https://uniquelab.ai/podcast Estás en una reunión y de golpe alguien tira "context window", "RAG", "MCP", "multi-agent". Hacés que sí con la cabeza, pero perdiste el hilo hace tres oraciones. Y no preguntás — porque no querés que se note. Ese es el problema: cuando te callás, no participás; cuando no participás, la decisión se toma sin vos. Este podcast existe para que eso no pase. Diez audios de siete minutos, para escuchar en el auto, en la caminata, o en el subte. Cada uno desarma un concepto clave de la arquitectura de agentes AI: qué es realmente un modelo de lenguaje, qué separa a un agente de un modelo, cómo funciona el contexto, tool use, RAG, embeddings, memoria, MCP, multi-agent, guardrails y evals. No es un curso para programar. Es alfabetización conceptual. Cuando termines la serie no vas a saber construir un agente — pero vas a poder participar en la conversación sobre uno, hacer las preguntas correctas, y separar al que sabe del que vende humo. Serie 1: Arquitectura de agentes AI (10 episodios × ~7 min). Una contribución de Unique Lab. es-AR © 2026 Unique Lab Unique Lab false serial Unique Lab marcossponton@gmail.com Fri, 18 Sep 2026 09:00:00 -0300 Fri, 18 Sep 2026 09:00:00 -0300 uniquelab-mesa-tecnica-s01e01 Fri, 18 Sep 2026 09:00:00 -0300 1 1 full 7:54 false Casi todos tenemos la imagen mental equivocada de qué es un modelo de lenguaje. Y esa imagen decide cómo hablás con él, qué le pedís, y qué esperás. Acá la desarmamos y ponemos una mejor en su lugar: el cocinero con treinta años de oficio al que le quemaron el recetario. <p>Casi todos tenemos la imagen mental equivocada de qué es un modelo de lenguaje. Y esa imagen decide cómo hablás con él, qué le pedís, y qué esperás. Acá la desarmamos y ponemos una mejor en su lugar: el cocinero con treinta años de oficio al que le quemaron el recetario.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué el modelo NO es una biblioteca con la internet guardada</li> <li>Por qué alucina — y por qué está en el diseño, no es un bug</li> <li>Por qué el prompt es todo, no un formulario opcional</li> <li>Por qué la misma pregunta puede dar respuestas distintas</li> </ul> <p><strong>Vocabulario:</strong> modelo · pesos / parámetros · entrenamiento · inferencia · alucinación</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> De modelo a agente.</p> uniquelab-mesa-tecnica-s01e02 Fri, 18 Sep 2026 09:01:00 -0300 2 1 full 7:28 false La diferencia más importante de toda la serie. Cuando alguien te propone "meterle AI a un proceso", casi seguro te está proponiendo un agente — no un modelo suelto. Si no tenés clara la diferencia, la conversación va para cualquier lado. <p>La diferencia más importante de toda la serie. Cuando alguien te propone "meterle AI a un proceso", casi seguro te está proponiendo un agente — no un modelo suelto. Si no tenés clara la diferencia, la conversación va para cualquier lado.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué un agente NO es "un modelo más inteligente"</li> <li>El loop pensar → actuar → observar → pensar, y por qué es el corazón del asunto</li> <li>Por qué "en dos semanas lo tenemos" casi siempre está mal estimado</li> <li>Dónde vive el riesgo real de un agente (spoiler: en el paso "observar")</li> </ul> <p><strong>Vocabulario:</strong> agente · agentic loop · herramientas · acción · observación</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> La pizarra del modelo (context window).</p> uniquelab-mesa-tecnica-s01e03 Fri, 18 Sep 2026 09:02:00 -0300 3 1 full 6:53 false Por qué el modelo "se olvida" en conversaciones largas, por qué el prompt es tan crítico, y por qué los costos de un chatbot serio escalan como escalan. Todo se explica con una sola imagen: la pizarra que se borra cada turno. <p>Por qué el modelo "se olvida" en conversaciones largas, por qué el prompt es tan crítico, y por qué los costos de un chatbot serio escalan como escalan. Todo se explica con una sola imagen: la pizarra que se borra cada turno.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Qué es el context window y por qué es finito</li> <li>Por qué una conversación larga con Claude es exponencialmente más cara que muchas cortas</li> <li>Por qué el "el modelo se olvidó de lo que le dije" no es un bug — es diseño</li> <li>Cómo los sistemas serios resumen o descartan pizarra vieja</li> </ul> <p><strong>Vocabulario:</strong> context window · token · prompt · contexto · truncar</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Cómo un agente actúa en el mundo real (tool use).</p> uniquelab-mesa-tecnica-s01e04 Fri, 18 Sep 2026 09:03:00 -0300 4 1 full 7:16 false Un modelo solo predice palabras. No manda mails, no consulta bases, no cobra facturas. Entonces cómo hace un agente para actuar en el mundo real. La respuesta está en un patrón que se llama tool use — y el capataz de obra es la mejor analogía para entenderlo. <p>Un modelo solo predice palabras. No manda mails, no consulta bases, no cobra facturas. Entonces cómo hace un agente para actuar en el mundo real. La respuesta está en un patrón que se llama tool use — y el capataz de obra es la mejor analogía para entenderlo.