El informe de Stripe sobre Kai del 30 de julio describe una plataforma interna lanzada en abril de 2026. Informa de que el 83 % de los empleados la usa cada semana y de que se redirigieron 25.000 horas anuales desde tareas administrativas.
El gran cambio
- Qué cambió: Especialistas mantienen el comportamiento de los agentes sobre una infraestructura compartida.
- Por qué importa: Elegir una plataforma de agentes también implica asignar la responsabilidad de sus instrucciones y de las acciones que tiene permitido realizar.
- Qué observar: Hay que medir las tareas completadas correctamente y las correcciones, además de la participación. El recuento de usos semanales no permite saber si el trabajo fue correcto.
La división del trabajo
El constructor de agentes anterior acumuló más de 4.000 agentes. Kai se conecta a más de 1.000 habilidades y herramientas, con selección basada en la recuperación de información o en modelos. Stripe describe permisos por tarea: tener acceso por separado a dos contextos de clientes no implica necesariamente que se puedan combinar.
El constructor anterior acumuló más de 4.000 agentes. Kai se conecta a más de 1.000 habilidades y herramientas, que selecciona mediante recuperación de información o modelos. Stripe describe permisos por tarea: tener acceso por separado a dos contextos de clientes no implica necesariamente que se puedan combinar.
El proyecto original de Deep Agents documenta el acceso al sistema de archivos, la gestión del contexto y las habilidades que se pueden cargar. Sus indicaciones de seguridad sitúan la aplicación de controles en las herramientas y los entornos aislados, en lugar de confiar en que el modelo se limite a sí mismo. Por eso, una instrucción y un control de acceso tienen funciones distintas: una prohibición escrita no puede retirar una capacidad que la herramienta aún concede.
Qué responde cada prueba
Medición | Pregunta que responde |
|---|---|
Participación semanal | ¿Vuelven los empleados a usarlo? |
Evaluación de tareas | ¿El resultado cumplió el requisito definido? |
Prueba de permisos | ¿Se impidió una operación no autorizada? |
El benchmark de integración independiente de Stripe ofrece un ejemplo concreto de evaluación: once entornos de programación con pruebas que ejercitan API o interfaces y, en algunos casos, verifican los objetos de Stripe creados. Estas pruebas evalúan integraciones, no Kai.
El relato de Kai que hemos revisado no ofrece un protocolo para evaluar la calidad de las respuestas ni una metodología para calcular las horas ahorradas. Aún está previsto un ciclo basado en trazas que proponga y pruebe cambios en las habilidades para que los responsables los revisen.
