en archivos, asignar solo tareas con criterios objetivos verificables por máquina (como corrección de Lint) y revisar los cambios (diffs) para mantener la comprensión del código. 5) Medir el éxito por el "costo promedio por modificación aceptada"; una tasa de aceptación inferior al 50% indica ineficiencia. Este enfoque representa la evolución natural en la ingeniería de IA: desde el "Prompt Engineering" (2023-2024, enfocado en redactar instrucciones), pasando por el "Context Engineering" (2024-2025, organizar la información de fondo), luego el "Harness Engineering" (2025-2026, crear entornos de ejecución con herramientas), hasta el actual "Loop Engineering". El nivel de control humano asciende desde frases específicas hacia el diseño de sistemas autónomos. Conceptos académicos como el marco ReAct (Reason+Act, 2022) de Shunyu Yao, que integra razonamiento y acción en un ciclo, sentaron las bases teóricas. A pesar del entusiasmo, expertos como Addy Osmani (Google) advierten sobre la etapa temprana de esta tecnología y los costos de tokens. Andrej Karpathy subraya una reflexión crucial: aunque la IA puede externalizar la ejecución, la comprensión profunda del problema sigue siendo responsabilidad humana. El loop marca un paso hacia una automatización más autónoma, pero su adopción requiere cuidado y criterio.

marsbit06/25 14:32

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

marsbit06/25 14:32

Un ingeniero ex-SpaceX aplica el pensamiento de primeros principios para reinventar el sistema de ejecución financiera

El proyecto de infraestructura financiera Plan Execution Lab ha anunciado una ronda de financiación ángel liderada por una conocida *family office* de Singapur, con una valoración post-inversión de 50 millones de dólares. Fundado por Lex Li, un ex ingeniero de SpaceX, el proyecto aplica el pensamiento de *first principles* para rediseñar el sistema de ejecución financiera. El equipo sostiene que la función central de los mercados no es la negociación, sino la asignación de capital. Mientras que activos, liquidez y liquidación ya han migrado a la cadena de bloques (*on-chain*), la capa de ejecución sigue siendo fragmentada y dependiente de flujos de trabajo humanos. La era de los agentes de IA está acelerando la obsolescencia de las estrategias, haciendo que la ejecución eficiente sea el nuevo desafío clave. Plan Execution Lab propone que las estrategias no son la unidad mínima, sino combinaciones de capacidades de ejecución (gestión de riesgos, asignación de capital, acceso a liquidez, etc.). El futuro pertenecerá a las *redes de ejecución*. Su solución se basa en dos componentes principales: **PlanX**, un protocolo de ejecución financiera que sirve como infraestructura para la migración de los intercambios centralizados (CEX) a los descentralizados (DEX); y **Xgent**, un *runtime* financiero autónomo que permite a los usuarios definir objetivos, preferencias de riesgo y reglas, delegando luego la construcción lógica, verificación, coordinación y ejecución automatizada. El proceso se define como: Intención → Gráfico de Ejecución → Verificación → Ejecución Autónoma. La visión a largo plazo es crear el entorno operativo para las finanzas autónomas, análogo a lo que Bloomberg Terminal fue para las finanzas humanas. La infraestructura no será controlada por una sola entidad, sino construida colaborativamente por nodos de ejecución, proveedores de liquidez, contribuidores de estrategias y agentes financieros autónomos. La competencia futura no se centrará en la mejor estrategia aislada, sino en la red de ejecución más robusta y adaptable.

marsbit06/25 09:13

Un ingeniero ex-SpaceX aplica el pensamiento de primeros principios para reinventar el sistema de ejecución financiera

