Guillermo Barquero

@AndreuOrell Eso dije yo!

@guillerbf Ostras

😯🤯

Signal to noise -> 0

@kikollan Claro, aprender es cambiar de opinión, y cambiar de opinión siempre requiere ir a donde no has estado y explorarlo. El excepticismo es fundamental para separar polvo y paja cuando mucho ruido lo genera gente que vive de vender titulares y/o tiene intereses claros

Sí… Yo anteponía a los que la usan y los que no la usan, que son desde luego excluyentes :) Sobre el escepticismo… yo diría que es una virtud en cierta dosis (como casi todas). Sin pasarse tampoco. He viste gente consumida por la negación. Hay un equilibrio entre ser escéptico (del poder, de la propaganda, del exceso de entusiasmo, del pensamiento dominante, etc) y sentir la curiosidad y la ilusión que se necesita para aprender, descubrir. Creo que los mejores logran ese equilibrio. Tienen la curiosidad y la ambición para explorar, pero son capaces de juzgar cuando esa exploración resulta en algo bueno (a veces) y cuando no (otras veces). Todo son equilibrios!

Hay una brecha con la IA. Los que la usan de verdad. Alucinan, exploran y se preguntan qué es lo que se nos viene encima. Los que no la usan. Y no saben lo que se nos viene encima.

@kikollan En que sentido son excluyentes? De hecho los mejores usuarios de IA (y de cualquier tecnología) son los que son excepticos sobre sus capacidades y en vez de creerse lo que les venden, la usan de forma crítica, hasta entender realmente a donde llega y a donde no.

Una cosa graciosa es que la gente olvidará su escepticismo. Es humano. Y nos pasa a todos: olvidamos nuestras malas apuestas. Nunca fueron escépticos en realidad. Como nunca nadie pensó que el covid era gripe. ¿Ellos? Nunca. Nadie dijo en 1998 que ellos no necesitaban móvil que tontería se creen brokers de bolsa. Nadie dijo que internet era una moda. Nadie escribió que los fotógrafos profesionales usarían siempre película analógica que es mejor calidad. Tampoco nadie decía que la animación 3D jamás reemplazaría al Disney tradicional. ¿Quién pensó alguna vez algo de eso? Nadie nunca :)

Best AI use so far

@elwatto Agree. Beyond the specifics of each role, the biggest challenge org wise is how to make sure there is alignment on impact at a much higher speed on a fast changing environment.

I’ve been thinking a lot lately about whether AI makes people management more or less relevant. The EM role is definitely changing, but I’m getting more convinced my dream of “no management, only computers” isn’t coming anytime soon. Technical leadership is still deeply needed, but the bar will be a lot higher. We’re shifting the bottleneck from execution to judgment. Coding, debugging, even parts of architecture will be commoditized. Meetings, process, updating Linear… all of that is solved. It’s about alignment, cohesion, and decisiveness. Teams will get smaller and more autonomous. You can hide one underperformer IC in an 8 people team. In a 3–4 people team, one person can become an existential risk. That raises the bar for hiring and performance management. On top of that, managers will need to handle both humans and AI: what to automate, what needs human supervision, how to manage security... The bar for ICs goes up significantly too as code becomes disposable: stronger product, business and design sense, better intuition, better internal and external communication. So no, I don't think SWEs and EMs are going away. But the roles are changing fast, and not everyone will adapt.

@torrijoss Que no es poca cosa si le sacas $$$

@guillerbf Fliparte en Twiiter.

Tengo agentes en el curro funcionando de continuo y muchas veces varios en paralelo, pero le encuentro cero caso de uso a Openclaw en mi vida privada. No hay nada que quiera hacer y que Claude Code no me cubra. Cuál es el caso de uso que me estoy perdiendo (si es que lo hay)?