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>El patrón por el cual un generador de texto termina ejecutando acciones concretas</li> <li>Por qué "qué herramientas tiene el agente" te dice más que "qué modelo usa"</li> <li>Cómo separar herramientas de lectura (bajo riesgo) de herramientas que actúan (alto riesgo)</li> <li>Qué es function calling y por qué es sinónimo de tool use</li> </ul> <p><strong>Vocabulario:</strong> tool / herramienta · tool use · function calling · tool call · guardrail</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Buscar antes de responder (RAG).</p> uniquelab-mesa-tecnica-s01e05 Fri, 18 Sep 2026 09:04:00 -0300 5 1 full 6:33 false RAG es probablemente el patrón que más se usa hoy en aplicaciones AI de negocio. Un chatbot que responde con la info de tu producto — RAG. Un asistente que analiza contratos — RAG. Un buscador interno inteligente — RAG. Entender qué es te da la llave del 60% de las aplicaciones A <p>RAG es probablemente el patrón que más se usa hoy en aplicaciones AI de negocio. Un chatbot que responde con la info de tu producto — RAG. Un asistente que analiza contratos — RAG. Un buscador interno inteligente — RAG. Entender qué es te da la llave del 60% de las aplicaciones AI empresariales que se están construyendo hoy.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué el modelo no puede saber de tu empresa sin ayuda externa</li> <li>El médico que pide estudios antes de diagnosticar: la analogía madre</li> <li>Por qué la calidad de un RAG depende MÁS de la búsqueda que del modelo</li> <li>Cuándo RAG sirve — y cuándo NO sirve (spoiler: cálculos numéricos duros)</li> </ul> <p><strong>Vocabulario:</strong> RAG · retrieval · knowledge cutoff · grounded · knowledge base</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Búsqueda por significado (embeddings).</p> uniquelab-mesa-tecnica-s01e06 Fri, 18 Sep 2026 09:05:00 -0300 6 1 full 7:00 false Prometí que la búsqueda vectorial se entendía con la analogía correcta. Acá va. Cómo pasás de "buscar palabras exactas" a "buscar por significado", cómo el sistema termina encontrando un documento que dice "ticket" cuando vos preguntaste "pasaje". Sin fórmulas. <p>Prometí que la búsqueda vectorial se entendía con la analogía correcta. Acá va. Cómo pasás de "buscar palabras exactas" a "buscar por significado", cómo el sistema termina encontrando un documento que dice "ticket" cuando vos preguntaste "pasaje". Sin fórmulas.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué buscar por palabras exactas falla en la mayoría de los casos reales</li> <li>Cómo un texto se convierte en coordenadas en un mapa multidimensional</li> <li>La pregunta que casi nadie hace pero importa: "qué modelo de embeddings usan"</li> <li>Para qué sirven los embeddings más allá de RAG (clasificación, deduplicación, recomendaciones)</li> </ul> <p><strong>Vocabulario:</strong> embedding · modelo de embeddings · vector database · semantic search · similarity</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Memoria corta y memoria larga.</p> uniquelab-mesa-tecnica-s01e07 Fri, 18 Sep 2026 09:06:00 -0300 7 1 full 7:18 false "El agente tiene memoria" — ok, pero ¿corta o larga? Son cosas distintas. Un agente amnésico entre sesiones puede vender bien, pero el que crece contigo con el tiempo es otro producto. Acá desarmamos los dos sistemas. <p>"El agente tiene memoria" — ok, pero ¿corta o larga? Son cosas distintas. Un agente amnésico entre sesiones puede vender bien, pero el que crece contigo con el tiempo es otro producto. Acá desarmamos los dos sistemas.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>La diferencia entre el context window (efímero) y la memoria persistente entre sesiones</li> <li>Por qué "resolvimos memoria de largo plazo" es una frase para desconfiar</li> <li>Dónde vive el riesgo de privacidad más grande de un producto AI</li> <li>Por qué la memoria larga bien hecha es cara y por qué la que "recuerda todo" produce peor</li> </ul> <p><strong>Vocabulario:</strong> short-term memory · long-term memory · memory recall · memory write · personalización</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> El estándar que conecta agentes con herramientas (MCP).</p> uniquelab-mesa-tecnica-s01e08 Fri, 18 Sep 2026 09:07:00 -0300 8 1 full 6:25 false MCP: Model Context Protocol. Suena aburrido pero es una pieza que cambia velocidades. La historia del USB — cuando cada cable era distinto y de golpe hubo uno solo — es literal la analogía correcta. <p>MCP: Model Context Protocol. Suena aburrido pero es una pieza que cambia velocidades. La historia del USB — cuando cada cable era distinto y de golpe hubo uno solo — es literal la analogía correcta.