Edición 38 — 19 de junio de 2026

Alex Ellis está publicando un nuevo post en su blog argumentando que Loops —el producto que ha estado armando— es la jugada del momento. Ha estado pensando en Loops por un buen tiempo, así que esto no es una revelación repentina. Es una acumulación constante de convicción.

Loops es lo que pasa cuando alguien que de verdad construye cosas decide armar su propia solución en vez de parchear las herramientas de otros. Es ese tipo de cosa que se prende cuando las alternativas se van poniendo más caras y más complicadas.

Por qué nos importa: cuando un builder como Alex empieza a marcar el ritmo, las herramientas cambian, y también lo hace quién puede competir en sus propios términos.

Mobileye, Intel's vision and self-driving subsidiary, is entering the US robotaxi market directly — not just selling sensors to carmakers, but running its own service.

The company's been building the pieces for years: cameras, radar, and its SuperVision driver-assist system that's already in cars from Ford, BMW, and Nio. Now it's flipping the model. Instead of licensing that stack to OEMs and waiting for them to build robotaxis, Mobileye is operating one itself. That's a different kind of bet — you have to run the fleet, handle the maintenance, and deal with regulators on the ground.

This isn't the first shot at robotaxis (Waymo and Cruise have been at it for years), but Mobileye's approach is notably different. They're going standalone instead of riding on someone else's platform. Whether that pays off depends on a few things: can they keep the sensors cheap enough to scale, and can they actually run a fleet that people trust.

Why this matters for us: if robotaxis ever roll out in our neighborhoods, the companies that own the technology on the ground — not just the ones with the fanciest branding — are the ones that set the rules for pricing, access, and whether our communities get left behind.

Si alguna vez ejecutaste un subquery con NOT IN y te devolvió nada — ni una sola fila — no estás loco. La base de datos no está rota. Está haciendo exactamente lo que el spec de SQL dice que debe hacer.

El truco es que NOT IN no es realmente un operador especial. Es NOT (columna IN (...)). Entonces, cuando tu subquery devuelve un NULL, todo se colapsa. 5 NOT IN (1, 2, NULL) es NOT (5 = 1 AND 5 = 2 AND 5 = NULL), y 5 = NULL es NULL, no TRUE. Así que obtienes NULL, que se trata como FALSE. Todo desaparece.

¿La solución? Usa NOT EXISTS o LEFT JOIN ... IS NULL si tus datos tienen NULLs. O envuelve el subquery en COALESCE. Pero honesto, la mayoría de nosotros solo le damos vuelta y seguimos.

Por qué nos importa: muchos de nosotros que programamos, armamos side hustles, o manejamos bases de datos en el trabajo hemos estado escribiendo queries que devuelven resultados incorrectos en silencio — y nos hemos estado echando la culpa por meses.

Databricks está lanzando LakeHouseRT, una nueva versión de su plataforma lakehouse diseñada para cargas de trabajo en tiempo real. La actualización permite a las empresas ejecutar análisis y consultas de streaming sobre los datos a medida que llegan, en lugar de esperar a que terminen los procesos por lotes.

El lakehouse ha sido la apuesta de Databricks para competir con el modelo tradicional de data warehouse — combinando la flexibilidad de los data lakes con el rendimiento de los warehouses. Pero el tiempo real ha sido la parte complicada. La mayoría de los lakehouses están diseñados para procesamiento por lotes, no para las actualizaciones de milisegundo a segundo que necesitan las apps modernas. LakeHouseRT cierra esa brecha.

Por qué nos importa: Databricks está tratando de que sus herramientas de datos funcionen más rápido para el tipo de negocios que se mueven rápido — retail, logística, delivery, y el resto de las empresas que no pueden esperar a los jobs por lotes de la noche.

Dan Newman de TLDR publicó otra ronda de actualizaciones sobre datos y tecnología. El boletín es conocido por cortar el ruido con cosas como comparaciones de modelos de IA, movimientos del mercado cripto y nuevas herramientas que llegan al ecosistema.

Esta edición cubre a los sospechosos de siempre — nuevos datasets, benchmarks de modelos de IA y financiamiento de startups — pero el verdadero valor está en la curación. TLDR ha construido una reputación de surfear historias que la gente trabajadora de Brown realmente necesita saber, no los mismos press releases de Silicon Valley que todos repostean.

El boletín se ha convertido en un go-to para la gente que trata de mantenerse afilada sin ahogarse en newsletters. Si estás cansada de leer las mismas historias diez veces en diferentes outlets, el enfoque de TLDR de elegir lo mejor y seguir adelante es exactamente lo que la comunidad necesita. Sin relleno. Sin citas falsas. Solo lo que está pasando.

Por qué nos importa: cuando recibimos actualizaciones precisas y sin filtro sobre tecnología y mercados sin el spin de PR de siempre, podemos tomar decisiones reales sobre nuestro dinero, nuestros side hustles y dónde están aterrizando las próximas oportunidades.

El hype de los modelos de IA en la nube (GPT-4, Claude, Gemini) tiene un problema: para la mayoría de las personas, es demasiado. Alex Ellis lo dice claro en su post — los modelos de código abierto y los que corren en tu propia máquina ya están compitiendo y, en muchos casos, superando a los grandes modelos en velocidad y costo. La tendencia es clara: cada vez más gente está corriendo sus propios modelos en casa o en servidores pequeños, sin depender de la nube.

Pero aquí está el punto que no se cuenta tanto: si tu IA corre local, necesitas que todo lo demás también esté listo para ella. Los sistemas de diseño (design systems) que los equipos de ingeniería usan — las reglas, componentes, y patrones que guían cómo se construye software — están empezando a ser "especificados" para que los agentes de IA los entiendan. La gente de Evil Martians muestra cómo diseñar sistemas que funcionan para humanos Y para máquinas.

Esto tiene que ver con algo más grande: la descentralización del poder de la IA. Cuando los modelos corren local, no pagas por cada token. No dependes de una API que sube precios. No estás atado a la infraestructura de los grandes. Y si tu sistema de diseño está pensado para agentes, puedes automatizar más del trabajo repetitivo — el tipo de trabajo que te hace perder tiempo a ti y a tu equipo.

Por qué nos importa: cuando la IA se queda en tu máquina y no en la nube de los grandes, el control vuelve a nosotros — y eso cambia quién gana dinero, quién pierde tiempo, y quién decide cómo se construye el futuro de la comunidad.

TLDR is a daily newsletter that's been quietly growing into one of the most read tech digests out there. Instead of dumping you into a 50-article feed, they curate what's actually worth knowing — AI tools shifting how people work, policy changes that ripple into communities, and startups building things that touch the people we know.

The newsletter's strength is in its pacing. It doesn't try to cover everything, and it doesn't pretend every item is a big deal. You get the signal without the noise, which is what we need when we're already juggling family, work, and the side hustle.

Why this matters for us: staying sharp on tech doesn't have to mean subscribing to five different feeds and drowning in noise — TLDR keeps it lean so we can move through the day without missing what actually shifts the ground.