@AramendiaHugo Nada estructurado. La verdad que todo cambia tan rápido que bastante es con tenerlo todo más o menos atado y eficiente, pero si que podría en algún momento escribir algo, si

@guillerbf Guillermo! Alguna vez has publicado sobre esos agentes? Interesadisimo en conocer que tienes y para que. Bueno y la infra o como lo tienes montado claro

@ItsMauOjeda Todos los casos de uso que has mencionado son un buen ejemplo de cosas que no siento que me aporten nada. Ejemplo: recibo 10 emails al día y 9 son promociones que borro inmediatamente (normalmente), un agente me ahorraría 20s a costa del riesgo de que cometa un error importante.

@guillerbf A mí me parece que tiene, pero es matar moscas a cañonazos (por el alto consumo de tokens). Porque ya las IA genéricas tienen funcionalidades como enviar resúmenes, organizar la dieta, leer los emails y responder, tocar el calendario o pedirte citas. Quizás para aut. web.

@lendersacc Cause using AI to optimise against an eval of dozens of tests cases will overfit most often than not.

@guillerbf Why do you say so?

2026 will be the year when lots of non-ML people discover overfitting, the bad way.

Un buen uso de Claude Code sería preguntarle por qué no deberíais invertir con esta estrategia

@jc_herranz El recordatorio semanal de por qué esta red social merece la pena.

He estado leyendo hoy sobre el tema y, como casi siempre, es algo interesante, pero no tiene nada que ver con el titular que es clickbait: El proceso desarrollado por Cortical Labs se inicia reprogramando químicamente células diferenciadas (piel, sangre) para convertirlas en células madre mediante una técnica denominada pluripotencia inducida (Yanamaka, 2006, nobel en el 2012). Después, estas células madre (induced pluripotent stem cells, iPSCs) se pueden estimular con factores de crecimiento hasta que se convierten en neuronas y se colocan unas 200k de estas neuronas en una «matriz multielectrodo» (MEA): una placa de vidrio con una rejilla de electrodos metálicos microscópicos impresos en su superficie (algo así como una cama de faquir controlada electrónicamente). Las neuronas se asientan y desarrollan axones y dendritas, conectándose de forma aleatoria. Esto es importante porque, aunque son neuronas de origen humano en sentido genético, estructuralmente no se parecen en nada a un cerebro. Son un cultivo plano y desorganizado. Si el cerebro fuera una gran ciudad, esto se parecería más a un saco de ladrillos que a una ciudad en miniatura. Por referencia, el número de neuronas es del orden de magnitud de una mosca de la fruta (100k), pero no hace falta decir las cosas que puede hacer una mosca con esas neuronas frente a lo que ambiciosamente están atrbuyendo a este cultivo. Los electrodos interactúan con el cultivo en dos direcciones: 1) «Escuchan»: captan el débil campo eléctrico que generan las neuronas al activarse, pero con una precisión comparable a la de un micrófono pegado a una pared que detecta voces en la habitación contigua sin saber quién habla ni exactamente qué dice. 2) «Hablan»: la corriente de un electrodo induce a las neuronas cercanas a dispararse. En ambas direcciones la resolución es muy rudimentaria: miles de neuronas comparten cada electrodo; la señal registrada (input) es una superposición ruidosa de actividad de múltiples neuronas; y la estimulación (output) de una región afecta inevitablemente a sus vecinas. El sistema no «entrena» ni se comunica con neuronas individuales. La comunicación entre la interfaz y el cultivo neuronal se parece más a gritarle a una multitud y escuchar el murmullo colectivo. El aspecto más interesante son los fundamentos de la mecánica de entrenamiento. Se basan en una teoría llamada principio de energía libre (nature.com/articles/nrn27…): las neuronas tienen una tendencia orgánico-estructural a minimizar los estímulos impredecibles. Cuando la respuesta eléctrica del cultivo se corresponde con una acción correcta en el juego, el sistema lo recompensa con una estimulación ordenada y regular (analogía: como poner música de Mozart). Cuando es incorrecta, inunda la matriz con ruido caótico (misma analogía: canciones de Melendi). Con el tiempo, las neuronas tienden a adoptar patrones de activación que generan la señal predecible. Pero no porque estén «entendiendo» el objetivo, del mismo modo que tampoco decimos que una piedra «aprende» a llevar el agua cuando forma un surco en su superficie tras años sometida a un patrón regular de goteo. Un buen ejemplo sería cómo dar empujones a la base sobre la que se asientan una serie de metrónomos al ritmo de su movimiento (frecuencia natural o de resonancia) acelera su sincronización, mientras que si empujamos a destiempo (aleatoriamente) la respuesta de los metrónomos se vuelve más descordinada, ruidosa. external-preview.redd.it/spontaneous-sy… En el caso de Doom, el estado visual del juego se traduce en patrones de pulsos eléctricos mediante un codificador de software. Una capa de IA ajusta continuamente esa codificación para que siga siendo legible para las neuronas. Las neuronas responden. Su activación colectiva se decodifica en comandos: disparar, moverse a la izquierda, girar a la derecha. Las neuronas no están en comunicación directa con la pantalla. Reaccionan a un resumen eléctrico muy simplificado ensamblado por un algoritmo. Lo que realmente está jugando a Doom es un sistema completo de hardware-software: un software convencional que ejecuta el juego, una IA que optimiza la codificación de la entrada, un cultivo de neuronas en medio y un decodificador que convierte los picos eléctricos en acciones. Cada parte realiza un trabajo. Las neuronas casi son el componente menos autónomo. El resultado está ligeramente por encima de... un jugador aleatorio. No es tu primo pequeño jugando al Fortnite. En resumen: lo del videojuego es marketing. Lo interesante es la capacidad de configurar rudimentariamente un componente de origen biológico mediante estímulos de recompensa y castigo, sin tener que intervenir neurona por neurona, hasta que el comportamiento del sistema en su conjunto genera algo que superficialmente se parece a una serie coordinada de acciones orientadas a una meta. Dicho de otro modo, igual que ocurre con los LLMs, podemos entrenar, en el sentido de reconfigurar con una meta, un cultivo de neuronas sin entender cómo ocurre ese proceso a nivel individual, granular o analítico. Solo señalamos de forma iterativa «esto bien, esto mal». Y esto es posible porque existe un criterio, el principio de energía libre, análogo a una función objetivo o función de pérdida que podemos explotar. Es muy interesante, pero desde luego no es cierto que «a petri dish of human brain cells just learned to play DOOM».

