Se publica Thoughtworks Technology Radar, Volumen 32

 (thoughtworks.com)
19 puntos por xguru 2025-04-04 | 1 comentarios | Compartir por WhatsApp
  • Visualiza y explica las tendencias más recientes en las áreas de técnicas/herramientas/plataformas/lenguajes y frameworks de desarrollo en 4 etapas: Hold/Assess/Trial/Adopt
  • Da seguimiento a elementos tecnológicos interesantes (blips). Los blips se mueven entre las 4 etapas con el paso del tiempo
    • Adopt (adopción recomendada): se considera que debe adoptarse activamente en toda la industria. En situaciones adecuadas, se usa realmente en proyectos
    • Trial (prueba aplicada): vale la pena probarlo de forma experimental. Es importante entender cómo construir capacidades relacionadas. Puede adoptarse en proyectos que puedan tolerar el riesgo
    • Assess (requiere exploración): vale la pena explorar la tecnología. El objetivo es entender qué impacto podría tener en la organización
    • Hold (se recomienda esperar): debe abordarse con cautela

Los 4 temas de esta edición

  • Uso de agentes supervisados en asistentes de programación

    • Uno de los avances más rápidos de la IA generativa es el crecimiento de los agentes conversacionales de programación dentro del IDE
    • Se están extendiendo los enfoques llamados "agentic", "prompt-to-code" y "CHOP (chat-oriented programming)"
      • La IA ya no solo genera fragmentos de código, sino que también explora código, lo modifica, actualiza pruebas, ejecuta comandos y, en ocasiones, resuelve automáticamente errores de linting o compilación
    • Aunque sigue habiendo escepticismo sobre la generación de código totalmente autónoma, los enfoques que operan bajo supervisión del desarrollador están dando resultados positivos
    • Herramientas representativas integradas en el IDE: Cursor, Cline, Windsurf, GitHub Copilot
    • Alternativas basadas en terminal: aider, goose, Claude Code
    • Es necesario mantener cautela ante una confianza excesiva en la generación automática de código por IA
      • Durante la revisión de código, la guía y la revisión continuas siguen siendo importantes

  • Observabilidad en evolución

    • A medida que aumenta la complejidad de las arquitecturas distribuidas, el ámbito de la observabilidad está evolucionando rápidamente
    • Nueva área de interés: observabilidad de LLM
      • Están aumentando las herramientas para monitorear y evaluar el rendimiento de los LLM
      • Ejemplos: Weights & Biases Weave, Arize Phoenix, Helicone, HumanLoop
    • La aparición de herramientas de observabilidad asistidas por IA está mejorando el análisis de insights
    • El aumento en la adopción de OpenTelemetry está aportando neutralidad frente a proveedores y flexibilidad de herramientas
      • Herramientas representativas compatibles con OpenTelemetry: Alloy, Tempo, Loki
    • La observabilidad sigue evolucionando de forma continua, con herramientas y prácticas que se refuerzan mutuamente

  • La evolución de la “R” en RAG

    • Entre los diversos componentes del ecosistema de IA generativa, la R de RAG (Retrieval-Augmented Generation) está evolucionando con rapidez
    • Principales tendencias:
      • Corrective RAG: corrige respuestas con base en retroalimentación o heurísticas
      • Fusion-RAG: combina diversas fuentes y estrategias de búsqueda para mejorar la amplitud y robustez de las respuestas
      • Self-RAG: omite la etapa de recuperación y obtiene datos directamente cuando se solicitan
      • FastGraphRAG: mejora la comprensión mediante una estructura de grafo explorable por humanos
    • A medida que se vuelve más importante optimizar la recuperación para generar respuestas precisas y útiles según las necesidades del usuario, las tecnologías y herramientas relacionadas están avanzando rápidamente

  • Trabajar con datos complejos

    • Más que el tamaño de los datos (Big Data), el problema principal ahora es gestionar su complejidad y diversidad (Rich, Complex Data)
    • Debido al aumento de los datos no estructurados, una gestión sistemática de datos es esencial para aprovecharlos adecuadamente en IA o análisis de clientes
    • Tendencias en herramientas relacionadas:
      • bases de datos vectoriales y herramientas de análisis como Metabase
    • Auge del pensamiento de producto de datos (Data Product Thinking)
      • Aplicar Product Thinking a las herramientas analíticas y a las estrategias de uso de datos
      • Intentos de llevar a la práctica real los retos sobre uso de datos que ya se discutían antes de la llegada de la IA
    • Sin una estrategia clara sobre los datos, las empresas pueden quedarse atrás en innovación y perder competitividad comercial

Técnicas (Techniques)

Adopt (adopción recomendada)

  • Pensamiento de producto de datos (Data product thinking)

    • Trata los datos como si fueran un producto, enfatizando el ciclo de vida, los estándares de calidad y el diseño centrado en el consumidor
    • Utiliza catálogos de datos modernos como DataHub, Collibra, Atlan e Informatica para gestionar conjuntamente metadatos de negocio y técnicos
    • Aprovecha el pensamiento de producto de datos para asegurar datos listos para IA y escalar proyectos de IA
    • Se enfoca en la gestión de todo el ciclo de vida, incluyendo procesos de eliminación de datos que cumplan con requisitos legales y regulatorios

  • Fuzz testing

    • Aunque es una técnica antigua, sigue siendo un método de prueba poco conocido en comparación con su valor
    • Verifica el comportamiento del sistema en situaciones excepcionales al proporcionarle diversas entradas anómalas
    • Está cobrando aún más importancia para responder a vulnerabilidades de seguridad relacionadas con el aumento de la generación de código por IA
    • El soporte de herramientas es suficiente y su adopción es adecuada para mantener código robusto y seguro

  • Lista de materiales de software (Software Bill of Materials, SBOM)

    • La generación de SBOM ya se ha establecido como una práctica básica de seguridad
    • Herramientas como Syft, Trivy y Snyk permiten generar SBOM y escanear vulnerabilidades desde el código fuente hasta las imágenes de contenedor
    • FOSSA, Chainloop y otras se integran en los flujos de trabajo de desarrollo para aplicar automáticamente políticas de seguridad
    • Gracias al amplio soporte para SPDX y CycloneDX, los problemas de estandarización también se han reducido
    • Los requisitos de SBOM también están aumentando en sistemas de IA y ya se reflejan en guías de prácticas de código seguro

  • Modelado de amenazas (Threat modeling)

    • Es una técnica clave para mantener la seguridad y asegurar agilidad en entornos de desarrollo de software centrados en IA
    • También puede aplicarse a sistemas con riesgos de seguridad propios, como la IA generativa
    • Debe realizarse regularmente a lo largo de todo el proyecto y es más efectivo cuando se combina con escáneres de seguridad automatizados y la definición de requisitos de seguridad

Trial (prueba aplicada)

  • Tratar las colecciones de solicitudes API como entregables de producto de API

    • Cuando se trata la API como un producto, no basta con documentarla: también debe priorizarse la experiencia del desarrollador
    • La especificación Swagger (OpenAPI) es útil para documentar interfaces, pero sigue existiendo el problema de que el onboarding no es sencillo
    • Con la evolución de herramientas cliente como Postman, Bruno e Insomnia, resulta adecuado usar las colecciones de solicitudes API como entregables de producto
    • Los ejemplos que incluyen autenticación preconfigurada y datos de prueba realistas permiten un onboarding de desarrolladores rápido y eficiente
    • Es necesario guardar las colecciones de solicitudes API en el repositorio e integrarlas en el pipeline de despliegue para mantenerlas actualizadas

