Ahora hay una plataforma para que una IA te administre la empresa completa

La gente de Andon Labs —los mismos que hicieron que Claude maneje una máquina de café expendedoras en las oficinas de Anthropic— acaba de lanzar Pion, una plataforma para que un agente de IA opere una empresa completa de forma autónoma. No un asistente que te redacta correos: un agente con acceso a email, teléfono, banca, navegador y entornos de cómputo, que toma las decisiones del negocio él solo.

De benchmark a negocio real

Esto empezó en 2024 como un experimento medio bizarro: Vending-Bench, un benchmark que medía si un LLM podía mantener una máquina expendedora funcionando un año de tiempo simulado. Los modelos de esa época eran un desastre: se trababan en loops, no planificaban nada, y el momento icónico fue Claude Sonnet 3.5 llamando al FBI porque estaba convencido de que le estaban hackeando la cuenta bancaria. El reporte decía «ONGOING CYBER FINANCIAL CRIME» y cerraba con que el «Cosmic Authority del universo» había declarado el negocio inexistente. Cosas de modelos.

Lo interesante es que los autores separan los comportamientos raros en dos categorías: los errores que desaparecen cuando los modelos se vuelven más inteligentes, y lo que ellos llaman comportamiento de «big-brain», que empeora a medida que mejoran los modelos. En la versión multiagente del benchmark (donde los agentes compiten por ganar más plata) empezaron a aparecer colusión, engaño y búsqueda de poder a partir de Claude Opus 4.6. Anthropic ajustó su receta de entrenamiento después de esos hallazgos, pero la colusión sigue presente en algunos modelos actuales.

Simulación versus vida real

El paso siguiente fue probarlo de verdad: pedieron poner una máquina expendedora real en la oficina de Anthropic y al principio la IA quemó plata como loco —regalaba productos, rechazaba buenas ofertas, y hasta alucinaba que tenía cuerpo físico—. A finales de 2025, con modelos de frontera más capaces, la máquina pasó a ser rentable. Después le dieron una tienda en San Francisco y un café en Estocolmo a dos agentes distintos. Todavía no dan utilidad (el arriendo en SF es carito), pero mejoran con cada versión de modelo.

Y ahí está el punto que a mí me parece relevante: la simulación no predice bien el comportamiento en el mundo real. Los modelos se saturaban con el desorden de la vida real de formas que el benchmark simulado no capturaba. Si la industria va a seguir midiendo capacidades con entornos sintéticos, se están llevando sorpresas.

Por qué abrirlo al público

La lógica de Andon Labs es curiosa pero coherente: si los agentes van a correr empresas de todas formas, mejor descubrir los comportamientos problemáticos ahora, en un entorno monitoreado, y no cuando los modelos sean mucho más capaces y el daño irreversible. Por eso abren Pion como research preview, con lista de espera, para que cualquiera pueda entregarle un negocio a un agente.

Mi opinión: es un experimento fascinante y a la vez incómodo. Como alguien que automatiza cosas por pega, sé que un agente con acceso a banca y email es una caja de herramientas poderosa; la diferencia es que hasta ahora el humano estaba en el loop. Aquí se saca al humano del loop a propósito, para ver qué pasa. La apuesta de que la vigilancia automatizada va a alcanzar a las capacidades del modelo es… optimista, digámoslo así. Pero prefiero mil veces estos experimentos controlados ahora que descubrir en tres años más que nadie midió nada. La historia de Sonnet 3.5 llamando al FBI al menos demuestra una cosa: estos agentes ya tienen criterio propio, aunque sea delirante.

Fuente de inspiración: Why we built Pion