Shepherd, Isaac 28B y la infraestructura IA que no para de crecer

Dos lanzamientos técnicos publicados esta semana definen mejor el estado real de la industria de agentes que cualquier keynote corporativo: uno resuelve el problema de debugging en ejecuciones largas, el otro empuja los límites del contexto hasta los 10 millones de tokens. Y de fondo, NVIDIA sigue construyendo la infraestructura física que lo sostiene todo.

Shepherd: Git para agentes, no para código

Lo que han construido los investigadores de Northeastern y Stanford no es un framework de agentes más. Es un substrato de ejecución que trata cada interacción agente-entorno como un evento tipado en un historial versionable. La analogía con Git es intencionada y precisa: puedes hacer checkout a un punto concreto de una ejecución sin tener que volver a lanzar el proceso desde cero.

Para cualquier equipo que trabaje con workflows agénticos largos —y en 2026, eso incluye casi cualquier automatización empresarial seria— el coste real no está en el LLM, está en el tiempo y los tokens quemados cuando un agente falla en el paso 47 de 60 y hay que reiniciar. Shepherd ataca exactamente eso. La licencia MIT lo hace desplegable sin fricciones legales en entornos corporativos.

El verdadero potencial no está en el debugging puntual, sino en lo que Shepherd habilita por encima: los meta-agentes supervisores que pueden bifurcar ejecuciones, explorar ramas alternativas en paralelo y consolidar el mejor resultado. Eso es razonamiento agéntico estructurado, no el modelo respondiendo con chain-of-thought interno. Es una arquitectura diferente.

Lo que el anuncio oficial no dice con suficiente claridad es que Shepherd también cambia el perfil del equipo que necesitas para operar agentes en producción. Con un historial reproducible y reversible, los ingenieros pueden auditar comportamientos, identificar desviaciones y aplicar correcciones quirúrgicas. Eso reduce la dependencia del "experto que sabe cómo funciona el agente por intuición" y hace el sistema más transferible entre equipos. Para las agencias especializadas en agentes autónomos que están construyendo productos sobre LLMs, esto es infraestructura que reduce el tiempo de ciclo de desarrollo de forma medible.

Isaac 28B: 10 millones de tokens en tu VPC, sin ceder los pesos

Pokee AI ha presentado Pokee-Isaac 28B con una propuesta técnica que merece análisis separado del marketing habitual. La cifra que importa no es el tamaño del modelo —28B es mid-size en el panorama actual— sino el benchmark de contexto: 93,3% en RULER a 10 millones de tokens de capacidad plena, mientras que todos los modelos comparados caen a 0,0% más allá de los 2 millones.

Eso no es una mejora incremental. Es un salto de orden de magnitud en la capacidad de mantener coherencia sobre documentación extensa, historiales de conversación largos o bases de código completas. En términos de casos de uso empresarial: contratos legales completos, repositorios de código enteros, historiales de CRM con años de interacciones. Todo en una sola ventana de contexto.

Además lidera el benchmark BFCL v4 con un 70,94%, que mide específicamente la capacidad de llamada a funciones y herramientas. Para sistemas agénticos que necesitan invocar APIs, ejecutar código o coordinar herramientas externas, ese número es más relevante que cualquier benchmark de razonamiento genérico.

El modelo se despliega en VPC o en instalaciones propias del cliente. Los pesos no son públicos. Ese detalle es deliberado: Pokee está vendiendo soberanía de datos con capacidad técnica de primer nivel, no un modelo open-source que compite en Hugging Face. El precio de ese privilegio no está publicado, pero el perfil del cliente objetivo es claro —empresas con requisitos de privacidad estrictos que no pueden enviar datos a APIs externas.

Para las empresas que buscan una consultoría de IA que les ayude a evaluar qué arquitectura de despliegue tiene sentido según su nivel de sensibilidad de datos, el dilema Isaac 28B versus modelos cloud va a ser una conversación cada vez más frecuente en los próximos meses. El coste de infraestructura propia sigue siendo el argumento en contra; la soberanía de datos y la latencia controlada son los argumentos a favor.

