Un podcast sobre cómo la Inteligencia Artificial está reescribiendo el desarrollo de softwareUn podcast sobre cómo la Inteligencia Artificial está reescribiendo el desarrollo de softwareUn podcast sobre cómo la Inteligencia Artificial está reescribiendo el desarrollo de softwareUn podcast sobre cómo la Inteligencia Artificial está reescribiendo el desarrollo de software
Próximo
Una comunidad compró GPUs, montó su inferencia y dejó de pedirle permiso a nadie.
Cristian Córdoba publicó un tweet pidiendo que se juntaran 5 personas para alquilar una GPU. Hoy son casi 500, con 9 servidores, 12 GPUs y hardware propio en Finlandia. NAN Builders es una comunidad que corre modelos open weight a escala, s…
- Al aire
- 7 de septiembre de 2026 · 06:00PM
Episodios
37 en el archivo
N.ºTítuloFecha
- 01Benchmarks de IA: Lo que te dicen, lo que esconden y como leerlosNo hay nada más hypeado que un lanzamiento de SOTA model, y junto con las característica del modelo, un blog post técnico siempre vienen los gráficos con los benchmarks que miden el rendimiento de los modelos en diferentes dimensiones.... que no es raro que muestre los que son más favorables. La realidad es benchmarks van y benchmarks vienen, cada benchmark tiene su propia metodología además de que cada uno pone foco en diferentes dimensiones. Estos siempre pueden estar sujetos a entrenamiento específico para el benchmarks por parte del laboratorio, pueden envejecer mal con el tiempo, estar condicionados por otros factores como el harness o cómputo y claro a veces nos pintan una imagen que no está tan lejos de la realidad. Para este episodio decidimos meterle la lupa a los benchmarks, y entender realmente qué se está midiendo para los modelos de IA Generativa que son los que más nos interesan para el Desarrollo de Software.1:12:03
- 02Orca, Copilot y Codex: ¿el IDE agentic ordena el caos o lo esconde?Orca, GitHub Copilot app y Codex/ChatGPT prometen ordenar el caos de desarrollar con agentes. En este episodio probamos la promesa: si estos Agentic Development Environments realmente coordinan contexto, tareas, ejecución y revisión, o si solo empaquetan el caos en una interfaz nueva. CHAPTERS 00:00 Bienvenida y auge de los entornos de desarrollo agéntico 10:09 De la terminal a los orquestadores de agentes 13:28 Orca, Git Worktrees y trabajo en paralelo 25:48 Comparativa de ADEs y límites del desarrollo local 39:02 Agentes, navegador e integración con Git en Orca 43:28 Procesamiento en la nube y control desde el teléfono 47:31 Conductor y Herder: alternativas a Orca 54:29 Programar por voz y trabajar lejos de la pantalla 1:02:51 Orca frente a Codex y otros flujos de trabajo 1:04:28 La ingeniería sigue siendo esencial en la era de la IA1:09:52
- 03Modelos Open Weight. Qué funciona y qué no.Hay demasiados modelos open weight y poca claridad sobre cuáles valen la pena para desarrollar software. Hoy traemos a Ronald Escalona para hablar de qué modelos correr, en qué hardware, para qué casos de uso y qué esperar de cada uno. Mientras Meta, Microsoft y NVIDIA firman cartas defendiendo los open weights, nosotros los ponemos a prueba. CHAPTERS 00:00 Modelos open-weight e inferencia empresarial 06:19 GPUs y centros de datos para inferencia local 12:49 APIs compatibles con OpenAI y costos por token 16:15 El negocio de vender tokens con valor agregado 22:12 Tokens, tokenomics y costo total de propiedad 24:34 Inferencia local vs. proveedores en la nube 29:46 Modelos abiertos más allá de China 36:28 Cómo elegir entre modelos grandes y especializados 39:09 Modelos densos, Mixture of Experts y KV cache 46:33 Inferencia subsidiada y dumping de precios 51:02 Open source vs. modelos de pesos abiertos 52:20 DeepSeek, chips chinos y competencia geopolítica 56:45 Destilación de modelos, licencias y regulación 1:04:52 Por qué seguirán bajando los costos de inferencia 1:09:12 vLLM y PagedAttention para servir modelos a escala 1:15:49 Nvidia, Qualcomm y la eficiencia energética de GPUs 1:22:03 La evolución del hardware de Nvidia para IA 1:29:23 KV cache para reducir latencia y facturación 1:31:25 Linux, Kubernetes y cuantización de modelos1:36:08
