In partnership with

Hola Promptlers! 👋

Arrancamos la newsletter de hoy con Anthropic, que ha lanzado 10 plantillas de agentes listos para hacer el trabajo financiero que antes requería un equipo entero. Meta prepara una herramienta que comprará por ti dentro de Instagram sin que tengas que salir de la app. Y Harvey publicó el primer examen oficial para medir si los agentes de IA realmente sirven para el trabajo legal.

Además, al final te dejo el PrompTip y la 💊Píldora de IA para que no solo te enteres de las notícias, sino que salgas con algo práctico que puedas probar hoy.

En esta edición:

  • 🏦 Anthropic lanza agentes listos para las finanzas

  • 🛍️ Meta quiere que Instagram te compre solo

  • ⚖️ Harvey crea el primer examen oficial para agentes legales

  • Noticias breves: Meta prueba “Hatch”, Claude lanza Managed Agents, Anthropic se alía con Wall Street, GPT-5.5 Instant y ChatGPT para empresas.

  • 💡 PrompTip: Diseña el sistema de memoria de tu agente.

  • 💊 Píldora de IA: Cómo funciona la memoria de los agentes

Fuente: Anthropic

Anthropic ha lanzado 10 plantillas de agentes listas para usar en servicios financieros. Desde construir pitchbooks hasta cerrar libros contables a final de mes.

Lo esencial:

  • 5 agentes de análisis: construye modelos financieros, prepara reuniones, revisa resultados de empresas y elabora materiales de captación de clientes.

  • 5 agentes de operaciones: reconcilia el libro mayor, audita estados financieros y filtra archivos de cumplimiento normativo.

  • Funcionan como plugin en Claude Cowork o Claude Code, y también como agentes autónomos en la plataforma de Anthropic.

Si antes necesitabas un equipo para cerrar el mes, revisar un contrato o preparar una presentación para inversores, ahora puedes hacerlo tú solo con Claude actuando de fondo.

Fuente: Larazon

Meta está integrando un agente de IA en Instagram capaz de encontrar productos en Reels, navegar a tiendas externas y completar la compra, todo sin salir de la app.

Lo esencial:

  • El agente detecta artículos en fotos y vídeos de Instagram y gestiona el proceso de compra de principio a fin, sin que el usuario tenga que hacer nada más.

  • Está impulsado por Muse Spark, el nuevo modelo de IA de Meta.

  • La jugada apunta directamente a competir con la TikTok Shop.

La carrera por convertir las redes sociales en tiendas ya empezó hace años, pero con agentes que completan la compra por ti, Meta sube la apuesta a otro nivel.

Fuente: Harvey

Harvey ha lanzado LAB (Legal Agent Benchmark), una herramienta de código abierto para medir cómo rinden los agentes de IA en tareas jurídicas reales.

Lo esencial:

  • Incluye más de 1.200 tareas distribuidas en 24 áreas del derecho, evaluadas con más de 75.000 criterios escritos por expertos.

  • Cada tarea replica cómo se asigna y revisa el trabajo en un despacho real. El agente recibe un encargo, accede a los documentos del caso y tiene que entregar un producto listo para revisión.

  • Harvey lanza LAB sin clasificación pública por ahora. Quiere afinarla con la comunidad antes de publicar resultados comparativos entre modelos.

Los despachos llevan años preguntándose si la IA sirve de verdad para el trabajo legal. LAB les da, por primera vez, una forma concreta de medirlo.

⚡ Noticias Breves ⚡

💡 PrompTip 💡

💡 Diseña el sistema de memoria de tu agente de IA

Esta semana hablamos de cómo los agentes recuerdan, o no. Si estás construyendo uno, la decisión más importante no es qué modelo usar, sino qué información merece pasar al siguiente turno. Este prompt te ayuda a diseñarlo.

Pega el siguiente Prompt (cópialo tal cual):

Eres un arquitecto de sistemas de IA especializado en memoria para agentes. Voy a describirte el agente que estoy construyendo y quiero que me ayudes a diseñar su sistema de memoria.

Mi agente: [DESCRIBE QUÉ HACE TU AGENTE Y EN QUÉ CONTEXTO OPERA]

Para este agente, necesito que me indiques:
1. Qué tipo de información debería recordar entre sesiones
2. Qué información solo necesita durar dentro de una conversación
3. Qué información no merece guardarse nunca
4. Cómo debería decidir el agente qué es relevante recuperar en cada turno

Sé concreto. Dame ejemplos reales de qué guardarías y qué descartarías para este caso específico.

💊 Pildora de IA 💊

Fuente: ChatGPT

Un modelo de lenguaje no recuerda nada en cuanto termina de responder. Cada conversación empieza desde cero, como si fuera la primera vez. Es cómo están diseñados para funcionar a escala. El problema es que un agente que olvida todo no sirve para casi nada en el mundo real.

Por eso existen los sistemas de memoria. En la práctica, el agente recibe un mensaje, busca en su almacén de memoria qué información relevante tiene guardada, la añade al contexto y genera la respuesta. Si aparece algo nuevo que vale la pena recordar, lo guarda. Todo esto ocurre en cada turno, de forma invisible para el usuario.

Lo interesante es que no hay un solo tipo de memoria, hay varios, cada uno pensado para un tipo de información distinta. Lo que pasó hace un momento, las preferencias del usuario, el estado de una tarea a medias, el conocimiento del dominio... La gran pregunta que los equipos que construyen agentes tienen que responder es: ¿qué información merece pasar al siguiente turno? La respuesta a esa pregunta define, en gran medida, qué tan útil acaba siendo el agente.

Si quieres leer el artículo completo, Aquí.

Voice dictation that doesn't mangle your syntax.

Most dictation tools choke on technical language. Wispr Flow doesn't. It understands code syntax, framework names, and developer jargon — so you can dictate directly into your IDE and send without fixing.

Use it everywhere: Cursor, VS Code, Warp, Slack, Linear, Notion, your browser. Flow sits at the system level, so there's nothing to install per app. Tap and talk.

Developers use Flow to write documentation 4x faster, give coding agents richer context, and respond to Slack without breaking focus. 89% of messages go out with zero edits. Free on Mac, Windows, and iPhone.

Si te ha gustado la newsletter, !Compártela!

Si te ha gustado ayúdame a seguir creciendo compartiendo la newsletter con amigos, familiares e incluso en tus redes sociales. Te estaré infinitamente agradecido🙏!

Mil gracias por el apoyo y por seguir leyéndome.

¡Nos vemos en la próxima!

Arnau.

Keep Reading