Builders

El informe combina encuesta y análisis del mercado, por lo que sus porcentajes describen una muestra, no una ley universal. Mozilla observa que el 79 % de los encuestados usa modelos abiertos, aunque menos equipos los despliegan que los cerrados.

También señala que los costes han caído con rapidez y que el arnés del agente —memoria, herramientas, permisos y evaluación— condiciona tanto el resultado como el modelo. La paradoja es empresarial: la adopción crece mientras el dinero se concentra en servicios propietarios. Habrá que vigilar si aparecen productos, soporte y alojamiento que conviertan esa utilidad técnica en ingresos sostenibles sin cerrar lo que hizo atractivo al modelo.

Mozilla ha encuestado a más de 950 desarrolladores y concluye que la brecha de rendimiento con los modelos cerrados se ha reducido al 3 %. La batalla se desplaza del modelo al sistema que lo rodea: agentes, herramientas, control y una economía capaz de sostener el ecosistema abierto.

La propuesta integra agentes con objetos de negocio, flujos, políticas y aprobaciones de Oracle Fusion, evitando que cada equipo tenga que montar el gobierno después. Es una ventaja para clientes ya instalados en ese ecosistema y, al mismo tiempo, un fuerte mecanismo de dependencia. La compañía promete herramientas no-code y pro-code, equipos especializados y registros de actividad, pero todavía falta comprobar la calidad de las aplicaciones construidas, su coste operativo y la facilidad para sacar datos o agentes fuera de Fusion.

El cambio importante no es otro chatbot corporativo, sino convertir al ERP en plataforma de ejecución autónoma. Si funciona, el agente deja de aconsejar y empieza a tocar nóminas, compras o inventario.

Ahí termina la demo y empieza el control real. El sistema combina herramientas visuales y código, de modo que los asistentes puedan trabajar sobre procesos empresariales reales. Los agentes empresariales empiezan a competir menos por conversar y más por ejecutar procesos con permisos, aprobaciones y un rastro que alguien pueda auditar.

Centralizar estos componentes permite reutilizarlos entre equipos, registrar modificaciones y controlar qué versión llega a cada flujo. La utilidad real aparecerá cuando se conecte con evaluaciones, permisos y despliegues, porque guardar una mala instrucción con gran disciplina sigue produciendo un mal resultado.

El movimiento confirma que la capa operativa alrededor del modelo gana peso frente a la simple elección del proveedor. Para los equipos, la pregunta ya no es quién escribió el prompt más largo, sino quién puede explicar por qué cambió, qué mejoró y cómo se revierte sin convocar una arqueología corporativa. Mistral incorpora a Studio la gestión de prompts y habilidades como activos versionados, con propietario y trazabilidad.

El cambio parece administrativo, pero ataca un problema cotidiano: instrucciones críticas repartidas entre chats, documentos y la memoria de quien hoy no ha venido. El prompt empresarial deja de ser una frase ingeniosa y empieza a tratarse como software: con cambios, responsables y posibilidad de volver atrás.

La herramienta ofrece una interfaz textual para explorar código, editar archivos y encadenar tareas de desarrollo. El código abierto permite revisar la orquestación, proponer cambios y adaptar controles, pero no convierte automáticamente en abierto todo el servicio que utiliza por debajo. Conviene separar el envoltorio del agente, el modelo que razona y la infraestructura que ejecuta cada acción.

Para builders, disponer del primero reduce dependencia y acelera experimentos; para seguridad, aumenta la posibilidad de entender qué permisos solicita y cómo registra sus pasos. Enseñar la caja de herramientas es positivo.

Todavía falta comprobar quién conserva la llave del motor. El gesto permite inspeccionarlo, adaptarlo y ejecutarlo fuera de una interfaz cerrada, justo cuando estas herramientas empiezan a modificar repositorios completos. Abrir la capa que organiza el trabajo facilita auditoría e integración, aunque el modelo remoto y sus costes pueden seguir marcando los límites reales.

La propuesta es neutral respecto al proveedor y utiliza estándares como MCP y ACP para conectar herramientas y agentes. Los administradores pueden compartir contexto, asignar créditos y establecer controles comunes. Esto reduce fragmentación, pero también coloca a JetBrains como intermediario de una parte creciente del flujo de desarrollo.

La adopción debería medirse por tiempo ahorrado, defectos, gasto total y capacidad de retirar un modelo sin rehacer el sistema. Comprar una consola unificada no crea coordinación por sí sola; al menos permite descubrir cuántos pilotos distintos llevaba pagando la empresa sin saberlo.

JetBrains presenta una oferta para que los equipos de software gestionen desde un mismo lugar sus asistentes de IA, la información que reciben, los proveedores autorizados y el gasto. Intenta ordenar las cuentas contratadas por separado antes de que cada proyecto termine obedeciendo una política y una factura distintas. El valor empresarial se desplaza del asistente individual a una capa común de permisos, contexto y medición que pueda cambiar de modelo.

El conjunto se publica bajo licencia Apache 2.0 e incluye integraciones con editores y un servidor de lenguaje. Eso facilita automatizar validaciones y mantener cambios junto al resto del software. No elimina la dependencia del entorno Salesforce ni garantiza que el comportamiento emergente quede totalmente descrito por el script, pero mejora la superficie auditable.

Para los equipos técnicos, la oportunidad es aplicar prácticas de desarrollo a decisiones que antes quedaban escondidas entre configuraciones. El agente conserva margen para sorprender; al menos ahora deja un plano antes de empezar la obra.

