La IA nos escucha, LinkedIn nos vigila
La ola de la IA ya está aquí, y la gente está viendo quién se queda fuera. Desde las gafas que escuchan hasta las nuevas reglas de LinkedIn, el juego cambia. Tus datos siguen siendo tuyos. La plataforma se transforma. Esto te toca.
Legato Frames: Audífonos con IA por $999
Acaban de lanzar Legato Frames. La startup ya metió su tecnología de asistencia auditiva con IA dentro de unos lentes. Van por adultos con pérdida auditiva hasta moderada. El precio de entrada es de $999.
Esto no es un audífono en una caja. Son lentes. La IA corre en el dispositivo, lo que significa que procesa el sonido ahí mismo, en el marco. Sin depender de la nube. Eso es un cambio real para la privacidad y la confiabilidad.
El target está claro: gente que quiere algo que se vea como unos lentes normales pero que les ayude a escuchar en ambientes ruidosos. Piensa en las cenas de familia, los mercados de la calle, los buses llenos. Esos escenarios donde la comidad se pierde entre el ruido.
Legato se posiciona como un producto de consumo, no como un dispositivo médico. Eso importa. Significa que el diseño, el ajuste, el estilo — todas esas cosas que hacen que la gente realmente se ponga unos lentes — están en juego. El precio de $999 los pone en el carril de los lentes premium, no en el de los audífonos baratos.
El ángulo de la IA en el dispositivo es lo que realmente importa aquí. La tecnología de asistencia auditiva existe desde hace años. Lo nuevo es poder correr la cancelación de ruido y la amplificación localmente, en tiempo real, sin enviar tu audio a un servidor. Para la comunidad, eso es una victoria práctica. Tus conversaciones se quedan tuyas.
No hay datos de ensayos clínicos citados en la fuente. No hay testimonios de usuarios. No hay reseñas independientes. Es un anuncio de lanzamiento. Acepta las especificaciones y el precio tal cual. La prueba real es si la gente realmente se los pone y si la IA aguanta en el mundo real.
### Por qué nos importa:
Cuando la tecnología auditiva por fin se vea y se sienta como algo que nuestros abuelos realmente se pondrían, el estigma baja — y ahí es cuando toda la familia se beneficia.
Las empresas de IA van al mercado público — ¿quién más se sube a la ola?
Las grandes empresas de IA están haciendo fila para entrar al mercado público. Las startups están intentando surfeando esa ola de la IPO de SpaceX, buscando el mismo tipo de impulso. La pregunta es quién más se gana un asiento en el camino.
La carrera por salir a bolsa no es solo por los nombres en la portada. Se propaga entre la gente detrás de ellas — los ingenieros, los fundadores, los equipos pequeños que construyeron la infraestructura. Cuando una gran empresa de IA sale a bolsa, el mercado pone atención, y el dinero sigue. Eso no significa que todos en la mesa coman.
Hay un patrón aquí que la comunidad conoce bien. Ves al primo que corre el negocio paralelo, a la tía en Facebook, a la gente que mantiene las luces encendidas en la tiendita. Cuando la ola grande llega, ellos son los primeros en sentirlo — a veces como oportunidad, a veces como presión. De la misma forma que un gran desarrollador que se muda al barrio cambia el alquiler, una gran IPO de IA cambia quién se financia, quién se contrata, quién se queda fuera.
La carrera por salir a bolsa está pasando ahora. Las empresas están hablando con inversionistas, poniendo fechas, preparando los documentos. Las startups están mirando, calculando, preguntándose si pueden agarrarse del impulso. No es un boleto garantizado. La ola no lleva a todos.
Por qué nos importa: Cuando las grandes empresas de IA salen a bolsa, el dinero, los empleos y la atención se desplazan — y eso afecta a los negocios pequeños, los side hustles y las familias que dependen de esa economía local.
