Artículos Relacionados con Flujo de trabajo

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

10万 científicos usan gratis durante 1 año, OpenAI traslada la línea de producción científica a ChatGPT

OpenAI ha lanzado "ChatGPT for Academic Researchers", ofreciendo a 100.000 investigadores universitarios acceso gratuito durante un año a sus modelos de vanguardia, incluido el modelo insignia GPT-5.6 Sol Pro. El objetivo para 2027 es alcanzar esa cifra, comenzando con 10.000 plazas este verano. El programa proporciona un espacio de trabajo integrado que combina ChatGPT, ChatGPT Work y Codex, junto con herramientas especializadas para ciencias de la vida y conectores a bases de datos y software académico (como Zotero y GitHub). Esto permite gestionar todo el flujo de investigación, desde la lectura de literatura y generación de hipótesis hasta el análisis de datos, codificación y redacción de manuscritos, en un único entorno. Según datos de OpenAI, aproximadamente 1,3 millones de personas usan ChatGPT semanalmente para tareas científicas y matemáticas avanzadas. El número de artículos matemáticos en arXiv que agradecen a ChatGPT ha aumentado drásticamente, de 14 en febrero a 100 solo en las primeras tres semanas de julio. La iniciativa tiene limitaciones: no es uso ilimitado (límites similares a ChatGPT Pro), no incluye acceso a la API y, crucialmente, no es de código abierto; los investigadores reciben una licencia de uso pero no los pesos del modelo. Los solicitantes deben ser profesores o posdoctorados verificados, de instituciones y países admitidos, y presentar una publicación reciente. Anthropic ya tenía un programa similar ("AI for Science") que ofrece créditos de API, pero OpenAI busca un vínculo más profundo al proporcionar un entorno de trabajo completo, con el objetivo aparente de que los investigadores se acostumbren a su ecosistema antes de que finalice el período gratuito. Ambas empresas restringen el acceso a los pesos del modelo por motivos de seguridad, lo que limita la evaluación independiente y la investigación central en IA.

marsbitHace 9 hora(s)

10万 científicos usan gratis durante 1 año, OpenAI traslada la línea de producción científica a ChatGPT

marsbitHace 9 hora(s)

El diseñador de Claude se queda atrás por la intensidad de los ingenieros y responde creando una herramienta para millones de usuarios

Claude Design surgió como un proyecto personal de Nate Parrott, el único diseñador en el equipo de Claude Code en Anthropic. Tras el lanzamiento de Opus 4.5 a finales de 2025, los ingenieros del equipo aceleraron drásticamente su ritmo de desarrollo, dejando atrás el flujo de trabajo de diseño. Para compensar esta brecha, Parrott comenzó a experimentar en su tiempo libre. Su hallazgo clave fue que Claude era excepcionalmente bueno generando HTML, un medio versátil para crear presentaciones, prototipos interactivos y otros materiales visuales. Dejó de pedirle a la IA que "diseñara" para que "escribiera HTML", creando una interfaz de chat con vista previa en tiempo real. Posteriormente, integró el sistema de diseño de Anthropic en los prompts para garantizar coherencia de marca. La herramienta fue rápidamente adoptada por otros diseñadores de la empresa para crear prototipos interactivos y presentaciones de forma ágil. Su punto de inflexión llegó cuando Parrott vio a colegas usándola para crear diapositivas minutos antes de presentarlas en una reunión. Este uso orgánico convenció a Anthropic Labs de convertir el "side project" en un producto oficial. Claude Design se posiciona como una herramienta para las fases tempranas de conceptualización y comunicación visual, no para desarrollo de producción. Permite exportar a formatos como PDF, PPTX o HTML y conectar con plataformas como Canva o Adobe. La historia ilustra cómo la aceleración impulsada por la IA puede crear nuevos cuellos de botella, y cómo la respuesta no es la pasividad, sino la creación de nuevas herramientas que redefinen el flujo de trabajo y el rol del profesional, en este caso, desplazando el valor del diseñador hacia la dirección creativa y la toma de decisiones estratégicas.

