24 oct 2026 — El agente necesita las reglas de tu empresa
Sakana organiza datos y reglas para agentes; Pathos atrae capital para IA especializada. OpenAI limita su entrenamiento y un caso judicial recuerda el coste de no verificar.
Intelia AI Report · 24 octubre 2026
Noticias publicadas el 23 de octubre. Edición breve: dos titulares, dos noticias críticas y dos voces escépticas. Lectura: unos 3 minutos.
Sakana pone las reglas de empresa dentro del agente
Sakana AI presenta Aquarium, una plataforma para construir y operar agentes sobre datos, reglas y relaciones propios de cada organización. Permite definir permisos, aprobaciones humanas y registros de las decisiones. La conexión de datos y esas definiciones se reutilizan entre agentes. El anuncio describe capacidades; todavía no aporta resultados independientes de ahorro.
Por qué importa: Para Intelia, la oportunidad está en representar bien el criterio contable y conservar la trazabilidad de cada operación. El modelo necesita ese contexto para ejecutar con control.
Fuente: Sakana AI, anuncio oficial
Pathos capta 237 millones para decidir mejor en un sector difícil
Pathos anuncia 237 millones de dólares de financiación y una valoración aproximada de 3.000 millones. Bristol Myers Squibb lidera la ronda. Su plataforma Foundry combina información clínica y genómica para apoyar decisiones sobre fármacos y ensayos. La empresa atribuye avances a su IA, pero la financiación no demuestra eficacia clínica.
Por qué importa: Otra señal de inversión en IA especializada: datos propios, expertos y decisiones de alto valor. Para automatización contable, interesa esa combinación; las cifras de biotecnología no sirven como referencia directa de valoración.
Fuente: Pathos AI, comunicado oficial
🔴 La otra cara
OpenAI corta internet durante el entrenamiento de frontera
TechCrunch informa de un cambio concreto en OpenAI: entrenar modelos de frontera con contenido almacenado y simulaciones, sin acceso a la web en directo. La compañía lo vincula a incidentes y límites actuales de monitorización y seguridad. Es un desarrollo nuevo respecto a los problemas de contención ya comentados en otras ediciones. La medida se refiere al entrenamiento, no al cierre de la navegación de los usuarios.
Por qué importa: La autonomía necesita límites externos comprobables. En finanzas, conviene separar el entorno de prueba de las credenciales y sistemas donde una acción tiene consecuencias reales.
Fuente: TechCrunch — Tim Fernholz
Una resolución con errores de IA acaba con el juez apartado del caso
Una crónica del 23 recoge que el tribunal de apelaciones anuló una medida cautelar contra la ley anti-DEI de Mississippi y ordenó reasignar el caso. Las órdenes previas incluían partes ajenas al proceso, citas incorrectas y un precedente inexistente; el equipo del juez había utilizado IA. El tribunal también criticó el razonamiento jurídico. No puede atribuirse toda la decisión exclusivamente al uso de IA.
Por qué importa: Una salida convincente puede contaminar un documento profesional. En contabilidad, referencias, importes y justificaciones necesitan contraste con su fuente antes de incorporarlos al trabajo definitivo.
Fuente: Devna Bose — Mississippi Today, republicado en WLOX
🤔 La voz escéptica
Resumen del argumento: las señales del mercado de deuda y las coberturas frente al impago merecen tanta atención como las valoraciones y los anuncios de inversión. — Branko Marcetic — Jacobin
Marcetic cuestiona la sostenibilidad financiera del despliegue de infraestructura. Es una lectura crítica de señales de mercado, no una demostración de que toda la IA carezca de valor ni una predicción segura de colapso.
Resumen del argumento: hay que poder seguir una operación completa, con sus sistemas, decisiones y responsables; una interfaz vistosa no demuestra que el trabajo esté automatizado. — Shane Ernest — Camunda
Su crónica de Money20/20 distingue asistencia puntual de ejecución real. La prueba resulta útil para evaluar productos contables, aunque Ernest escribe desde Camunda, que vende precisamente orquestación de procesos.
Fuentes para añadir al radar
Sakana AI: anuncios originales sobre agentes empresariales y su arquitectura. Camunda: experiencias de implantación y críticas prácticas a las demos, teniendo presente su interés comercial. Ambas están enlazadas arriba.