RAG: Cómo la IA por fin deja de inventar cosas
¿Conocen a ese primo que te jura que te arregla el carro, pero lleva 20 minutos viendo YouTube y no sabe la diferencia entre una bujía y una válvula de llanta? Eso es una IA sin RAG. Está segura de sí misma, te habla en español y te está mintiendo.
RAG es la solución. Significa Retrieval-Augmented Generation (Generación Aumentada por Recuperación). Esto es lo que significa en palabras simples: antes de que la IA escriba una oración, primero va a una biblioteca. Busca documentos reales —PDFs, sitios web, bases de datos— y los lee. Luego escribe su respuesta basándose en lo que acaba de leer, no en lo que se inventó.
Piénsenlo así: estás en la peluquería. Tu abuelo te pide la receta del mole de tu tía. Una IA normal (sin RAG) adivinaría. Diría "chocolate, chiles y esperanza". Pero RAG? RAG es el tío que va de verdad a la cocina, abre el cuaderno viejo, lee la receta en voz alta y luego te dice qué dice. Puede ser lento. Puede decir "déjame checar". Pero no se la está inventando.
Por qué les importa a las empresas: detiene las alucinaciones. Tu IA ahora tiene una fuente a la que puede señalar. "Esto lo saqué de la página 42 del manual". Eso es enorme para salud, derecho y cualquier trabajo donde equivocarse cuesta dinero.
Por qué nos importa: la mayoría de las herramientas que usaremos en el trabajo —bots de servicio al cliente, sistemas de RRHH, verificaciones de cumplimiento— se construirán sobre RAG. Si sabes cómo funciona, notarás cuándo el sistema está adivinando vs. cuándo está leyendo las reglas reales. Pregunta a tu jefe: "¿De dónde está sacando esto?". Esa pregunta separa lo real del primo que lleva 20 minutos viendo YouTube.
La pelota no sabe el marcador. Solo sabe las fuerzas que actúan sobre ella.
— wired.com
#the-physics-of-the-curl-why-soccer-shots-bend-midair-0f4da9Siri AI en la Mac por fin está despertando
Ya saben esa sensación. Apagas el asistente, ignoras las notificaciones y sigues con tu vida. Así es como la mayoría de nosotros tratamos a Siri en la Mac. Y Apple Intelligence se sentía como un parche. Sin sentido. Sin punto. Solo otra función que pasamos de largo.
Pero ahora el nuevo Siri AI está aquí en macOS 27 Golden Gate, y está haciendo que la gente se siente recta. No porque sea perfecto. Porque ya no es inútil.
Lo he estado probando 24 horas en un dev beta. Es temprano. El indexado sigue corriendo. No está terminado. Pero es diferente.
Obsidian AI: tus datos se quedan aquí. El cerebro sigue siendo tuyo.
Tienes archivos que la ley no te deja sacar del edificio. IEPs. Expedientes médicos. Descubrimiento legal. Archivos de RRHH de la ciudad. El staff todavía necesita IA — redactar, resumir, traducir, buscar cosas. Pero la mayoría de las "IA privadas" siguen llamando a casa. Y la mayoría de las stacks completamente locales son un proyecto de investigación, no algo que puedas simplemente tirar en la red y empezar a usar.
Obsidian AI es el appliance llave en mano. GPU, modelo, runtime de agentes, voz y una consola de admin blindada — todo en tu propia red. Sin llamadas salientes. Misma superficie de herramientas que BFTS Chat, pero los datos y el cerebro nunca salen de la habitación. Si la regla dice "no cloud", esto respeta esa regla.
Para distritos escolares, clínicas, legal del condado y cualquier persona bajo restricciones de HIPAA, FERPA o CJIS — esta es la diferencia entre un riesgo de cumplimiento y una herramienta que realmente funciona.
