121 artículos · 80 libros
Cómo Uber pasó de integraciones MCP improvisadas a un gateway central que gestiona los servidores MCP de toda la empresa: descubrimiento, autenticación, permisos y observabilidad para sus agentes de IA.
La guía de Atlassian para pasar a un ciclo de vida de desarrollo nativo de IA: invertir en plataformas base como grafos de contexto y medición, y rediseñar la planificación, el diseño, el desarrollo, la revisión y el mantenimiento para trabajar con agentes.
Qué hace falta para que los agentes de código trabajen bien en un codebase más viejo que el propio equipo: contexto heredado, convenciones implícitas y cambios seguros sobre sistemas legacy.
Por qué mejorar un agente ya no es solo cambiar de modelo o escribir un mejor prompt: qué es el harness que rodea al modelo (herramientas, contexto, loops y verificación) y cómo diseñarlo, explicado desde cero.
Los agentes pueden terminar la tarea sin enseñarte nada. Construir experiencia ahora tiene que ser algo deliberado para no perder habilidades con el tiempo.
Hostear tu propio LLM rara vez gana en costo frente a la inferencia gestionada de modelos open-weight. Las cuatro condiciones que justifican tener tus propias GPUs.
Una guía práctica para auditar los archivos de instrucciones de tu agente (AGENTS.md, CLAUDE.md, skills) y quedarte solo con lo que todavía necesita.
Paso a paso con el agente real que arma quizzes en Qüizo: de una sola llamada a generateObject a un agente de eve con tools y aislado por tenant, salida estructurada con dos schemas y revisión humana antes de guardar.
Qué son las Agent Skills, qué problema resuelven y cómo crear, publicar y actualizar una: desde un único SKILL.md hasta un plugin compartido con todo el equipo.
Qué es el Model Context Protocol, el problema de integración que resuelve y cómo construir, desplegar y conectar un servidor MCP a Claude.
Si los agentes ya escriben buena parte del código, la experiencia de desarrollo no puede pensarse para un solo humano frente al editor. Cómo rediseñar IDE, testing, feedback loops y contexto para agentes y personas.
Una guía de campo para construir una software factory que siga teniendo dueño: el criterio humano no desaparece, se muda a otros puntos del proceso.
Cuando los product engineers toman decisiones de UX, el choque con diseño es casi inevitable. Un modelo de ownership compartido para colaborar, evitar errores típicos y saber cuándo hace falta un diseñador.
Cómo cerraron el ciclo del agentic coding en DIZENZ: de un issue crudo del backlog a código desplegado en un entorno de prueba, con dos agentes de Claude Code, una revisión en dos pasadas y un quality gate que corre en la laptop en vez de en GitHub Actions.
Por qué la próxima generación de software va a tratar a los agentes como operadores de primera clase: las cuatro propiedades que hacen a un sistema agent-native y por qué pensarlo así se vuelve una habilidad central de arquitectura.
Cómo hicieron de Mingüini una plataforma de productividad todo en uno: un solo modelo de datos, un solo límite de autenticación y trece módulos sobre Next.js 16, Server Actions y Prisma, en lugar de cinco apps separadas.
Cómo construyeron Qüizo, una plataforma de quizzes multijugador para eventos en vivo: un servidor que es dueño del reloj, una capa de SSE que aguanta el wifi del lugar y pruebas de carga para saber cuánta gente entra de verdad en una sala.
Cómo construyeron Crashout, un juego de carreras multijugador para eventos en vivo que se controla desde el celular: un servidor autoritativo en Go, tres pantallas sincronizadas y acceso por QR sin instalar ninguna app.
Cómo programaConNosotros pasó de ser un grupo de WhatsApp a una plataforma social open source: Next.js 16, Server Actions, Prisma y una base de contribuidores que crece junto con la comunidad.
Objetivos, loops y la disciplina de no delegar tu criterio: cómo aplicar loop engineering en el día a día con agentes de código.
Comparten una palabra y nada más: uno construye y se hace cargo del resultado, el otro coordina plazos y dependencias. Por qué confundir ambos roles es peligroso y si se puede pasar de uno al otro.
La calidad del código ahora depende de las restricciones que pongas alrededor de tus agentes: tests, linters, revisiones y límites claros.
Los pipelines de CI/CD acumulan pasos frágiles y reglas que nadie recuerda. La propuesta: reemplazarlos por agentes que deciden cómo testear, deployar según el estado de producción y monitorear con contexto.
