Continuamos explorando innovación en IA, software personalizado y trucos para optimizar procesos de desarrollo. Inspiración y conocimiento para profesionales y empresas.

He reescrito y publicado una biblioteca para hacer zoom en imágenes al estilo Medium llamada Medium Zoom Next. Es agnóstica al framework, ligera, sin dependencias y adaptada a estándares más modernos. La librería original llevaba unos años sin mantenimiento y necesitaba cambios para mi sitio de portfolio, así que la tomé y la actualicé. Entre las mejoras destacan un nuevo método para intercambiar imágenes ampliadas, controladores de eventos actualizados para permitir pinch to zoom en pantallas táctiles, la reescritura a TypeScript y la modernización del entorno de desarrollo cambiando librerías y flujos de trabajo.

Medium Zoom Next es ideal para proyectos web y portfolios que buscan una experiencia de usuario limpia y responsiva. Si trabajas en proyectos que requieren componentes reutilizables y sin dependencias pesadas, esta biblioteca aporta una solución compacta y compatible con entornos actuales. El proyecto está abierto al feedback y tiene un registro de cambios detallado con explicaciones sobre las decisiones tomadas y las mejoras implementadas.

En Q2BSTUDIO somos una empresa de desarrollo de software especializada en aplicaciones a medida, software a medida y soluciones cloud. Ofrecemos desde el diseño y la implementación de aplicaciones hasta servicios de integración para plataformas y despliegue en la nube, incluyendo servicios cloud aws y azure. Además somos especialistas en inteligencia artificial, ofreciendo soluciones de ia para empresas, creación de agentes IA y consultoría para aprovechar modelos y automatizaciones que mejoran procesos y resultados.

Introducción Angular ofrece dos enfoques potentes para manejar formularios y la entrada del usuario: formularios basados en plantilla y formularios reactivos. Entender sus diferencias ayuda a elegir la mejor opción según la complejidad del proyecto y las necesidades del equipo.

Formularios basados en plantilla Los formularios basados en plantilla dependen de las directivas de Angular en la plantilla, como ngModel y ngForm. Son fáciles de configurar y requieren poco código en el componente, por lo que son ideales para formularios simples o prototipos rápidos. Ventajas principales: configuración rápida, menos código en el componente y curva de aprendizaje baja. Limitaciones: la lógica queda repartida entre plantilla y componente, son más difíciles de probar y escalar, y no son la mejor opción para formularios dinámicos o con validaciones complejas.

Formularios reactivos Los formularios reactivos son model driven, lo que significa que la estructura del formulario se define en la clase del componente y se enlaza a la plantilla. Este enfoque ofrece mayor control para formularios complejos, grupos anidados y arreglos de controles. La validación y la lógica se mantienen en el componente, lo que facilita las pruebas y el mantenimiento. Ventajas principales: mejor testabilidad, separación clara de responsabilidades y excelente soporte para generación dinámica de formularios. Inconvenientes: mayor cantidad de código inicial y curva de aprendizaje moderada.

Comparativa rápida Para formularios pequeños y sencillos conviene usar formularios basados en plantilla. Para formularios grandes, dinámicos o con lógica de validación avanzada es más recomendable usar formularios reactivos. Muchas aplicaciones combinan ambos enfoques: plantilla para entradas rápidas y reactivo para secciones avanzadas.

Cuándo usar cada uno Si empiezas con Angular y necesitas capturar unos pocos campos, usa formularios basados en plantilla para arrancar rápido. Si construyes aplicaciones empresariales con necesidades de escalabilidad, comportamiento dinámico, validaciones complejas o integraciones con servicios backend y workflows avanzados, apuesta por formularios reactivos.

Acabo de publicar un nuevo artículo donde me puse a fondo a recrear la icónica mecánica tiempo solo avanza cuando tú te mueves inspirada en SUPERHOT usando Unity. Lo que suena simple en teoría se transformó en una montaña rusa práctica: congelar el tiempo hasta que el jugador se mueva parecía fácil, pero la realidad fue otra.