Except most problems don't have a clear clean metric to ruthless optimise against and that typically, when metrics become targets the stop being good metrics.

Tiene toda la pinta de que estamos en un punto de disrupción gorda. Momento de oportunidades. Los equipos/empresas que se adapten a utilizar la IA de forma efectiva tendran una ventaja competitiva significativa. Por ejemplo, algo tan sencillo como poder ofrecer hoy a tus trabajadores los mejores modelos de última generación es una ventaja significativa. Muchas empresas están bloqueadas por burocracia o semi-atrapadas con algún vendor. A partir de ahí, hacer "cosas" con IA es facil. Lo que no es tan facil es decidir que hacer y, sobre todo, que no hacer. Y menos fácil aun será adaptar todos los procesos y personas a esta nueva realidad. Pero la oportunidad está ahí para quien mejor lo haga, eso parece seguro.

This week's toy project was to build a NBA Journalist with Claude Code, and... here you have the first piece! 👇

Cleveland bet that 36-year-old Harden would accept a smaller role and make everyone else better. Ten games in, the offense says they were right. The defense says the playoffs will be the real test. Kenny Atkinson has about 6 weeks to figure out how to hide Harden on that end.

The other wrinkle: Harden broke his thumb against the Knicks on Feb 24 and is playing through it. If that 49% from three falls back to earth because of the injury rather than natural regression, the offensive margin that's covering the defense gets a lot thinner.