No hace falta esperar un ascenso para hacerte cargo de resultados. Cómo pensar como product engineer desde tu primer trabajo, qué buscan los hiring managers y un plan concreto para tus primeros 90 días.
Un framework práctico para definir el alcance, las herramientas y los guardrails de un agente de IA antes de que reciba tráfico real en producción.
Cómo evaluar agentes de IA en producción con chequeos ordenados, métricas binarias, evaluación de trazas y gates en CI para detectar fallas antes de deployar.
Darle a un agente acceso a todo el repo no alcanza si el código no le explica cómo se conectan las piezas. Los cuatro pilares de un codebase listo para agentes, cómo auditarlo y un plan semana a semana.
Tus usuarios te están diciendo todo, el tema es escucharlos. Cinco métodos de user research que entran en el flujo de trabajo de un dev, cómo armar el hábito semanal y convertir señales en cambios.
Comparación de Vercel AI Gateway, OpenRouter, Portkey, LiteLLM, Cloudflare, Kong y Helicone en failover, modelo de despliegue, latencia y precios.
Un AI gateway es la capa de control entre tu aplicación y los proveedores de LLMs. Cómo funcionan el ruteo, el failover y el seguimiento de costos, y cuándo necesitás uno.
Qué es la IA multimodal para un desarrollador web: cómo manejar texto, imágenes, audio y documentos con el AI SDK, patrones que funcionan en Next.js y por qué el costo ya no es una barrera.
Liderar product engineers con el manual de un engineering manager tradicional no funciona. Un marco de coaching, career ladder, ritmo semanal y errores comunes para gestionar equipos orientados a resultados.
Buenas prácticas para construir software con agentes de IA sin perder calidad: cómo darles contexto, revisar lo que producen y evitar que la velocidad se convierta en deuda técnica.
La arquitectura composable es un problema de ubicación: desacoplar el frontend del backend es fácil, lo difícil es el costo operativo del sistema distribuido que queda debajo y cómo reducirlo.
Un agente que sigue instrucciones al pie de la letra también puede borrarte la base de datos. Qué es harness engineering y cómo diseñar límites, checkpoints y controles para que los agentes operen seguros en producción.
Basta de listas de buzzwords. Un mapa de competencias de product engineer organizado en Define, Build y Ship, con una rúbrica para autoevaluarte y qué practicar según la etapa de la empresa.
Una software factory es usar loops a escala: el sistema que construye tu software en lugar de vos. Puede correr con humanos en el loop (light) o sin ellos (dark).
El código se escribe solo, la spec no. Qué es spec-driven development, cómo es una especificación ejecutable que un agente convierte en software y cómo lo aplicó Amazon con Kiro.
Versión escrita del keynote de cierre del AI Engineer World's Fair 2026: los ingenieros tienen que ser dueños del outer loop, la responsabilidad sobre calidad y verificación de estos sistemas.
El buen criterio solía ser un subproducto de la práctica, pero los agentes se quedaron con esa práctica. Si sos junior, ahora tenés que salir a buscar el criterio a propósito.
Un fix de cuatro horas que espera once días por el sprint puede costar miles de usuarios. Por qué los equipos de product engineers están dejando Agile y cómo es la transición a un modelo post-agile.
Lo shippeaste, ahora demostrá que importó. Qué métricas seguir en cada etapa, cómo instrumentar sin frenar al equipo y cómo presentar resultados que impulsen decisiones y tu carrera.
Las bases de datos vectoriales y de grafos recuperan información de forma distinta: búsqueda por similitud versus recorrido de relaciones. Cómo elegir la adecuada según tu problema.
Mergeaste, el CI está en verde y nadie usa la feature. Cómo un product engineer se hace cargo de la distribución, el onboarding y la activación para que lo que sale a producción llegue a sus usuarios.
En aviación, volar detrás del avión mata. A partir de su experiencia como piloto, el autor propone anticiparte con tu código, tus herramientas y tu carrera para no quedar atrás en la era de la IA.
La mayoría de los servicios llamados BFF son en realidad reverse proxies. Un framework de 7 pasos para implementar el patrón backend for frontend cuando realmente aporta valor.
El fine-tuning cambia el comportamiento del modelo, RAG le agrega conocimiento. Una guía para diagnosticar cuál necesitás, cuándo no usar ninguno y cómo construir ambos.
