Hace unos días leía un ensayo fascinante de David Bessis que me hizo reflexionar profundamente sobre algo que todos damos por hecho: la inteligencia. Bessis, matemático y autor de Mathematica: A Secret World of Intuition and Curiosity, plantea una tesis que desafía muchas de nuestras creencias más arraigadas sobre el origen de las diferencias cognitivas entre las personas.

Lo más interesante de su planteamiento no es tanto la conclusión -a la que llegaré- sino el camino que traza para llegar allí, un camino que mezcla matemáticas, neurociencia y una buena dosis de experiencia personal.

Hace pocos días descubrí Agent Lightning, un proyecto de Microsoft que creo que marca un antes y un después en cómo pensamos la orquestación de agentes de IA. No es solo otra librería más; es un intento serio de estandarizar cómo construimos sistemas multiagente.

¿Qué es Agent Lightning?

Agent Lightning es un framework de Microsoft para orquestar agentes de IA. Permite composición, integración y despliegue de sistemas multiagente de forma modular y escalable. La premisa es simple pero poderosa: los agentes deben ser componentes que se pueden combinar, conectar y reutilizar.

Hace unos días vi un video que me ha dado mucho que pensar. Jeffrey Way, el fundador de Laracasts y una de las personas más influyentes en la comunidad Laravel/PHP, compartió una reflexión brutalmente honesta sobre cómo la inteligencia artificial está transformando su negocio y su profesión.

El video empieza con una frase que te deja helado: “I’m Done”. No es un adiós a la programación, sino una aceptación de la realidad que viene.

Hace pocos días descubrí Tangible Media Collection, un sitio web que me ha resonado profundamente. Es una colección de unos 1700 objetos relacionados con el almacenamiento de información: desde discos de vinilo y cintas magnéticas hasta tarjetas perforadas y discos ópticos. Pero no es solo una colección de objetos tecnológicos; es un testimonio de curiosidad humana.

La colección que nació de una cinta perdida

La historia de cómo empezó esta colección es fascinante. En 2001, John Wallace (el coleccionista) encontró en un cajón una cinta de computadora de finales de los 80. Sabía qué contenía: un archivo de imágenes generadas por computadora de su época de estudiante, el producto de noches y fines de semana en el laboratorio de computación. Pero la unidad de cinta que podía leerla ya no existía.

Vercel ha anunciado la disponibilidad general de Vercel Sandbox, una capa de ejecución diseñada específicamente para agentes de IA. Pero más allá del hype de los agentes, hay una pregunta interesante: ¿puede servirnos para ejecutar código de forma segura en diferentes lenguajes como PHP, Node o Go?

¿Qué es Vercel Sandbox?

Vercel Sandbox proporciona microVMs Linux bajo demanda. Cada sandbox está aislado, con su propio sistema de archivos, red y espacio de procesos. Obtienes acceso sudo, gestores de paquetes y la capacidad de ejecutar los mismos comandos que ejecutarías en una máquina Linux.

Si estás usando herramientas como Claude Code, GitHub Copilot Workspace o similares, habrás notado que hay una jerga técnica que va más allá de simplemente “chatear con la IA”. Hablo de términos como rules, commands, skills, MCP y hooks.

Estos conceptos son la arquitectura que hace que los agentes de IA sean realmente útiles para desarrollo de software. No son solo palabras bonitas de marketing — cada uno cumple una función específica en cómo el agente trabaja.

Vamos a desglosarlos uno por uno de forma clara.

Últimamente estoy trabajando bastante con DuckDB, y una de las cosas que más me interesan es entender cómo optimizar el rendimiento según el formato de archivo que estemos usando.

No es lo mismo trabajar con Parquet, con CSV comprimido, o con CSV descomprimido. Y las diferencias de rendimiento pueden ser dramáticas.

Vamos a revisar las optimizaciones clave que hay que tener en cuenta cuando trabajamos con diferentes formatos de archivo en DuckDB.

Últimamente veo cada vez más modelos de IA que se autodenominan “open source”. Llama, Mistral, Falcon… todos dicen ser “abiertos”. Pero, ¿realmente lo son? ¿Hasta qué punto son abiertos de verdad?

Hace poco descubrí el European Open Source AI Index (OSAI), una iniciativa europea que está haciendo un trabajo excelente evaluando de forma sistemática qué tan abiertos son realmente los modelos de IA generativa.

Confieso que llevo siguiendo NativePHP for Mobile desde que se anunció. La idea de poder hacer aplicaciones móviles nativas con Laravel y solo PHP me parecía —y me parece— una cosa muy buena.

Pero había un problema: el precio. Cuando solo quería probarlo, experimentar, jugar un rato… el coste de la licencia me echaba para atrás. No podía justificar el gasto solo para “curiosear”.

Pues bien, acaban de anunciar que NativePHP for Mobile v3 es completamente gratuito. Open Source, licencia MIT, gratis para siempre.

Hace poco, Addy Osmani publicó un artículo que me dio mucho en qué pensar: “Self-Improving Coding Agents”. La idea es simple pero potente: agentes que no solo ejecutan tareas, sino que mejoran su propio rendimiento con el tiempo.

Esto no es ciencia ficción. Es algo que está pasando ya, ahora mismo, en 2026. Y tiene implicaciones profundas para el futuro del desarrollo de software y, por extensión, para todas las profesiones.

Últimamente vengo siguiendo una discusión que me tiene bastante preocupado: hasta qué punto estamos delegando nuestro pensamiento a la IA. No es una pregunta abstracta o filosófica, es algo muy real que estoy viendo día a día en nuestra profesión y en la sociedad en general.

Hace poco leí un artículo de Erik Johannes Husom titulado “Outsourcing thinking” que, entre otras cosas, discute el concepto de “lump of cognition fallacy” (la falacia de la suma de cognición). La idea es que, igual que hay una falacia económica que dice que hay una cantidad fija de trabajo que hacer, algunos creen que hay una cantidad fija de pensamiento que hacer, y que si las máquinas piensan por nosotros, simplemente pensaremos sobre otras cosas.

Hace unos días leí una noticia que me dejó pensando rato largo. No es que sea la primera vez que oigo de IA en el espacio, pero sí es la primera vez que leo sobre Claude planeando rutas en Marte. Y lo mejor: funcionó.

La NASA ha estado usando Anthropic’s Claude para planear las rutas del rover Perseverance en Marte. Sí, has leído bien: un modelo de lenguaje generando rutas de navegación para un rover que está a 225 millones de kilómetros de distancia.