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué antes de MCP cada integración era un proyecto custom</li> <li>La pregunta que separa el roadmap de semanas del roadmap de trimestres: "¿hablás MCP?"</li> <li>Qué es un servidor MCP y por qué el ecosistema explotó en el último año</li> <li>Qué MCP NO resuelve (spoiler: la calidad de las herramientas)</li> </ul> <p><strong>Vocabulario:</strong> MCP · servidor MCP · cliente MCP · herramienta expuesta · integración custom</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Cuando un solo agente no alcanza (multi-agent).</p> uniquelab-mesa-tecnica-s01e09 Fri, 18 Sep 2026 09:08:00 -0300 9 1 full 6:47 false "Multi-agent" es probablemente la palabra más sobrevendida del momento en AI. La mitad de las veces es marketing sobre un pipeline lineal. La otra mitad es un sistema real, complejo, difícil de debuggear y no siempre mejor. Cómo separar los dos, y cuándo tiene sentido escalar. <p>"Multi-agent" es probablemente la palabra más sobrevendida del momento en AI. La mitad de las veces es marketing sobre un pipeline lineal. La otra mitad es un sistema real, complejo, difícil de debuggear y no siempre mejor. Cómo separar los dos, y cuándo tiene sentido escalar.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>La analogía del consultor senior vs. la firma con equipo — cuándo cada una gana</li> <li>La pregunta que separa multi-agent de verdad del multi-agent de venta</li> <li>Por qué el 80% de la calidad de un sistema multi-agent vive en el orquestador</li> <li>Por qué "empezar con un solo agente" es casi siempre el default correcto</li> </ul> <p><strong>Vocabulario:</strong> multi-agent · orquestador / orchestrator · especialista · agent orchestration · handoff</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Cómo se sabe que un agente funciona bien (guardrails y evals).</p> uniquelab-mesa-tecnica-s01e10 Fri, 18 Sep 2026 09:09:00 -0300 10 1 full 8:14 false Última del piloto. Guardrails: los límites para que el agente no haga daño. Evals: cómo medir si el sistema está funcionando. Es donde hoy vive el problema no-resuelto más grande de la industria — todas las empresas grandes con AI en producción invierten pesado acá, y aun así hay <p>Última del piloto. Guardrails: los límites para que el agente no haga daño. Evals: cómo medir si el sistema está funcionando. Es donde hoy vive el problema no-resuelto más grande de la industria — todas las empresas grandes con AI en producción invierten pesado acá, y aun así hay incidentes.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué la conversación sobre evals separa al que sabe del que no</li> <li>Por qué "confiamos en el modelo" es señal de un producto que va a sorprender mal</li> <li>LLM-as-a-judge, prompt injection, monitoreo en producción — qué es cada cosa</li> <li>Dónde vive la próxima ola de inversión en herramientas AI</li> </ul> <p><strong>Vocabulario:</strong> guardrail · eval · LLM-as-a-judge · prompt injection · monitoreo en producción</p> <p><strong>Duración:</strong> ~8 min · <strong>Cierre de la serie.</strong></p> uniquelab-mesa-tecnica-s01e11 Fri, 18 Sep 2026 09:10:00 -0300 11 1 full 7:40 false Un marco que ordena todo lo que se aprendió en la Serie 1. Daniel Kahneman propuso que la mente humana tiene dos sistemas para procesar información. La misma distinción, aplicada a IA, separa a los LLMs actuales (System 2) de una categoría de modelos que empezó a aparecer para de <p>Un marco que ordena todo lo que se aprendió en la Serie 1. Daniel Kahneman propuso que la mente humana tiene dos sistemas para procesar información. La misma distinción, aplicada a IA, separa a los LLMs actuales (System 2) de una categoría de modelos que empezó a aparecer para decisiones rápidas (System 1).</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>El marco Kahneman aplicado a IA: rápido/intuitivo vs. lento/deliberativo</li> <li>Por qué los LLMs son System 2 y qué cuesta esa forma de trabajar</li> <li>Por qué en un buen sistema de IA los dos conviven</li> <li>Cómo usar este marco de filtro cuando alguien te vende una arquitectura</li> </ul> <p><strong>Vocabulario:</strong> System 1 · System 2 · autoregresivo · decisión estructurada · confianza calibrada · latencia</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Jev, el modelo que no habla, decide.</p> uniquelab-mesa-tecnica-s01e12 Fri, 18 Sep 2026 09:11:00 -0300 12 1 full 9:28 false El primer modelo System One público. Lo lanzó TypeSafe AI en setiembre de 2026. En vez de generar texto token por token, devuelve una decisión estructurada, con porcentaje de confianza, en un décimo de segundo. No reemplaza al LLM: se combina con él en un patrón de arquitectura n <p>El primer modelo System One público. Lo lanzó TypeSafe AI en setiembre de 2026. En vez de generar texto token por token, devuelve una decisión estructurada, con porcentaje de confianza, en un décimo de segundo. No reemplaza al LLM: se combina con él en un patrón de arquitectura nuevo.