La migra app, archivos gratis para la familia y el burnout
ICE está metiendo fotos de manifestantes en una base de datos de Palantir. Meta está armando archivos gratis de toda tu familia. Las enfermeras dicen que el horario con IA les está matando la seguridad. La gente está mirando de cerca. Esto no es solo tech news — es tu cuadra, el side hustle de tu primo, el Facebook de tu tía.
ICE tirando fotos de manifestantes a una base de datos de Palantir
Los documentos judiciales acaban de desclasificarse. Lo que muestran es bastante claro.
Agentes del DHS en Maine rastrearon a personas que observaban las operaciones de ICE. Luego metieron a esas personas en una base de datos construida por Palantir. No un sistema de registros públicos. Un sistema de Palantir.
Las fotos no están solo ahí guardadas. Los documentos dicen que los agentes usaron la base de datos para intimidar a los observadores. Eso no es recolección de datos. Eso es una amenaza.
Palantir construye ese tipo de sistemas que conectan tu cara con tu ubicación, tu carro, tu teléfono, tus amigos. ICE estaba tirando fotos de manifestantes a uno de esos. La base de datos fue construida por una empresa que vende tecnología de vigilancia al ejército y a la patrulla fronteriza.
Los documentos no dicen cuánto tiempo se ha estado guardando la data. No dicen quién más tiene acceso. No dicen si las fotos se compartieron con otras agencias. Solo dicen que pasó.
Esto no es un error. Esto no es un "malentendido". Esto es un sistema siendo usado para hacer que las personas que están viendo las operaciones del gobierno se sientan vigiladas de vuelta. Ese es el punto.
La gente en Maine estaba haciendo lo que la comunidad hace — viendo lo que hace el gobierno. Y el gobierno construyó una base de datos para recordarlos.
### Por qué nos importa:
la gente que se presenta a ver a ICE — la familia, los estudiantes, la abuela en su porche — no debería tener que preocuparse de que una base de datos de Palantir ya está guardando sus fotos. Así es como la vigilancia entra en la comunidad, una foto a la vez.
El juez tacha el escaneo masivo de Flock como "vigilancia indiscriminada"
Un juez federal acaba de calificar la búsqueda de Flock como una práctica de vigilancia policial tipo red de pesca. El tribunal dijo que el oficial que la usó necesitaba una orden judicial. Sin ella, la búsqueda era inconstitucional.
La red nacional de Flock está rápidamente acercándose a esa práctica de vigilancia tipo red de pesca, escribió el juez. Eso significa que el sistema no solo está revisando un auto por una razón. Está escaneando toda la red de una vez. El juez dijo que el oficial debería haber obtenido una orden.
Esto no es un caso pequeño. El hardware de Flock está en departamentos de policía en todo el país. La decisión aplica a nivel nacional. Si el juez dice que fue vigilancia masiva indiscriminada, eso es una bandera roja para cada departamento que usa el sistema.
El tribunal no dijo que Flock es ilegal. Dijo que esta búsqueda fue incorrecta. Pero el lenguaje es fuerte. El juez lo llamó indiscriminado. El juez lo llamó vigilancia masiva. Eso no es una crítica menor.
Esto golpea fuerte a las ciudades fronterizas. Las comunidades fronterizas ya lidian con paradas de tráfico intensas, patrullas móviles y puntos de control. Suma un escáner nacional que puede marcar un auto sin orden judicial, y la presión sube. El juez le está diciendo a los policías que reduzcan la velocidad y sigan las reglas.
La decisión es una victoria para la Cuarta Enmienda. También es una victoria para la gente que pasa por estos puntos de control todos los días. Significa que un oficial no puede simplemente detener un auto solo porque el escáner lo marcó. Necesita una orden. Eso es un control real del poder.
Por qué nos importa: Cada vez que un policía nos detiene porque un escáner nos marcó, esta decisión les recuerda que necesitan una orden — y nos da una herramienta para empujar hacia atrás cuando no la tienen.
Alucinación de la IA: Cuando el bot inventa la vida
Le preguntas algo a la IA. Te responde rápido. Rápido como tu primo en WhatsApp que te cuenta un side hustle que no existe. Suena real. Se siente real. Pero no lo es.
Eso es una alucinación. El modelo no está mintiendo. No está tratando de engañarte. Solo está llenando el vacío con la respuesta que suena más probable. Está adivinando. Y mal.
Piensa en la cocina. Estás haciendo arroz con pollo. Se te acaba el achiote. Agarras el frasco rojo del estante de arriba. Se ve igual. Huele lo suficientemente cerca. Lo echas. El platillo sale mal. No querías arruinarlo. Solo agarraste lo equivocado porque estaba cerca.
