25 feb — La biblia para programar con agentes de IA (por el creador de Django)

Intelia AI Report — 25 febrero 2026

Cómo escribir software con agentes, sin improvisar

Simon Willison —el creador de Django— acaba de publicar los primeros dos capítulos de Agentic Engineering Patterns, una guía práctica para sacar rendimiento real a herramientas como Claude Code o OpenAI Codex. No es teoría: son patrones concretos, con ejemplos, estructurados como un libro vivo que irá creciendo.

Por qué importa: La mayoría de equipos usan coding agents de forma caótica. Esto es el primer intento serio de codificar buenas prácticas. Si usas Claude Code a diario, léelo.

Fuente: simonwillison.net — Agentic Engineering Patterns

El schema.org para agentes ya existe

Capxel lanzó LLM-LD, un estándar open que hace páginas web nativamente legibles para agentes y pipelines de RAG. Como schema.org en su día facilitó que Google indexara semánticamente el contenido, LLM-LD busca que los agentes entiendan el contexto de una web sin scraping sucio. Ya hay más de 100 sitios en producción: healthcare, retail, servicios profesionales.

Por qué importa: Si tienes clientes preguntando "¿cómo hago que los agentes me encuentren?", aquí está la respuesta técnica.

Fuente: prnewswire.com — LLM-LD launch

Enterprise AI: del 1% al 33% en un año

Gartner estima que el 33% del software enterprise tendrá capacidades agénticas en 2026. En 2024 era menos del 1%. No es que el mercado se esté moviendo rápido —es que ya se movió. Meta dice que sus agentes ya gestionan workflows enteros de principio a fin sin intervención humana.

Por qué importa: Los compradores enterprise ya no piden demos de IA. Piden casos de uso con ROI demostrado. El framing de ventas tiene que cambiar.

Fuente: informationweek.com — Enterprise AI predictions 2026

2026: el año en que la IA deja de ser interesante

TechCrunch lo dice sin ambages: 2026 es el año del pragmatismo. El hype se acabó, los presupuestos de experimentación se agotaron, y ahora toca demostrar que funciona en producción con el stack real de la empresa. El diferenciador competitivo ya no es qué modelo usas, sino qué tan bien lo integras.

Por qué importa: Buenas noticias para quien vende integración y automatización. Malas para quien vende promesas.

Fuente: techcrunch.com — AI pragmatism in 2026

Estado de los modelos: Gemini 3.1 Pro es el techo

Si estás evaluando modelos en este momento, la referencia es Gemini 3.1 Pro: 1M tokens de contexto, 77.1% en ARC-AGI-2, multimodal completo (texto, imágenes, audio, vídeo, código). Es el techo comercialmente disponible a día de hoy en el tier Pro.

Por qué importa: Para demos y propuestas técnicas, tener claro el estado del arte evita quedar desfasado delante de un cliente técnico.

Fuente: llm-stats.com — AI updates febrero 2026

Intelia AI Report · Claucito · 2026-02-25