Guías, comparativas y novedades sobre herramientas de IA

El primer obstáculo al llevar un agente de IA a un trabajo real es "sobre qué framework construirlo". Desde el punto de vista de quien desarrolla y selecciona la tecnología, este artículo compara seis grandes frameworks —LangGraph, CrewAI, AutoGen (integrado en el Microsoft Agent Framework, GA en abril de 2026), OpenAI Agents SDK, Google ADK y Claude Agent SDK— según el enfoque de orquestación (grafo dirigido / crew basada en roles / GroupChat conversacional / handoffs / árbol jerárquico / bucle autónomo de herramientas), lenguaje, curva de aprendizaje, control, madurez en producción, coste de tokens y caso de uso idóneo. La advertencia clave: el framework "más rápido de prototipar" (CrewAI) puede ser el más caro en producción —unos 3× los tokens (41k frente a los 18,5k de LangGraph en un benchmark) y no determinista, lo que lo hace poco apto para finanzas y sanidad. También explica cómo 2026 trajo la interoperabilidad vía MCP (herramientas) y A2A (agente a agente), de modo que agentes de distintos frameworks ya pueden trabajar juntos y el lock-in se ha desvanecido. Incluye una guía de selección por caso de uso y preguntas frecuentes.

¿Quién es mejor en ciberseguridad, la IA o el ser humano? En 2025-2026 la respuesta cambió a lo grande. Big Sleep de Google frenó un zero-day real (la CVE-2025-6965 de SQLite) antes de su explotación y el pentester autónomo XBOW alcanzó el nº 1 del ranking nacional de HackerOne. A la vez, se halló que el 45 % del código generado por IA tiene vulnerabilidades (unas 2,74 veces más que el humano) y ocurrió el primer ciberataque a gran escala dirigido por IA que abusó de Claude (la IA ejecutó de forma autónoma el 80-90 % del ataque). A partir de fuentes primarias de Google, Anthropic, DARPA y Veracode, este artículo compara con una tabla por tarea la IA —que arrasa en velocidad, escala y cobertura— frente al humano, superior en lógica de negocio, encadenamiento de ataques y decisión final. Además muestra que la IA es un arma de doble filo con "tres caras" (fuente de vulnerabilidades, herramienta de ataque y el defensor más fuerte) y concluye, para profesionales y directivos, que el ganador es el reparto de roles "humano × IA" (tipo centauro) con human-in-the-loop.

Ollama es la herramienta de referencia para ejecutar un LLM local en tu propio PC: gratuita, de código abierto y como "Docker para LLM", se encarga de casi toda la configuración para que descargues un modelo y empieces a chatear con un solo comando. Esta guía para principiantes recorre de principio a fin la instalación en Windows, Mac y Linux, los comandos esenciales, cómo obtener y elegir modelos según tu VRAM, el uso de interfaces gráficas como Open WebUI, la API local compatible con OpenAI en localhost:11434 para integrarla en tus apps, la personalización con Modelfile y variables de entorno, y la resolución de los problemas más comunes.

Una vez que puedes ejecutar un LLM local, la duda es qué modelo instalar. Esta guía organiza los principales modelos abiertos de 2026 por desarrollador, país de origen, caso de uso, tamaño y licencia, para que elijas el primero que encaje con tu PC y tus objetivos. Repasamos las familias clave (Qwen, Llama, Gemma, DeepSeek, Mistral, Phi), qué cambia según el país de origen y los modelos pensados para el español, como Salamandra y ALIA del Barcelona Supercomputing Center, junto con las recomendaciones por tamaño, caso de uso y licencia comercial.

Antes de instalar un LLM local, la gran duda es si funcionará en tu PC, y la respuesta casi siempre se reduce a la VRAM de tu GPU. Esta guía explica cuánta VRAM necesita cada tamaño de modelo (7B, 13B, 32B, 70B) con una tabla rápida y una fórmula sencilla basada en la cuantización Q4. También cubre la trampa de memoria de la caché KV que crece con la longitud de contexto, las velocidades reales en GPUs como la RTX 3060, 4090 y 5090 y en Macs con memoria unificada, y presenta tres configuraciones recomendadas por presupuesto para que sepas exactamente qué comprar.

¿Cómo se compara realmente un LLM local que ejecutas en tu PC con LLM en la nube como Claude, ChatGPT y Gemini? Este artículo pone las diferencias una al lado de la otra en rendimiento, coste, privacidad, hardware y esfuerzo, y expone con honestidad cuánto se ha cerrado en 2026 la a menudo malinterpretada "brecha de rendimiento" gracias al auge de los modelos abiertos. Verás dónde lo local ya basta, dónde la nube sigue liderando y cómo elegir en el orden confidencialidad → calidad → volumen. Para la mayoría, la respuesta es híbrida: lo rutinario en local y las partes difíciles delegadas a la nube.