  • Proceso de asesoría de arquitectura

    • La distribución de la autoridad para tomar decisiones de arquitectura en equipos grandes ha sido un reto desde hace mucho tiempo
    • Los tradicionales Architecture Review Board más bien entorpecen la productividad y el flujo
    • Un modelo de toma de decisiones distribuida, donde cualquiera puede tomar decisiones de arquitectura pero consulta a las partes interesadas o a expertos, resulta efectivo
    • Herramientas como Architecture Decision Record y foros de asesoría ayudan a mantener la calidad y la consistencia
    • Este enfoque también se está extendiendo en industrias altamente reguladas

  • GraphRAG

    • Enfoque de dos etapas propuesto por Microsoft: divide documentos y luego usa análisis con LLM para crear un grafo de conocimiento; al buscar, recorre ese grafo para expandir la información relevante y reforzar el prompt
    • También es útil para analizar código legado complejo, generando grafos de conocimiento a partir de árboles de sintaxis abstracta (AST) o estructuras de dependencias
    • Están apareciendo herramientas como el paquete Python GraphRAG de Neo4j y su uso se está generalizando gradualmente
    • Herramientas como Graphiti también forman parte de interpretaciones ampliadas del patrón GraphRAG

  • Gestión de acceso privilegiado justo a tiempo (Just-in-time privileged access management, JIT PAM)

    • Técnica de seguridad que materializa el principio de mínimo privilegio al otorgar permisos de administrador solo cuando se necesitan y retirarlos de inmediato después
    • Los “standing privileges”, en los que los permisos de administrador permanecen siempre abiertos, pueden convertirse en una vulnerabilidad de seguridad
    • Los permisos temporales se controlan mediante flujos de aprobación automatizados, asignación temporal de roles y configuración de TTL (Time-To-Live)
    • Es muy eficaz para cumplir requisitos regulatorios y de compliance

  • Destilación de modelos (Model distillation)

    • Método que extrae conocimiento de un modelo grande y lo transfiere a uno pequeño para minimizar la pérdida de precisión y mejorar la eficiencia de ejecución
    • A diferencia de métodos de reducción como pruning y quantization, se enfoca en conservar el conocimiento del dominio
    • Están aumentando los casos de modelos reducidos que mantienen alto rendimiento, como las versiones destiladas de DeepSeek R1 sobre Qwen/Llama
    • Plataformas como OpenAI y Amazon Bedrock ofrecen guías de destilación, lo que favorece la reducción de costos operativos de LLM en empresas y la optimización de inferencia on-device

  • Ingeniería de prompts (Prompt engineering)

    • Proceso de diseñar y ajustar prompts claros y específicos para optimizar la calidad de salida de los modelos de IA generativa
    • Los prompts zero-shot pueden mostrar mejores resultados que los few-shot en modelos de reasoning
    • Los prompts CoT (chain-of-thought) pueden incluso empeorar el rendimiento de los modelos de reasoning, debido al efecto del preentrenamiento mediante RL
    • En modelos avanzados, la necesidad de prompt engineering podría reducirse, pero sigue siendo útil para disminuir las alucinaciones y mejorar la calidad
    • Es importante mantener el equilibrio entre velocidad de respuesta, costo de tokens y rendimiento, y al diseñar apps agénticas se requieren elecciones estratégicas acordes con las características del modelo

  • Modelos de lenguaje pequeños (Small Language Models, SLMs)

    • Las versiones pequeñas destiladas de DeepSeek R1 (Qwen, Llama) pueden ejecutarse en hardware común, aunque sacrifiquen algo de rendimiento
    • El campo de los SLM está innovando rápidamente, con la aparición de diversos modelos como Llama 3.2 (1B, 3B) de Meta, Phi-4 (14B) de Microsoft y PaliGemma 2 (3B~28B) de Google
    • Los modelos pequeños tienen menores costos de inferencia y menos restricciones de entorno de ejecución, por lo que ofrecen un alto potencial de uso general
    • Desde la perspectiva del equilibrio entre rendimiento y eficiencia, los SLM destacan como una tendencia tecnológica importante

  • Comprensión de codebases legacy con GenAI

    • Herramientas principales como GitHub Copilot y Sourcegraph Cody ayudan a comprender y modernizar codebases legacy
    • Simplifican el trabajo sobre sistemas complejos de distintas formas, como análisis de estructura, exploración y ayuda contextual
    • Frameworks como S3LLM también permiten comprender código de áreas científico-técnicas como Fortran y Pascal
    • Dado que existe una enorme cantidad de software legacy en todo el mundo, es probable que esta tecnología siga expandiéndose

Assess (requiere exploración)

  • Diseño de código amigable para la IA (AI-friendly code design)

    • Los agentes de software basados en IA pueden detectar y aplicar cambios cada vez más grandes en el código
    • A medida que aumenta la confianza en el código generado por IA, también se observa una reducción en la proporción de revisión por parte de desarrolladores humanos
    • Sin embargo, la IA también rinde mejor con código bien estructurado, por lo que un diseño amigable para la IA es importante para la mantenibilidad
    • Prácticas clásicas de buen diseño como nombres expresivos, modularización, abstracción y eliminación de duplicación (DRY) también impactan positivamente en el desempeño de la IA
    • Se espera que en el futuro aparezcan también patrones de diseño especializados para IA

  • Pruebas de UI impulsadas por IA (AI-powered UI testing)

    • Está surgiendo una nueva forma de pruebas de UI que aprovecha la capacidad de los LLM para interpretar GUI
    • QA.tech y KaneAI, entre otros, permiten probar interfaces basadas en snapshots usando lenguaje natural
    • Browser Use realiza pruebas a partir de la información estructural de Playwright y utiliza modelos multimodales
    • Aunque puede producir resultados no deterministas, su flexibilidad favorece las pruebas de sistemas legacy o la respuesta a cambios frecuentes en la UI
    • Puede usarse de forma complementaria con las pruebas manuales exploratorias

  • Modelo Competence Envelope para entender fallas de sistemas

    • Es un concepto que define los límites dentro de los cuales un sistema puede operar normalmente; al sobrepasarlos, el sistema falla con facilidad
    • Resulta útil para interpretar casos de fallas complejas como la caída de Canva en 2024
    • Residuality Theory analiza la capacidad de adaptación del sistema con base en su historial de estrés pasado y su respuesta actual
    • Está relacionado con conceptos como resiliencia, robustez y antifragilidad de sistemas, y genera expectativas sobre su aplicabilidad práctica

  • Salidas estructuradas de LLMs (Structured output from LLMs)

    • Técnica que restringe las respuestas de modelos de lenguaje a un esquema definido, como JSON
    • OpenAI admite salidas estructuradas mediante JSON Schema, objetos de pydantic y Zod, entre otros
    • Es muy útil en áreas que requieren formatos precisos, como function calling e integración con APIs
    • Permite diversos casos de uso, como la generación de markup para gráficos, y también puede reducir las alucinaciones

Hold (se recomienda esperar)

  • Shadow IT acelerado por IA (AI-accelerated shadow IT)

