0813 | IA en Product Hunt: costes, BearDrive, chat.agent y Grok Bot

Clara Vega: Bienvenidos a Product Hunt diario, el podcast de Bri donde repasamos lo más interesante que está llegando a la plataforma. Soy Clara Vega.

Mateo Ruiz: Y yo soy Mateo Ruiz. Hoy tenemos una edición con mucha miga, porque una buena parte de los lanzamientos apuntan al mismo problema, pero desde ángulos muy distintos.

Clara Vega: Exacto. Por un lado, herramientas pensadas para los equipos que ya trabajan con agentes de código. Por otro, nuevas formas de darles trabajo a tus asistentes de IA.

Mateo Ruiz: Además, repasamos una aplicación de escritorio gratuita para ejecutar y entrenar modelos de IA, una alternativa de código abierto a plataformas de voz, y hasta un selector honesto de tarjetas de crédito.

Clara Vega: Empecemos, porque hay bastante que contar desde lanzamientos como BearDrive hasta la apuesta de Trigger dot dev.

Clara Vega: Empecemos con un caso curioso de la semana, porque dos lanzamientos en Product Hunt atacan el mismo problema desde ángulos opuestos. El problema: los equipos que trabajan con agentes de código ya no saben a dónde va su dinero en inteligencia artificial.

Mateo Ruiz: Y las dos respuestas no podrían ser más distintas. Primero está CodeBurn, un rastreador de costes de IA para código, gratuito y de código abierto, con licencia MIT, creado por Resham. La idea es que unas cuarenta herramientas —Claude Code, Cursor, Codex, Copilot, entre otras— ya escriben archivos de sesión en el disco local de cada máquina. CodeBurn no inventa nada nuevo: solo lee esos archivos y desglosa cada token y cada dólar por tarea, por modelo, por proyecto y por pull request.

Clara Vega: Y lo notable es que todo corre en la máquina del propio usuario: sin cuenta y sin subir nada a ningún servidor. Además, una pestaña de optimización detecta residuos, como caché inflada o la llamada “tasa de reintentos”, aplica la corrección y registra cuánto ahorró. Trae herramienta de línea de comandos, app de escritorio para Mac, Windows y Linux, menú de barra en macOS, una extensión para el escritorio GNOME y hasta un servidor MCP para que el propio agente pueda consultar su propio gasto.

Mateo Ruiz: Ojo con una cifra: la afirmación de “más de 150 mil desarrolladores” es autodeclarada, no está verificada. Pero la comunidad respondió con matices interesantes. Un comentarista con experiencia en inversión en IA valora que CodeBurn mire el coste por unidad útil de trabajo de IA y no simplemente el coste por token, y pide feedback a quienes usan varios agentes a diario.

Clara Vega: Otro usuario alaba una decisión concreta: marcar ciertos costes como “no atribuidos” en lugar de asignarlos a un destino que parezca plausible. Pero deja una duda abierta que es bastante buena. En orquestaciones donde una tarea lanza de cinco a diez subagentes en paralelo y solo un paso final fusiona su trabajo en un pull request, ¿CodeBurn agrupa las sesiones hijas bajo la tarea padre, o las muestra como sesiones caras sin atribución?

Mateo Ruiz: Y esa pregunta es justo la puerta de entrada a la otra propuesta, Cohesor. Mientras CodeBurn ofrece visibilidad local y gratuita, Cohesor propone exactamente lo contrario: una capa de control central para empresas. La tensión de fondo es cómo controlar el gasto en IA cuando el trabajo lo hacen agentes que operan en paralelo. Ahí queda el contraste: uno apuesta por la transparencia en tu propia máquina, el otro por el control desde el centro de la organización.

Mateo Ruiz: Hay otro lanzamiento que toca un problema que muchos equipos ya están sintiendo. Se llama BearDrive, lo presenta Runbear y su fundador, Snow. La definición que usan es “la carpeta compartida de código abierto para los agentes de IA de tu equipo”.

Clara Vega: La mecánica es sencilla de entender. Los agentes escriben archivos reales en el sistema de archivos local: informes, presentaciones, archivos de datos, investigación. BearDrive sincroniza esa carpeta hacia el equipo en segundos, con historial completo de cambios —quién cambió qué, cuándo, desde qué dispositivo—, con atribución de autoría que llega hasta la sesión del agente. Además, cada archivo se puede compartir por enlace en Slack, y hay una vista web para leer sin instalar nada.