marsbit06/25 09:13

El infame bot de MEV JaredFromSubway es drenado por $7.5 millones

Uno de los bots de minería de valor extraíble (MEV) más notorios de Ethereum, conocido como JaredFromSubway, ha sido drenado de aproximadamente 7,5 millones de dólares. Según informó la firma de seguridad Blockaid, el atacante engañó al sistema automatizado del bot para que aprobara rutas de trading falsas controladas por contratos maliciosos. Estas aprobaciones fueron utilizadas posteriormente para extraer WETH, USDC y USDT del contrato del bot. El incidente no fue un hackeo del protocolo base de Ethereum, sino una explotación dirigida a la lógica de automatización específica del bot MEV. Atacantes prepararon trampas con contratos o rutas simuladas que el bot identificó como oportunidades rentables. Una vez obtenidas las aprobaciones, transfirieron los fondos. Esto subraya un riesgo clave en los sistemas de trading automatizado: la velocidad operativa puede convertirse en una fragilidad si no existen salvaguardas estrictas, simulaciones y verificaciones de rutas. Aunque el monto es significativo, el impacto principal es reputacional para la infraestructura MEV y operativo para los operadores de bots, quienes deberán revisar con mayor agresividad su lógica de concesión de aprobaciones. El caso destaca que las aprobaciones de tokens son permisos poderosos y no meras firmas inofensivas.

bitcoinist06/22 15:33

El infame bot de MEV JaredFromSubway es drenado por $7.5 millones

bitcoinist06/22 15:33

¿Qué sectores de las criptomonedas están siendo "devorados" por los Agentes de IA?

Si eres como nosotros y has estado inmerso en esta industria los últimos años, notarás que el ambiente ha cambiado. La atención se centra ahora en la IA y los Agentes. La eficiencia está impulsando que más usuarios adopten interacciones dirigidas por IA, y plataformas diseñadas originalmente para humanos se están optimizando para servicios "no humanos". Observamos que los Agentes de IA ya dominan claramente ciertos sectores: - **Trading de derivados (perpetuos)**: Mercados altamente automatizados donde los robots superan a los humanos en velocidad y ejecución 24/7. - **Arbitraje (MEV)**: Un campo completamente dominado por bots automatizados que escanean mempools. - **Optimización de rendimiento**: Sectores donde la mayoría de los protocolos nuevos incorporan Agentes de IA autónomos. - **Trading spot y optimización de carteras**: Los bots automatizados generan un volumen significativo. En **mercados de predicción** y **préstamos DeFi**, coexisten actividades de Agentes y humanos. Los robots dominan el arbitraje a corto plazo, mientras que los humanos mantienen ventaja en decisiones a largo plazo y en elecciones de préstamos/depósitos. Los sectores aún **dominados por humanos** incluyen: - **Establecoins y pagos con tarjeta**: Usados masivamente para transferencias y pagos reales, especialmente en mercados emergentes. - **Monederos**: La capa final de interacción con la blockchain, donde la supervisión y aprobación humanas son cruciales. Con el aumento de los Agentes, crece la importancia de **capas de verificación humana**. Proyectos como World & AgentKit, t54, Self Protocol y Kite AI están construyendo infraestructuras para garantizar la responsabilidad y confianza en las acciones de los Agentes, vinculándolos a identidades humanas verificadas. En conclusión, los Agentes dominan donde la velocidad y la automatización son clave, pero los humanos siguen siendo esenciales en áreas que requieren juicio, confianza y contexto del mundo real. Los equipos que comprendan esto y construyan sistemas que equilibren ambos mundos serán cruciales para el futuro.

marsbit06/22 10:15

¿Qué sectores de las criptomonedas están siendo "devorados" por los Agentes de IA?

marsbit06/22 10:15

¿Qué sectores de la criptografía están siendo "devorados" por los Agentes de IA?