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Cómo funciona un modelo que no genera texto sino decisiones</li> <li>Los tres tipos de pregunta que Jev soporta: Choice, Score, Noul</li> <li>Por qué "no puede alucinar" desde el diseño</li> <li>Probabilidades calibradas y por qué es honestidad epistémica</li> <li>El patrón LLM + Jev en agentes</li> </ul> <p><strong>Vocabulario:</strong> System One Model · non-autoregressive · Choice/Score/Noul · probabilidad calibrada · type safety</p> <p><strong>Duración:</strong> ~9 min · <strong>Próximo:</strong> Workflow o agente.</p> uniquelab-mesa-tecnica-s01e13 Fri, 18 Sep 2026 09:12:00 -0300 1 2 full 7:25 false La distinción foundational que Anthropic fijó en "Building Effective Agents": workflow es código que orquesta modelos y tools; agente es un modelo que dirige su propio proceso. Y los cinco patrones que aparecen en producción una y otra vez. <p>La distinción foundational que Anthropic fijó en "Building Effective Agents": workflow es código que orquesta modelos y tools; agente es un modelo que dirige su propio proceso. Y los cinco patrones que aparecen en producción una y otra vez.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Qué es workflow y qué es agente, con la línea clara entre los dos</li> <li>Los cinco patrones canónicos: prompt chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer</li> <li>Cuándo cada uno aplica y qué trade-off trae</li> <li>Por qué el default sano es workflow, no agente</li> </ul> <p><strong>Vocabulario:</strong> workflow · agent · augmented LLM · orchestrator-workers · evaluator-optimizer</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Reasoning models.</p> uniquelab-mesa-tecnica-s01e14 Fri, 18 Sep 2026 09:13:00 -0300 2 2 full 7:07 false Una categoría de modelo que apareció recientemente: modelos que piensan internamente antes de responder. Cambia latencia, cambia costo, cambia UX. Y no siempre conviene usarlos. <p>Una categoría de modelo que apareció recientemente: modelos que piensan internamente antes de responder. Cambia latencia, cambia costo, cambia UX. Y no siempre conviene usarlos.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Qué diferencia a un reasoning model de uno tradicional</li> <li>Por qué son más lentos y más caros</li> <li>En qué tareas justifican el costo y en cuáles no</li> <li>Ejemplos: familia o de OpenAI, extended thinking de Claude, Gemini Thinking</li> <li>Un boundary: reasoning no es lo mismo que agente</li> </ul> <p><strong>Vocabulario:</strong> reasoning model · chain of thought · extended thinking · time to first token</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Context engineering.</p> uniquelab-mesa-tecnica-s01e15 Fri, 18 Sep 2026 09:14:00 -0300 3 2 full 8:01 false La disciplina que reemplazó al prompt engineering en la conversación pública. No es cómo escribís el pedido; es cómo diseñás todo lo que el modelo tiene a la vista cuando responde. Incluye un fenómeno técnico contraintuitivo llamado context rot: más contexto no siempre mejora la <p>La disciplina que reemplazó al prompt engineering en la conversación pública. No es cómo escribís el pedido; es cómo diseñás todo lo que el modelo tiene a la vista cuando responde. Incluye un fenómeno técnico contraintuitivo llamado context rot: más contexto no siempre mejora la respuesta.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué la disciplina se movió de prompt a context</li> <li>Qué es context rot y por qué todos los modelos frontier lo sufren</li> <li>Cuatro técnicas: compaction, structured note-taking, sub-agents, just-in-time retrieval</li> <li>Cómo el prompt caching cambió la economía</li> </ul> <p><strong>Vocabulario:</strong> context engineering · context rot · compaction · prompt caching · just-in-time retrieval</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Harness engineering.</p> uniquelab-mesa-tecnica-s01e16 Fri, 18 Sep 2026 09:15:00 -0300 4 2 full 7:53 false El sistema alrededor del modelo como disciplina propia. Andrej Karpathy popularizó la palabra "harness". Anthropic acuñó "ACI" (Agent-Computer Interface) para el diseño de tools pensado para el agente como usuario. Skills se estabilizó como formato de conocimiento procedimental. <p>El sistema alrededor del modelo como disciplina propia. Andrej Karpathy popularizó la palabra "harness". Anthropic acuñó "ACI" (Agent-Computer Interface) para el diseño de tools pensado para el agente como usuario. Skills se estabilizó como formato de conocimiento procedimental. Y NVIDIA anunció esta semana una capa nueva en hardware.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Qué es un harness y por qué es la nueva disciplina central</li> <li>ACI: aplicar disciplina de UX a las tools que el agente usa</li> <li>Skills como capa intermedia entre prompt y fine-tuning</li> <li>La regla de Karpathy: qué harness sobrevive el próximo modelo y qué no</li> </ul> <p><strong>Vocabulario:</strong> harness · ACI · Skills · traje de Iron Man · infrastructure layer</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> A2A.