Las herramientas son baratas — y la gente empieza a construir

Tenor, el motor de búsqueda que sin alardear alimenta los GIFs de tus chats grupales, está cerrando su API. La API lleva más de una década siendo usada por Slack, Discord, WhatsApp, iMessage y una docena de apps más para meter GIFs en las conversaciones. Ahora se fue.

El efecto es inmediato para quien haya soltado un GIF en un mensaje de Slack o reaccionado con un GIF en iMessage: esas imágenes dejarán de cargar. La caída se propaga: X, Discord y otros tendrán que parchear sus propias bibliotecas de GIFs o bifurcar el código open-source de Tenor para mantener la función viva. La API es esa cañería que no notas hasta que se rompe.

La historia real no es el cierre en sí — es lo frágil que es la capa de GIFs de internet. Tenor era una empresa, una API, y todo el ecosistema de GIFs dependía de ella. Cuando se cae, los GIFs se caen.

Por qué nos importa: Tenor es ese servicio sin glamour que sostiene nuestra vida digital de a diario. Cuando se rompe, nadie escribe sobre ello — hasta que no pueden enviar el GIF. Esto es infraestructura, y merece la misma atención que le damos a las apps que se sientan encima.

Rohan Paul tiene un texto agudo sobre por qué los últimos años de la tech se han sentido tan agotadores sin razón. La palabra que toma prestada es involution —de la antropología— y describe un proceso donde algo crece por fuera pero se vacía por dentro. Una célula que se divide y se divide hasta quedar enorme y hueca. Una cultura que expande su vocabulario pero pierde la capacidad de decir algo nuevo.

La versión tech es esta: hemos estado agregando capas —más frameworks, más abstracciones, más herramientas— mientras el trabajo real se vuelve más difícil de ver. Tu app de React ahora tiene un árbol de 47 dependencias, un build system, un bundler, una component library, un patrón de state management, y una regla de linting que te dice que uses un patrón distinto. La app renderiza un botón.

Lo mejor del texto es el contraste entre dos tipos de progreso. Uno es evolution —un caballo que se hace más rápido, un ave que crece alas, una base de datos que se hace más rápida en las queries. El otro es involution —un caballo que se hace más pesado, un ave que crece más plumas, una base de datos que recibe una nueva migration tool que hace lo mismo que la migration tool vieja. La involution se siente como progreso porque hay más de ella. Pero no lo es.

Por qué nos importa: lo mismo le está pasando a la IA —más modelos, más fine-tunes, más RAG pipelines— y los que realmente le ahorran tiempo a la gente son los que se hicieron más chicos, no más grandes. Los que hacen el trabajo en vez del papeleo del trabajo.

Hamel Hashmi puso en pie eval-smell, una herramienta rápida para diagnosticar agentes de IA. La ejecutas contra tu conjunto de evaluación y marca las señales — cuándo el agente se confía de más, cuándo está echando mano de las excusas, cuándo está alucinando con cara de pío.

El problema que resuelve es el que todos en el campo conocemos: tu agente se ve bien en las demos y se rompe en cuanto lo pones frente a datos reales. Los números de evaluación mienten. La herramienta de Hamel hace visible la mentira.

El texto es limpio — sin lamentaciones, sin un deck de 20 slides. Solo el problema, la solución, y cómo usarla. Vale la pena guardarla si te dedicas a fabricar agentes.

Por qué nos importa: cuando armamos herramientas para familias de Brown — la app de la migra, el asistente de IEP, el screener — necesitamos evaluaciones que de verdad atrapen los errores, no las que los suavizan.