marsbitHace 2 días 00:44

El diseñador de Claude se queda atrás por la intensidad de los ingenieros y responde creando una herramienta para millones de usuarios

marsbitHace 2 días 00:44

Claude termina el código y no lo entrega directamente: pasa por 4 Skills de autoverificación, lo corrige y luego vuelve a buscarte

Anthropic ha introducido una innovación clave en Claude Code: los "bucles de verificación". En lugar de entregar código directamente, Claude ahora ejecuta automáticamente cuatro verificaciones en bucle antes de considerar completada una tarea: `/code-review` para detectar bugs, `/simplify` para limpiar implementaciones redundantes, `/verify` para una validación de extremo a extremo, y `/design` (cuando se modifica la UI) para comprobar la coherencia visual con las especificaciones. Esto traslada el cuello de botella del desarrollo de "escribir código" a "verificar que el código sea correcto", permitiendo que los agentes de IA funcionen de manera más autónoma y prolongada. La clave está en encapsular los pasos de verificación manual repetitiva en "Skills" personalizables (módulos reutilizables que contienen instrucciones, flujos de trabajo y configuraciones). Los usuarios pueden crear sus propios Skills documentando sus reglas de revisión específicas. La automatización puede configurarse en cuatro niveles: manual (Standalone), integrada en un flujo (Embedded), encadenada (Chained) o ejecutada en cada Pull Request (On every PR). Este enfoque marca un cambio en la competencia de la programación con IA, que evoluciona de la generación de código hacia su verificación automática. Skills se está convirtiendo en un estándabierto adoptado por varias herramientas, lo que permite que el conocimiento y los flujos de trabajo del equipo sean portables y no dependan de un solo proveedor. La eficiencia final no depende solo del modelo de IA, sino de cómo se configuren estos bucles de verificación y automatización dentro del flujo de trabajo del desarrollador.

marsbit07/27 10:27

Claude termina el código y no lo entrega directamente: pasa por 4 Skills de autoverificación, lo corrige y luego vuelve a buscarte

marsbit07/27 10:27

La Carrera de los Agentes Termina, los Superpaneles de Trabajo Suben al Poder

En el último mes, grandes empresas tecnológicas chinas como Tencent, Alibaba y ByteDance han iniciado una convergencia significativa en sus estrategias de IA: en lugar de lanzar nuevos agentes de IA, están consolidando sus múltiples productos de agentes en plataformas unificadas. Tencent integró su producto QClaw en WorkBuddy; Alibaba fusionará QoderWork, Wukong y MuleRun en "Qianwen Oficina", bajo la marca Qianwen; y ByteDance renombró su herramienta de programación TRAE SOLO como TRAE Work. Este movimiento refleja un consenso en la industria: la era de los agentes independientes y dispersos está llegando a su fin, dando paso a las "superestaciones de trabajo" que centralizan múltiples funcionalidades. El cambio se debe a que la proliferación inicial de agentes especializados generó costes elevados y solapamientos, sin lograr una adopción masiva en el entorno empresarial. Las compañías ahora priorizan la eficiencia y la escalabilidad, enfocándose en un único punto de entrada que pueda integrarse profundamente en los flujos de trabajo y datos corporativos. El objetivo ya no es servir solo a desarrolladores, sino a todos los profesionales, un mercado mucho más amplio. Estas superplataformas, como WorkBuddy, Qianwen Oficina y TRAE Work, buschan convertirse en el acceso principal para gestionar tareas diarias (reuniones, documentos, análisis de datos), coordinando mediante "skills" o interfaces estandarizadas los sistemas empresariales existentes (CRM, ERP). Esto podría redefinir el modelo de negocio del software empresarial: la interfaz de usuario pierde importancia frente a la capacidad de ejecución en segundo plano. En resumen, los agentes de IA están evolucionando de productos aislados a capacidades integradas e invisibles, transformándose en infraestructura básica, similar a lo ocurrido con navegadores web o aplicaciones súper app. El futuro no está en más agentes independientes, sino en plataformas unificadas que orquesten el trabajo de forma fluida y sin fricciones para el usuario final.