Pasé días peleando con el sistema de tiempo de Unity, ajustando timeScale y lidiando con físicas que no querían comportarse, colisiones que parecían de cartón y una IA que parecía ensayar para un espectáculo de patinaje artístico. Entre los retos clave estuvieron la escalada suave del tiempo sin saltos bruscos, enemigos más inteligentes gracias a scripts limpios en StateMachineBehaviour, balas con peso real para evitar trampas de puntero láser y errores de depuración que se convirtieron en oportunidades de aprendizaje.

El resultado fue un sistema que no solo funciona sino que también se siente satisfactorio al jugar. Aprendí muchísimo sobre FixedUpdate, interpolation, cómo separar lógica de movimiento de la lógica visual y por qué es crucial diseñar entidades con físicas coherentes desde el principio.

Los Web Components ofrecen un estándar para crear componentes reutilizables e independientes de frameworks, ideales para proyectos que requieren consistencia y portabilidad. Permiten encapsulación mediante Shadow DOM, reutilización con Custom Elements y plantillas con HTML Templates, facilitando el mantenimiento y la escalabilidad en soluciones de software.

Ejemplo simple de un Custom Element en forma conceptual: <class HelloWorld extends HTMLElement { connectedCallback() { this.innerHTML = <b>Hola, <span> + this.getAttribute(name) + </span>!</b> } } customElements.define(hello-world, HelloWorld); > Uso en el HTML: <hello-world name=Frontend-Dev></hello-world>

Integración con frameworks: puedes usar el mismo componente en Angular, Vue o React sin rehacer la lógica interna. Por ejemplo en Angular o en una plantilla HTML bastaria poner <hello-world name=Angular-User></hello-world> y en React se puede insertar el custom element directamente en el JSX como <hello-world name=React-User></hello-world>.

Comunicación entre componentes: añade eventos personalizados para emitir datos hacia la aplicación principal, por ejemplo this.dispatchEvent(new CustomEvent(hello,{ detail:{ name:this.getAttribute(name) } })); De este modo los Web Components son perfectos para widgets que deben interoperar con librerias, micro frontends o sistemas de integración continua.

Introducción: Los formularios son la puerta de entrada para que los usuarios interactúen con una web. Permiten iniciar sesión, registrarse, enviar opiniones o completar compras. Para que cumplan su propósito los datos deben ser válidos y gestionados correctamente. Un campo de correo vacío, una contraseña débil o una casilla sin marcar pueden arruinar la experiencia y generar problemas de datos o seguridad. Aquí es donde el manejo y la validación de formularios con JavaScript y el DOM marcan la diferencia, permitiendo capturar entradas, validar formatos y ofrecer retroalimentación inmediata antes de enviar nada al servidor.

Qué aprenderás: Capturar entradas de usuario con JavaScript y el DOM, validar campos comunes como texto, correo y contraseñas, evitar envíos inválidos usando control de eventos, mostrar mensajes de error amigables y construir un formulario de registro funcional con ejemplos prácticos, aplicables tanto a proyectos de software a medida como a soluciones integradas para empresas.

Qué es el manejo de formularios en JavaScript: Se trata de trabajar con los datos que los usuarios ingresan en los campos. Con JavaScript se pueden capturar valores de inputs, checkboxes y radios, comprobar su validez, prevenir el envío si los datos no cumplen las reglas y mostrar mensajes útiles para que el usuario corrija errores. El DOM permite acceder y manipular los elementos HTML para lograr todo eso en el navegador.

Cómo ayuda el DOM: El DOM representa la página como una estructura de nodos que se pueden seleccionar y modificar. Se pueden leer valores, por ejemplo desde inputs de correo, usuario o contraseña, y reaccionar a eventos como submit cuando el usuario intenta enviar, input cuando escribe o change cuando cambia un valor. Esa reactividad hace que los formularios sean dinámicos y mejoren la experiencia.

