IA en la práctica: investigaciones largas, generación de vídeo, agentes que trabajan días y herramientas para el ordenador

Un mismo patrón: procesos largos, resultados que parecen definitivos y riesgos de opacidad

La investigación profunda que ofrecen ChatGPT, Gemini y Claude, la nueva generación de herramientas de vídeo con marcas de origen, los arneses de agentes como Factory Droid y las librerías de acceso al escritorio como agent-desktop muestran la misma dinámica: ganar productividad trasladando trabajo humano a bucles largos de máquina, y con ello introducir puntos ciegos donde lo que parece exhaustivo puede no serlo y donde la monetización y la responsabilidad quedan descolocadas; por eso importa que la investigación profunda no sea gratis ni instantánea —como explica el repaso publicado en WWWhat's New sobre cómo funcionan estos informes—: compensa cuando hay que cruzar decenas de páginas, pero es también la función más peligrosa porque los informes largos con enlaces transmiten una sensación de verificación que rara vez se confirma al abrir las fuentes y además ningún proveedor publica cuántos informes puedes pedir, lo que condiciona su uso serio.

Generación de vídeo: qué queda y qué limita su uso

La oferta de vídeo con IA se ha concentrado en unos pocos nombres y en salvaguardas técnicas y legales; Sora ya cerró, Gemini Omni y Google Flow están vigentes en planes de pago y plataformas como Magnific o Runway agregan opciones, pero Google introduce marcas invisibles y credenciales de origen que permiten trazar el clip, y sus condiciones prohíben usos como la suplantación para engañar; entender qué modelos se usan y qué marcas llevan los vídeos es esencial para quien produce o modera contenido, y el resumen técnico y legal en WWWhat's New sobre herramientas y prohibiciones es una guía práctica para no llevarse sorpresas legales o reputacionales.

Agentes en finanzas: memoria, horizonte y guardrails

En Arca explican que los agentes no sustituyen al humano sino que lo «incitan»: trabajan con memoria persistente para flujos que duran días y en los que hay muchos puntos de decisión, lo que obliga a diseñar arneses, trazabilidad y responsabilidad humana, y la entrevista en Latent Space con Aman Singh ilustra por qué en servicios financieros la automatización requiere sistemas que registren responsabilidades, plazos y acciones pendientes si no quieres delegar decisiones delicadas a una caja negra que pierde contexto.

Arneses y herramientas para correr agentes en local

Factory lanza Droid 1.0, un arnés que activa por defecto la llamada programática a herramientas y que permite a un modelo escribir programas (Scripts) para ejecutar cientos de llamadas a herramientas desde un mismo pedido, lo que cambia la economía del coste por tarea y obliga a replantear seguridad y sandboxing; y Vercel Labs publica agent-desktop como código abierto, una CLI que expone el árbol de accesibilidad del sistema para que agentes accionen aplicaciones nativas sin visión, lo que baja la barrera técnica para automatizar flujos en macOS, Windows y Linux y a la vez plantea riesgos si esos accesos no se auditan, las dos piezas están documentadas en MarkTechPost: Factory Droid 1.0 y agent-desktop.

Todo esto sucede mientras el debate sobre la rentabilidad de Search con IA se calienta: Google admite que el modo IA mermó ingresos y eso reverbera en mercados y modelos de negocio, un recordatorio de que automatizar resúmenes puede erosionar la economía que financia las fuentes originales, como cubre Latent Space sobre la caída del 15% en monetización de consultas en AI Mode y su impacto financiero.