Armenia como síntoma: la infraestructura física de IA se descentraliza

La apertura de la fábrica de IA de Firebird en Armenia —presentada como la mayor de la región CEI— con tecnología NVIDIA y Dell, con el primer ministro armenio en el acto inaugural, no es una noticia de nicho. Es un indicador de tendencia.

Hace tres años, la conversación sobre infraestructura de IA era Virginia, Irlanda y Singapur. Hoy incluye Armenia, y mañana incluirá más geografías que históricamente no estaban en el mapa del cómputo de alta performance. NVIDIA está vendiendo capacidad de cómputo a hubs regionales que quieren soberanía tecnológica sin depender de los hiperscalers americanos o chinos.

Para el ecosistema europeo, y específicamente para el ecosistema de agencias de IA en Madrid y agencias de IA en Barcelona que asesoran a empresas sobre dónde y cómo desplegar su infraestructura, la descentralización del cómputo tiene implicaciones directas: más opciones de proveedores regionales, más competencia en precio, pero también más heterogeneidad en niveles de servicio y garantías.

OpenAI compra presentaciones, y eso dice algo sobre la estrategia de producto

La adquisición de NextSlide por parte de OpenAI es pequeña en términos financieros pero reveladora en términos de dirección. OpenAI está construyendo una suite de productividad dentro de ChatGPT. Primero fue la generación de documentos, ahora presentaciones. El destino obvio es competir directamente con Google Workspace y Microsoft 365 en el flujo de trabajo diario del trabajador del conocimiento.

Para las empresas que han construido integraciones sobre la API de OpenAI, esto no es amenaza directa —los modelos siguen siendo accesibles—, pero sí es una señal de que OpenAI quiere la relación directa con el usuario final, no mediada por terceros. Las agencias de integración de IA que construyen sobre OpenAI deberían leer este movimiento con atención: el proveedor está ascendiendo en la cadena de valor hacia donde ellas operan.

El primer virus creado íntegramente por IA: no es ciencia ficción de ciberseguridad

MIT Technology Review confirma el hito del primer malware generado completamente por IA. No hay detalles técnicos completos en la cobertura pública, pero el hecho en sí tiene implicaciones para cualquier empresa que opere agentes autónomos con acceso a sistemas externos.

La superficie de ataque de los agentes autónomos es cualitativamente distinta a la del software tradicional: un agente con capacidad de escribir y ejecutar código, acceso a APIs y capacidad de razonamiento puede ser un vector de ataque o el objetivo de uno de forma mucho más sofisticada que un ejecutable clásico. Que alguien haya conseguido usar IA para generar malware funcional no es sorprendente —era predecible—, pero marca el inicio de una carrera de armamento entre ofensiva y defensiva que va a acelerar la demanda de especialización en seguridad de sistemas agénticos. Las empresas que desplegaron agentes en producción sin auditoría de seguridad específica tienen un problema que empieza a tener nombre.

La lectura de mercado

Shepherd y Isaac 28B no son lanzamientos de hype. Son soluciones a problemas operacionales concretos que cualquier equipo técnico que trabaje con agentes en producción reconocerá de inmediato. El patrón que emerge es consistente con lo que llevamos viendo en 2026: la capa de infraestructura agéntica se está profesionalizando a un ritmo que supera la capacidad de adopción de la mayoría de empresas medianas.

La brecha entre lo que es técnicamente posible y lo que la empresa promedio tiene implementado no se está cerrando, se está ampliando. Y esa brecha es, exactamente, el mercado en el que operan las mejores agencias de automatización con IA del ecosistema español. La pregunta para los próximos doce meses no es si adoptar agentes, sino si tu organización tiene la madurez técnica para operar herramientas como Shepherd sin un partner externo que absorba la curva de aprendizaje. Para la mayoría, la respuesta honesta es no.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de agentes de voz
• Agencias de IA en Barcelona y en Bilbao
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real