marsbit07/22 00:26

La Carrera de los Agentes Termina, los Superpaneles de Trabajo Suben al Poder

marsbit07/22 00:26

El ejército nocturno de IA del creador de Claude Code: construye con dos comandos de Fable 5

En el último año, Boris Cherny, creador de Claude Code, no ha escrito personalmente una sola línea de código. En su lugar, gestiona un "ejército" de cientos, incluso miles, de agentes de IA que trabajan para él día y noche, manejando proyectos completos y enviando decenas de pull requests (PR) diariamente. Su secreto es el uso sistemático de "Loops" (bucles) y comandos como `/goal`, que permiten a la IA trabajar de forma autónoma hacia un objetivo definido y validar su propio trabajo. Cherny describe una evolución fundamental: el programador ya no escribe código, sino que diseña sistemas automatizados que lo generan y revisan. En Anthropic, esta práctica es común, con IAs colaborando incluso en Slack para dividir tareas. La clave para que este sistema funcione sin generar caos es un mecanismo de "verificación" independiente, donde un modelo supervisor evalúa si se ha alcanzado el objetivo, asegurando la calidad. Este paradigma está ahora al alcance de todos con herramientas como Fable 5 de Claude. Este modelo se distingue por su capacidad para trabajar de forma autónoma durante días, auto-verificarse y comprender gráficos complejos. Para aprovecharlo al máximo, los usuarios deben dominar dos comandos: `/goal`, para tareas con un fin específico, y `/loop`, para tareas periódicas y repetitivas. Además, es crucial configurar un sistema de contexto local (por ejemplo, con archivos markdown que definan el negocio, preferencias e instrucciones) para que la IA "recuerde" al usuario y su contexto entre sesiones. En resumen, la escasez ya no está en la capacidad de ejecutar código, sino en la habilidad humana para diseñar sistemas y definir con precisión qué significa "tarea completada" para la IA.

marsbit07/20 00:27

El ejército nocturno de IA del creador de Claude Code: construye con dos comandos de Fable 5

marsbit07/20 00:27

Acaba de irse la "cerebro" del diseño de Claude, Musk gana otra batalla

La diseñadora principal de Claude, Jenny Wen, ha anunciado su salida de Anthropic para unirse a Cursor como directora de diseño. Este movimiento es significativo porque la empresa matriz de Cursor, Anysphere, fue recientemente adquirida por SpaceXAI, lo que significa que Wen ahora trabajará bajo la dirección de Elon Musk. En Anthropic, Wen fue clave en el rediseño visual de Claude.ai en marzo de 2025, definiendo su apariencia actual. Además, fue fundamental en el desarrollo y lanzamiento del agente universal Cowork a principios de 2026, que transformó a Claude de un "cuadro de chat" a un "espacio de trabajo". Recientemente, Wen generó controversia al declarar en un podcast que los procesos de diseño tradicionales están "básicamente muertos", argumentando que la velocidad de la ingeniería impulsada por la IA obliga a los diseñadores a pasar más tiempo codificando y trabajando codo con codo con los ingenieros. Antes de unirse a Anthropic, Wen era directora de diseño en Figma, donde trabajó en productos clave como FigJam. Su decisión de dejar un cargo de gestión para volver a un rol individual (IC) en Anthropic fue vista como una apuesta por estar más cerca del producto y la tecnología. La contratación de Wen por parte de Cursor llega en un momento crucial. A medida que las capacidades fundamentales de los modelos de IA se nivelan, la ventaja competitiva se desplaza hacia la experiencia de usuario, el diseño de flujos de trabajo y los detalles de interacción. Al traer a una experta en diseño de interfaces de IA, Cursor busca construir una barrera de entrada más sólida en un mercado cada vez más competitivo.

marsbit07/14 14:01

Acaba de irse la "cerebro" del diseño de Claude, Musk gana otra batalla

marsbit07/14 14:01

Llega el matemático de IA de Tsinghua: desde la idea hasta el teorema, participa en la redacción de un artículo de 84 páginas sobre algoritmos cuánticos

