01
Arquitectura
Qué agente, qué contexto, qué datos y dónde empieza y termina su autoridad.
Poner un agente a trabajar es fácil. Poder fiarte de lo que hace, no.
Diseño la arquitectura y el control que hacen falta para llevar un agente a producción.
Soy Alex. Llevo 10 años construyendo software. Los últimos 4 los he dedicado a los agentes: cómo darles contexto, cómo medirlos y cómo evitar que un output convincente se confunda con uno correcto.
Ahora
Durante el último año he estado impulsando la transición hacia IA dentro de mi empresa.
No solo probando herramientas: buscando dónde aportan valor, definiendo cómo usarlas y ayudando a equipos a incorporarlas sin perder control sobre lo que producen.
Trabajo dentro del código real, en lo que se va a producción. No desde fuera con una presentación.
akrcontext , open source, con un cliente ejecutándolo en producción.
Benchmarks y experimentos publicados aquí, con el código y con los fallos incluidos.
En qué trabajo
02
Control y evaluación
Cómo compruebas que lo que produce es correcto. Que un agente revise su propio trabajo no es una garantía.
03
Delegación y adopción
Cuánto se puede delegar, con qué garantías y qué tiene que existir para que eso no salga caro más tarde.
Experimentos recientes
Ver todos → AI Engineering
Angel-Devil: Enfrenté un juez contra un atacante sobre el mismo código generado por IA. El atacante ganó.
Enfrenté un juez y un atacante sobre el mismo código generado por IA —mismo modelo, mismo spec. El atacante encontró bugs que el juez aprobó explícitamente como correctos. Por qué el feedback adversarial vence a la evaluación en coding agents.
AI Engineering
¿Sirve RLM para entender codebases grandes? Lo medí
Comparé tres paradigmas —vanilla, agente con terminal y RLM— sobre un codebase de 1.13M tokens. RLM ayuda a modelos pequeños, pero un agente con terminal empató a 3x menos coste.
AI Security
Prompt Injection en tu IDE: el ataque que empieza con git clone
Construí cuatro demos de prompt injection y las probé contra Claude Code, Codex, Gemini CLI y Copilot. Los resultados no son lo que esperas: los modelos modernos detectan los ataques obvios. El que no detectan es el más peligroso.