Tres noticias de la semana que terminó el sábado 28 de marzo. No son las más virales — son las que más importan si estás construyendo con IA o decidiendo si es momento de hacerlo.
El protocolo que conecta agentes con el mundo real superó los 97 millones de instalaciones
El Model Context Protocol (MCP) cruzó 97 millones de instalaciones en marzo de 2026, señalizando su transición de estándar experimental a infraestructura agéntica fundacional. Todos los grandes proveedores de IA ya publican herramientas compatibles con MCP.
MCP es el protocolo abierto que permite a los agentes de IA conectarse con herramientas externas: bases de datos, APIs, calendarios, sistemas de archivos, ERPs. En términos simples, es la "capa de enchufes" que hace que un agente deje de ser una IA que responde y se convierta en una IA que actúa. La semana también confirmó que el mercado está dejando atrás la pregunta de "qué modelo lanzó alguien" para pasar a "quién lanzó algo que la gente realmente puede usar" — y los frameworks de agentes, no solo los modelos base, se están convirtiendo en parte del stack competitivo.
El stack que desplegamos para cada cliente — n8n, Chatwoot, PostgreSQL, Claude API — ya es MCP-compatible de origen. Mientras el mundo está instalando el protocolo, nuestros clientes en Patagonia ya operan sobre él. La infraestructura agéntica dedicada no es una apuesta al futuro: es el presente que el mercado acaba de confirmar a escala de 97 millones.
OpenAI cerró Sora: cuando el modelo SaaS de IA choca con la física del costo
OpenAI anunció el 24 de marzo el cierre de la API pública de Sora con 30 días de aviso. La compañía reconoció que el costo por minuto de video generado era "económicamente irreconciliable" con cualquier precio que los usuarios estuvieran dispuestos a pagar. El cierre redirigió inmediatamente los presupuestos de video-IA empresariales hacia alternativas como Runway Gen-4, Pika 2.1 y Veo 2 de Google, y provocó una reevaluación sectorial de si la generación de video de alta fidelidad es actualmente viable como producto API de propósito general.
El caso es más revelador que anecdótico: una de las empresas más capitalizadas del mundo, con el producto de video IA más conocido del mercado, no encontró modelo de negocio sostenible en el esquema de pago por uso. Las plataformas SaaS que no integran capacidades agénticas a tiempo están viendo sus valuaciones comprimidas — el mercado ya premia a las plataformas AI-nativas que demuestran ROI tangible frente a quienes prometen eficiencia pero cobran por cada interacción.
El cierre de Sora ilustra exactamente la trampa que advertimos en nuestro whitepaper: cuando la IA opera sobre infraestructura compartida y se monetiza por uso, el proveedor asume el riesgo del escalado y el cliente asume la incertidumbre del costo. Nuestro modelo es el opuesto: VPS dedicada, costo fijo mensual, sin sorpresas. Lo que para OpenAI fue un problema de escala global, para una pyme o clínica en Neuquén es un problema de presupuesto operativo. La solución es la misma: infraestructura propia.
Gartner advierte a los CFOs: las métricas tradicionales no capturan el valor real de la IA
En el Gartner Finance Symposium 2026 en Sydney, analistas advirtieron a directores financieros que los modelos de valuación tradicionales están subestimando las inversiones en IA. El enfoque "talla única" falla al no capturar el valor no financiero de la tecnología: agilidad de negocio, capacidad de innovación y soporte a la toma de decisiones. Gartner recomendó un modelo de financiamiento por portafolio que categorice las iniciativas según su naturaleza: automatización de alta frecuencia para productividad, y casos estratégicos de mayor complejidad.
El dato de fondo es crítico: el 95% de los usuarios empresariales reportaron bajo ROI en sus primeras inversiones de IA generativa a fines de 2025 — no porque la tecnología falle, sino porque la medición está mal calibrada y la infraestructura de datos no estaba lista para soportar agentes en producción.
Este es el argumento que llevamos a cada reunión con potenciales clientes en la región: el ROI de un agente de IA no se mide solo en mensajes respondidos o en horas ahorradas. Se mide en datos que antes vivían en silos y ahora alimentan decisiones; en procesos que antes dependían de disponibilidad humana y ahora operan 24/7; en conocimiento institucional que antes se iba con cada rotación de personal y ahora persiste en la base de conocimiento del agente. Medir eso con una hoja de cálculo estándar es como medir el valor de una red de distribución contando los camiones.