- 04¿Cómo está la movida de empleo en Latam?Todo el mundo opina sobre el mercado laboral en tech. Hoy le preguntamos a quienes lo ven desde adentro: tres recruiters que contratan todos los días en Latam. Un recruiter de Argentina, uno de Colombia y el CEO de Get on Board. Qué están pidiendo las empresas, qué perfiles se buscan, qué cambió con la IA, qué pasa con los salarios y qué debería estar haciendo el developer que quiere moverse. Sin teoría, datos reales de quienes llenan las vacantes. CHAPTERS 00:00 Mercado laboral tech en Latinoamérica 07:06 IA generativa y aplicaciones de empleo masivas 14:13 Layoffs, equipos pequeños y fraude de candidatos 25:13 Roles tech especializados en resolver problemas 34:13 Perfiles generalistas, especialistas y orquestación de IA 45:08 Cómo contratar ICs y líderes para la era de la IA 1:04:14 Salarios tech y menor demanda en Latinoamérica 1:12:50 Portafolio y criterio: señales clave para conseguir empleo 1:19:46 LinkedIn, comunidad y marca personal para developers1:29:41
- 05De Vercel Al SDK a Eve: Migrando un agente real, ventajas y trade-offsEduardo construyó el agente de Leadsales con Vercel AI SDK puro. Funcionaba, pero terminó creando su propio harness para manejar la complejidad. Cuando Vercel lanzó Eve, migró todo. La complejidad se redujo, la funcionalidad se mantuvo y dejó de mantener lo subyacente para enfocarse solo en el comportamiento del agente. Hoy nos cuenta qué ganó, qué perdió y qué aprendió en el proceso. CHAPTERS 00:00 Vercel AI SDK, Eve y agentes en producción 05:42 Qué define a un agente de IA: autonomía y loops 11:37 Lead Agent: prompting para ventas por WhatsApp 17:03 Tools atómicas para dar autonomía a los agentes 24:14 Langfuse para prompts, trazas y observabilidad 30:20 Evals e iteración de agentes en producción 36:44 Por qué migrar de Vercel AI SDK a Eve 43:43 Eve como framework declarativo para agentes 47:05 Ejecuciones durables, Nitro y vendor lock-in 54:13 Cómo diseñar un agente desde cero 59:39 Pruebas y mejora continua del system prompt 1:05:56 Agentes probabilísticos y human in the loop 1:07:41 Resultados de la migración y channels de Eve1:10:55
- 06Hermes + Qwen3.6-35B local (64GB URAM) para Desarrollar SoftwareCarlos Maldonado tiene 25 años de experiencia operando Linux/Unix y luego Kubernetes en ambientes de Producción a escala, resolviendo problemas en las trincheras del on-call como líder de equipos de de SRE. Y un buen día le dio experimentar con los modelos los Open Weight más grandes que pudo correr, en una Mac con 64GB de RAM Unificada, hasta lograr echar código con Hermes como driver. En este episodio nos cuenta cómo ha sido la experiencia, y todo lo que ha aprendido en el proceso. CHAPTERS 00:00 Hermes y LLM locales para desarrollo de software 03:31 Carlos Maldonado: de Linux y Unix a engineering manager 08:41 Hermes para SRE: permisos, seguridad y privacidad 14:49 Por qué usar un modelo local en lugar de una API 17:55 Apple M1 Max con 64 GB para inferencia local 24:00 Qwen3.6-35B: benchmarks y selección del modelo 28:25 Hermes y la memoria de contexto con SQLite 33:45 Rendimiento local y debugging con Hermes 39:45 Workflow autónomo con pull requests y Cloudflare Workers 49:29 Tareas en paralelo, conflictos de Git y carga cognitiva 53:46 Consumo eléctrico y ahorro frente a Claude Sonnet 57:10 Monetización y diseño de nohayluz.com con Hermes 1:00:40 ESLint, Playwright y CI/CD generado con IA local 1:06:11 Qwen, GLM y el futuro de los modelos abiertos 1:12:00 Modelos locales para programar y Frontier APIs para planificar1:17:50