Salesforce estrena Agent Script y herramientas abiertas para definir como código el comportamiento de sus asistentes de IA. El objetivo es sacar parte de la lógica del constructor visual y llevarla a un terreno conocido por los equipos de software: versiones, pruebas y revisiones antes de publicar. Cuando el agente entra en procesos críticos, una especificación revisable ofrece más control que una conversación imposible de reproducir.

Presence comienza con una tarea cerrada y entrega al agente únicamente el conocimiento y los sistemas necesarios. La empresa define qué acciones puede ejecutar, cuáles requieren aprobación y cuándo debe intervenir una persona. Antes del lanzamiento, simulaciones y evaluadores comprueban resultados, políticas, uso de herramientas y escalados. Después, las sesiones reales alimentan un ciclo en el que Codex propone cambios que el equipo prueba y aprueba.

OpenAI afirma que su propio canal telefónico resuelve el 75 % de las consultas entrantes sin ayuda humana y que redujo las transferencias 15 puntos en diez días; son métricas del fabricante y de un caso concreto, no una garantía general. BBVA, SoftBank e IAG participan como socios de diseño o exploración. Tampoco es un servicio autoservicio: la disponibilidad general es limitada y los despliegues dependen de ingenieros de OpenAI e integradores seleccionados. El producto vende software, pero también vende acompañamiento intensivo.

OpenAI presenta Presence para desplegar agentes, programas de IA que atienden por voz o chat y ejecutan tareas. El servicio añade permisos, pruebas, acciones previamente aprobadas y ayuda humana. La promesa no es que el robot hable bonito, sino que trabaje sin convertir cada actualización en una tómbola. El negocio empresarial se desplaza del modelo aislado al sistema que controla, mide y corrige su comportamiento en producción.

La carta compara los modelos abiertos con el software libre que sostiene parte de internet. Sostiene que permiten a empresas, universidades e instituciones evitar depender de un único proveedor, adaptar sistemas a sus datos y reservar los modelos más caros para problemas realmente difíciles. También reconoce un límite material: una vez publicados, los pesos pueden modificarse y resultan difíciles de retirar o rastrear.

Los firmantes piden más acceso a cómputo y recursos compartidos, y que la ley distinga la destilación legítima —usar salidas de un modelo para mejorar otro— de la extracción ilícita. Es una declaración de intereses, no evidencia independiente de que abrir siempre sea más seguro. NVIDIA vende chips; Microsoft, IBM y otros venden nube y servicios; Meta, Mistral y Hugging Face necesitan un ecosistema abierto. Aun así, reunir veinticinco actores convierte la apertura en una batalla industrial y regulatoria explícita.

Microsoft, NVIDIA, Meta, IBM, Hugging Face, Mistral y otras diecinueve organizaciones han firmado una carta contra las restricciones prematuras a los modelos de pesos abiertos: sistemas que cualquiera puede descargar, adaptar y ejecutar en su propia infraestructura. Defienden competencia y soberanía; también protegen mercados que les convienen. La disputa sobre IA abierta ya no enfrenta solo seguridad y libertad técnica: decide quién controla el acceso, el cómputo y el margen económico de la próxima capa de software.

El sistema transforma una petición en un guion con fases, asistentes y reglas para combinar respuestas. Cada programa recibe solo la información necesaria; el plan puede reservar una fase a revisores independientes antes de sintetizar el informe. La capacidad anunciada cambia según el trabajo, pero procede de SpaceXAI y no demuestra precisión ni coste. Los procesos se ejecutan en segundo plano, guardan progreso y muestran cuánto texto procesa cada participante.

El usuario puede conservar el flujo y compartirlo con su equipo. Revisar cambios de código, clasificar cien incidencias o auditar accesos se beneficia de dividir trabajo independiente, aunque multiplicar asistentes también multiplica puntos de fallo. La novedad está en empaquetar la coordinación para que el usuario no tenga que programarla. Cuando dirigir asistentes se convierte en una función de producto, la pregunta deja de ser cuántos trabajan y pasa a ser quién comprueba al último.

Grok Build divide una tarea entre decenas o cientos de agentes, programas de IA que trabajan en paralelo, comprueba sus resultados y entrega un informe. El programador pasa de copiloto a capataz digital. La productividad puede subir; la posibilidad de multiplicar un error también. Coordinar asistentes autónomos convierte la información compartida, la verificación y el presupuesto en parte del producto, no en detalles técnicos.

Los resúmenes aparecen en consultas complejas y conducen a un modo conversacional con seguimiento, archivos, fotos y vídeo. No pueden desactivarse en la experiencia principal, aunque existe una pestaña con resultados clásicos. El despliegue francés llega dos años después de Estados Unidos y tras tensiones por derechos afines: Google afirma que 450 medios recibirán compensación cuando use extractos y que un editor podrá quedar fuera de los resúmenes sin desaparecer del índice normal.

La preocupación existe. Le Monde cita estudios que estiman descensos del 25 % al 30 % en los primeros enlaces de consultas alemanas y una caída media menor en el tráfico agregado; Google cuestiona un derrumbe general y sostiene que las búsquedas aumentan. Ninguna cifra predice cada cabecera. Google ya no solo indica la puerta del medio: empieza a atender al lector en el recibidor.

Google estrena en Francia AI Overviews y AI Mode, funciones que redactan una respuesta con inteligencia artificial antes de mostrar los enlaces tradicionales. El buscador ya no solo reparte visitas: ahora responde primero y decide cuánto tráfico deja pasar. Cuando el buscador se convierte en respuesta, la relación entre plataformas, medios y lectores deja de medirse solo por posición y empieza a medirse por clics que nunca ocurren.