Mateo Ruiz: Funciona con Claude Code, Cowork, Codex, Gemini CLI y, según el propio material del producto, con cualquier herramienta local. Es de código abierto, auto-alojable, y el servicio gestionado es gratuito durante la beta. Y el equipo se apresura a aclarar qué no es esto: ni un sistema de memoria para agentes, ni otro workspace al que migrar. Citando el material: “son tus archivos, convertidos en propiedad del equipo”.

Clara Vega: Para ilustrar el argumento, la página cuenta un ejemplo de marketing: 26 horas de versiones contradictorias sin BearDrive, frente a 90 segundos con la herramienta. Pero el problema de fondo lo describe Snow mejor. En su equipo todos usaban Claude Code a diario, y los archivos útiles que generaban los agentes “vivían y morían en el portátil de una persona”. Un compañero volvía a investigar lo que otro agente ya había resuelto, simplemente porque nadie sabía que ese archivo existía.

Mateo Ruiz: Y aquí está lo interesante: según Snow, las alternativas que probaron fallaron por razones distintas. Pegar en Notion era una tarea manual que nadie mantenía al día. Git no sirve para artefactos de investigación y operaciones, y los no ingenieros ni lo tocan. Y Dropbox sincroniza los bytes, pero no dice quién creó ese contenido ni bajo qué contexto. BearDrive intenta quedarse justo en ese hueco intermedio: compartir el trabajo real que producen los agentes, sin exigir disciplina manual y sin obligar a nadie a usar herramientas de ingeniero.

Clara Vega: La pregunta que deja el producto está implícita en su propia propuesta: si la carpeta compartida se vuelve el lugar donde vive el trabajo de los agentes, ¿eso la convierte con el tiempo en el sistema de memoria que dicen no querer ser? Por ahora el argumento es claro: el valor está en que el trabajo de un agente deje de estar atrapado en una sola máquina.

Clara Vega: El lanzamiento destacado de esta edición es chat.agent, presentado por Trigger.dev como un backend para aplicaciones de chat con IA. Coge lo que ya hacen las herramientas habituales y lo replantea desde la base, así que vale la pena entender cómo piensa el problema.

Mateo Ruiz: Trigger.dev es, en origen, una plataforma para que desarrolladores construyan y ejecuten agentes y flujos de trabajo en IA, con TypeScript, código abierto bajo licencia Apache 2.0, sin límites de tiempo y con un panel donde puedes ver cada ejecución. James, uno de los fundadores, explica la propuesta central de chat.agent: en lugar de un endpoint de petición y respuesta, cada conversación tiene su propia máquina. Esa máquina vive durante toda la conversación, duerme cuando nadie escribe y se despierta justo donde se quedó, sin que el desarrollador tenga que gestionar el estado a mano.

Clara Vega: Y ojo, porque mantiene el SDK de IA que los desarrolladores ya conocen: streamText en el servidor y useChat en el cliente. chat.agent se coloca debajo como transporte, y la ruta intermedia de API desaparece. James describe el modelo típico como un mal encaje: hay que esquivar los límites de tiempo, escribir todo en una base de datos, añadir una cola de mensajes para que el streaming sobreviva a un refresco de página y coordinar colas. Con chat.agent, eso se simplifica.

Mateo Ruiz: Pongamos ejemplos concretos de lo que cambia para el usuario final. Actualizar a mitad de respuesta reanuda el stream desde donde el navegador dejó de leer. Cerrar la pestaña y volver días después conserva la conversación. La memoria entre turnos son variables, y un subagente creado hace cuatro preguntas sigue disponible al día siguiente. Y un detalle financiero que no es menor: esperar es gratis. Una pausa para aprobación humana que dura toda la noche no se factura.

Clara Vega: James añade una cifra de sus propios datos de producción: uno de cada veinte turnos dura más de treinta y seis minutos sin ningún problema. Y cada turno queda trazado con las indicaciones enviadas, las llamadas a herramientas, la latencia y el coste, sin nada que configurar. Ese nivel de trazado automático es precisamente una de las cosas que los equipos piden cuando empiezan a pagar de verdad por agentes.

Mateo Ruiz: La idea que resume la propuesta es elegante: la conversación deja de ser una petición puntual que hay que encajar en un servidor temporal, y pasa a ser un proceso vivo que existe mientras la conversación existe. Es un cambio de mentalidad sobre dónde vive una conversación con un agente, y probablemente por eso Trigger.dev lo colocó como su lanzamiento destacado.