La mayoría de los sistemas multiagente nunca pasan de la demo. Desarma la arquitectura que Factory AI usa en producción: cómo se coordinan los agentes, qué patrones podés copiar y en qué fallan.
El trabajo pasó de escribir código a dirigir agentes que lo escriben. Qué significa hoy planificar con especificaciones precisas y revisar lo que generan, y qué habilidades necesitás para hacerlo bien.
Comparación entre GraphQL y REST en caching, schema, manejo de errores y seguridad, y cómo decidir cuál conviene según lo que tus frontends necesitan del backend.
Un prototipo hecho con IA en cuatro horas puede caerse en producción en una semana. Un modelo de madurez para pasar del vibe coding al vibe engineering, con validaciones, controles y ciclos de feedback.
La IA se vuelve buena en todo lo que tiene una respuesta correcta. Tu carrera es todo lo que no la tiene: consejos para crecer profesionalmente en la era de los agentes.
Monolito y microservicios comparados en escalado, despliegue, performance y encaje con el equipo, con pasos concretos para migrar de una arquitectura a otra.
Si sos PM ya sabés qué construir; te falta la otra mitad. Una hoja de ruta de seis meses para sumar base técnica, aprovechar tu ventaja de producto y saber cuándo estás listo para el cambio.
La autonomía de los agentes no es una sola escalera sino dos ejes (agencia y orquestación) y seis niveles: un marco para pasar de hacer prompts a operar agentes.
REST es el estilo arquitectónico; RESTful es qué tan fielmente una API lo sigue. Dónde se diferencian y cómo construir APIs orientadas a recursos.
El prompt engineering tocó techo: lo que hace confiable a un agente es el contexto que recibe. Cómo armar un sistema de contexto, qué patrones se usan en producción y qué errores evitar.
Full-stack es saber construir en todas las capas técnicas; product engineer es hacerse cargo del resultado, del problema del usuario a la métrica de negocio. Qué comparten ambos roles, qué no y cuándo conviene cada uno.
Tu CV dice qué hiciste; tu portfolio tiene que mostrar qué cambió. Un marco de casos de estudio con métricas de antes y después, plantillas y formas de presentar trabajo que no fue enteramente tuyo.
La mayoría de los proyectos de agentes arrancan por la tecnología. Un flujo paso a paso que empieza por el problema para definir, construir y llevar agentes de IA a producción.
Por qué un Singleton mal sincronizado expone tu app a carreras de datos y crashes como EXC_BAD_ACCESS, y cómo hacerlo thread-safe en iOS con conceptos que aplican a cualquier tecnología.
Las ideas clave de un whitepaper de Google sobre cómo la IA está cambiando el ciclo de vida del software, desde el vibe coding hasta la ingeniería agéntica.
Los agentes escriben código cada vez mejor, así que lo difícil de la ingeniería pasó de escribir código a revisarlo. Cómo hacer code review en la era de los agentes.
Si hace años que escribís buen código pero construís cosas que nadie usa, esta guía es para vos. Un plan de 12 semanas para pasar de implementar a hacerte cargo del resultado, armar tu portfolio y conseguir el rol.
100 tips digeribles para mejorar tus landing pages: diseño, copywriting, optimización de conversión y experiencia de usuario, con ejemplos prácticos.
Loop engineering reemplaza los prompts manuales con sistemas autónomos que iteran hasta completar objetivos, cambiando cómo trabajamos con agentes de código.
Las entrevistas de product engineer evalúan si sabés decidir qué construir, no solo cómo. Treinta y tres preguntas reales de producto, técnicas y de impacto, con marcos para responder y un plan de preparación de dos semanas.
24 consejos prácticos para dar demos memorables —estructura, narrativa, preparación y creatividad— que pueden definir si un proyecto o startup despega.
No hace falta renunciar ni hacer un bootcamp: si ya programás, estás más cerca de lo que creés. Una transición en cuatro fases, las habilidades a priorizar y los cambios de mentalidad que más pesan.
Cómo funcionan los pipelines de integración y entrega continua, las etapas que todo pipeline sigue y cómo armar uno para tu equipo.
No es un cambio de nombre para el mismo trabajo. Una comparación lado a lado de responsabilidades, habilidades, sueldos y caminos de carrera, con las cinco cosas que cambian de verdad y las que se mantienen.
Delegar tareas a la IA sin aprender activamente genera deuda cognitiva: se gana velocidad a corto plazo pero se erosiona la comprensión profunda necesaria para crecer como ingeniero.