</p> uniquelab-mesa-tecnica-s01e17 Fri, 18 Sep 2026 09:16:00 -0300 5 2 full 8:01 false El protocolo estándar para agentes que cruzan la frontera de una organización. Lo lanzó Google en abril de 2025, lo donó a la Linux Foundation, y en febrero de 2026 llegó a v1.0. Cómo funciona técnicamente, y qué esperar y qué no del hype de "150 organizaciones lo soportan". <p>El protocolo estándar para agentes que cruzan la frontera de una organización. Lo lanzó Google en abril de 2025, lo donó a la Linux Foundation, y en febrero de 2026 llegó a v1.0. Cómo funciona técnicamente, y qué esperar y qué no del hype de "150 organizaciones lo soportan".</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Los tres pasos que A2A resuelve: descubrimiento, negociación, ejecución</li> <li>Agent Cards, JSON-RPC 2.0, task lifecycle</li> <li>La consigna "MCP vertical, A2A horizontal"</li> <li>El estado real de adopción cross-org: mucho anuncio, pocos casos genuinos</li> </ul> <p><strong>Vocabulario:</strong> A2A · Agent Card · JSON-RPC · task lifecycle · vertical/horizontal</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Identidad y trust cross org.</p> uniquelab-mesa-tecnica-s01e18 Fri, 18 Sep 2026 09:17:00 -0300 6 2 full 8:09 false Cuando un agente se presenta ante otro diciendo "yo soy el agente de tal empresa", ¿cómo verificás que efectivamente lo es? Cuatro modelos compiten: Signed Agent Cards (A2A), Verifiable Credentials (Google AP2), tokens tipo tarjeta (Mastercard), atestación por headers (Visa). Y K <p>Cuando un agente se presenta ante otro diciendo "yo soy el agente de tal empresa", ¿cómo verificás que efectivamente lo es? Cuatro modelos compiten: Signed Agent Cards (A2A), Verifiable Credentials (Google AP2), tokens tipo tarjeta (Mastercard), atestación por headers (Visa). Y KYA, el framework de interoperabilidad anunciado en septiembre.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué identidad de agente es el problema del año</li> <li>Los cuatro modelos compitiendo y cómo se comparan</li> <li>KYA: Know Your Agent (Ant + Visa + Mastercard, sep 2026)</li> <li>Por qué la delegación en cadena todavía no está bien resuelta</li> <li>Un caso de ataque documentado: Agent Session Smuggling</li> </ul> <p><strong>Vocabulario:</strong> Signed Agent Card · Verifiable Credentials · KYA · delegación en cadena · Agent Session Smuggling</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Payments entre agentes.</p> uniquelab-mesa-tecnica-s01e19 Fri, 18 Sep 2026 09:18:00 -0300 7 2 full 8:26 false Cómo un agente le paga a otro agente. Tres propuestas: AP2 de Google (mandates + Verifiable Credentials), x402 de Coinbase (HTTP 402 revivido + stablecoins), y las redes tradicionales (Mastercard Agent Pay, Visa Trusted Agent). Y la pregunta del año: quién paga el chargeback cuan <p>Cómo un agente le paga a otro agente. Tres propuestas: AP2 de Google (mandates + Verifiable Credentials), x402 de Coinbase (HTTP 402 revivido + stablecoins), y las redes tradicionales (Mastercard Agent Pay, Visa Trusted Agent). Y la pregunta del año: quién paga el chargeback cuando el agente compra mal.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Los tres tipos de mandate en AP2: Intent, Cart, Payment</li> <li>Por qué los números de x402 son mucho menos de lo que parecen</li> <li>American Express: el primer network que cubre errores de agentes</li> <li>El caso ChatGPT Instant Checkout, retirado tras cinco meses</li> </ul> <p><strong>Vocabulario:</strong> AP2 · mandate · x402 · Agent Pay · KYA</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Cross org en producción.</p> uniquelab-mesa-tecnica-s01e20 Fri, 18 Sep 2026 09:19:00 -0300 8 2 full 8:31 false Cuánto de todo esto está pasando realmente. La respuesta corta: mucho menos de lo que sugieren los anuncios. Casos reales: PayPal con Google Cloud, Pactum en procurement. Casos anunciados sin producción cross-org genuina: casi todo lo demás. Y el fallo Moffatt vs. Air Canada que <p>Cuánto de todo esto está pasando realmente. La respuesta corta: mucho menos de lo que sugieren los anuncios. Casos reales: PayPal con Google Cloud, Pactum en procurement. Casos anunciados sin producción cross-org genuina: casi todo lo demás. Y el fallo Moffatt vs. Air Canada que fija la doctrina de responsabilidad.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Los pocos casos con producción cross-org real y verificable</li> <li>Por qué "150 organizaciones soportan" no significa "150 producciones"</li> <li>Los agentes de Air Canada, PocketOS y la lista de incidentes 2025-2026</li> <li>Moffatt vs. Air Canada: la doctrina de que la empresa que despliega es responsable</li> </ul> <p><strong>Vocabulario:</strong> production retention · piloto vs producción · human present/not present · Moffatt vs Air Canada</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Multi-agent, sí o no.