Mateo Ruiz: Para cerrar, hay un lanzamiento que ilustra bien hasta dónde está llegando la idea de los agentes como colegas de trabajo. Se llama Grok Bot, y el fabricante lo describe como “compañeros de IA a los que puedes dar trabajo real”.

Clara Vega: La promesa es ambiciosa: los bots inician sesión en tus propias herramientas, las usan como lo haría una persona y vuelven con el trabajo terminado. Conservan contexto, hacen varias tareas a la vez y aprenden de tu estilo de trabajo en su propia “computadora en la nube”. Entre los usos que listan están generar prospección de ventas durante la noche, codificar gastos desde el correo, agendar entrevistas de reclutamiento, rebalancear anuncios pagados o enviar un paquete de correcciones de errores. Y solo volverían cuando se necesita una aprobación humana.

Mateo Ruiz: El sitio lo presenta como “una nueva clase de colega”, en beta temprana, con app de escritorio para Mac con chip de Apple e iOS. Y hay una afirmación llamativa que conviene tomar con cautela, porque viene solo del fabricante: dicen que un equipo llamado SpaceXAI ya opera con Grok Bot, sin verificación independiente.

Clara Vega: Las capacidades declaradas también son concretas. Puedes mostrarle un flujo de trabajo una sola vez y el bot lo guarda como rutina, para ejecutarlo después. Los bots trabajan en paralelo las veinticuatro horas, incluso con el portátil cerrado. Varios bots pueden colaborar en un mismo hilo y pasarse trabajo entre sí. Y mantienen memoria compartida y aprenden unos de otros: por ejemplo, recordar que un cliente solo firma contratos anuales, o que Dana es quien aprueba los gastos. Los roles de ejemplo van de ventas salientes y reclutamiento hasta gestor de gastos y jefe de gabinete.

Mateo Ruiz: Y aquí el detalle que conecta con el primer tema de hoy, el control del gasto: el precio. Grok Bot está incluido en el plan Cursor Ultra, a doscientos dólares al mes, facturado mensualmente, y ese plan incluye la computadora propia del bot, el acceso a las herramientas y las rutinas. La pregunta que deja el producto, igual que con CodeBurn y Cohesor, es si tienes visibilidad de lo que tu agente está gastando mientras trabaja por la noche con el portátil cerrado.

Clara Vega: La semana en Product Hunt deja un hilo común bastante coherente: los agentes ya producen trabajo real, pero la gestión de ese trabajo —a dónde va el dinero, quién creó cada archivo y cómo se supervisa— todavía está en construcción. Esta edición fue buena prueba de ello.

Clara Vega: Pues empecemos por Unsloth Desktop, que promete ser la primera aplicación para trabajar con modelos de IA sin abrir el terminal. Es de código abierto, gratuita, y está disponible para Mac con chips de Apple o Intel, para Windows 10 en adelante y para Linux. La idea es que puedas ejecutar y entrenar modelos de forma totalmente local, sin tocar ni una línea de comandos.

Mateo Ruiz: Y es llamativo lo que cubre: no solo grandes modelos de lenguaje, sino también generación de imágenes y de vídeo, e incluso audio. Según el sitio oficial del producto, también incluye edición local de imágenes, con funciones como transformar, rellenar zonas, ampliar o mejorar la resolución.

Clara Vega: Ojo con la palabra “totalmente en local”, porque la velocidad depende del hardware. Ellos citan un ejemplo con una tarjeta gráfica muy potente de NVIDIA, la B200, donde la generación de un vídeo llevó unos trece segundos. Si tu equipo no llega a ese nivel, los tiempos serán más largos.

Mateo Ruiz: Claro, y por eso también hay una parte conectada. La aplicación incluye un comando que permite conectar agentes como Claude Code o Codex directamente a la tarjeta gráfica local. La gracia es que puedes cambiar el modelo subyacente sin rehacer el flujo de trabajo del agente.

Clara Vega: Y añaden algo pensado para quien trabaja con herramientas de IA: soporte para llamar a herramientas con una especie de autocorrección que detecta cuándo una llamada falla, la repara y lo intenta de nuevo, algo que según el fabricante puede dar hasta un cincuenta por ciento más de precisión. Eso sí, es una afirmación del creador, todavía sin verificar.

Mateo Ruiz: También prometen búsqueda web integrada, ilimitada, privada y gratuita, con un modo de investigación en profundidad que genera informes con citas. Y un detalle útil si no quieres exponer tu máquina: puedes servir los modelos que tenías en local por una dirección HTTPS mediante el túnel gratuito de Cloudflare.