Por qué nos importa: la gente en nuestras comunidades confía al sistema con los expedientes de sus hijos, su historial médico, sus archivos legales. Cuando la tecnología envía esos datos afuera, no es un glitch — es una traición. Obsidian AI le da a esas organizaciones una opción real que mantiene los datos de la gente donde pertenecen.
https://brownforces.io/solutions
X-Men '97 temporada 2 vs. Masters of the Universe: nostalgia hecha bien
Marvel y Mattel están sacando jugo de la misma fuente en 2026: los héroes animados que veíamos de niños. Masters of the Universe acaba de soltar una película live-action de He-Man. X-Men '97 temporada 2 está a punto de lanzarse en Disney Plus, y los mutantes se dirigen hacia un futuro apocalíptico.
Ambos proyectos fueron claramente hechos por gente que ama el material original. Ambos están llenos de Easter eggs nerds pensados para poner a los fans hardcore en hype. Son ambos jugadas de nostalgia.
Pero hay una diferencia. El artículo sugiere que X-Men '97 va ganando donde Masters of the Universe le falta algo.
El Creator Marketplace de LinkedIn: nuevas reglas para creadores Brown
LinkedIn está lanzando su Creator Marketplace y las nuevas reglas ya están cambiando cómo los creadores venden, hacen alianzas y cobran. La plataforma lo llama un "ecosistema." Nosotros lo vamos a llamar por su nombre: una nueva puerta para creadores que construyeron audiencias fuera de la escalera corporativa.
El marketplace permite a los creadores listar sus servicios —consultoría, coaching, estrategia de contenido, talleres— y conectarse directamente con marcas. Adiós a los DMs en frío. Adiós a adivinar quién está contratando. Las marcas pueden filtrar por nicho, tamaño de audiencia y tasa de engagement. Los creadores ponen sus propios precios. LinkedIn se queda con un corte por transacción.
Pero aquí está lo que no destaca la letra pequeña: el algoritmo sigue decidiendo quién tiene visibilidad. Si no publicas a diario, eres invisible. Si tu última publicación fue hace tres semanas, tu listing se entierra. Esto no es un campo de juego nivelado —es un impuesto por rendimiento.
Para los creadores Brown, la pregunta no es si el marketplace existe. Es si las nuevas reglas favorecen a la misma gente que siempre tuvo los contactos. El algoritmo premia la consistencia. Y la consistencia es cara cuando estás juggling un side hustle, una familia y un trabajo que no le importa tu contenido.
El marketplace también introduce nuevas reglas de divulgación. Los creadores deben etiquetar el contenido patrocinado. Las marcas deben aprobar las publicaciones antes de que salgan. Esto no es para proteger a los consumidores —es para darle a las marcas más control sobre la narrativa. Si tu publicación no pasa su revisión, no se publica. Punto.
Algunos creadores ya se están quejando. La estructura de pagos es poco clara. El proceso de resolución de disputas es opaco. Y los propios términos de servicio de la plataforma le dan a LinkedIn el derecho de cambiar las reglas sin previo aviso. Eso no es una alianza. Eso es un landlord.
La prueba real será si este marketplace crea oportunidades reales para creadores que no encajan en el molde tradicional —los que construyeron audiencias en español, en barrios, en comunidades que el algoritmo de LinkedIn nunca ha aprendido a valorar.
Por qué nos importa: Si las nuevas reglas favorecen a la misma gente que siempre tuvo los contactos, entonces este marketplace no es una oportunidad —es otro gatekeeper con un badge de LinkedIn.
Loewe en TikTok: por qué la marca está rompiendo en el feed
Loewe está haciendo una jugada en TikTok, y no es solo otra marca que intenta verse cool. La estrategia se basa en contenido de video corto que habla el idioma nativo de la plataforma: humor, tendencias y un poco de caos. Esto no es una campaña publicitaria tradicional. Es contenido que se siente como parte de tu feed, no como una interrupción.
El enfoque es simple: aparecer, ser divertido, no sobrepensarlo. La marca está dejando que los creadores lideren, lo que significa que el contenido se siente menos pulido y más humano. Ese es el punto. Se trata de construir una relación con la audiencia, no solo de vender un producto.