La IA hace eso. Agarra las palabras que suenan más cercanas. No los hechos. No la verdad. Las palabras que suenan más cercanas.
Entonces, ¿por qué pasa? El modelo fue entrenado para predecir la siguiente palabra. No para verificar fuentes. No para decir "no sé". Fue entrenado para sonar como si supiera.
¿Qué debes hacer? No trates a la IA como a una persona. Trátala como a un pasante super rápido que no tiene memoria y una guía telefónica terrible. Pídele que cite. Pídele que enlace. Si no puede, aléjate.
El modelo es un loro con un vocabulario enorme. No un académico. No una fuente.
Un tip: siempre pídele que muestre su trabajo. Si no puede mostrarlo, probablemente lo está inventando. Y eso no es un bug. Así fue construido.
Por qué nos importa:
Lo aceptas o no usas la app. Ese es el trato — y la data le pertenece a gente que nunca firmó nada.
— wired.com
#meta-s-muse-builds-a-file-on-your-entire-family-for-free-a19d76La IA programando turnos está quemando a las enfermeras. Dicen que es un tema de seguridad
Un gigante hospitalario y una red de radiología contrataron a Palantir para arreglar el sistema de turnos de las enfermeras. ¿El resultado? Más errores, más burnout y un montón de frustración.
Las enfermeras y el resto del personal dicen que el software no está suavizando las cosas. Las está empeorando. El nuevo sistema ha causado errores de programación que se están acumulando. La gente está trabajando turnos para los que no firmaron. Otros se quedan pegados con dobles turnos o sin descanso en absoluto.
La frustración es real. El burnout es real. Y las enfermeras dicen que es un tema de seguridad, sin rodeos.
Kelex: Agents que sí te recuerdan
Ya sabes esa sensación. Le das una tarea a un agente, la hace una vez y luego se olvida de todo. En la siguiente ejecución, es un desconocido otra vez. Sin memoria. Sin contexto. Sin rastro de auditoría. Solo un chat nuevo cada vez.
Eso no es un producto. Es un juguete.
Los builders que quieren un agente de verdad — uno que recuerde al usuario durante meses, retome donde lo dejó, marque lo que no puede decidir y lleve un registro — usualmente terminan escribiendo su propia capa de memoria. Eso es mucho código. Eso es mucha deuda técnica.
Kelex es esa capa de memoria, pero como producto. Memoria tipada. Tenants y agentes como objetos de primera clase. Confianza acotada con flagging progresivo. Webhooks para que un humano dirija el flujo. Le das una tarea, te recuerda, marca la incertidumbre y te devuelve el control cuando hace falta.
Nosotros corremos Lara y el stack de contenido de BFTS con esto antes de venderlo. Eso no es marketing. Ese es el stack.
Si ya estás cansado de escribir tu propia capa de memoria, esta es la que necesitas.
https://brownforces.io/solutions
El video corto se está comiendo los puestos de PMM — y esto es cómo agarrar la pluma
El mundo del marketing se está reescribiendo su propio manual, y el video corto es la goma de borrar. El post de Chris Long en LinkedIn señala un directorio de ramp rates —una forma de medir qué tan rápido crecen los equipos—, pero la historia real es más simple: el rol de Product Marketing Manager se está moldeando por la demanda de contenido en video corto.
El post no ofrece un how-to. Señala un directorio de ramp rates, una herramienta para medir la velocidad de crecimiento. Pero el contexto es claro.
El video corto ya es el canal principal para generar confianza de marca
Un nuevo reporte del IPA (Institute of Practitioners in Advertising) analiza cómo las marcas están reorientando su inversión publicitaria. El hallazgo principal: el video corto ya no es solo una tendencia. Ahora es el canal principal para construir confianza de marca entre los consumidores.
El estudio rastreó el comportamiento del consumidor en múltiples mercados. Los datos muestran una migración clara. La gente está pasando más tiempo haciendo scroll en feeds de video vertical que viendo TV tradicional o incluso navegando en sitios web. Y las marcas que aparecen ahí son las que la gente recuerda.
El reporte desglosa por qué está pasando este cambio. No se trata solo de ojos. Se trata de contexto. El video vertical se siente nativo. Se siente como algo que le compartirías a un primo. No se siente como un anuncio que interrumpe tu día — se siente como parte del día.
Las marcas que están ganando aquí son las que lo tratan como un canal real, no como un side hustle. Están invirtiendo en calidad de producción. Están probando hooks. Están midiendo confianza, no solo vistas.