Si eres como nosotros, habrás notado que el panorama en el sector crypto ha cambiado. La atención ahora se centra en la IA y los Agentes AI. La industria está evolucionando hacia una capa "Agéntica" donde las interacciones automatizadas ganan terreno, aunque la actividad humana sigue siendo clave en ciertos ámbitos. **Sectores dominados por Agentes AI:** * **Derivados (Perpetuos):** Mercado claramente dominado por bots, con ventajas en velocidad y ejecución 24/7. En una competición reciente, el 43% de los traders humanos fueron liquidados, frente a un 0% de los agentes AI. * **Arbitraje (MEV):** Un caso absoluto de dominio robótico. En 2025, los ataques "sandwich" representaron más del 51% del valor total extraído en MEV. * **Optimización de Rendimientos (Yield):** Sectores donde los agentes autónomos son la norma, mostrando un rendimiento superior en plataformas como Giza o ZyFAI. * **Trading Spot y Gestión de Carteras:** Se estima que los bots automatizados representan alrededor del 65% del volumen global de trading de cripto. **Sectores en disputa (Agentes + Humanos):** * **Mercados de Predicción:** Los agentes superan a los humanos en arbitraje a corto plazo, pero los humanos mantienen ventaja en apuestas a más largo plazo que requieren juicio contextual. * **Préstamos DeFi:** Los procesos de liquidación están automatizados, pero las decisiones centrales de depósito, colateral y riesgo siguen siendo mayoritariamente humanas. **Sectores dominados por humanos:** * **Stablecoins y Pagos:** La gran mayoría de las transferencias (especialmente pequeñas) y el gasto con tarjetas vinculadas a cripto son realizados por personas para casos de uso reales (remesas, pagos). * **Wallets:** La capa final de interacción con la blockchain, donde la supervisión y aprobación humanas son esenciales para la seguridad y la confianza. **La capa de verificación Humano-Agente:** A medida que aumentan los agentes, crece la necesidad de verificar que actúan en nombre de humanos reales. Proyectos como World (con AgentKit), t54, Self Protocol y Kite AI están construyendo infraestructuras de confianza y seguridad para un ecosistema agéntico responsable, asegurando la rendición de cuentas y previniendo fraudes. **Conclusión:** Los datos son claros: los agentes AI dominan donde priman la velocidad y la optimización pura (trading, MEV, yield). Sin embargo, los humanos siguen siendo cruciales en áreas que requieren juicio, confianza, contexto cultural o interacción física (pagos, identidad, supervisión). El futuro no se trata de que los agentes reemplacen todo, sino de construir sistemas donde los agentes y los humanos puedan colaborar de forma segura y verificable.

Foresight News06/22 07:14

¿Qué sectores de la criptografía están siendo "devorados" por los Agentes de IA?

Foresight News06/22 07:14

Más allá del modelo, todo es "Harness": Deepseek entra en escena, ¿por qué cambia el campo de batalla principal de la competencia de IA en China?

A mediados de mayo de 2026, Deepseek formó internamente un nuevo equipo "Harness" para desarrollar un agente de código inteligente, similar a Claude Code de Anthropic. Esto marca un cambio en el enfoque competitivo de la IA en China, que pasa de crear modelos de lenguaje masivos a construir herramientas prácticas para productividad y automatización en el entorno laboral. Deepseek busca controlar el diseño de interfaces y el ciclo de datos de entrenamiento de estos agentes, ya que estos sistemas no solo ejecutan tareas, sino que también generan datos valiosos para mejorar los propios modelos. El "Harness" actúa como el sistema de ejecución y gestión que permite al modelo de IA interactuar de manera segura y efectiva con el mundo exterior, manejando tareas, herramientas y recuperándose de errores. Optimizar este entorno es crucial para la fiabilidad de los agentes en tareas complejas. Otras empresas tecnológicas chinas también están definiendo sus estrategias en herramientas de IA. Tencent, por ejemplo, apuesta por un asistente de trabajo que se integra en su ecosistema empresarial para automatizar flujos de trabajo organizativos. Alibaba, en cambio, ofrece una solución más ligera que permite automatizar tareas directamente en el navegador web. El éxito de empresas como Viktor, que ofrece "empleados de IA" autónomos para Slack, demuestra la creciente disposición de las empresas a pagar por soluciones que ejecuten tareas complejas de principio a fin, sin necesidad de supervisión constante. Este nuevo enfoque hacia las herramientas plantea retos de ingeniería, como gestionar el consumo de "tokens" en tareas largas o garantizar la seguridad y estabilidad. Además, las restricciones de acceso a herramientas occidentales como Claude Code crean una oportunidad de mercado para soluciones locales como la que desarrolla Deepseek.

marsbit06/22 06:10

Más allá del modelo, todo es "Harness": Deepseek entra en escena, ¿por qué cambia el campo de batalla principal de la competencia de IA en China?

marsbit06/22 06:10

Sin equipo de ventas y con ingresos de 20 millones de dólares, ¿cómo conquistó Viktor, el empleado de IA, a 30.000 empresas?