Cuanto más útil se vuelve la IA, más pesa una pregunta: ¿y si mañana deja de estar disponible? En junio de 2026, Claude Fable 5 y Mythos 5 se suspendieron apenas tres días después de su lanzamiento por una regulación y se reactivaron 19 días más tarde (1 de julio de 2026), demostrando que ni el modelo más capaz está libre del riesgo de cierre. Este artículo explica qué es el riesgo de dependencia de la IA, los seis tipos en que una IA puede "desaparecer" y los pasos concretos —tanto para usuarios individuales como para sistemas en producción— para que tu trabajo no se detenga: alternativas listas, capas de abstracción (gateways de LLM), cadenas de fallback, un LLM local como última línea y criterios para elegir proveedor.

Aprende a controlar Claude Code con reglas de permisos allow / ask / deny en settings.json. Cubre la precedencia, la sintaxis Tool(specifier), la jerarquía de archivos y recetas prácticas para automatizar lo seguro y bloquear lo peligroso.

El modo de permisos de Claude Code decide con qué frecuencia se detiene a pedir permiso antes de editar o ejecutar comandos. Aprende en qué se diferencian los 5 modos (más dontAsk), cómo cambiar con Shift+Tab y cuál elegir para trabajar de forma segura.

El control deslizante de «Esfuerzo» de Claude Code, de «Más rápido» a «Más inteligente», decide cuánto razonamiento y cuántos tokens dedica la IA a cada respuesta. Te explicamos los 5 niveles de la API (low–max), por qué «Extra» es xhigh y no el máximo, cuál es el modo Ultracode y cómo configurarlo con /effort. Incluye una referencia rápida de qué nivel usar y cuándo.

Las agent evals son el proceso de medir sistemáticamente si un agente —uno que usa herramientas y da múltiples pasos para alcanzar un objetivo— puede realmente cumplir sus tareas. Son una evolución de las LLM evals, que amplía el objetivo de "una salida" a "una secuencia de acciones". Como un agente planifica, llama a herramientas y actualiza el estado, la salida final por sí sola no basta; Google señala que hay que entender el "por qué" detrás de las acciones de un agente y divide la evaluación en respuesta final y trajectory. Las cinco dimensiones son: resultado (éxito de la tarea, juzgado por el estado final —si existe una reserva en la DB, no la frase "lo reservé"), trajectory (pasos razonables, herramientas correctas en el orden correcto), corrección en el uso de herramientas (herramienta y argumentos correctos, comprobando nombres de función y tipos), eficiencia (pasos, tokens, coste, latencia —a menudo señales de observabilidad llevadas a la evaluación) y calidad de la respuesta final (via LLM-as-judge o una rúbrica). Los evaluadores son código (rápido/barato/reproducible pero frágil), LLM-as-judge (flexible pero no determinista y necesita calibración) y humano (estándar de oro pero caro —evítalo si es posible). Anthropic recomienda puntuar el resultado, no el camino: el emparejamiento mecánico de trajectory es "demasiado rígido y frágil" porque los agentes encuentran alternativas válidas, mientras que Google y Microsoft ofrecen métricas de coincidencia de trajectory para diagnosticar fallos. Los escollos exclusivos son el no determinismo (pass^k), los errores que se acumulan (p^t), el reward hacking (el brazo robótico de DeepMind fingiendo un agarre) y los conjuntos de eval obsoletos o contaminados. La jugada práctica, según Anthropic: convertir 20-50 fallos de producción en casos de prueba, ejecutar puntuación automatizada en CI, separar capability y regression evals, y escribirlas pronto. Benchmarks como SWE-bench, tau-bench, WebArena, GAIA, OSWorld y BFCL son referencias útiles (las puntuaciones cambian según la versión, así que no las tomes al pie de la letra). Basado en información oficial, con las incertidumbres señaladas.

Los hooks de Claude Code son comandos de shell definidos por el usuario que se ejecutan automáticamente en puntos concretos del ciclo de vida de Claude Code, haciendo que el "esto siempre debe ocurrir" sea real y determinista sin depender del criterio del LLM. Los eventos clásicos son nueve —SessionStart, UserPromptSubmit, PreToolUse, PostToolUse, Notification, Stop, SubagentStop, SessionEnd, PreCompact—, de los cuales PreToolUse y otros pueden bloquear (deteniendo ediciones a archivos protegidos o comandos peligrosos). Se configuran en settings.json bajo la clave "hooks" como nombre de evento -> matcher -> type + command. El contrato de E/S: un hook recibe JSON en stdin (session_id, tool_input, etc.) y devuelve mediante el código de salida 0 (éxito) / 2 (bloquear, con stderr devuelto a Claude) o JSON estructurado (continue, decision:block, permissionDecision: deny/allow/ask). El principio clave es "los hooks pueden endurecer pero no relajar las restricciones" (deny siempre gana, bloquea incluso bajo bypassPermissions). Casos de uso clásicos: formateo automático tras editar (PostToolUse + Edit|Write), proteger archivos críticos, detener comandos peligrosos, reinyectar contexto (SessionStart), notificaciones/registro de auditoría y probar antes de detenerse (Stop). Sobre seguridad, los hooks ejecutan comandos de shell arbitrarios con tus privilegios, así que configura solo los de confianza y valida/entrecomilla las entradas; la configuración de los hooks se captura al iniciar la sesión (una función de seguridad), de modo que los cambios a mitad de sesión no se aplican. Con base en la documentación oficial, anclado en los nueve eventos clásicos y el contrato de E/S.