- 07¿Cómo cambia el SDLC cuando el cerebro de la empresa se integra a Claude Code?Los "cerebros organizacionales" empiezan a ganar momento como apuesta para capitalizar el valor de la adopción de la Inteligencia Artificial Generativa. La experiencia de estos últimos meses nos demostró que si bien podemos crear software a altísima velocidad, también son comunes los casos en los que esta velocidad no se traduce en la creación de valor ni en un impacto medible para el negocio. Una de las ideas, práctica ya, más claras para corregir estos problemas es construir un "cerebro" donde se colecciona la información clave sobre el negocio, el producto y su operación y se procesa utilizando IA Generativa, en particular herramientas como Claude Code, Codex; y que este proceso se convierta en el driver fundamental del SDLC, Software Development Life Cycle. ¿Funciona esto? ¿Cómo se hace? ¿Realmente se usa? ¿Tiene un impacto? En este capítulo comparamos dos soluciones que llevan meses en construcción y uso dos organizaciones que le apostaron duro a esto. CHAPTERS 00:00 Second brain empresarial con Claude Code 09:39 La bóveda de conocimiento y su acceso mediante MCP 19:38 Cómo Lead Sales centralizó 18 fuentes de datos 25:30 Framework DIKW para organizar conocimiento empresarial 39:50 MCP, automatización y adopción en equipos no técnicos 50:58 El nuevo SDLC conecta desarrollo con el negocio 58:30 Predicción de churn con la inteligencia de la empresa 1:03:46 Métricas de adopción, rework y tiempo recuperado 1:11:50 Markdown, Git y Python frente a RAG y embeddings 1:16:01 El valor está en organizar el conocimiento1:20:32
- 08El CEO de Microsoft dice que el futuro no es el código. Es el conocimiento ¿Y nosotros?Satya Nadella está preocupado por el futuro, por el impacto de la IA generativa en la economía, y esto nace y será central en el desarrollo de software. Nosotros tomamos su ¿advertencia? en serio: El riesgo de un mundo donde unos pocos modelos se comen todo el valor y dejan industrias enteras con su conocimiento convertido en commodity. En este episodio no solo le hacemos una disección al mensaje de Nadella, sino que lo contrastamos con otros puntos de vista y con las discusiones que ya hemos tenido ya sobre este disrupción que estamos viviendo.1:19:25
- 09Primeras impresiones con Hermes. Mi sistema de agentes personales en vivoFreddy construyó un sistema de agentes personales con Hermes. Hoy lo muestra por primera vez en vivo: la arquitectura, la configuración, los skills, el flujo completo. Anibal hace las preguntas que tú harías. Sin slides, sin demo preparada. Terminal abierta, código real y todo lo que puede salir bien o mal cuando le muestras a alguien lo que construiste.1:16:32
- 10La IA no pidió permiso y entró a las aulas universitarias. Los profesores cuentan qué está pasandoLa IA ya está en las aulas. Los estudiantes la usan, eso no es noticia. La pregunta es qué está pasando con el resto: los profesores, las carreras, las instituciones. Hoy traemos a dos profesores universitarios, uno de la Universidad Central de Venezuela y otro del INCAE, para hablar de lo que ven todos los días desde adentro. Qué están haciendo los estudiantes, cómo están reaccionando los profesores y cómo se están adaptando (o no) las universidades. Sin teoría, sin predicciones. Lo que está pasando hoy.1:27:09
- 11Prompting Patterns, pensando en como “piensan” los LLMsPrompt Engineering fue un desastre de término, primero porque sembró la idea excluyente de que promptear a un LLM en un chat era para Ingenieros de Software, lo que es mentira obviamente. Y terminó convirtiéndose en una simplificación mecánica. Es muchísimo más rico, y potente, entender que resolver problemas con agentes implica usa serie diferente de mindsets a través de los que podemos obtener el mejor resultado en diferentes momentos del proceso, de forma consistente; todo esto partiendo del conocimiento de lo que es un LLM, aproximándolos desde luna Teoría de la Mente.1:08:51
- 12Google, OpenAI y Anthropic contratan un rol que no existía hace un año. ¿Qué significa eso para ti?Google, OpenAI y Anthropic están contratando Forward Deployed Engineers. Un rol que hace un año no existía y hoy es una de las posiciones más demandadas en tech. Pero esto no es solo una noticia de hiring. Es una señal de cómo se está reorganizando la industria entera: roles que nacen, roles que mueren, roles que mutan. Hoy hacemos un checkpoint de la industria, hablamos de qué está cambiando, qué significa para los que estamos adentro y qué pasa con los que no se están moviendo.1:07:37
Quiénes corren