</p> uniquelab-mesa-tecnica-s01e21 Fri, 18 Sep 2026 09:20:00 -0300 9 2 full 7:43 false El debate más ruidoso de 2025 se reconcilió en 2026. Cognition dijo "no armes multi-agentes". Anthropic dijo "sí, y ganamos 90%". Doce horas de diferencia. Un año después ambos coinciden: parallel readers, single writer. <p>El debate más ruidoso de 2025 se reconcilió en 2026. Cognition dijo "no armes multi-agentes". Anthropic dijo "sí, y ganamos 90%". Doce horas de diferencia. Un año después ambos coinciden: parallel readers, single writer.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Los dos posts que abrieron el debate en junio de 2025</li> <li>La reconciliación: escritor único, lectores en paralelo</li> <li>Los tres patrones que Cognition sí usa: Code-Review-Loop, Smart Friend, Map-Reduce-and-Manage</li> <li>Cómo la pregunta útil ya no es "multi-agent sí o no" sino "lectura o escritura"</li> </ul> <p><strong>Vocabulario:</strong> parallel readers/single writer · orchestrator-worker · context sharing · compounding error</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> MCP y A2A.</p> uniquelab-mesa-tecnica-s01e22 Fri, 18 Sep 2026 09:21:00 -0300 10 2 full 7:17 false ¿Compiten o se complementan? La consigna que ordena la discusión en 2026: MCP vertical, A2A horizontal. MCP entre un agente y sus tools; A2A entre agentes de organizaciones distintas. Y por qué el debate abierto ahora es dónde se difumina la frontera. <p>¿Compiten o se complementan? La consigna que ordena la discusión en 2026: MCP vertical, A2A horizontal. MCP entre un agente y sus tools; A2A entre agentes de organizaciones distintas. Y por qué el debate abierto ahora es dónde se difumina la frontera.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Los números: MCP con 78% de adopción en producción, A2A con 150+ orgs</li> <li>El caso PayPal + Google como ejemplo del stack apilado (A2A afuera, MCP adentro)</li> <li>Las tres tensiones abiertas donde el debate sigue vivo</li> <li>Por qué "cuál va a ganar" está mal formulado</li> </ul> <p><strong>Vocabulario:</strong> MCP vertical / A2A horizontal · hub and spoke · peer to peer · JSON-RPC 2.0</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Orquestador central o peer to peer.</p> uniquelab-mesa-tecnica-s01e23 Fri, 18 Sep 2026 09:22:00 -0300 11 2 full 7:00 false ¿Un jefe central que reparte trabajo, o agentes que se hablan de igual a igual? La topología cambia la auditoría, la responsabilidad y el control de costos. Y la evidencia empírica dice: hoy, casi nadie corre P2P puro en producción, aunque A2A empuje hacia ahí. <p>¿Un jefe central que reparte trabajo, o agentes que se hablan de igual a igual? La topología cambia la auditoría, la responsabilidad y el control de costos. Y la evidencia empírica dice: hoy, casi nadie corre P2P puro en producción, aunque A2A empuje hacia ahí.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Hub-and-spoke vs. peer-to-peer: qué gana cada uno</li> <li>Por qué Salesforce, SAP, ServiceNow retienen orquestador aunque expongan A2A</li> <li>Las tres razones por las que P2P puro no llega a producción</li> <li>La pregunta obligada: quién audita, quién es responsable, dónde está el freno global</li> </ul> <p><strong>Vocabulario:</strong> hub and spoke · peer to peer · orquestador · supervisor</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Estructurado o texto libre.</p> uniquelab-mesa-tecnica-s01e24 Fri, 18 Sep 2026 09:23:00 -0300 12 2 full 7:25 false ¿Cómo se hablan los agentes: mensajes estructurados con esquema, o texto libre en lenguaje natural? Un paper de 2026 lo formaliza como el "protocol trilemma": eficiente, portable, versátil. Podés tener dos, no tres. Y el patrón que ganó en la práctica es híbrido. <p>¿Cómo se hablan los agentes: mensajes estructurados con esquema, o texto libre en lenguaje natural? Un paper de 2026 lo formaliza como el "protocol trilemma": eficiente, portable, versátil. Podés tener dos, no tres. Y el patrón que ganó en la práctica es híbrido.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Los argumentos a favor de cada extremo</li> <li>El trilema: por qué ningún formato logra las tres propiedades</li> <li>El patrón "sobre estructurado, contenido libre" como default sano</li> <li>Cómo aparece en MCP, en A2A, y en el uso interno de Cognition</li> </ul> <p><strong>Vocabulario:</strong> protocol trilemma · deriva semántica · esquema · envelope vs payload</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Determinístico o adaptativo.</p> uniquelab-mesa-tecnica-s01e25 Fri, 18 Sep 2026 09:24:00 -0300 13 2 full 7:11 false ¿Manda el código o manda el modelo? Workflow determinístico vs. agente autónomo. Los dos extremos puros perdieron el debate en 2026. Todos los sistemas serios son híbridos. La pregunta viva es dónde se colocan las junturas. <p>¿Manda el código o manda el modelo? Workflow determinístico vs. agente autónomo. Los dos extremos puros perdieron el debate en 2026. Todos los sistemas serios son híbridos. La pregunta viva es dónde se colocan las junturas.