El asistente de IA Viktor, creado por un equipo con experiencia en DeepMind, ha logrado ingresos anuales de 20 millones de dólares sirviendo a 30,000 empresas, sin un equipo de ventas. Funciona como un "compañero de trabajo de IA de Nivel 3" que ejecuta tareas de principio a fin directamente en herramientas como Slack o Microsoft Teams mediante simples menciones (@). Permite a los usuarios realizar solicitudes en lenguaje natural, eliminando la necesidad de conocimientos en ingeniería de prompts. Su modelo de crecimiento impulsado por el producto (PLG) y facturación basada en créditos o consumo de tareas, en lugar de por usuario, facilita la adopción. Ofrece 100 dólares en créditos gratuitos para demostrar su valor rápidamente, como en procesos automatizados de conciliación nocturna o creación de presentaciones PPT. Viktor se integra con más de 3,200 aplicaciones y puede activarse automáticamente según horarios o eventos. También posee memoria organizacional, aprendiendo de correcciones para mejorar su ejecución. Al expandirse a Microsoft Teams, Viktor enfrenta nuevos desafíos de cumplimiento normativo y seguridad en grandes organizaciones. Su enfoque de ejecución autónoma, aunque eficiente, introduce riesgos de "caja negra" y posibles errores operativos. El éxito a gran escala dependerá de encontrar un equilibrio entre la automatización total, la gestión de riesgos y la construcción de confianza mediante un marco sólido de gobernanza, permisos y auditoría.

marsbit06/19 10:59

Sin equipo de ventas y con ingresos de 20 millones de dólares, ¿cómo conquistó Viktor, el empleado de IA, a 30.000 empresas?

marsbit06/19 10:59

Guía práctica de la tarjeta AI de WeChat: ¿Ha llegado la era de las compras con IA?

**Resumen: ¿Ha llegado la era de las compras con IA? Guía práctica de la Tarjeta AI de WeChat** El 17 de junio, WeChat Pay presentó oficialmente la "Tarjeta AI", una función que permite a los usuarios realizar pagos a través de su asistente de IA WorkBuddy. Sin embargo, las pruebas revelan que aún no permite el "consumo totalmente automático". **¿Qué es realmente?** No es una tarjeta que la IA use libremente. Es más bien una "subcartera" aislada de la principal de WeChat Pay. Los usuarios deben vincularla y transferir fondos específicamente a esta tarjeta. Cada pago iniciado por la IA requiere la confirmación manual del usuario en el móvil, y los gastos se gestionan por separado. **¿Cómo activarla?** El acceso está dentro de WorkBuddy. Preguntando "¿Cómo uso la tarjeta de pago AI de WeChat?", el agente proporciona un enlace para vincular la tarjeta escaneando un código QR con WeChat (válido por 5 minutos). Tras aceptar los términos, se puede recargar desde la cartera principal. **Escenarios objetivo actuales:** Según WeChat, es para comprar contenido pago (informes, datos), usar API/tools de pago, y suscribirse o renovar servicios. Sin embargo, en pruebas no se pudo activar fácilmente para estos casos específicos. **Prueba práctica: Pedir un té de burbujas (fallida):** Al pedir a WorkBuddy que compre un "Heytea", no puede hacerlo directamente. Requiere una "Skill" (habilidad) externa, como el "Asistente de Meituan". Solo generar el código QR para autorizar la cuenta de Meituan consumió 185.37 puntos (más que los 150 puntos diarios gratuitos). Tras la autorización, la IA generó un enlace de pago con la Tarjeta AI, pero el resultado fue la compra de un cupón de Meituan no deseado, no el té específico solicitado. **Conclusión: El problema no es el pago, sino la ejecución del agente.** La Tarjeta AI solo resuelve la capacidad de pago, no la compleja cadena de ejecución: comprender la necesidad precisa, elegir la plataforma correcta, autorizar la cuenta, seleccionar el producto exacto y gestionar el cumplimiento. Los agentes de IA actuales aún no ejecutan tareas del mundo real de manera fiable. **Mecanismo de seguridad actual:** El usuario mantiene el control final. La IA solo puede usar el saldo de la Tarjeta AI, cada pago necesita confirmación en el móvil, y la cuenta principal de WeChat Pay no se toca. **Recomendaciones:** Si quieres probarla, hazlo con cantidades pequeñas y en servicios digitales de bajo riesgo. Antes de pagar, verifica siempre el nombre del producto, el precio y los términos. No asumas que el Agente de IA ha entendido tu necesidad real, especialmente para pedidos físicos, entregas o cupones.

