Si el día 1 fue sobre contexto, el día 2 fue sobre madurez. No la de los modelos, sino la de las organizaciones que los adoptan.

El framework que faltaba

Lizzie Matusov de Quotient abrió el día con un framework para diagnosticar en qué etapa está tu organización en la adopción de AI. En corto: no basta con las herramientas, es necesario haber construido capacidades organizacionales alrededor de ellas.

Cuando medir velocidad es el problema

Catherine Weeks de Red Hat: el primer instinto es medir velocidad — PRs, tiempo de merge, líneas de código. Con 500+ ingenieros, cuando se dieron cuenta que sus métricas originales incentivaban el comportamiento incorrecto, pivotaron a lo que importa: revision counts, escaped defects, y si los humanos confían en el output.

Como escribí sobre la IA y el suero del súper soldado: la IA no arregla lo que está roto, lo amplifica.

Spotify y el problema de los límites

Pratik Rasam de Spotify: ¿dónde termina un agente y dónde empieza otro? Su respuesta: los agentes son dueños del razonamiento, las tools del acceso a datos, y el código de la aplicación de la lógica determinista. Esa separación es la diferencia entre un sistema que escala y uno que se convierte en un monolito.

Tu factura de AI no dice lo que crees

Erik Peterson de CloudZero: $47K en un loop de 11 días, $82K por una key robada, un equipo que agotó su presupuesto anual en semanas. El billing de AI es fundamentalmente diferente al cloud billing. Cada decisión de arquitectura es una decisión de compra.

Y luego Walmart

Si Roblox fue el caso del Día 1, Walmart es el del Día 2. Millones de SKUs, pipeline multi-agente en batch durante horas no pico, millones ahorrados en desperdicio de comida. El insight más valioso: structured outputs + MCP grounding + retry logic no son tres cosas separadas, son un stack que se complementa.

Lo que me dejé en el tintero

Las sesiones que revisaré en las grabaciones:

  • Actors for Agents — Manju Rajashekhar (Mad Labs). Por qué los frameworks de prompt-chain se disuelven con workloads reales y cómo el actor model lo resuelve.
  • Decision Models in Agentic Architectures — Alex Porcelli (Aletyx). Decisiones deterministas en entornos regulados. Como alguien con tiempo en fintech, este era el talk más cercano a los problemas reales que viví.
  • From Hype to Habit — Jatin Aneja (Zoox). Cuando la adopción de AI falla no es el tool, es cambio de comportamiento. 1,500+ ingenieros en Zoox.

Y esto fue QCon AI: dos días, conversaciones en los pasillos que valen tanto como las salas. Me voy satisfecho — pude ver cicatrices, y cómo se resuelven problemas reales en producción.

Me llevo para profundizar: context engineering, evals, economics de AI, decision models en entornos regulados.