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>La analogía cocinero-receta vs. cocinero-improvisa</li> <li>El principio de deepset: "el programa controla el flujo, el LLM razona cuando se llama"</li> <li>El default sano de Anthropic: preferí workflow sobre agente cuando podés</li> <li>Harness R1 y la línea de investigación de harnesses que se autoeditan</li> </ul> <p><strong>Vocabulario:</strong> workflow · agente autónomo · espectro no binario · harness · autonomy slider</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Modelo o harness.</p> uniquelab-mesa-tecnica-s01e26 Fri, 18 Sep 2026 09:25:00 -0300 14 2 full 7:35 false El debate más filosófico y el más práctico al mismo tiempo. ¿Dónde está la palanca: en esperar el próximo modelo, o en construir infraestructura alrededor del que ya tenés? Karpathy sostiene los dos lados al mismo tiempo. Y la respuesta pragmática distingue dos tipos de harness. <p>El debate más filosófico y el más práctico al mismo tiempo. ¿Dónde está la palanca: en esperar el próximo modelo, o en construir infraestructura alrededor del que ya tenés? Karpathy sostiene los dos lados al mismo tiempo. Y la respuesta pragmática distingue dos tipos de harness.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Bitter Lesson vs. marcha de los nueves</li> <li>La cita de Karpathy: "la década de los agentes, no el año"</li> <li>La distinción útil: qué harness sobrevive al próximo modelo y qué no</li> <li>El principio del traje de Iron Man en vez del robot Iron Man</li> </ul> <p><strong>Vocabulario:</strong> bitter lesson · marcha de los nueves · década de los agentes · traje de Iron Man · autonomy slider</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Prompt, context o fine tuning.</p> uniquelab-mesa-tecnica-s01e27 Fri, 18 Sep 2026 09:26:00 -0300 15 2 full 7:35 false Qué disciplina interna ganó la conversación en 2026. Prompt engineering se absorbió. Context engineering es el nombre nuevo. Fine tuning se retiró a nichos. Y prompt caching cambió la economía de todo el juego. <p>Qué disciplina interna ganó la conversación en 2026. Prompt engineering se absorbió. Context engineering es el nombre nuevo. Fine tuning se retiró a nichos. Y prompt caching cambió la economía de todo el juego.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>La secuencia Lütke → Karpathy → Willison que consolidó el nuevo nombre</li> <li>Por qué prompt engineer como rol se está achicando</li> <li>El orden sano: prompt, context, RAG, skills, y fine tuning solo si sigue faltando</li> <li>Cuándo LoRA/QLoRA sí justifica</li> </ul> <p><strong>Vocabulario:</strong> context engineering · prompt caching · LoRA/QLoRA · skills · RAG</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Humano en el loop.</p> uniquelab-mesa-tecnica-s01e28 Fri, 18 Sep 2026 09:27:00 -0300 16 2 full 8:29 false Un dato empírico de Anthropic sacudió el debate. Cuando le preguntás al humano por cada acción, aprueba el 97% y detecta solo el 13.6% de acciones peligrosas. Auto Mode con clasificador atrapa el 89%. Y en agosto de 2026, Auto Mode pasó a ser el default en Claude Code. La discusi <p>Un dato empírico de Anthropic sacudió el debate. Cuando le preguntás al humano por cada acción, aprueba el 97% y detecta solo el 13.6% de acciones peligrosas. Auto Mode con clasificador atrapa el 89%. Y en agosto de 2026, Auto Mode pasó a ser el default en Claude Code. La discusión abierta ahora es dónde el clasificador nunca alcanza.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>El estudio n=1053 de Anthropic con los números de approval fatigue</li> <li>Auto Mode de Anthropic y Auto-review de Cursor: la misma arquitectura por caminos distintos</li> <li>The lethal trifecta de Willison: cuándo el humano es no negociable</li> <li>La postura de Andrew Ng: HITL en la spec, no en cada paso</li> </ul> <p><strong>Vocabulario:</strong> approval fatigue · Auto Mode · lethal trifecta · blast radius · backoff</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> LLM como juez.</p> uniquelab-mesa-tecnica-s01e29 Fri, 18 Sep 2026 09:28:00 -0300 17 2 full 8:17 false Si el clasificador se convirtió en la primera línea, ¿qué tan confiable es? GPT-4 coincide con evaluadores humanos el 80% del tiempo. Los sesgos documentados (largo, posición, auto-preferencia) también son reales. Y Hamel Husain fijó el playbook de disciplina para usarlo bien. <p>Si el clasificador se convirtió en la primera línea, ¿qué tan confiable es? GPT-4 coincide con evaluadores humanos el 80% del tiempo. Los sesgos documentados (largo, posición, auto-preferencia) también son reales. Y Hamel Husain fijó el playbook de disciplina para usarlo bien.