    • Con el avance de la IA, incluso personas no desarrolladoras pueden crear software directamente sin pasar por el departamento de TI
    • Herramientas no-code compatibles con APIs de OpenAI, Anthropic y otros permiten implementar integraciones complejas con facilidad
    • Sin embargo, la proliferación de aplicaciones no controladas eleva el riesgo de problemas de seguridad y gestión de datos
    • Puede parecer una forma evolucionada de las hojas de cálculo, pero su alcance es mucho mayor
    • Hay que evaluar con cuidado el equilibrio entre la velocidad para resolver problemas y la estabilidad a largo plazo

  • Exceso de confianza en el código generado por IA (Complacency with AI-generated code)

    • Se observan tendencias de deterioro de calidad asociadas al uso de IA, como aumento de código duplicado, mayor churn de código y menos refactorización
    • Investigaciones de Microsoft señalan que la IA puede dar a los usuarios una falsa sensación de seguridad y dificultar el pensamiento crítico
    • A medida que la IA genera cada vez más código, existe el riesgo de que a los desarrolladores les resulte difícil revisar los cambios
    • Enfoques como el “vibe coding”, donde la IA genera código y solo se hace una revisión mínima, son muy riesgosos en código de producción

  • Asistentes de programación locales (Local coding assistants)

    • Los asistentes de programación con IA que se ejecutan localmente sin transmisión externa tienen ventajas de seguridad
    • Sin embargo, su rendimiento es limitado frente a los modelos basados en la nube y tienen dificultades con prompts complejos o funciones de integración
    • Funciones integradas en el IDE (Xcode, JetBrains) o integraciones basadas en Qwen Coder y Continue + Ollama son útiles para tareas simples
    • Se recomienda adoptarlos de forma experimental y con expectativas moderadas

  • Reemplazar por completo la programación en pareja con IA (Replacing pair programming with AI)

    • Aunque herramientas como Copilot se presentan como programadores en pareja con IA, no reemplazan las ventajas de equipo que aporta una pareja humana
    • La IA es útil para aprendizaje, onboarding y enfoque en diseño estratégico, pero queda corta en colaboración de equipo, propiedad compartida del código y prevención de relevo incompleto
    • Considerando el efecto colaborativo de la programación en pareja tradicional, no se recomienda un reemplazo total

  • Reverse ETL

    • Está aumentando el uso de Reverse ETL para volver a mover datos desde el data warehouse hacia sistemas transaccionales
    • Puede tener sentido para migraciones temporales o fines de integración, pero su uso excesivo agrava los problemas de una arquitectura centralizada
    • Algunos vendors lo están usando en exceso para concentrar la lógica de negocio en sus propias plataformas
    • Como puede perjudicar la calidad y flexibilidad arquitectónica a largo plazo, su adopción debe evaluarse con mucha cautela

  • SAFe™ (Scaled Agile Framework)

    • Muchas empresas siguen adoptando SAFe™
    • Sin embargo, los procesos por etapas excesivamente estandarizados provocan desconexión entre áreas, desperdicio en el flujo de valor y supresión de la creatividad
    • La autonomía de los equipos y la cultura de experimentación se ven limitadas, y los intentos de resolver problemas complejos de cambio organizacional con procesos simples tienen sus límites
    • Thoughtworks está respondiendo mediante capacitación interna y consultoría, pero considera que un enfoque centrado en el valor basado en Lean y los programas de cambio son más efectivos

Plataformas (Platforms)

Adopt (recomendado para adopción)

  • GitLab CI/CD

    • Es un sistema de CI/CD totalmente integrado dentro de GitLab que soporta todo el ciclo de vida del desarrollo de software, desde la integración de código hasta pruebas, despliegue y monitoreo
    • Es adecuado para flujos de trabajo complejos gracias a pipelines multietapa, caching, ejecución en paralelo y runners con autoscaling
    • Sus herramientas integradas de seguridad y compliance (SAST, DAST, etc.) lo hacen confiable incluso en entornos altamente regulados
    • La integración con Kubernetes da soporte completo a flujos de trabajo cloud native
    • Ofrece logs en tiempo real, reportes de pruebas y capacidades de rastreo para fortalecer la observabilidad

  • Trino

    • Es un motor open source de consultas SQL distribuidas que permite ejecutar consultas analíticas interactivas sobre grandes volúmenes de datos
    • Está optimizado para funcionar tanto on-premise como en la nube, y permite consultar directamente bases de datos relacionales y almacenes propietarios mediante diversos conectores
    • También soporta formatos de archivos y tablas como Parquet y Apache Iceberg
    • Su capacidad de federación de consultas permite consultar múltiples fuentes de datos como si fueran una sola tabla lógica
    • También se utiliza como tecnología central en varias plataformas comerciales de datos como AWS Athena y Starburst, y es una opción confiable para diversas cargas de trabajo analíticas

Trial (prueba)

  • ABsmartly

    • Es una plataforma que permite A/B testing y experimentación rápidos y confiables
    • Su motor Group Sequential Testing (GST) permite realizar pruebas hasta 80% más rápido que los enfoques tradicionales
    • Ofrece reportes en tiempo real, segmentación profunda de datos y funciones de integración integral centradas en API
    • Permite aplicar experimentación de forma amplia en web, mobile, microservicios e incluso modelos de ML
    • Es eficaz para optimizar la experiencia de usuario al acortar los ciclos de iteración y automatizar el análisis de resultados

  • Dapr

    • Es un runtime para aplicaciones distribuidas que, con sus recientes expansiones funcionales, ahora soporta programación de tareas, virtual actors y mejoras de seguridad
    • Se han reforzado configuraciones centradas en seguridad como mTLS e imágenes distroless, y se siguen agregando diversos building blocks
    • Se está usando de forma estable en los equipos y se espera que siga evolucionando positivamente

  • Grafana Alloy

    • Antes se llamaba Grafana Agent y es una herramienta open source que cumple el rol de OpenTelemetry Collector
    • Está diseñado como un recolector de telemetría unificado capaz de recopilar logs, métricas y trazas
    • Soporta formatos de OpenTelemetry, Prometheus y Datadog
    • Tras la descontinuación de Promtail, está surgiendo como una opción fuerte especialmente para la recolección de logs

  • Grafana Loki

    • Es un sistema de agregación de logs de alta disponibilidad y escalable horizontalmente que reduce costos de almacenamiento y complejidad operativa al indexar solo metadatos
    • Almacena logs sobre block storage como S3, GCS y Azure Blob Storage
    • Se integra con Grafana y Grafana Alloy, y añade soporte para OpenTelemetry y capacidades de multitenancy
    • También incorpora funciones para evitar el impacto indiscriminado entre tenants (shuffle-sharding)

  • Grafana Tempo

    • Es un backend de tracing distribuido de alto rendimiento que soporta estándares abiertos como OpenTelemetry
    • Almacena datos en un formato columnar basado en Apache Parquet, lo que ofrece un excelente rendimiento de consulta
    • Permite explorar datos de trazas mediante TraceQL y CLI
    • Nuestro equipo usa Tempo self-hosted en GKE junto con MinIO y OpenTelemetry

  • Railway

    • Es una plataforma PaaS full stack, alternativa a Heroku y Vercel, que soporta desde integración con GitHub/Docker hasta despliegue y visibilidad operativa
    • Soporta la mayoría de los principales frameworks, bases de datos y despliegues basados en contenedores
    • Aunque conviene comparar costos, ofrece una buena experiencia en términos de despliegue y estabilidad operativa