El equipo del Instituto de Investigación de Inteligencia Artificial de la Universidad de Tsinghua, dirigido por el profesor Liu Yang, ha desarrollado un sistema de agente inteligente llamado AIM para la investigación matemática. A diferencia de herramientas anteriores centradas en resolver problemas, AIM participa activamente en las primeras etapas de la investigación científica, ayudando a los investigadores a explorar ideas, organizar teoremas y generar borradores de demostraciones. Recientemente, AIM colaboró en un estudio de algoritmos cuánticos de vanguardia titulado "Sign Embedding Quantum Algorithms for Matrix Equations and Matrix Functions". La investigación comenzó con una intuición humana sobre la aproximación racional como posible principio de diseño de algoritmos cuánticos. AIM ayudó a expandir las posibles líneas de investigación y, tras la selección humana, contribuyó a organizar los teoremas, generar pruebas preliminares y analizar la complejidad, dando lugar a un artículo de 84 páginas. El trabajo demuestra un flujo colaborativo humano-IA en cinco fases: expansión de rutas, selección humana por valor, formación de teoremas, auditoría de complejidad y validación final. El algoritmo cuántico resultante, "Sign Embedding", ofrece un marco unificado para problemas de ecuaciones matriciales y funciones matriciales. Este caso ilustra cómo la IA puede aumentar la productividad en investigación teórica manejando tareas exploratorias y derivativas, mientras el juicio humano mantiene el control sobre la dirección, los supuestos y el valor científico del trabajo.

marsbit07/10 02:57

Llega el matemático de IA de Tsinghua: desde la idea hasta el teorema, participa en la redacción de un artículo de 84 páginas sobre algoritmos cuánticos

marsbit07/10 02:57

Weng Li propone en su nuevo blog: "La autoevolución debe comenzar con Harness", Cui Tianyi de DeepSeek lo comparte

Lilian Weng, exvicepresidenta de seguridad de OpenAI y cofundadora de Thinking Machines Lab, ha publicado un nuevo artículo en su blog donde discute una vía más realista para la autoevolución de la IA: comenzar mejorando el **Harness**, el sistema externo que gestiona cómo un modelo utiliza herramientas, administra el contexto, divide tareas y evalúa resultados, en lugar de modificar directamente los pesos del modelo desde el principio. Cui Tianyi, investigador de DeepSeek, respaldó la idea, destacando que la autoevolución en el nivel del Harness es un campo prometedor, comparable a la evolución del propio modelo. Weng estructura el avance en capas: 1. **Ingeniería de Contexto (Context Engineering):** Optimizar cómo el agente gestiona y actualiza la información en su contexto de trabajo, con enfoques como ACE y MCE. 2. **Diseño de Flujos de Trabajo (Workflow Design):** El modelo no solo sigue, sino que participa en el diseño de los flujos de acción para tareas complejas, como en AI Scientist o ADAS. 3. **Harness Automejorable (Self-Improving Harness):** Aquí el modelo analiza sus propias fallas, propone modificaciones específicas al código del Harness y las valida en un ciclo (Weakness Mining, Harness Proposal, Proposal Validation). Métodos como la **Búsqueda Evolutiva (Evolutionary Search)** o DGM (Darwin Gödel Machine) logran mejoras significativas en benchmarks de código. Weng señala que el Harness y el modelo se reforzarán mutuamente, pero también destaca límites actuales: evaluadores débiles para tareas subjetivas, el riesgo de "reward hacking", la contracción de la diversidad en ciclos evolutivos y la tensión entre éxito a corto plazo y salud del sistema a largo plazo. Concluye que la competencia futura no solo dependerá de los modelos, sino también de la sofisticación de su Harness, marcando un enfoque de ingeniería crucial para la autoevolución de la IA.

marsbit07/08 10:30

Weng Li propone en su nuevo blog: "La autoevolución debe comenzar con Harness", Cui Tianyi de DeepSeek lo comparte

marsbit07/08 10:30

活动图片