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Los dos datos que ordenan el debate: 80% de acuerdo humano-humano vs. 50%+ de error en tests de sesgo</li> <li>El playbook de Husain: 30 ejemplos etiquetados, TPR/TNR, refresh continuo</li> <li>Los tres sesgos documentados y qué hacen</li> <li>La jerarquía correcta: referencia objetiva primero, LLM como juez solo cuando no hay otra</li> </ul> <p><strong>Vocabulario:</strong> LLM as judge · alineación del juez · sesgo de largo/posición/auto-preferencia · golden dataset · TPR/TNR</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> Agentes que escriben sus herramientas.</p> uniquelab-mesa-tecnica-s01e30 Fri, 18 Sep 2026 09:29:00 -0300 18 2 full 7:32 false Anthropic lanzó Skills en octubre de 2025, spec abierta en diciembre. Para junio de 2026 más de 40 productos lo soportan. Y abrió un debate: ¿el agente debe recibir tools escritas por humanos o poder escribir las suyas? La versión conservadora ganó producto. La ambiciosa sigue en <p>Anthropic lanzó Skills en octubre de 2025, spec abierta en diciembre. Para junio de 2026 más de 40 productos lo soportan. Y abrió un debate: ¿el agente debe recibir tools escritas por humanos o poder escribir las suyas? La versión conservadora ganó producto. La ambiciosa sigue en roadmap.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Qué es una Skill y por qué se estabilizó como formato</li> <li>Los argumentos a favor y en contra de agentes autoritando sus tools</li> <li>La tensión interna de Anthropic: "escribí tus tools" vs. "consolidá, no multipliques"</li> <li>Skills como conocimiento procedimental, no como tool authoring puro</li> </ul> <p><strong>Vocabulario:</strong> Skills · SKILL.md · conocimiento procedimental · tool consolidation · agent-authored tools</p> <p><strong>Duración:</strong> ~7 min · <strong>Próximo:</strong> Monitoreo en silicon.</p> uniquelab-mesa-tecnica-s01e31 Fri, 18 Sep 2026 09:30:00 -0300 19 2 full 9:12 false El 28 de septiembre de 2026 NVIDIA anunció Open Agent Safety Platform. La propuesta: sacar el enforcement de safety del software y meterlo en el chip. Es la primera vez que un actor grande apuesta a una capa de control fuera del alcance del agente. <p>El 28 de septiembre de 2026 NVIDIA anunció Open Agent Safety Platform. La propuesta: sacar el enforcement de safety del software y meterlo en el chip. Es la primera vez que un actor grande apuesta a una capa de control fuera del alcance del agente.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Por qué la industria empezó a decir que el agente no puede autogobernarse</li> <li>La analogía de la torre de control aérea</li> <li>Las tres piezas: OpenShell, NVIDIA Sentry, DOCA</li> <li>Los tres caveats para no comprar el anuncio tal cual</li> <li>Defense in depth como principio de fondo</li> </ul> <p><strong>Vocabulario:</strong> in-silicon monitoring · out-of-band · OpenShell · Sentry · DPU · defense in depth</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> La mesa del diseño técnico.</p> uniquelab-mesa-tecnica-s01e32 Fri, 18 Sep 2026 09:31:00 -0300 20 2 full 7:34 false Las últimas dos piezas cambian de registro. Esta es sobre cómo participar en la reunión donde el equipo técnico está diseñando el sistema con IA, sin ser ingeniero. Cuatro áreas de preguntas y cinco señales para llevar. <p>Las últimas dos piezas cambian de registro. Esta es sobre cómo participar en la reunión donde el equipo técnico está diseñando el sistema con IA, sin ser ingeniero. Cuatro áreas de preguntas y cinco señales para llevar.</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Las cuatro áreas: workflow o agente, contexto y datos, responsabilidad y control, integraciones</li> <li>Cinco señales que separan un equipo al día de uno que se quedó atrás</li> <li>Qué preguntas hacer sin necesitar respuesta técnica</li> <li>Por qué las mejores preguntas vienen del lado del negocio</li> </ul> <p><strong>Vocabulario:</strong> las preguntas fundacionales agrupadas por área</p> <p><strong>Duración:</strong> ~8 min · <strong>Próximo:</strong> La mesa del go-live.</p> uniquelab-mesa-tecnica-s01e33 Fri, 18 Sep 2026 09:32:00 -0300 21 2 full 8:42 false Cierre de la serie. Cómo participar cuando el sistema ya está en producción o está por arrancar. Cuatro momentos: go-live inicial, operación continua, cambio de modelo, incidente y post-mortem. Y por qué "cada nuevo modelo repricea la arquitectura". <p>Cierre de la serie. Cómo participar cuando el sistema ya está en producción o está por arrancar. Cuatro momentos: go-live inicial, operación continua, cambio de modelo, incidente y post-mortem. Y por qué "cada nuevo modelo repricea la arquitectura".</p> <p><strong>Qué te vas a llevar:</strong></p> <ul> <li>Los cuatro momentos que se repiten en producción</li> <li>El runbook de despliegue y por qué no puede faltar</li> <li>Cómo distinguir respuesta correcta de problema resuelto</li> <li>La disciplina del post-mortem por clase de error, no por caso puntual</li> <li>Cinco señales generales para llevar</li> </ul> <p><strong>Vocabulario:</strong> runbook · repricing de arquitectura · resolución vs respuesta técnica · clase de error</p> <p><strong>Duración:</strong> ~8 min · <strong>Cierre de la serie.</strong></p>