La conclusión del IPA es directa: si tu marca no está presente en video corto, eres invisible para una gran parte de tu audiencia. Y “grande” es la palabra clave. Estamos hablando de la gente que realmente compra cosas.
El reporte no endulza el costo. El buen video corto no es gratis. Requiere tiempo, creatividad y la disposición de aparecer consistentemente. Pero la alternativa — ser ignorado — cuesta más.
Por qué nos importa: Si la gente que corre los negocios de lado y las abuelas que publican en Facebook son las que ahora mueven mercados, entonces las marcas que ignoran el video corto están dejando dinero sobre la mesa — y están dejando a nuestras comunidades atrás en el proceso.
Copilot se está volviendo más barato de usar — y eso lo cambia todo
GitHub Copilot está haciendo un cambio que suena pequeño pero pega duro: están reduciendo la cantidad de tokens que usa tu código por sesión.
Esto es lo que significa. Cada vez que escribes un prompt, Copilot lee el contexto, genera sugerencias y te cobra por eso. Los tokens son la unidad de esa factura. Menos tokens por sesión significa menos costo por sesión. Eso es todo.
El cambio es parte de un esfuerzo más amplio para hacer Copilot más barato de usar. GitHub no está anunciando esto como una nueva función. Lo están llamando "eficiencia de tokens". El efecto es el mismo: tu factura baja.
¿Por qué harían esto?
La herramienta MCP de IBM cierra tickets automáticamente desde tu terminal
IBM lanzó MCP Context Forge, una herramienta open-source que convierte logs de errores en tickets cerrados — sin salir de tu terminal.
La herramienta usa el Model Context Protocol para conectar tu entorno local con Watsonx y ServiceNow. Pegas o alimentas un log de error en tu terminal y el sistema redacta un ticket de soporte, adjunta el log e incluso lo cierra automáticamente cuando se aplica el fix.
Sin portal web. Sin copiar y pegar en un navegador. Solo comandos de terminal.
El repo en GitHub es público: github.com/IBM/mcp-context-forge. Está construido sobre MCP, el protocolo que permite que las herramientas de IA hablen entre sí. IBM lo posiciona como una forma de reducir la fricción entre devs y soporte de IT.
TLDR DevOps lo reportó como parte de su roundup semanal, destacando el ángulo: "de log de error a ticket cerrado sin salir de tu terminal."
La herramienta requiere credenciales de Watsonx y ServiceNow. No es una caja mágica standalone. Necesitas el stack de IBM ya en tu org.
Esa es una gran advertencia. Esto no es para el dev solitario con un issue de GitHub. Es para equipos que ya corren Watsonx y ServiceNow a escala.
Aun así, la idea es simple: deja de hacer que los devs cambien de contexto entre terminal, navegador, email y ticketing. Deja que una herramienta maneje la cadena.
Por qué nos importa:
Si tu shop corre el stack de IBM, esto reduce la fricción entre arreglar código y que IT lo registre — pero si no estás ya en Watsonx y ServiceNow, es solo un demo que no tocará tu workflow.
SedonaDB 0.4: los joins espaciales con GPU ya están aquí
Apache SedonaDB 0.4 lanzó joins espaciales acelerados con GPU. Corre encima de Apache Sedona, que es un motor de análisis espacial construido sobre Apache Spark. La nueva versión te permite procesar datos geográficos — puntos, líneas, polígonos, cajas delimitadoras — a escala usando la GPU.
Lo que eso significa en la práctica: si tienes millones de registros con datos de ubicación, puedes hacer joins espaciales (encontrar qué puntos caen dentro de qué polígonos, qué líneas cruzan qué áreas) y empujar ese trabajo a la GPU en lugar del CPU.
La economía de SpaceX: por qué Starlink cuesta tanto
SpaceX está metiendo dinero real en los satélites de Starlink. El costo de construir y lanzar cada uno importa. No solo el hardware, sino el combustible, los cohetes, las estaciones terrestres.
La economía no es simple. Cada satélite tiene que sobrevivir en órbita por años. Cada lanzamiento cuesta millones. La red necesita cientos de satélites para funcionar bien.
Los números son públicos. Los márgenes son delgados. La compañía sigue creciendo rápido.
Esto no es una historia de tech. Es una historia del costo de meter cosas en el espacio y mantenerlas ahí. Es de quién paga y quién se queda con la ganancia.
Por qué nos importa: los mismos cohetes que llevan los satélites de Starlink también llevan las señales que conectan a la comunidad — y la gente que controla el costo de esas señales controla el costo de nuestro internet.