Habr AI
Fuente de noticias de IA. Los artículos son seleccionados y adaptados por la redacción de Hamidun News.
Últimas publicaciones
Dónde la AI realmente ayuda a las ventas: casos de uso de 2026 en lugar de decepciones
La adopción de AI en ventas suele decepcionar porque empieza con ChatGPT y no con una estrategia. Analizamos dónde la AI ahorra horas y dónde es mejor mantenerla alejada de la comunicación con el cliente.
YOLO y Redis: cómo almacenar en caché los resultados de detección en video
El procesamiento de video con YOLO vuelve a calcular los fotogramas desde cero tras una falla de red. El almacenamiento en caché con Redis lo resuelve: cada fotograma se procesa una sola vez y los resultados se recuperan
Cursor en el desarrollo corporativo: un editor AI para prototipado rápido
Cómo el equipo usó Cursor para desarrollar el módulo Planning, reduciendo los saltos entre pestañas y manteniéndose enfocado en el código en lugar de las tareas rutinarias.
Deepseek-agent: cómo escribir tu propio Claude Code en 2.000 líneas de código
Un desarrollador creó un equivalente totalmente funcional de Claude Code para DeepSeek con soporte para tool use, permissions y memory. Solo 2.000 líneas de Node.js y 4 dependencias en lugar de frameworks.
Cómo ahorrar un 70% de los tokens de Claude con acceso puntual al código
Un desarrollador creó una herramienta CLI en PHP + SQLite que construye un grafo del proyecto y da a Claude acceso puntual al código necesario en lugar de leer archivos completos.
Cómo 15 modelos de AI abordan la búsqueda del parser XML óptimo para iOS: resultados del benchmark
Un desarrollador encomendó a 15 modelos populares de AI la misma tarea de encontrar un parser XML rápido para iOS y comparó sus resultados con su propio benchmark manual de tres horas — el desenlace fue inesperado.
Métrica de autorrecuperación: investigadores crearon un criterio ASI para evaluar AI
Los investigadores propusieron el criterio ASI, un nuevo enfoque para evaluar modelos de AI basado en su capacidad para autorrecuperarse y desarrollarse a partir de una 'semilla' informativa.
Seguridad de agentes de AI en producción: guía práctica de Red Teaming
Los agentes de AI con acceso a datos corporativos y herramientas requieren un enfoque específico para las pruebas de seguridad. Doubletapp compartió una guía práctica de Red Teaming: cómo encontrar vulnerabilidades antes
Spring AI facilitó la integración de aplicaciones Java con Claude y otros proveedores de LLM
Spring AI ofrece técnicas listas para integrar proveedores de LLM en Java, incluido el trabajo con Claude de Anthropic. El artículo repasa ejemplos prácticos de desarrollo y cuándo esto tiene sentido.
Claude AI resuelve disputas arbitrales en 12 minutos en lugar de semanas
Un autor creó un bot de Telegram con Claude Sonnet que analiza casos judiciales en 12 minutos. En tres de cuatro pruebas, la decisión coincidió con los veredictos de árbitros humanos.
Protección de LLM frente a ataques a nivel semántico: por qué el firewall tradicional es ineficaz
Las redes neuronales se enfrentan a nuevos tipos de ataques frente a los que los firewalls tradicionales no ofrecen protección. AI/LLM Firewall opera a nivel semántico, bloqueando 80+ técnicas del framework MITRE ATLAS.
RAGAS y métricas de RAG: cómo dejar de adivinar y empezar a medir la calidad
La tercera parte de la serie sobre ingeniería de calidad: cómo automatizar la evaluación de sistemas RAG con RAGAS y controlar la exhaustividad, la precisión y la fidelidad de las respuestas en lugar de hacer una revisió
Agente de AI en un día: un prototipo local sin nube ni desarrolladores
Una guía práctica para empresas que quieren implementar rápidamente un agente de AI sin nube, grandes presupuestos ni un equipo de desarrolladores: Ollama, n8n y prompt engineering en una jornada laboral.
El perceptrón de Rosenblatt: cómo comenzó la historia de la AI
La historia de la primera red neuronal funcional, el perceptrón, creado por Frank Rosenblatt en 1958, y su papel en el inicio de la era de la AI moderna.