marsbit06/18 12:08

Guía práctica de la tarjeta AI de WeChat: ¿Ha llegado la era de las compras con IA?

marsbit06/18 12:08

El equipo de NVIDIA permite a un agente de programación hacerse cargo de experimentos con robots reales, logrando una tasa de éxito del 99%

La investigación en automatización ha dado un paso significativo al salir del entorno simulado y adentrarse en el mundo físico real. El equipo de NVIDIA GEAR, dirigido por Jim Fan, presentó el proyecto ENPIRE, un marco que permite por primera vez que agentes de programación autónomos realicen investigación en hardware robótico real. El sistema coloca ocho agentes Codex en una flota de robots con recursos de GPU y un presupuesto de tokens, asignándoles el objetivo de resolver tareas de forma eficiente y segura. Estos agentes operan con mínima intervención humana, manejando de forma autónoma un ciclo cerrado que incluye el reinicio automático de escenarios, la búsqueda en literatura, la implementación y entrenamiento de estrategias, la verificación y el análisis de registros para iterar continuamente. Han logrado una tasa de éxito del 99% en tareas de manipulación diestra como atar bridas, organizar clavos en una caja o instalar GPUs. Un hallazgo clave es que para muchas tareas robóticas, restablecer el entorno es más fácil que completar la tarea principal. Por ello, ENPIRE se centra primero en que los agentes creen procedimientos automáticos de reinicio. El sistema consta de cuatro módulos principales que forman el bucle de retroalimentación física: Entorno (EN), Mejora de Políticas (PI), Evaluación (Rollout, R) y Evolución (E). El proyecto también observó una "ley de escala física": aumentar el número de robots en paralelo (por ejemplo, a 8) acelera significativamente la resolución de tareas. Se introdujeron nuevas métricas como la Utilización Media del Robot (MRU) y la Utilización Media de Tokens (MTU) para medir la eficiencia. Actualmente, algunos sistemas pueden iterar durante toda la noche sin supervisión. El objetivo final es lograr una operación completamente autónoma. El proyecto ENPIRE será de código abierto, permitiendo a los desarrolladores replicar sistemas similares.

marsbit06/18 00:37

El equipo de NVIDIA permite a un agente de programación hacerse cargo de experimentos con robots reales, logrando una tasa de éxito del 99%

marsbit06/18 00:37

¿Los robots también necesitan carteras de criptomonedas? El gigante de stablecoins Tether apuesta por la empresa alemana NEURA Robotics

La empresa alemana de robótica NEURA Robotics ha completado una ronda de financiación Serie C de hasta 14.000 millones de dólares, la mayor de la historia del sector, valorando la empresa en 70.000 millones. Entre los inversores destacan Tether, Qualcomm, Amazon y NVIDIA. Fundada en 2019, NEURA se centró primero en cobots industriales con IA integrada, como su línea MAiRA, antes de expandirse hacia robots móviles y humanoides como el 4NE-1. Su estrategia evolucionó hacia Neuraverse, una plataforma para que distintos robots compartan datos y aprendizaje. Un aspecto clave de la inversión es la participación de Tether, el emisor de la stablecoin USDT. Planea integrar su kit de desarrollo de billeteras autodepositadas (WDK) en los robots de NEURA, permitiendo pagos y liquidaciones automáticas en stablecoins por tareas realizadas. Esto podría convertir las criptomonedas en infraestructura de pago para máquinas. Además, colaborarán para probar el marco de IA de borde QVAC de Tether en Neuraverse, buscando que los robots tomen decisiones de forma autónoma y con baja latencia. La inversión refleja la ambición de Tether de expandirse más allá de las finanzas hacia la IA y la infraestructura robótica, posicionando las stablecoins como una capa de liquidación para la futura economía automatizada.

marsbit06/16 09:17

¿Los robots también necesitan carteras de criptomonedas? El gigante de stablecoins Tether apuesta por la empresa alemana NEURA Robotics

marsbit06/16 09:17

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow