Miguel Maestre

Igual la IA no es tan inteligente, igual el concepto de inteligencia y creatividad que asumimos que tenemos no es tan 'divino' y que simplemente con la IA estamos removiendo los entresijos de lo que somos y las costuras no van a aguantar mucho

Llevo varios meses a full usando IA tanto en mi flujo de trabajo diario como arquitecto de software como en mi vida privada para side projects, ocio, compras, etc La conclusión a la que estoy llegando es: (sigo)

@antoniogarcia78 @juanmacias Aprender no es caro. Otra cosa es llevar a producción mientras pules tu nuevo workflow con IA: no malgastar tokens, no sobredimensionar prompts, etc

@migmae @juanmacias La IA es impresionante pero no es una barrera,más, para aprender? Hay q pasar por caja para estar al día.

Ya puedo contarlo. Hace un año intenté entrar en @RevenueCat jobs.ashbyhq.com/revenuecat No llegar a la entrevista final ha sido lo mejor que me ha pasado en mucho tiempo, pero antes os cuento un poco el proceso.

@juanmacias Ahora entiendo toda esa movida tuya con Python + IA

¿Y por qué este hecho cambió todo para mi? Decidí que se acabó la carrera de programador para mi y para muchos otros. IA 100% era mi nuevo foco, y aquí estoy, comenzando un puesto de CIAO...

@juanmacias CIAO...entiendo que has querido decir CAIO? Aunque CIAO encaja muy bien, hola y adios en italiano, reinvéntate o muere

👋 ¡Hola, ministro @oscarlopeztwit! Estará usted ya harto de mí. 😃 Y yo del software que desarrolla su ministerio, así que… ¡empate! 🙃 Le explico la yincana de hoy: Para facturar al sector público proporcionan ustedes un servicio de generación de facturas electrónicas: ✨MiFacturae✨. Lo primero que quiero decirle y agradecerle es que MiFacturae ha mejorado muchísimo. Pero, sin pretender un demérito, también le digo que empeorarlo era imposible. El nuevo MiFacturae solo tiene ahora un problema: ¡no funciona! Se lo explico: Para facturar a un organismo público hay que identificarlo con —que yo sepa— cuatro datos: 1️⃣ Oficina contable 2️⃣ Órgano gestor 3️⃣ Unidad tramitadora 4️⃣ Órgano proponente Pues bien: MiFacturae omite de la factura electrónica este último dato, el órgano proponente. De modo que al remitir la factura al FACe, falla y es rechazada. Esto seguramente esté robando miles de horas productivas mensuales a ciudadanos, empresas y organismos públicos. Si desarrollaran su software en abierto yo podría reportar esto directamente al equipo de desarrollo, como ya hice en abril con dos problemas serios en Autofirma. Pero como no lo hacen, le tengo que molestar a usted. O a su responsable de comunicación, que será —con suerte— el que quizá lea esto. Porque yo como ciudadano no tengo otro camino para canalizarle la frustración ciudadana con la Administración Electrónica estatal. …Y pedir a mis pacientes seguidores, si son tan amables, que redifundan esto, pues es la única esperanza de que llegue a alguien en su ministerio —o en la AEAD o donde diablos sea— con capacidad de mover un dedo para resolverlo. Saludos cordiales, — Jaime

ÚLTIMA HORA : Meta acaba de lanzar SAM3. Y va a golpear fuerte a todo el sector. Seguimiento de objetos en tiempo real. Escenas de las más complejas que existen. Un partido de baloncesto completo. 0 errores. Coste : 0 €. Ningún modelo de visión IA había hecho esto antes. Cualquiera puede usarlo hoy mismo.

@juanmacias Justo acabo de sufrirlo autenticando unos servicios, es tan seguro que ni yo mismo puedo acceder a mi cuenta

Yo creo que los devs aventajados de Renfe acaban trabajando en la parte de Login de Microsoft... estoy super seguro....

Por favor mirad qué maravilla el trazado cefalométrico asistido por IA, aunque no entendáis de ortodoncia:

Quando você não tem pendrive ou rede e precisa transferir os arquivos de qualquer modo 🤯🤯🤯

Esto sí que era hacer encaje de bolillos con la UI...y hemos vuelto un poco a esto con los promts de terminal

Diseñadores que llaman a su hija Lorem y a su hijo Ipsum

@juanmacias Para eso mejor sierra japonesa y pasta cicatrizante que ahora hay muchas posibilidades de pillar plagas...y te salva los dedos 🤣

Terapia anti stress

El que elige las fotos es un cachondo

🔴 Un vídeo demuestra que los sobres enviados con los votos de cada partido para las #EleccionesAndalucía, pueden identificarse sin ser abiertos. - El sobre del PSOE tiene una raya blanca (muy acertada la señal 😅) - El sobre del PP con señal pequeña. - El sobre de Vox es de un verde más claro. ¿Alguien puede confirmarlo?

🔴 X / Twitter publica su nuevo "algoritmo" para recomendar publicaciones y así es como funciona. Spoiler: Tus haters tendrán aún más influencia para que se muestren más abajo tus publicaciones. @elonmusk ha anunciado hoy la publicación en GitHub del "algoritmo de X" para recomendar publicaciones. El repositorio contiene la actualización del sistema de recomendación que X dice utilizar para construir el feed “For You / Para tí”. No es “el algoritmo” en el sentido simplista en que lo ha anucniado Elon Musk, sino una arquitectura completa de recomendación: recupera candidatos, los filtra, los puntúa con modelos de IA y decide qué publicaciones mostrar primero. Según el propio README del repositorio, combina contenido de cuentas que sigues con contenido externo descubierto mediante recuperación basada en machine learning, y después lo ordena mediante un modelo tipo Transformer basado en Grok. El flujo general sería este: cuando un usuario abre el muro “Para tí”, el sistema crea una solicitud de recomendación. Primero obtiene contexto del usuario: historial de intercciones, cuentas seguidas, preferencias y otros datos de contexto. Después busca publicaciones candidatas desde dos grandes fuentes: Thunder, para contenido “in-network”, o sea, publicaciones recientes de cuentas que sigues; y Phoenix Retrieval para contenido “out-of-network”, es decir, publicaciones de la red global que el modelo cree que pueden interesrte aunque no sigas al autor. A continuación, esas publicaciones se “hidratan”, que en la jerga significa enriquecerlas con metadatos: texto, medios, autor, idioma, métricas de interacción, estado de suscripción, seguridad de marca, historial de impresiones, publicaciones ya vistas, etc. La publicación de hoy 15 de mayo de 2026, añade expresamente nuevos "hidratadores" de consulta y de candidatos, incluyendo temas seguidos, starter packs, filtros bloom de impresiones, IP, grafos de seguimiento mutuo, historial servido, engagement counts, señales de brand safety, códigos de idioma, detección de medios y expansión de citas. Después entran los filtros. Antes de puntuar, el sistema elimina duplicados, publicaciones demasiado antiguas, publicaciones propias, autores bloqueados o silenciados, palabras silenciadas, contenido ya visto o servido recientemente y contenido de suscripción al que el usuario no puede acceder. Después de seleccionar los candidatos finales, aplica filtros adicionales de visibilidad para excluir publicaciones eliminadas, spam, violencia, gore u otros contenidos inconvenientes. La parte central es Phoenix, el componente de machine learning. Tiene dos funciones principales: Primero, un modelo de recuperación tipo two-tower model: una “torre” codifica al usuario y su historial de interacciones en un vector; otra torre codifica las publicaciones en vectores; luego se buscan publicaciones parecidas por similitud vectorial. Segundo, un modelo de ranking basado en Transformer que predice probabilidades de acciones: like, respuesta, repost, cita, clic, clic en perfil, visualización de vídeo, expansión de foto, compartir, permanencia, seguir al autor, “no me interesa”, bloquear, silenciar o denunciar. El ranking final se calcula combinando esas probabilidades con pesos (weights). Las acciones deseadas, como like, repost, compartir o seguir al autor, tienen peso positivo. Las acciones negativas, como bloquear, silenciar, reportar o marcar “no me interesa”, tienen peso negativo. En términos simples: el sistema intenta mostrar arriba lo que predice que generará interacciones positivas y bajar lo que predice que provocará rechazo. MI OPINIÓN Mi interpretación de esta actualización, es que X no va a mostrar publicaciones sólo por orden cronológico ni sólo por número de likes, sino que intentará calcular, a partir de tu historial y de patrones globales, qué probabilidad hay de que interactúes con cada publicación. Esto ya lo hacía así pero ha "tuneado" mejor el modelo. Si el modelo cree que vas a ver el vídeo, responder, compartir, seguir al autor o permanecer más tiempo, esa publicación va a ganar puntuación para ser mostrada. Si cree que vas a bloquear, silenciar, denunciar o marcar “no me interesa”, pierde puntuación. Así que para una marca, medio o campaña, esto implica que no basta con publicar mucho. El algoritmo valorará señales compuestas: relevancia contextual para el usuario, historial de interacción, capacidad de generar acciones positivas, ausencia de señales negativas, diversidad de autores y elegibilidad del contenido. Además, el sistema incluye deduplicación, control de autores repetidos y filtros de contenido previamente visto, por lo que repetir el mismo patrón de publicación puede perder eficacia. Ahora bien, que X haya publicado este código, no significa que podamos auditar completamente el comportamiento real de X en producción. Faltan, o pueden faltar, elementos críticos: pesos reales usados en producción, datasets de entrenamiento, señales internas completas, configuraciones dinámicas, reglas de moderación actualizadas, experimentos A/B, parámetros por país, ajustes regulatorios, listas internas, modelos completos y telemetría real. El propio repositorio sólo tiene dos commits visibles y no tiene releases publicados en GitHub, lo que sugiere prudencia al tratarlo como espejo exacto, completo y versionado de producción. Yo no me lo creo. También hay que separar tres planos: el código publicado, la documentación declarada y la ejecución real en producción. El README dice que el pipeline “mirrors how the two stages are composed in production”, pero eso no prueba por sí solo que todos los componentes, pesos, filtros y configuraciones sean idénticos a los de producción en cada momento. El error típico sería decir: “ya sabemos exactamente cómo funciona X”. No. Lo correcto sería decir: “tenemos una descripción técnica y parte del código de una arquitectura de recomendación que X/xAI presenta como núcleo del feed ‘Para ti’”. Desde el punto de vista pericial o de auditoría algorítmica, esto es material útil, pero insuficiente para conclusiones categóricas sobre sesgo, censura, shadowban, priorización política o manipulación de alcance sin datos empíricos adicionales. También sería erróneo reducirlo a “el algoritmo premia los likes”. Es más complejo. El sistema predice múltiples acciones y penaliza señales negativas. Por ejemplo, una publicación que genera mucha interacción pero también muchas denuncias, bloqueos o “no me interesa” podría verse afectada negativamente, dependiendo de los pesos reales y del contexto. Así que cuidado porque los haters van a ganar bastante peso con esta actualización 😔

The latest 𝕏 algorithm is now on GitHub. So I used Grok Build to analyze it. The biggest takeaway: X is no longer a simple likes/replies system. It's a Grok-powered recommendation engine. 10 things creators need to know:

El momento más irónico del streaming de Figure AI con su robot humanoide F.03 (Helix-02): Uno termina su turno, entra el relevo… y justo el sustituido se queda bloqueado mientras la cinta sigue funcionando perfectamente. La automatización reemplazando a la automatización 🤖📦

@pmolinam @Wikingenieria D-1 ó B+1 😂

@Wikingenieria Facil, facil, pero la gente se deja intimidar por la notación.

Quién quiere ser millonario en Bulgaria. Vaya panda de frikis 😂