Una ola de mini PCs con 128 GB de memoria unificada (AMD Ryzen AI Max+ 395, Apple Silicon) promete correr modelos de lenguaje grandes en casa sin depender de la nube. Reviso qué modelos caben de verdad en esa memoria, qué velocidad real dan según las pruebas independientes, cuánto cuesta montarlo y qué problemas prácticos (ruido, calor, ancho de banda) no suelen aparecer en el titular.
Antes de escribir una sola línea de código hay que aprender lo más importante de todo: a pensar como un programador. Y eso no va de memorizar sintaxis, va de coger un problema grande y partirlo en pasos tan pequeños y tan claros que una máquina tonta pueda ejecutarlos sin equivocarse. En esta primera entrega de la serie de Fundamentos te explico qué es de verdad programar, cómo descomponer cualquier problema (con el ejemplo de hacerte un café), qué son el pseudocódigo y los diagramas de flujo, cómo funciona la lógica de verdadero y falso, y qué es eso de la abstracción. Si dominas esto, la sintaxis luego es un paseo.
Los grandes de la tecnología van a gastar cerca de 725.000 millones de dólares en infraestructura de Inteligencia Artificial solo en 2026, una cifra que crece cada trimestre sin que los ingresos reales sigan el mismo ritmo. Entre las advertencias de Sam Altman sobre una posible burbuja, las apuestas millonarias de Michael Burry contra Nvidia y Palantir, y los acuerdos circulares entre Nvidia, OpenAI, Microsoft y Oracle, te cuento qué hay de verdad detrás del miedo a que esto explote, y qué parte es simple ruido de mercado.
Acabamos de pasar el verano ordenando el dinero, y una de las conclusiones fue clara: no basta con recortar, hay que ganar más. Pues aquí va una de las habilidades que mejor se paga y que cualquiera puede empezar a aprender gratis: programar. Arranco una serie de ocho entregas, los lunes, miércoles y viernes, para llevarte desde el cero absoluto (qué es pensar como un programador) hasta que entiendas variables, operadores, condicionales, bucles, funciones, estructuras de datos y cómo cazar tus propios errores. Es lenguaje-agnóstico, con pseudocódigo y ejemplos cortos, pensada para principiantes de verdad. Y hay un motivo extra para hacerlo ahora: con la Inteligencia Artificial escribiendo código, saber estos fundamentos es justo lo que separa a quien dirige a la máquina de quien le reza. Este post es el índice y el calendario.
Vi un vídeo sobre lo difícil que se ha vuelto aprender a programar en 2026, y el comentario más votado lo resumía mejor que el propio vídeo: un junior contando que su jefe prefiere que la Inteligencia Artificial haga de senior antes que formar a nadie. Con TREINTA años programando, te cuento por qué ese es el problema real, con datos de por medio (no solo intuición), y qué puedes hacer si estás empezando ahora mismo.
REA, el repositorio de Reverse Engineer Anything, ha reventado GitHub y media internet repite que se acabó Photoshop y que cualquiera clonará cualquier programa en una tarde. No es verdad. REA es una caja de herramientas para gente que ya sabe hacer ingeniería inversa, el clon de Photoshop que circula es una alfa llena de fallos, y lo que de verdad cuesta dinero de una aplicación no está en su binario. Te cuento qué es, qué no es y qué se les olvida a los que gritan que es el fin.
Anthropic ha migrado su monorepo de Git a Scion, un sistema de control de versiones propio. Tu intuición va bien encaminada: Git nació para humanos que escriben poco código y trabajan desconectados, y ahora el que escribe es un agente que no se desconecta nunca. Repaso las cifras que da Anthropic, qué cambia Scion por dentro, qué matizo de tu teoría y por qué tú no deberías tirar Git a la basura.
La Inteligencia Artificial no programa bien por sí sola, pero a los seniors nos libera muchísimas horas de escribir código. El problema es qué hacemos con ese tiempo: en lugar de planificar mejor y formar a los juniors, lo estamos gastando en producir más y más código que casi nadie revisa. Si seguimos así, dentro de diez años no habrá seniors, y programar dependerá solo de máquinas que nadie sabe corregir.
La Inteligencia Artificial escribe código más deprisa que yo, y no tiene sentido competir con eso. Lo que hago es usar ese tiempo para lo que ella no hace bien: leer lo que escribe, revisarlo y centrarme en la arquitectura del software. Esta es mi forma de programar con Inteligencia Artificial, bastante distinta de la que se lleva ahora, y por qué sigo leyendo y escribiendo código.
Esta semana hemos visto de todo: la inteligencia artificial sigue revolucionando cómo trabajamos, desde herramientas que replican Office gratis hasta agentes que se integran en nuestras aplicaciones diarias, pasando por descubrimientos científicos que ni siquiera entendemos todavía. Google ha endurecido sus criterios sobre contenido de calidad mientras que Meta y Apple cierran una alianza histórica para lanzar su propio modelo abierto. Claro que también hay lado oscuro: OpenAI despide investigadores de seguridad, desarrolladores se encuentran con facturas de diez mil dólares por bugs en código generado por Inteligencia Artificial, y la proliferación de clones de software libre sin transparencia levanta sospechas. Y fuera del mundo tech, desde las matemáticas evolucionan con ayuda de máquinas hasta la economía española se tuerce por culpa de la curva del pato energética, pasando por historias de estafadores, reformas de vivienda controvertidas y empresarios chinos que abandonan sus bazares tradicionales.