Cómo DocAI adapta la educación médica a cada estudiante
DocAI es un proyecto ruso basado en AI para la educación médica que adapta automáticamente el contenido al nivel de cada estudiante y ofrece una trayectoria de aprendizaje personalizada.
Artëm creó Stopilot: el editor que se niega a escribir código
Artëm creó un editor de código que detiene al desarrollador y lo obliga a formular la tarea antes de empezar a escribir. El proyecto genera 1,29 millones de rublos al mes.
Los generadores de imágenes con AI no son creativos: por qué y qué hacer
Las ilustraciones para un texto se pueden generar en un par de minutos. Pero ¿por qué el resultado a menudo parece genérico? Porque las redes neuronales eligen soluciones estadísticamente probables, no creativas.
Cómo Creatures (1996) creó las primeras verdaderas criaturas computacionales
Steve Grand se negó a programar AI. En su lugar, programó genética, simulación de emociones y neuronas. El resultado se convirtió en un fenómeno cultural.
¿Pueden los LLM encontrar flaky tests a partir del código? El estudio dice que no
Un estudio mostró que los LLM detectan mal las pruebas poco fiables, incluso cuando las métricas del dataset sugieren lo contrario.
Plataforma de visión por computadora que no requiere GPU ni especialistas en ML
Los desarrolladores presentaron una plataforma para entrenar modelos de visión por computadora con pequeños datasets: una decena de imágenes basta para lograr un 86% de precisión sin GPU ni experiencia en ML.
Axera AX650N: chip Edge AI para robótica local en lugar de Jetson
Axera presentó el chip Edge AI AX650N para ejecutar redes neuronales localmente en robótica. Como alternativa al costoso NVIDIA Jetson, ejecuta YOLO, LLM y VLM directamente en el dispositivo, sin nube.
Los LLMs escriben Rust con siete categorías de errores ocultos que el compilador no detecta
Tras medio año usando Claude, GPT y Cursor para desarrollo en Rust, se identificaron siete categorías de errores que el compilador deja pasar, pero que comprometen la seguridad o la arquitectura del código.
Gestionar agentes de AI ahora es más fácil: las mejores interfaces de código abierto
Han aparecido herramientas de código abierto, fáciles de usar y con interfaz gráfica, para gestionar una flota de agentes de AI. Ayudan a estructurar pipelines de tareas y a distribuir el trabajo entre agentes sin progra
Cómo BERTopic con una LLM local ayuda a Rostelecom a analizar grandes volúmenes de texto
Un ingeniero de NLP de Rostelecom muestra un pipeline para agrupar grandes volúmenes de texto y obtener nombres de temas interpretables con BERTopic y una LLM local.
Varios LLM en un chat de Telegram: cómo combinar Groq y Google AI
Un desarrollador creó un bot de Telegram en el que varios modelos LLM trabajan en un solo chat y se hacen pasar por empleados de una corporación. Los usuarios alternan entre ellos bajo demanda usando solo APIs gratuitas.
La estructura alrededor de un LLM genera ganancias multiplicativas: qué cambió tras un año con Claude Code
Un ingeniero que pasó un año con Claude Code descubrió que la estructura alrededor del modelo — system prompt, tools, context y skills — aporta una mejora de calidad mucho mayor que actualizar el propio modelo.
Cómo Alpina Digital protegió la AI de la ley rusa de datos
El 88% de las empresas usa AI, pero solo el 1% ha alcanzado la madurez. Alpina Digital encontró una solución: una arquitectura en la que las solicitudes van a la nube, mientras el procesamiento se mantiene local. Resulta
La red neuronal es una herramienta, no un compañero: cómo trabajar correctamente con AI
El desarrollador suele proyectar sobre la red neuronal un modo de trabajo humano: ese es el principal error. En Habr explican por qué AI no es un segundo programador y cómo dividir las tareas correctamente.
Bot4Web automatiza las ventas: cómo un chatbot de AI trabaja como gerente comercial
Leo Lukin, experto en AI de RAEC, automatizó la generación de leads, las consultas y la venta de servicios a través del chatbot de AI Bot4Web — ahora su sitio web funciona 24/7 sin ampliar el equipo.
La ola de la automatización con AI ha llegado a las empresas. Pero ¿quién va a gestionar todo esto?
La demanda de automatización con AI crece, aparecen cientos de soluciones en el mercado, pero pocos explican a las empresas cómo gestionar la automatización ya implementada. Este es el punto ciego clave del mercado.