Skill que permite trasladar solo el contexto relevante de una sesión de agente a otra, manteniendo cada sesión enfocada y evitando la contaminación de contexto.
Explica el skill /grill-with-docs, que combina la entrevista de grill-me con domain-driven design para que vos y el agente compartan un vocabulario y dejen las decisiones documentadas en el repo.
Un conjunto de workflows que cubren las fases del ciclo de vida del software (Define, Plan, Build, Verify, Review, Ship) para que los agentes de código no salteen las prácticas de ingeniería que aseguran calidad.
La IA no arregla sistemas rotos: el proceso de ingeniería, la arquitectura y las decisiones de equipo siguen definiendo si un desarrollo asistido por IA sale bien o no.
Skill que guía a un agente de código por el ciclo red-green-refactor del TDD, verificando comportamiento a través de interfaces públicas en lugar de detalles de implementación.
Presenta el skill /grill-me, que te entrevista en rondas de preguntas sobre una idea todavía suelta hasta que puedas comprometerte con ella antes de ponerte a construir con tu agente.
Por qué las hackathons, bien estructuradas, son motores de innovación: separarlas del trabajo diario, incluir a todos, exigir demos y dejar enviar a producción lo que funciona.
Explora cómo la arquitectura que rodea a un modelo de IA (el "harness") es tan importante como el modelo mismo para construir agentes de código efectivos.
La infraestructura agéntica permite que agentes de IA desplieguen, construyan y ejecuten software de forma autónoma, transformando cómo operan los sistemas modernos.
Cinco principios para construir productos donde los agentes de IA son la interfaz principal y no un agregado, basados en cómo PostHog reconstruyó su arquitectura de IA dos veces.
Un framework de siete fases (idea, investigación, prototipo, PRD, planificación, ejecución y QA) que describe el patrón común en workflows exitosos de desarrollo asistido por IA.
La IA genera código más rápido de lo que los ingenieros pueden comprenderlo, creando una "deuda de comprensión" que las métricas tradicionales no capturan y que puede tener graves consecuencias.
Tres habilidades clave de product management que todo ingeniero debería adoptar: reunir contexto, crear loops de feedback y comunicar decisiones de forma accionable.
Los agentes de código representan un cambio de abstracción: el desarrollador ya no escribe código directamente sino que orquesta sistemas que lo generan, elevando el pensamiento sistémico y el juicio arquitectónico.
Cómo el agentic coding cambia el desarrollo de software en DIZENZ: cómo usan Claude Code, cómo eligen el modelo para cada tarea y qué buenas prácticas siguen al programar con IA.
Cómo escribir un buen AGENTS.md: por qué los archivos enormes confunden al agente y gastan tokens, cómo recortarlos con progressive disclosure y cómo organizarlos en monorepos.
Una guía para construir aplicaciones donde los agentes son ciudadanos de primera clase, cubriendo los patrones de diseño que hacen que los sistemas funcionen de forma confiable con IA autónoma.
Guía práctica para darle a tu agente de código feedback loops en proyectos TypeScript (type checking, tests, pre-commit hooks con Husky y formateo automático) para que verifique su propio trabajo.
Cómo usar el plan mode de agentes como Claude Code para iterar sobre los requisitos antes de escribir código. Ojo: el autor lo actualizó y hoy recomienda /grill-with-docs en su lugar.
Una visión de cómo la IA transformará la ingeniería de software en los próximos dos años: nuevos roles, nuevas habilidades críticas y qué fundamentos seguirán siendo irremplazables.
Explica qué son los tokens con los que trabajan los LLMs, cómo se codifican y decodifican, por qué importa el tamaño del vocabulario y cómo impactan en lo que pagás.
Explica qué es la ventana de contexto de un modelo (tokens de entrada y salida), qué pasa cuando llegás a su límite y el problema de "lost in the middle".
Explica cómo se le dan herramientas a un LLM desde el system prompt, la diferencia entre la llamada a una herramienta y su ejecución, y cómo manejar errores en el flujo completo.
Compara agentes y workflows en sistemas con LLMs: los workflows siguen pasos predefinidos en código y los agentes improvisan, y explica cuándo te conviene cada uno.
¿Existe un diseño capaz de resolver todos los casos a medida que un sistema evoluciona? Eficacia, eficiencia, flexibilidad y fiabilidad a través de la evolución de la plataforma de PedidosYa.
Qué es el vibe coding, guiar a un modelo con la intención en vez de escribir cada línea, y cómo lo usan en el día a día con herramientas como Cursor para pasar de idea a software funcionando.
Estrategias y herramientas para que diseño y desarrollo trabajen como un solo equipo, incluso entre continentes: handoffs, comunicación y cómo construir productos desde cero sin fricción.
El testing no es la última fase antes de salir: es un proceso que atraviesa todo el desarrollo. Una introducción clara a las etapas del STLC, pensada también para quien no es de QA.
Define el rol del AI Engineer, lo diferencia del ML Engineering, del prompt engineering y del desarrollo asistido por IA, y explica cómo un dev web puede dar el salto.
Explica por qué construir con LLMs exige pensar en sistemas probabilísticos, definir criterios de éxito claros y usar los datos reales de usuarios para mejorar continuamente tu aplicación.
Un catálogo de técnicas para mejorar tu app con LLMs, desde prompts con roles, XML y few-shot hasta salidas estructuradas, tool calling, RAG y loops agénticos, empezando siempre por lo más simple.
Repasa para qué sirven los LLMs (estructurar datos, clasificar, responder preguntas, agentes) y cuándo te conviene usar un sistema determinístico en lugar de uno.
Una introducción a los modelos de lenguaje grandes: qué son, cómo se ejecutan, qué son los tokens de entrada y las estrategias de muestreo, y cómo se crean e inspeccionan.
Cinco preguntas para elegir el modelo adecuado para tu app: modelos abiertos o cerrados, costo por token, latencia, cómo medir el rendimiento y cuánto contexto necesitás.
Los productos ya no tienen fronteras: qué tener en cuenta al diseñar para usuarios de otras culturas, desde el idioma y los colores hasta las convenciones de uso.
Presenta los evals como la herramienta clave para medir apps con LLMs: por qué el testing tradicional no alcanza, los tres tipos de evals y cómo armar un ciclo de mejora con datos.
Al migrar un flujo de PedidosYa de web a nativo con Server Driven UI, la carga mejoró pero aparecieron app hangs: los enfoques que probaron para resolverlos y qué resultados dio cada uno.
Cómo funcionan los grafos de conocimiento y RAG, por qué se complementan y cómo combinarlos hoy en tus proyectos usando GraphRAG.
Cómo usar IA para generar documentos de forma rápida y precisa en organizaciones grandes, ahorrando tiempo sin descuidar la exactitud ni el cumplimiento normativo.
Las PWAs combinan lo mejor de la web y de las apps nativas: qué son, qué ventajas tienen para usuarios y equipos, y cuándo conviene elegirlas en lugar de una app tradicional.
Resumir grandes volúmenes de documentación con GPT sale caro porque se paga por token. El clustering permite agrupar y categorizar el texto antes, para resumir de forma más eficiente.
Un caso real de RAG en producción: cómo integraron la técnica en Docs Hunter para resumir documentos, responder preguntas sobre ellos y armar chatbots para empresas.
Una introducción a RAG: cómo darle a un LLM el contexto relevante en el momento de responder para que deje de inventar y conteste algo útil.
La división entre frontend y backend sirve cada vez menos. Qué es un product engineer, en qué se diferencia de un platform engineer y cómo encontrar ese perfil al contratar.
Extiende las ideas de los microservicios al frontend: aplicaciones independientes y desplegables por separado que se componen en una sola interfaz, permitiendo que cada equipo trabaje de forma autónoma sin perder una experiencia de usuario cohesiva.
Una guía profunda sobre arquitecturas serverless basadas en Backend as a Service (BaaS) y Functions as a Service (FaaS): sus beneficios, como menor costo operativo y escalado automático, y sus desventajas, como el vendor lock-in.
Una guía completa sobre feature toggles (feature flags): cómo modificar el comportamiento del sistema sin cambiar código, las distintas categorías de toggles, técnicas de implementación y buenas prácticas para mantenerlos en el tiempo.
Cómo Slack reconstruyó su app de escritorio con Electron usando una arquitectura híbrida: parte de los assets viajan con la app y el resto se carga remoto, con el modelo multiproceso, WebViews como frontera de seguridad y electron-remote para comunicar procesos.
El artículo original de Ports & Adapters: aislar la lógica de la aplicación detrás de puertos para que la UI, los tests, las bases de datos y otros sistemas se conecten mediante adaptadores intercambiables, sin que el núcleo dependa de ellos.