  • Unblocked

    • Es un asistente de equipo con IA que se integra con codebases, documentación, gestión de proyectos y herramientas de comunicación
    • Ofrece capacidad para responder preguntas sobre conceptos de negocio y técnicos, diseño de arquitectura y procesos operativos
    • Es útil para explorar sistemas complejos o legacy, y resulta adecuado para equipos que priorizan el acceso rápido a información contextual
    • Para generación de código o automatización, un agente de IA especializado puede ser más adecuado

  • Weights & Biases

    • Ha reforzado sus funciones centradas en LLM y agregó la plataforma Weave para evaluación de sistemas, métricas personalizadas y uso de LLM como evaluadores
    • Es eficaz para rastrear y depurar el rendimiento de sistemas de agentes, recopilar feedback y ajustar modelos
    • Es adecuado para optimización de rendimiento tanto a nivel local como global y para flujos de trabajo de desarrollo iterativo

Assess (requiere exploración)

  • Arize Phoenix

    • A medida que aumentan las aplicaciones basadas en LLM y agentes, también crece la importancia de la observabilidad de LLM (Observability)
    • Arize Phoenix ofrece funciones de tracing de LLM, evaluación y gestión de prompts, y se integra sin fricción con las principales plataformas y frameworks de LLM
    • Permite analizar outputs, latencia y uso de tokens con una configuración sencilla
    • Actualmente solo se está usando la versión open source, pero la plataforma completa de Arize ofrece más funciones y vale la pena explorarla

  • Chainloop

    • Es una plataforma open source de seguridad para la cadena de suministro de software que permite a los equipos de seguridad definir políticas y a los equipos de desarrollo cumplirlas dentro de pipelines de CI/CD
    • Mediante CLI recopila y valida artefactos de seguridad como SBOM y reportes de vulnerabilidades, y verifica automáticamente el cumplimiento de políticas
    • Usa Rego de OPA como lenguaje de políticas y permite validar estándares como el formato CycloneDX
    • Proporciona un entorno de gestión de metadatos de nivel SLSA 3 mediante cumplimiento de seguridad consistente y workflows auditables

  • DeepSeek R1

    • Es la primera serie de modelos de reasoning de DeepSeek, y maximiza el aprovechamiento del hardware mediante MLA, gating MoE, entrenamiento FP8 y optimización PTX, entre otras técnicas
    • DeepSeek-R1-Zero es un modelo innovador que adquirió capacidades de reasoning solo con reinforcement learning
    • Todos los modelos se ofrecen como open weights, y DeepSeek-R1-Distill-Qwen-32B muestra mejor rendimiento que OpenAI o1-mini en diversos benchmarks
    • Aunque el código y los datos de entrenamiento no son públicos, el repositorio incluye varios modelos preentrenados

  • Deno

    • Es una plataforma creada por Ryan Dahl, fundador de Node.js, que mejora varios puntos débiles de Node.js, como sandbox de seguridad, gestión de dependencias y soporte nativo para TypeScript
    • Desde Deno 2, ofrece compatibilidad con Node.js y bibliotecas npm, por lo que la barrera de migración es menor que antes
    • Su biblioteca estándar y tooling se han fortalecido, por lo que resulta adecuado para el desarrollo server-side con TypeScript
    • Al elegir una plataforma, se debe evitar seleccionar Deno únicamente para esquivar un entorno multilenguaje

  • Graphiti

    • Crea grafos de conocimiento conscientes del tiempo para rastrear relaciones entre datos en constante cambio
    • Procesa datos estructurados y no estructurados como episodios basados en tiempo, y soporta consultas que combinan tiempo, texto, semántica y algoritmos de grafos
    • Contribuye a mejorar la precisión de recuperación de información en aplicaciones basadas en GraphRAG
    • Hace posible la memoria de largo plazo y el razonamiento basado en estado en sistemas LLM basados en RAG y agentes

  • Helicone

    • Es una plataforma LLMOps centrada en open source para gestión de costos de LLM, evaluación de ROI y mitigación de riesgos
    • Soporta todo el ciclo de vida de LLM, incluyendo experimentación de prompts, monitoreo, debugging y optimización
    • Permite analizar y rastrear en tiempo real costos, uso, rendimiento y stacks de agentes para diversos proveedores de LLM
    • Aunque sus funciones son potentes, es una plataforma en etapa temprana y aprovechar funciones avanzadas requiere cierto nivel de especialización
    • Hasta ahora ha mostrado una experiencia de uso positiva

  • Humanloop

    • Es una plataforma enfocada en integrar retroalimentación humana para hacer que los sistemas de IA sean más confiables y flexibles.
    • Ofrece etiquetado, aprendizaje activo, fine-tuning con enfoque human-in-the-loop y herramientas de evaluación basadas en requisitos de negocio.
    • Incluye workspaces compartidos para colaboración, prompts con control de versiones e integración con CI/CD.
    • También cuenta con funciones de observabilidad como tracing, logging, alertas y guardrails.
    • Es adecuada para construir IA responsable en entornos con regulaciones estrictas.

  • Model Context Protocol (MCP)

    • Es un estándar abierto propuesto por Anthropic, diseñado para que las herramientas de IA puedan aprovechar fácilmente el contexto de sistemas existentes.
    • Estandariza la integración entre la IA y la información de wikis, issue trackers, bases de datos y otros sistemas.
    • Está compuesto por una arquitectura de servidor/cliente MCP, y normalmente se ejecuta localmente como un proceso de Python o Node.
    • Actualmente está orientado principalmente a usuarios técnicos, y para personas no desarrolladoras aún presenta retos de accesibilidad, gobernanza y gestión de actualizaciones.
    • A largo plazo, tiene un gran potencial de evolucionar hacia un ecosistema más amigable para el usuario.

  • Open WebUI

    • Es una plataforma de IA open source y self-hosted que puede integrarse con diversos modelos y APIs (compatibles con OpenAI, OpenRouter, GroqCloud, etc.).
    • Permite ejecutar modelos locales o propios mediante Ollama, y puede usarse incluso en entornos offline.
    • Ofrece una interfaz de chat basada en documentos con capacidades RAG integradas.
    • Permite controlar el acceso a modelos y funciones por grupo de usuarios con base en RBAC.
    • Puede ampliarse con Functions basadas en Python, y también incluye funciones de evaluación de LLM.
    • Puede escalar con flexibilidad para uso personal, colaboración en equipo o como plataforma de nivel empresarial.

  • pg_mooncake

    • Es una extensión de PostgreSQL que soporta almacenamiento columnar y ejecución vectorizada.
    • Permite almacenar datos en formatos Iceberg y Delta Lake en almacenamiento local o compatible con S3.
    • Puede cargar datos desde varios formatos, como Parquet, CSV y datasets de Hugging Face.
    • Es adecuada para entornos que requieren análisis de datos de alto rendimiento sin introducir un almacén columnar independiente.

  • Reasoning models

    • Los "modelos de razonamiento (Reasoning Models)", que muestran un desempeño a nivel humano en matemáticas, programación y otros ámbitos, son uno de los avances de IA que más atención han recibido recientemente.
    • Han reforzado capacidades como CoT (razonamiento paso a paso), ToT (exploración de alternativas) y self-correction.
    • Han aparecido diversos modelos, como OpenAI o1/o3, DeepSeek R1 y Gemini 2.0 Flash Thinking.
    • También se les llama "slow AI" debido a sus tiempos de respuesta más lentos y su alto consumo de tokens.
    • Son más adecuados para resolución de problemas complejos o campos STEM donde la explicabilidad es importante, en lugar de tareas simples.

  • Restate

    • Es una plataforma de ejecución de workflows durables similar a Temporal, desarrollada por los creadores de Apache Flink.
    • Está escrita en Rust y se despliega como un binario único.
    • Garantiza durabilidad de datos incluso ante fallas gracias a un algoritmo de consenso virtual basado en Paxos flexible.
    • Ofrece SDK para Java, Go, Rust y TypeScript.
    • Si no es posible evitar transacciones distribuidas, vale la pena considerar esta plataforma.

  • Supabase

    • Es una alternativa open source a Firebase que permite desarrollar backends con escalabilidad y seguridad.
    • Está basada en PostgreSQL y ofrece varias funciones, como autenticación, suscripciones en tiempo real, API, edge functions y vector embeddings.
    • En prototipado o desarrollo de MVP, facilita una futura migración hacia soluciones basadas en SQL.

  • Synthesized

    • Es una plataforma que genera datos de prueba realistas para entornos de desarrollo y testing.
    • Puede enmascarar datos existentes o generar synthetic data estadísticamente significativa.
    • Puede integrarse en pipelines de build y soporta anonimización irreversible por atributo, como hashing y aleatorización.
    • También puede generar grandes volúmenes de datos para pruebas de rendimiento, y destacan sus funciones enfocadas en resolver problemas reales.

  • Tonic.ai

    • Al igual que Synthesized, es una plataforma que genera synthetic data realista y desidentificada.
    • Soporta tanto datos estructurados como no estructurados, y protege la privacidad con técnicas de differential privacy.
    • Ofrece detección y eliminación automática de información sensible, Ephemeral DB y la función Tonic Textual para sistemas RAG.
    • Es adecuada para equipos que buscan mejorar la velocidad de ingeniería y cumplir al mismo tiempo con requisitos de protección de datos.

  • turbopuffer

    • Es un motor de búsqueda multitenant y serverless que soporta búsqueda vectorial + full-text sobre almacenamiento de objetos.
    • Se caracteriza por un diseño enfocado en durabilidad, escalabilidad y eficiencia de costos, con nodos de consulta stateless.
    • Ofrece baja latencia al usar caché de resultados de consultas frías en SSD NVMe y mantener en memoria los datos consultados con frecuencia.
    • Es adecuado para IA basada en RAG y búsqueda documental a gran escala, pero por ahora solo está disponible por invitación.

  • VectorChord

    • Es un módulo de extensión de búsqueda de similitud vectorial para PostgreSQL, desarrollado como sucesor de pgvecto.rs.
    • Es compatible con el tipo pgvector y ofrece búsqueda vectorial rápida y de bajo costo computacional mediante indexación IVF y cuantización RaBitQ.
    • Al integrarse con el ecosistema de PostgreSQL, permite realizar búsquedas vectoriales y transacciones al mismo tiempo.
    • Aunque aún está en una etapa temprana, vale la pena evaluarlo como alternativa para búsqueda vectorial de alto rendimiento.

Hold (se recomienda esperar)

  • Tyk hybrid API management
    • La estructura que combina un control plane administrado con un data plane autogestionado ofrece flexibilidad para entornos multicloud o de nube híbrida.
    • Sin embargo, se han presentado problemas de falta de observabilidad, como incidentes ocurridos en el control plane basado en AWS de Tyk que fueron detectados primero internamente y no por Tyk.
    • El soporte basado en tickets no es adecuado para incidentes urgentes, y también existe retroalimentación sobre la lentitud en la respuesta.
    • La documentación oficial tiene baja madurez, lo que dificulta resolver problemas en entornos complejos.
    • El portal de desarrolladores empresarial también presenta problemas de compatibilidad con versiones anteriores y limitaciones de personalización.
    • Especialmente en configuraciones híbridas, se requiere una adopción cuidadosa y monitorear continuamente su nivel de madurez.

Herramientas (Tools)

Adopt (se recomienda adoptar)

  • Renovate

    • Es una herramienta que automatiza la gestión de versiones de dependencias y es una opción preferida por muchos equipos.
    • En GitHub, Dependabot se usa como opción predeterminada, pero Renovate es más integral y personalizable.
    • Resulta efectivo configurarlo para monitorear dependencias de tooling, infraestructura y también de repositorios internos o privados.
    • Para reducir la fatiga de los desarrolladores, también se puede considerar el auto-merge de PR de dependencias.

  • uv

    • Es una herramienta de próxima generación para gestión de paquetes y proyectos de Python, escrita en Rust, cuyo principal punto fuerte es su gran velocidad.
    • Unifica herramientas existentes de Python (Poetry, pyenv, pipx, etc.) en una sola y mejora notablemente la velocidad de build y testing.
    • Aunque son importantes una comunidad madura y el soporte de ecosistema a largo plazo, en este momento es la herramienta que más recomiendan los desarrolladores.
    • Es especialmente adecuada para equipos de datos que buscan alejarse del sistema tradicional de paquetes de Python.

  • Vite

    • Es una herramienta de build frontend de alto rendimiento que ofrece hot reloading rápido y un entorno de desarrollo eficiente.
    • Ha sido adoptada como herramienta predeterminada en Vue, SvelteKit, React y otros, y Create React App está migrando hacia un enfoque centrado en Vite.
    • Con la creación de una organización dedicada llamada VoidZero, se refuerzan la continuidad del proyecto a largo plazo y su potencial de evolución.

Trial (prueba recomendada)

  • Claude Sonnet

    • Es un modelo de lenguaje avanzado que muestra un rendimiento sobresaliente en varias áreas, como programación, redacción, análisis y tareas basadas en imágenes.
    • Puede integrarse con el navegador, la terminal, los principales IDE y GitHub Copilot, y también soporta interpretación de gráficos y extracción de texto dentro de imágenes.
    • A través de la función "Artifacts" de la interfaz del navegador, permite interactuar con código y resultados generados en HTML.
    • La versión 3.5 mostró un aumento notable de productividad, especialmente en diseño de arquitectura y proyectos colaborativos.
    • Claude 3.7 ya fue lanzado, pero su validación en uso real todavía está en curso.

  • Cline

    • Extensión open source para VSCode, una herramienta potente para implementar agentes de software supervisados
    • Ofrece funciones avanzadas como modo Plan & Act, integración con MCP y seguimiento transparente del uso de tokens
    • Junto con Claude 3.5 Sonnet, muestra un rendimiento sobresaliente en bases de código grandes, automatización de pruebas sin navegador y corrección automática de bugs
    • Refuerza la privacidad mediante almacenamiento local de datos y tiene potencial de evolucionar con base en la comunidad open source
    • Hay que tener cuidado con el costo de los tokens y los límites de velocidad de las solicitudes a la API (rate limit), y se recomienda usar proveedores de API alternativos como OpenRouter

  • Cursor

    • Editor de código centrado en IA que ofrece capacidades avanzadas de ajuste de contexto y una experiencia amigable para el usuario
    • Permite integrar varios modelos con la clave API del usuario, e incorpora al contexto git diff, conversaciones anteriores, búsqueda web, documentación de librerías, MCP y más
    • Permite dar instrucciones de implementación desde la interfaz de chat de IA, y realiza automáticamente edición de archivos y ejecución de comandos
    • También incluye funciones para detectar y corregir automáticamente errores de lint y compilación

  • D2

    • Herramienta open source de diagramas como código, que permite crear diagramas con scripts basados en texto
    • Usa motores de layout como Mermaid y ofrece una sintaxis D2 simple y declarativa
    • Su estructura sintáctica prioriza la legibilidad, por lo que es adecuada para documentación de software o diagramas de arquitectura

  • Databricks Delta Live Tables (DLT)

    • Herramienta declarativa de gestión de pipelines de datos que admite tanto streaming en tiempo real como procesamiento por lotes
    • Simplifica tareas repetitivas de ingeniería de datos, como la automatización de checkpoints, y reduce la carga operativa
    • Permite optimizar el rendimiento mediante vistas materializadas (materialized views)
    • Sin embargo, las tablas se gestionan por pipeline y las tablas de streaming tienen una estructura append-only, por lo que hay que tener cuidado con el diseño
    • El hecho de que al eliminar un pipeline de DLT también se eliminen las tablas y los datos representa un riesgo operativo

  • JSON Crack

    • Extensión para VSCode que visualiza en gráficos interactivos datos de texto como JSON, YAML, TOML y XML
    • A diferencia de Mermaid o D2, se usa como herramienta de visualización para explorar datos, y la función de ocultar nodos/ramas resulta útil para recorrer conjuntos de datos
    • También existe una herramienta web, pero hay que tener cuidado con la dependencia en línea
    • Tiene un límite en la cantidad de nodos y orienta a usar la versión comercial para conjuntos de datos más grandes

  • MailSlurp

    • Servicio API para automatización de pruebas basadas en correo electrónico y SMS
    • Ofrece funciones como generación de bandejas de entrada y números telefónicos temporales, validación de correo, respuestas automáticas y reenvío
    • A través de la API REST y un dashboard sin código, también permite preparar pruebas manuales de forma sencilla
    • Es adecuado para productos de onboarding de clientes y para desarrollar flujos de trabajo de prueba

  • Metabase

    • Herramienta open source de analítica e inteligencia de negocios que permite crear visualizaciones, reportes y dashboards a partir de diversas fuentes de datos
    • Mediante su SDK, permite incrustar dashboards interactivos dentro de aplicaciones web
    • Soporta tanto bases de datos relacionales como NoSQL, y cuenta con una variedad de conectores oficiales y de la comunidad
    • Como herramienta de BI ligera, es útil para gestionar dashboards y reportes

  • NeMo Guardrails

    • Toolkit open source de NVIDIA que permite aplicar guardrails de seguridad a aplicaciones conversacionales basadas en LLM
    • Añade soporte para Colang 2.0 e integración con varias funciones como AutoAlign y Patronus Lynx
    • Incluye microservicios NIM para seguridad de contenido, control de temas y seguridad de prompts
    • También incorpora mejoras de rendimiento, como soporte para salida de LLM en streaming
    • Ha sido promovido a Trial a medida que aumentan los casos de uso en servicios reales

  • Nyx

    • Herramienta de automatización de lanzamientos semánticos independiente de lenguaje y plataforma
    • Es especialmente adecuada para desarrollo basado en trunk, y soporta varios flujos de trabajo como Gitflow, OneFlow y GitHub Flow
    • Ofrece generación automática de changelogs basada en Conventional Commits
    • Aun así, sigue siendo necesario tener cuidado con estrategias de ramas de larga duración

  • OpenRewrite

    • Herramienta para automatizar refactorizaciones a gran escala, útil para actualizar versiones de API o servicios basados en plantillas comunes
    • Además de Java, está ampliando el soporte a lenguajes como JavaScript
    • Para cambios estructurados, es más estable y eficiente que los asistentes de código basados en IA
    • También ofrece varias recetas (reglas de transformación) y plugins para herramientas de build, todo distribuido como open source

  • Plerion

    • Plataforma de seguridad en la nube centrada en AWS que ofrece detección y priorización de riesgos en infraestructura, servidores y aplicaciones
    • Al igual que Wiz, ayuda a enfocarse en “el 1% que importa”
    • Mejora la visibilidad de seguridad para los clientes y refuerza la importancia del monitoreo preventivo de seguridad

  • Agentes de ingeniería de software (Software engineering agents)

    • Los agentes de codificación totalmente autónomos todavía no son prácticos, pero los modos de agentes supervisados dentro del IDE están avanzando rápidamente
    • El desarrollador lidera la implementación mediante una interfaz de chat, mientras que la IA se encarga de modificar múltiples archivos, ejecutar pruebas y manejar errores de lint y compilación
    • También se les llama CHOP (Chat-Oriented Programming) o Prompt-to-Code, y asumen una distribución de responsabilidades mayor que las herramientas tradicionales de autocompletado
    • Cursor, Cline y Windsurf están a la vanguardia, y su combinación con modelos de la serie Claude Sonnet ofrece buenos resultados
    • El aumento de productividad es considerable cuando el alcance del problema se mantiene pequeño y se usa en bases de código estructuradas
    • Al aplicarlos a código de producción, es necesario acompañarlos con procesos de revisión como pair programming

  • Tuple

    • Herramienta de pair programming remoto que comenzó como alternativa a Screenhero de Slack
    • Ahora incluye soporte para Windows, configuración de privacidad reforzada y la función de ocultar ventanas de aplicaciones específicas
    • Las mejoras en la UI también permiten colaborar en contenido fuera del IDE
    • Como la contraparte remota puede acceder a todo el escritorio, existen preocupaciones de seguridad → se recomienda revisar la configuración de privacidad y capacitar al equipo antes de usarla
    • Gracias a su UX intuitiva y baja latencia, es práctica como herramienta de pairing remoto

  • Turborepo

    • Herramienta de optimización de builds para grandes monorepos de JavaScript/TypeScript, que mejora la velocidad mediante análisis de dependencias, caché y ejecución en paralelo
    • A diferencia de Nx, permite un package.json por proyecto, lo que habilita temporalmente varias versiones de dependencias
    • Esto puede ser útil al migrar de múltiples repositorios a un monorepo
    • Su configuración es sencilla y muestra un rendimiento estable incluso en proyectos de gran escala

Assess (requiere exploración)

  • AnythingLLM

    • Aplicación de escritorio open source que permite interactuar con documentos grandes o contenidos extensos, e integrarse con varios LLM y bases de datos vectoriales
    • También es compatible con modelos de pesos abiertos basados en Ollama, y permite configurar modelos de embeddings mediante plugins
    • Además de RAG, puede componer varios skills como agentes para ejecutar flujos de trabajo personalizados
    • Gestiona documentos e historial de conversación por workspace, y recientemente también puede desplegarse como aplicación web multiusuario
    • También se está usando de forma útil como herramienta local para asistentes personales

  • Gemma Scope

    • Herramienta de interpretabilidad mecanicista para entender el funcionamiento interno de los LLM, capaz de analizar la familia de modelos abiertos Gemma2
    • Ayuda a identificar y depurar las causas de alucinaciones, sesgos y salidas anómalas
    • Su importancia crece no solo para investigadores, sino también porque entrenar modelos empieza a convertirse en una opción más realista para las empresas

  • Hurl

    • Herramienta que permite definir y ejecutar secuencias de solicitudes HTTP con archivos de texto simples, útil para automatización y pruebas
    • Ofrece funciones como verificación de códigos de estado, encabezados/cuerpo de respuesta, extracción de datos y uso de variables
    • Puede generar reportes en formato HTML/JSON y permite incluir definiciones de prueba dentro del repositorio de código
    • Es adecuada cuando se necesita una herramienta de pruebas de API más ligera y simple que opciones con GUI como Postman o Bruno

  • Jujutsu

    • Sistema de control de versiones distribuido que usa Git como backend, pero ofrece su propio flujo de trabajo y una usabilidad mejorada
    • Es compatible con servidores y servicios de Git, y ofrece funciones de branching y resolución de conflictos más simples e intuitivas
    • Está dirigido tanto a principiantes como a usuarios avanzados, y se destaca por una UX intuitiva y potente
    • En particular, su excelente capacidad de resolución de conflictos ha recibido muy buenas valoraciones

  • kubenetmon

    • Herramienta de monitoreo de tráfico de red para Kubernetes publicada como open source por ClickHouse
    • Permite medir en detalle el volumen de transferencia de datos y los costos en entornos multicloud
    • Vale la pena considerarla si estás enfrentando costos inesperados de transferencia de datos en una infraestructura basada en Kubernetes

  • Mergiraf

    • Driver de merge para Git que resuelve conflictos de fusión con base en el árbol de sintaxis abstracta (AST) del código
    • Es eficaz para manejar conflictos de merge complejos provocados por historiales largos de cambios o código generado por IA
    • Funciona con más precisión que el método de merge por líneas predeterminado de Git, y también puede aplicarse a auto-merge y cherry-pick
    • Puede ser útil para equipos que usan flujos de trabajo de Git complejos, como ramas de funcionalidad largas

  • ModernBERT

    • Serie de modelos NLP de nueva generación basada en transformers solo de codificador, como sucesora de BERT
    • Supera la limitación de longitud de contexto mediante Alternating Attention y mejora la precisión y el rendimiento frente a BERT
    • Vale la pena priorizarlo en situaciones donde se necesita un modelo especializado en NLP en lugar de un modelo generativo de propósito general

  • OpenRouter

    • Plataforma que integra múltiples proveedores de LLM en una sola API para facilitar la experimentación y la optimización de costos
    • Permite enrutar entre modelos como Claude, OpenAI y Mistral, y también ofrece funciones para sortear límites de velocidad en solicitudes API
    • Aun así, como esta estructura incluye un margen sobre el precio, conviene considerarla solo cuando realmente sea necesario cambiar entre múltiples modelos

  • Redactive

    • Plataforma empresarial que ayuda a construir asistentes de IA basados en RAG de forma segura en entornos regulados
    • Se integra con Confluence y otros servicios para crear índices basados en documentos y reflejar los permisos de usuario en tiempo real
    • Garantiza que solo se exponga al modelo la información permitida, equilibrando seguridad y accesibilidad

  • System Initiative

    • Herramienta experimental de DevOps, distinta del enfoque tradicional de infraestructura como código, lanzada recientemente como open source (Apache 2.0)
    • Ya se usa en entornos comerciales, aunque todavía necesita tiempo antes de poder escalar al nivel de grandes empresas
    • Vale la pena probarla si quieres experimentar un enfoque diferente al de las herramientas tradicionales de DevOps

  • TabPFN

    • Modelo de clasificación basado en transformers, optimizado para datasets tabulares pequeños
    • El modelo preentrenado está generalizado a partir de millones de datasets sintéticos
    • Ofrece resultados rápidos y precisos sin necesidad de ajuste de hiperparámetros, y además es robusto frente a valores faltantes y outliers
    • No es adecuado para datasets grandes ni para problemas de regresión

  • v0 (by Vercel)

    • Herramienta de IA que genera código frontend a partir de screenshots, diseños de Figma y prompts
    • Soporta varios frameworks como React, Vue, Tailwind y shadcn, y permite desplegar de inmediato el código generado
    • Aunque tiene limitaciones para implementar aplicaciones complejas de extremo a extremo, resulta útil para crear prototipos iniciales o definir un punto de partida para la UI

  • Windsurf

    • Asistente de programación con IA desarrollado por Codeium, que ofrece una experiencia de implementación basada en agentes similar a Cursor y Cline
    • Amplía su capacidad de ejecución mediante exploración del DOM del navegador, acceso a la consola y búsquedas web
    • Permite usar varios modelos y también destaca por sus sólidas funciones de contexto, como MCP y referencia a documentación

  • YOLO (You Only Look Once)

    • Modelo ligero y de alto rendimiento que puede usarse en diversas tareas de visión por computadora, como clasificación de imágenes en tiempo real, detección de objetos, estimación de pose y segmentación
    • La versión más reciente, YOLO11, mejora aún más la precisión y la eficiencia de procesamiento, por lo que también puede aprovecharse en dispositivos edge
    • Recuerda que, para ciertas tareas de visión, los modelos tradicionales de CV pueden ser más adecuados que los LLM

Lenguajes y frameworks (Languages and Frameworks)

Adopt (recomendado para adopción)

  • OpenTelemetry

    • Se está consolidando rápidamente como estándar de la industria para observabilidad (Observability)
    • Con la especificación OTLP (OpenTelemetry Protocol), permite procesar datos de trazas, métricas y logs en un formato estándar
    • Reduce la dependencia de proveedores y se integra con herramientas principales como Datadog, New Relic y Grafana
    • Gracias al soporte de compresión gzip y zstd, ofrece alta eficiencia en transferencias de grandes volúmenes de datos y es adecuado para entornos de microservicios
    • La expansión del soporte para logs y profiling facilita aún más la observabilidad de todo el stack

  • React Hook Form

    • Alternativa a Formik que ofrece gran rendimiento al usar componentes uncontrolled por defecto
    • Se integra fácilmente con bibliotecas de validación basadas en esquemas como Yup y Zod
    • También se integra bien con codebases existentes y bibliotecas externas de componentes como shadcn y AntD
    • Es una opción estable y flexible, adecuada para desarrollar formularios grandes o aplicaciones centradas en formularios

Trial (prueba)

  • Effect

    • Biblioteca de programación funcional basada en TypeScript que simplifica la implementación de programas síncronos y asíncronos
    • Permite manejar lógica compleja como gestión de estado, manejo de errores y concurrencia con seguridad de tipos
    • Ofrece mejor composabilidad y facilidad de prueba que los enfoques tradicionales con Promise, async/await y try/catch
    • Proporciona abstracciones más adecuadas para el desarrollo cotidiano que fp-ts, usado anteriormente

  • Hasura GraphQL Engine

    • Proporciona APIs GraphQL en tiempo real sobre diversas fuentes de datos como PostgreSQL, MongoDB y ClickHouse
    • Se ha usado eficazmente en proyectos de productos de datos para integrar recursos del lado del servidor y construir APIs rápidamente
    • Sus funciones de Federated Query y gestión integrada de esquemas son potentes, pero requieren atención
    • La función PromptQL, añadida recientemente, ofrece consultas de datos en lenguaje natural usando LLM

  • LangGraph

    • Framework de orquestación basado en grafos para aplicaciones multiagente con LLM que mantienen estado
    • Ofrece un control de más bajo nivel que LangChain mediante nodos y aristas, lo que permite personalizar los flujos de trabajo
    • Destaca en gestión de estado predecible, debugging, mantenimiento y escalabilidad
    • Aunque tiene cierta curva de aprendizaje, es muy potente en términos de ligereza y modularidad

  • MarkItDown

    • Herramienta CLI que convierte documentos como PDF, HTML, Word y PowerPoint a Markdown
    • Aprovecha las características estructurales de Markdown para mejorar la precisión del procesamiento documental con LLM y la comprensión del contexto
    • Si se usa para preprocesamiento de documentos en sistemas RAG, mejora considerablemente la claridad de las respuestas de búsqueda
    • Es una herramienta útil que eleva la productividad de los desarrolladores y también se usa con frecuencia para documentación

  • Module Federation

    • Proporciona funciones para compartir módulos entre micro frontends y eliminar duplicación de dependencias
    • Desde la versión 2.0 funciona de forma independiente de Webpack y soporta Rspack, Vite, React, Angular y más
    • Permite estructurar grandes aplicaciones web para que equipos independientes puedan desarrollarlas, desplegarlas y escalarlas por separado

  • Prisma ORM

    • Toolkit open source de base de datos para aplicaciones Node.js y TypeScript
    • Permite definir modelos de datos con objetos simples, sin decoradores ni clases, y ofrece gran seguridad de tipos y portabilidad
    • Proporciona migraciones automáticas y una API de consultas intuitiva
    • También encaja bien con el paradigma de programación funcional y está optimizado para entornos de desarrollo con TypeScript

Assess (requiere exploración)

  • .NET Aspire

    • Herramienta basada en .NET que simplifica la orquestación de aplicaciones distribuidas en entornos de desarrollo local
    • Permite ejecutar múltiples proyectos .NET, bases de datos y contenedores Docker con un solo comando
    • Ofrece herramientas de observabilidad exclusivas para entorno local, como logging, tracing y dashboards de métricas, lo que mejora el debugging y la experiencia de desarrollo

  • Android XR SDK

    • Sistema operativo Android y SDK para headsets XR, creado por Google en colaboración con Samsung y Qualcomm
    • Es compatible con la mayoría de las apps de Android con modificaciones mínimas, y es adecuado para nuevas apps de computación espacial
    • Actualmente está en estado de developer preview y se presenta como un SDK estándar para el desarrollo de apps espacializadas

  • Browser Use

    • Biblioteca open source de Python que permite a agentes de IA basados en LLM controlar un navegador web
    • Está basada en Playwright y permite automatizar navegación, entrada de datos, extracción de texto y más
    • Puede controlar múltiples pestañas y coordinar tareas entre webapps, por lo que resulta útil en flujos de trabajo multiagente

  • CrewAI

    • Plataforma de gestión y orquestación de agentes que combina múltiples agentes para realizar tareas complejas
    • Además de la biblioteca de Python, su versión enterprise permite integrarse con sistemas externos como SharePoint y JIRA
    • Se aplica a retos de negocio reales como validación de códigos promocionales, investigación de fallas en transacciones y automatización de soporte al cliente
    • Vale mucho la pena explorarla si te interesa construir sistemas basados en agentes

  • ElysiaJS

    • Framework web type-safe de TypeScript optimizado para el runtime Bun, que permite diseñar APIs de estilo RESTful y OpenAPI
    • A diferencia de tRPC, no impone una estructura de API y ofrece al mismo tiempo alto rendimiento y seguridad de tipos
    • Es adecuado para construir BFF (Backend-for-Frontend) y apunta a un rendimiento a nivel de Java o Go

  • FastGraphRAG

    • Implementación de GraphRAG de alto rendimiento que mejora precisión y desempeño al explorar solo nodos relevantes mediante Personalized PageRank
    • Ofrece soporte de visualización y actualizaciones incrementales, por lo que es adecuado para datasets dinámicos a gran escala
    • Es una solución GraphRAG que puede mejorar la calidad de las respuestas de los LLM y ahorrar recursos al mismo tiempo

  • Gleam

    • Lenguaje funcional de tipado estático basado en Erlang/OTP, que reduce errores en tiempo de ejecución y mejora la mantenibilidad
    • Mantiene una sintaxis moderna y compatibilidad con el ecosistema BEAM (Erlang, Elixir)
    • Es adecuado para equipos que necesitan seguridad de tipos, más que con Erlang tradicional, en sistemas que requieren alta concurrencia, estabilidad y escalabilidad

Assess (requiere exploración)

  • GoFr

    • Framework de microservicios basado en Golang que incluye de forma nativa logging, tracing, métricas, gestión de configuración y documentación Swagger
    • Incluye integración con diversas bases de datos y pub/sub basado en Kafka y NATS, además de programación de tareas cron
    • Es una herramienta enfocada en productividad que reduce trabajo repetitivo y permite concentrarse en implementar la lógica de negocio

  • Java Post-Quantum Cryptography

    • Tecnología criptográfica preparada para la era de las computadoras cuánticas, con soporte inicial en JDK 24 mediante JEP 496/497
    • Implementa algoritmos criptográficos basados en retículas (KEM, firmas digitales) y es adecuada para proteger datos cuya seguridad a largo plazo es importante
    • También existe liboqs de Open Quantum Safe, pero la implementación nativa en Java se considera un avance importante

  • Presidio

    • SDK de protección de datos que identifica y anonimiza información sensible en texto estructurado y no estructurado
    • Identifica elementos PII (números de tarjeta de crédito, nombres, ubicaciones, etc.) mediante reglas, expresiones regulares y NER
    • Tiene un alto nivel de personalización, pero como no garantiza una detección perfecta, hay que interpretar los resultados con cuidado

  • PydanticAI

    • Framework para construir aplicaciones basadas en LLM y agentes, desarrollado por el equipo de Pydantic
    • Busca minimizar la complejidad y ofrece manejo de salidas estructuradas, integración con las principales APIs de modelos y flujos de trabajo basados en grafos
    • Es adecuado para desarrolladores que prefieren una estructura práctica y ligera, evitando abstracciones excesivas

  • Swift for Resource-Constrained Applications

    • Desde Swift 6.0 se ha reforzado el soporte para diversos sistemas operativos, lo que amplía su viabilidad en entornos con recursos limitados
    • Ofrece un equilibrio entre rendimiento y estabilidad gracias a su fuerte seguridad de tipos y gestión de memoria basada en ARC
    • Es más accesible que Rust, pero todavía no cumple bien con estándares de certificación de seguridad (como MISRA), por lo que tiene limitaciones en entornos con altos requisitos de confiabilidad

  • Tamagui

    • Biblioteca de UI que optimiza el uso compartido de estilos entre React Web y React Native
    • Con su sistema de diseño y compilador optimizado, renderiza atomic CSS en web y estilos hoisted en nativo
    • Es útil cuando se busca consistencia de estilos y optimización de rendimiento en desarrollo de UI multiplataforma

  • torchtune

    • Biblioteca basada en PyTorch para LLM que admite post-training, fine-tuning y experimentos de inferencia
    • Es compatible tanto con entrenamiento distribuido basado en FSDP2 como con entornos de una o varias GPU
    • Sus recipes basadas en YAML permiten hacer experimentos de forma intuitiva sin configuraciones complejas, y mediante CLI facilita la descarga de modelos y la ejecución de experimentos

Hold (se recomienda mantener en espera)

  • Node overload
    • El fenómeno de elegir Node.js en exceso sigue siendo un problema, y aún hay muchos casos en los que se usa sin considerar alternativas
    • Sigue siendo eficiente para tareas centradas en I/O, pero no es adecuado para trabajos intensivos en cómputo o con grandes volúmenes de datos
    • A medida que han aumentado las cargas de trabajo centradas en datos, las limitaciones de Node.js se han vuelto más evidentes
    • Entendemos la preferencia por un stack de un solo lenguaje, pero seguimos recomendando un enfoque polyglot
    • Ahora que existen muchos frameworks alternativos con mejores APIs y rendimiento, el uso de Node.js debe evaluarse con cautela

Lecturas relacionadas