Agente Reactivo, Proactivo y Tool calls
Un recorrido técnico por Reactive / Proactive Agent y por el contrato conversacional que encapsula: respuesta inmediata, trabajo asíncrono y cierre diferido.
Vídeos de IA
Páginas dedicadas a los vídeos educativos de 5sigmas. Cada vídeo acompaña a un artículo o capítulo y resume una idea técnica sin separar el aprendizaje del contexto.
Si quieres llevar este criterio a una decisión de producto, arquitectura o inversión, puedes aplicarlo a tu caso.
Datacenters en el espacio
Análisis técnico de los datacenters en órbita: disipación de calor, latencia, coste de lanzamiento y viabilidad real frente a la infraestructura terrestre.
Por qué ahora — demanda de cómputo y cuellos de botella en tierra
Por qué el cómputo en órbita se discute ahora mismo. La presión de la demanda de IA sobre la infraestructura terrestre y los límites que hacen el espacio relevante.
Energía, calor y conectividad en órbita
Por qué el frío del espacio no significa refrigeración gratis, dónde está la ventaja real de la energía orbital y qué límites impone la conexión con la Tierra.
Qué es un datacenter en el espacio
Qué significa realmente procesar datos en órbita, qué casos de uso tienen sentido hoy, almacenamiento resiliente y los megaproyectos con visión de décadas.
La huella real de un datacenter
Desglose completo del consumo de recursos de un centro de datos hiperscala: agua, energía, minerales críticos y ciclo de vida. Los datos calibran la conversación pública mejor que los titulares.
De las cavernas a la AGI
Historia intelectual de la IA: desde las primeras abstracciones matemáticas hasta los modelos fundacionales. Matemáticas, filosofía y computación en contexto.
Representar — del conteo al cálculo
Cómo la humanidad aprendió a representar el mundo con símbolos manipulables: desde las primeras muescas de hueso hasta el álgebra, el cálculo diferencial y la notación que hizo posible la IA moderna.
Mecanizar — de Babbage a Turing
Cómo la humanidad automatizó el cálculo: de los primeros mecanismos físicos a la separación de programa y hardware, y los fundamentos teóricos de la computación moderna.
Aprender — de las reglas a los datos
Cómo la IA pasó de escribir el conocimiento a mano a ajustarlo con datos: de la IA simbólica y los sistemas expertos al aprendizaje estadístico y el renacimiento neuronal que desembocó en AlexNet en 2012.
Escalar - de AlexNet a los modelos fundacionales
Cómo datos, cómputo y arquitecturas escalables cambiaron la IA desde 2012. AlexNet, Transformer, preentrenamiento, leyes de escala y el nacimiento de los modelos fundacionales.
Más allá del Transformer — memoria y modelos del mundo
Cómo el campo intenta ir más allá del puro escalado del Transformer combinando herramientas, búsqueda, memoria en inferencia, modelos del mundo y robótica.
Fundamentos de IA e IA generativa
Serie introductoria sobre IA e IA generativa: qué son, cómo funcionan, en qué se diferencian y qué es la AGI. Para profesionales técnicos y decisores.
Qué es la Inteligencia Artificial
Qué es la Inteligencia Artificial, cómo funciona y cómo ha evolucionado: desde heurísticas y Machine Learning hasta redes neuronales y modelos fundacionales.
Qué es IA Generativa
Cómo funciona la IA generativa: del embedding y el Transformer a los modelos fundacionales. Leyes de escala, LLMOps y diferencias entre LLM, RAG y agentes.
IA clásica vs IA Generativa
Comparativa técnica entre IA clásica e IA generativa: entradas, salidas, determinismo, explicabilidad y cuándo usar reglas, ML, LLM, RAG o agentes.
Qué es AGI: inteligencia artificial general
AGI significa inteligencia artificial general. Este capítulo explica sus definiciones, los niveles de DeepMind y OpenAI, y qué faltaría para alcanzarla.
IA, PIB, bienestar y energía
Impacto cuantitativo de la IA en energía, productividad y bienestar. Análisis con datos reales del Banco Mundial, IEA y Penn World Table, sin proyecciones especulativas.
Electricidad y bienestar
Por qué el acceso a electricidad fiable y barata habilita saltos reales en salud, logística e industria, y qué diferencia hay entre tener kilovatios y tener calidad de suministro.
IA como tecnología eléctrica
Qué implica la IA en términos de cómputo y energía, por qué la demanda puede crecer aunque mejore el hardware, y cuáles son los cuellos de botella reales.
Medición — PIB vs bienestar
Por qué el PIB no captura el bienestar real, qué dimensiones importan más, y cuándo el bienestar subjetivo diverge del material.
IA y PIB hoy — impacto real y señales tempranas
Por qué el impacto macroeconómico de la IA tarda en aparecer en el PIB, dónde sí aparece antes, y qué señales son más indicativas de lo que está pasando.
Modelos razonadores — test-time compute, cadenas de pensamiento y fallos sistemáticos
Cinco capítulos sobre cómo razonan los LLMs y qué cuesta ese razonamiento en producción. Test-time compute, sycophancy, specification gaming, latencia real y riesgos de los modelos razonadores con herramientas.
Qué significa razonar en un LLM
Qué significa razonar para un modelo de lenguaje, qué aportan o1 y DeepSeek R1, y por qué evaluar razonamiento exige mirar pasos, coste y fallos.
Cómo se ven los fallos de los modelos razonadores
Sycophancy, shortcut learning, specification gaming y fallos en cadena: los tipos de fallo de los modelos razonadores, cómo detectarlos y mitigarlos.
Test-Time Compute
Test-time compute como segunda ley de escala. Las tres palancas (más pasos, más candidatos, más estructura) y su perfil de calidad, coste y latencia en modelos razonadores.
Tiempo físico — latencia, streaming e interacción humana
TTFT, streaming y umbrales de latencia percibida en modelos razonadores. RouteLLM, patrones de diseño y gestión de coste de sesión en producción.
Riesgos — overthinking, coste, ataques y alineamiento
Overthinking, prompt injection y hijacking de agente en modelos razonadores con herramientas. Criterios para acotar el riesgo en producción.
Multimodalidad en IA generativa
Qué significa construir sistemas capaces de percibir, alinear, razonar, generar y actuar entre texto, imagen, audio, vídeo, documentos y otras señales del mundo.
El problema real de la multimodalidad
Qué significa integrar modalidades distintas en un mismo sistema, por qué texto+imagen es solo una parte del campo, y cómo ordenar percepción, alineamiento, razonamiento, generación y acción sin simplificar en exceso.
Alineamiento de pares a interacciones multimodales
Cómo se aprende que dos señales distintas hablan del mismo contenido, qué cambia cuando el alineamiento va más allá del par imagen-texto, y por qué la calidad y estructura del dato determinan la robustez de las representaciones aprendidas.
Arquitecturas de sistemas multimodales
Las cuatro familias de arquitectura multimodal, sus diferencias en calidad, coste y latencia, y por qué el embedding multimodal y la generación multimodal no son la misma capa del sistema.
Evaluación de sistemas multimodales
Por qué medir la capacidad multimodal exige algo más que exactitud en preguntas sobre imágenes, qué revelan OCRBench v2 y MMAU sobre los límites reales del campo, y los dos problemas sistemáticos que hacen que los benchmarks actuales sobrestimen las capacidades reales.
Riesgos de seguridad en sistemas multimodales
Prompt injection visual, fugas de contexto de sistema, manipulación de herramientas, privacidad en imágenes y documentos, y qué cambia cuando el sistema no solo responde sino que actúa.