Clara Vega: En las últimas horas han llegado a Product Hunt dos generadores de aplicaciones con IA que comparten el mismo diagnóstico: los constructores actuales sirven para prototipos, pero fallan cuando hace falta un backend real, autenticación, base de datos y código que un equipo pueda mantener. Cada uno ataca el problema a su manera.

Mateo Ruiz: Hablemos primero de LaraCopilot, que llega a su versión dos. Se presenta como un agente de ingeniería de IA capaz de construir aplicaciones completas listas para producción a partir de una descripción en lenguaje natural: interfaz, backend, base de datos, autenticación y APIs, ya conectadas y listas para desplegar.

Clara Vega: Según el equipo, un año después de la beta lanzada en Laracon US, miles de desarrolladores han generado más de dos millones cuatrocientas mil líneas de código con la herramienta. En la versión nueva añaden, entre otras cosas, un modo de construcción y otro de prototipado, la posibilidad de importar proyectos ya existentes, y la elección del frontend entre varias opciones como Blade, Livewire, React o Vue.

Mateo Ruiz: Además, hay rollback instantáneo, espacios de trabajo en equipo con control de acceso por roles e integración con repositorios privados. La oferta central no cambia: el backend se genera como código real, exportable a GitHub y sin bloqueo, con despliegue en un clic a Laravel Cloud, Forge, Ploi o cualquier servidor SSH.

Clara Vega: Y la otra apuesta es Assembly Studio. Sin entrar todavía en sus detalles técnicos, la gracia es que los dos parten del mismo problema y proponen salidas distintas, así que vale la pena ver cuál encaja mejor con el tipo de equipo que eres. La tracción y la calidad que anuncian son sobre todo auto-reportadas por los creadores, así que por ahora toca tomarlas con cautela.

Mateo Ruiz: Pasamos a voz, con Dograh, una plataforma autoalojable para construir agentes de voz que contestan llamadas, agendan citas, califican leads o lanzan recordatorios de pago. Se presenta como alternativa de código abierto a nombres como Vapi o Retell.

Clara Vega: El creador, Pritesh, critica precisamente a esas plataformas cerradas por hacerte, en sus palabras, alquilar agentes en su nube y a su precio. La alternativa de Dograh es una licencia de código abierto, instalación con un solo comando, sin tarifa por minuto ni niveles bloqueados, y con tus propias claves en más de treinta integraciones o incluso modelos locales sin conexión a internet.

Mateo Ruiz: En capacidades declaran un flujo visual para montar los agentes, conversación en tiempo real con más de setenta idiomas y cambio de idioma a mitad de llamada, traspaso cálido a una persona cuando toca, grabaciones con control de calidad automático y una API REST gratuita.

Clara Vega: Detalle interesante: incluye un servidor MCP, de modo que asistentes como Claude Code, Cursor o Codex pueden desplegar agentes directamente desde el editor de código. Y en el circuito de la voz ofrecen dos caminos, o bien el clásico que encadena transcripción, modelo de lenguaje y síntesis de voz, o bien una conversación directa de voz a voz en tiempo real.

Mateo Ruiz: La página menciona además más conversiones con clips pregrabados y la misma voz clonada, y un coste hasta tres veces menor, aunque todo esto son afirmaciones del propio fabricante sin verificar. En cuanto a privacidad, puedes desplegarlo en tu propia infraestructura o en una VPC, con los modelos dentro del perímetro o incluso totalmente aislados, y el argumento es que al no salir los datos, certificaciones como HIPAA o GDPR pueden seguir cubriéndote.

Clara Vega: Y cerramos con Ballet, que llega hoy a Product Hunt de la mano del equipo de Brainfish, y que va por el lado de la automatización de flujos de trabajo para equipos de operaciones. Daniel, el CEO y cofundador de Brainfish, cuenta en la comunidad que el producto nace de doce meses y cientos de conversaciones con líderes de operaciones, donde aparecieron tres patrones muy repetidos.

Mateo Ruiz: El primero, que el personal de operaciones acaba actuando como pegamento humano entre sistemas: uniendo herramientas, esperando a IT, y viendo cómo flujos que dependen de juicio se les rompen. El segundo, que cada equipo construye agentes de IA desconectados que nada integra. Y el tercero, quizá el más importante: nadie quiere autonomía total, sino un control gradual y fiable en producción.

