157 fuentes 163 feeds activos 4255 piezas curadas

El resumen del día

Sony elimina el disco y la industria acelera: IA, RAG y agentes que cambian producto y mantenimiento

Sony confirma el fin del juego en disco para 2028 y la noticia actúa como detonante: cadenas de suministro, coste por unidad y distribución se reconfiguran. Paralelamente, avances en visión artificial, gestión del conocimiento y agentes listos para producción reescriben cómo automatizamos operaciones, soporte y mantenimiento. Traemos lo esencial y su impacto directo en negocio, empleo y tecnología.

Sony acabará con los juegos físicos de PlayStation en enero de 2028: adiós al disco, hola al «código en caja»

Adiós al disco: PlayStation pasa totalmente a digital

Sony anuncia que dejará de producir juegos en disco físico para nuevas entregas a partir de enero de 2028, lo que implica que los títulos futuros solo se venderán en formato digital a través de PlayStation Store o distribuidores online, según WWWhat's New IA. La transición no afecta a juegos ya lanzados ni a consolas con lector, pero marca un punto de inflexión para la logística, el coste unitario y el modelo de distribución.

Qué significa para negocio y empleo

La eliminación del disco reduce costes de producción y transporte, favorece modelos de precios dinámicos y exige invertir más en infraestructuras de distribución digital y DRM. Para la cadena de valor —fabricantes de medios, logística y tiendas físicas— se abre una ventana de reconversión; para desarrolladoras y publishers, mayor control sobre métricas, actualizaciones y monetización postventa.

Mantenimiento predictivo con visión: menos paradas, más eficiencia

Roboflow publica un tutorial sobre mantenimiento predictivo usando RF-DETR y Gemini 2.5 Pro. La propuesta combina cámaras y modelos de visión para detectar defectos tempranos —por ejemplo, en rodamientos— y prevenir fallos que generan un alto coste por tiempo de inactividad.

En sectores industriales esto reduce costes operativos y cambia perfiles de mantenimiento: menos tareas reactivas y más roles de supervisión de modelos, etiquetado y automatización.

RAG vs. LLM wiki: ¿recuperar cada vez o compilar una vez?

Andrej Karpathy plantea la alternativa de la «LLM wiki»: en vez de recuperar fragmentos cada consulta, compilar y estructurar documentos una sola vez en páginas markdown vivas, según Towards AI. Esto traslada el coste de síntesis al momento de ingestión y acelera consultas repetidas, con implicaciones directas en latencia, costes de inferencia y mantenimiento del conocimiento.

Impacto práctico

Para equipos de producto y atención, la LLM wiki puede mejorar la coherencia y reducir el gasto en tokens/compute; para arquitectura de datos, exige pipelines de actualización y control de versiones.

Ingeniería de prompts: la fórmula CRAFT y técnicas prácticas

Un repaso a la fórmula CRAFT y cinco técnicas para mejorar prompts, publicado en Towards AI, recuerda que la calidad de salida depende más de la instrucción que del modelo. Incluir rol, contexto y objetivo concreto sigue siendo la regla para reducir iteraciones y costes de uso en plataformas como OpenAI o Anthropic.

Funciones poco conocidas de Claude AI que aceleran flujo de trabajo

Un artículo destaca herramientas de Claude como Projects, que permiten mantener instrucciones y contexto persistente entre sesiones, mejorando productividad y reduciendo el fricción operativo en tareas recurrentes según Towards AI..

Agentes IA en producción con LangGraph

La segunda parte sobre arquitectura de agentes con LangGraph ofrece prácticas para fiabilidad, escalabilidad, observabilidad y gestión de memoria en sistemas autónomos, según Towards AI. Para productos que integran agentes —desde asistentes empresariales hasta flujos de automatización— estas prácticas son clave para transformar prototipos en servicios operativos.

Lectura estratégica

Convergencia clara: la digitalización de productos (Sony) acelera la presión por experiencias digitales sólidas; la mejora en modelos de ingestión (LLM wiki), la optimización de prompts (CRAFT) y los agentes en producción (LangGraph) permiten construir esos servicios con menor coste operativo; la visión en mantenimiento muestra casos de ahorro directo en industria. Juntas, estas piezas dibujan un mapa donde tecnología y negocio se reescriben a la vez.

Analizado hoy...