Artículos

Harness learning propone mejorar agentes de IA revisando su flujo de trabajo. Qué muestra el paper y qué probar antes de cambiar de modelo.

Por qué construimos un MCP para operadores y administradores de MaltaClean, y qué nos enseñaron los permisos, OAuth y las acciones con consecuencias reales.

Tras 703 turnos reales de WhatsApp, Jev respondió en 128 de 131 fallos del clasificador principal: nuevas señales en shadow, no un reemplazo probado.

Autopsia de una petición de producción de ~29 s: la IA, el PDF y ~20 descargas a R2 escondidas en un email — y el patrón que la dejó en <500 ms.

FatalError a los 30 s en producción: la SDK de IA esperaba 60, PHP mató el worker antes. La jerarquía de timeouts que todo backend necesita.

Una migración prometía simplificar el concierge de MaltaClean y abaratar cada clasificación. Ocho casos de prueba mostraron por qué el ahorro no bastaba.

Una auditoría de MaltaClean mostró por qué una clasificación correcta no basta: la excepción sólo resuelve algo si llega a una persona a tiempo.

Una solicitud de limpieza recibió un «no hay vacantes». En MaltaClean aprendí por qué los agentes de IA interpretan, pero el código autoriza las acciones.

Probé Jev, el primer modelo System One de TypeSafe: no genera texto, devuelve decisiones tipadas. 292 casos, auditoría ciega y 94.2% de precisión clasificando el WhatsApp de una empresa de limpieza real.