Clara Vega: La propuesta es que describes en lenguaje sencillo un resultado esperado, por ejemplo el routing de leads, la atribución o una jugada de renovación, y Ballet escribe el código, lo ejecuta y lo mantiene funcionando, con registro de auditoría completo, rollback en un clic y un modo de simulación. Tú decides el nivel de autonomía que le concedes.

Mateo Ruiz: La diferencia frente a Zapier o n8n es que, según afirman, escribe la integración contra cualquier API en el momento en que se necesita, en lugar de depender de una biblioteca de conectores, y ejecuta el flujo como código que puedes inspeccionar, no como un diagrama visual frágil. Frente a agentes tipo Claude, prometen la misma salida cada vez y un coste predecible.

Clara Vega: Y ese punto del determinismo es la clave: la salida es determinista donde importa, es decir, código que los ingenieros pueden leer, aprobar y reproducir, y solo se usa razonamiento agéntico en los pasos concretos que admiten flexibilidad. Casos de uso que citan incluyen, por ejemplo, capturar leads al CRM con enriquecimiento de datos, justo donde los flujos rígidos suelen fallar porque el proceso requiere ese juicio del que hablábamos.

Clara Vega: Empecemos con RightCard, que se presenta como "el selector honesto de tarjetas de crédito". Es una extensión de Safari, gratuita y sin anuncios, creada por un desarrollador en solitario, y su propuesta es sencilla: te dice qué tarjeta usar en cada tienda y activa las ofertas bancarias que normalmente olvidarías.

Mateo Ruiz: O sea, ¿hablamos de ese ritual tan típico de entrar a la app de cada banco a activar ofertas antes de comprar? Según el anuncio, RightCard cubre Amex, Chase, Citi y Wells Fargo, y además te sigue el rastro a las categorías rotatorias de cinco por ciento y te avisa antes de que se renueven cargos anuales o créditos de tarjeta. Está pensado para quien tiene varias tarjetas y se le escapan esas activaciones.

Clara Vega: Y los comentarios preguntan lo lógico: ¿le sirve a quien tiene solo dos o tres tarjetas, o es solo para los entusiastas de recompensas? Pero lo más interesante es la apuesta técnica del desarrollador, porque dice que toda la competencia pide vincular tu cuenta bancaria o entregar credenciales para leer las ofertas.

Mateo Ruiz: ¿Y él cómo lo evita? La extensión de Safari lee directamente la página de ofertas del banco en la que tú ya iniciaste sesión, en tu propio teléfono. No hay cuenta, no hay anuncios ni SDK de rastreo, y las recomendaciones se calculan en el dispositivo, incluso sin conexión.

Clara Vega: Ahí está la gracia: los datos nunca salen de tu teléfono. Y en lo de cifras también se cuida: solo usa los techos que los propios bancos publican, el clásico "hasta tanto", sin cálculos inventados de "usted ahorró".

Mateo Ruiz: Claro, y eso evita esa falsa sensación de que todo es ganancia. De hecho, el desarrollador dice que RightCard te avisa cuando una bonificación no se va a publicar, porque muchos comercios facturan en una categoría distinta a la que uno espera: Walmart, por ejemplo, normalmente factura como supertienda y no como supermercado, así que la bonificación no llega aunque creas que sí.

Clara Vega: Y eso es justo donde un selector "honesto" gana valor: cuando te dice no solo qué tarjeta usar, sino cuándo no vas a recibir lo que esperabas. Habrá que ver si esa lectura de la página ya iniciada alcanza para cubrir todos los casos, pero la dirección por lo menos es clara.

Clara Vega: Y con eso cerramos la edición de hoy. Hemos visto dos lanzamientos que atacan el mismo problema desde ángulos opuestos: los equipos que trabajan con agentes de código. Por un lado, BearDrive, presentado por Runbear, y por otro, chat.agent de Trigger.dev, que se ofrece como un backend pensado para aplicaciones con IA. Y no nos vamos sin mencionar también cómo Unsloth Desktop permite ejecutar y entrenar modelos de IA en local, o la alternativa open source a Vapi y Retell que propone Dograh. Como siempre, gracias por acompañarnos. Nos escuchamos en la próxima edición de lanzamientos de Product Hunt.

Mateo Ruiz: Un placer despedirnos con todo eso sobre la mesa. Recordemos que además tuvimos otro generador de aplicaciones con IA basado en el mismo diagnóstico, más la automatización de flujos de Ballet y el selector honesto de tarjetas de crédito que propone RightCard. Échales un vistazo con calma. Nos vemos muy pronto.