K8s ahora enruta llamadas LLM como un dispatcher
Datadog lanzó una extensión para Kubernetes que funciona como una capa de enrutamiento para LLM. Le apuntas a tu cluster, le metes una lista de modelos — open-source, hosted, lo que sea — y él decide cuál recibe la llamada.
Mide latencia, costo y tasa de errores por modelo. Si un modelo empieza a tardar o a quemar tokens, el router puede cambiar el tráfico al siguiente en caliente. Sin tocar tu app.
Piénsalo como un primo que tiene un side hustle. Le dices al primo qué necesitas, él revisa quién tiene la respuesta más rápida en ese momento y le pasa la tarea. Eso es el router.
La extensión se conecta a los deployments de K8s que ya tienes. No reescribes tu app para hablar con él. Solo le dices al cluster: "enruta estas llamadas LLM por mí".
La propuesta de valor de Datadog es el control de costos. Si estás corriendo varios modelos — uno para respuestas rápidas, uno para precisión, uno para volumen barato — esto te permite mover el tráfico según el rendimiento en tiempo real en lugar de adivinar.
No es un modelo nuevo. Es un dispatcher sentado frente a los modelos que ya estás pagando.
### Por qué nos importa:
La mayoría de nosotros ya estamos lidiando con demasiadas herramientas y demasiadas suscripciones. ¿Una capa de enrutamiento que baja costos sin obligarnos a reescribir nuestras apps? Eso es el tipo de infraestructura que le permite a equipos pequeños competir sin quemar plata en capacidad de modelos que no usamos.
Cómo elegir el LLM correcto antes de empezar a construir
TLDR DevOps compartió un repo de GitHub llamado whichllm, una lista curada de modelos de lenguaje grande (LLM) de código abierto, ordenados por su rendimiento. La idea es simple: no adivines qué modelo le conviene a tu proyecto — mira los puntajes.
El repo ordena los modelos por benchmarks como MMLU, HumanEval y tareas de programación. Incluye modelos de Meta, Mistral, Google y otros. Tiene una sección de inicio rápido que muestra cómo correrlos localmente con herramientas como Ollama o LM Studio.
El autor es un developer que construye side projects. La lista se actualiza regularmente. Sin paywall. Sin vendor lock-in.
Product managers: la empatía es tu ventaja
Roman Pichler soltó un nuevo episodio en TLDR Product. El tema es la inteligencia emocional en el product management.
Él desglosa la idea de que la EQ no es una "soft skill". Es cómo lees la habitación antes de lanzar algo que nadie quiere.
El podcast cubre tres puntos principales:
1. Necesitas leer al equipo, no solo al producto.
2. Necesitas manejar tu propia frustración cuando un lanzamiento se va al piso.
3. Necesitas detectar cuándo el founder está corriendo con ego, no con datos.
Pichler dice que los mejores PMs no son los que tienen los tableros de Jira más afilados. Son los que pueden decir cuándo un stakeholder se está mintiendo a sí mismo. Esa es la parte callada que nadie enseña en el bootcamp.
También toca cómo la IA está cambiando el juego. La IA puede escribir los specs. No puede decir si el VP está realmente a bordo o solo asintiendo para que el presupuesto siga fluyendo.
El episodio es largo. 45 minutos. Pero la idea central es simple: tu trabajo no es gestionar tareas. Es gestionar personas. Y la gente es desordenada. Mienten. Entran en pánico. Se ponen a la defensiva cuando les señalas un flaw en su idea.
Si eres un Brown PM trabajando en una habitación donde eres el único que se ve como tú, este es el episodio. Porque ya sabes cómo leer una habitación. Lo has estado haciendo desde que tenías seis años. Ahora solo necesitas llamarle lo que es: una habilidad profesional.
Por qué nos importa: La industria tech sigue vendiéndonos la idea de que los mejores PMs son los que tienen los portfolios más grandes. Pero los que realmente shippean y conservan sus trabajos son los que saben cuándo salir de una reunión. Eso no es una soft skill. Es supervivencia.