Por qué la validación es importante: Sin validación los formularios aceptan datos erróneos o maliciosos. Algunos errores frecuentes son campos vacíos, correos en formato incorrecto o contraseñas insuficientes. La validación evita errores de datos, reduce fricción para el usuario y disminuye riesgos de seguridad. Existen dos capas: validación en cliente con JavaScript para retroalimentación inmediata y validación en servidor para seguridad definitiva. Lo ideal es combinar ambas.

Flujo práctico para manejar y validar formularios: Capturar valores mediante métodos del DOM, comprobar que no estén vacíos, verificar formatos mediante expresiones regulares para correos y validar la longitud y composición de contraseñas. Al detectar errores se debe evitar el envío y mostrar mensajes junto al campo afectado, preferiblemente usando estilos CSS para resaltar el error en vez de alertas intrusivas.

Ejemplos comunes de validación: Validación de correo con una expresión regular estándar como /^[^ ]+@[^ ]+\.[a-z]{2,3}$/ para detectar formatos básicos. Comprobación de fuerza de contraseña exigiendo al menos 8 caracteres y combinación de letras y números. Verificación de confirmación de contraseña asegurando que ambos campos coincidan. Validación de casillas de aceptación para términos antes de permitir el registro.

Ejemplo de flujo sin mostrar código literal: 1 Capturar los valores de usuario correo y contraseña desde los elementos del formulario. 2 Resetear mensajes de error visibles. 3 Validar cada campo aplicando reglas simples para detectar vacíos, patrones de correo y longitud mínima de contraseña. 4 Si alguna validación falla, impedir el envío y mostrar el error al lado del campo. 5 Si todo es válido, permitir que el formulario continúe hacia el servidor donde habrá validaciones adicionales.

Buenas prácticas: Escribir mensajes claros y accionables, resaltar los campos inválidos con estilos, mantener reglas de validación centralizadas para facilitar cambios, realizar validación tanto en cliente como en servidor y probar el formulario con múltiples casos de ingreso de datos. Estas prácticas son esenciales al desarrollar formularios dentro de proyectos de aplicaciones empresariales y soluciones web complejas.

Este artículo describe mi propuesta para el reto GKE Turns 10 Hackathon, cuyo objetivo fue simple pero potente: potenciar una aplicación de microservicios estándar, Online Boutique, con inteligencia artificial sin tocar ni una sola línea del código original. La solución fue construir un cerebro externo contenerizado compuesto por un equipo autónomo de agentes IA ejecutándose sobre Google Kubernetes Engine GKE.

Fundamento y descubrimiento de servicios GKE: La arquitectura se apoya en varios microservicios adicionales que deben comunicarse entre sí y con la aplicación original. GKE facilita el descubrimiento de servicios mediante servicios de Kubernetes que proporcionan nombres DNS estables para cada componente. Con esto mis agentes pueden invocarse entre ellos mediante llamadas HTTP internas resolviendo nombres como marketing-campaigner-service y dejando que GKE gestione el enrutamiento y la red.

Los sentidos: servidor MCP con sidecar seguro: El primer componente es un servidor MCP encargado de recibir eventos en tiempo real como add to cart desde el frontend. Para conectarse de forma segura a Cloud SQL uso el proxy de Cloud SQL como contenedor sidecar, aprovechando la arquitectura de pods de GKE para ejecutar la aplicación y el proxy dentro del mismo pod y así exponer la base de datos localmente a la app sin exponer credenciales en la red.

El estratega: agente con programación periódica CronJob: Algunos agentes no necesitan ejecutarse 24 7, solo deben despertarse periódicamente para detectar tendencias. Un CronJob de Kubernetes es perfecto para esto: define una expresión de horario y GKE crea pods puntuales que ejecutan el ciclo sentido pensar actuar y luego terminan, proporcionando una solución simple y declarativa para tareas programadas.

El ejecutor: colaboración agente a agente A2A: Cuando el analista detecta una tendencia delega tareas a un agente de marketing mediante mensajes A2A. Esa comunicación se implementa como solicitudes HTTP desacopladas usando los servicios internos de GKE lo que mantiene el diseño modular y escalable. Cada agente corre en su propio Deployment y escucha las peticiones que le corresponden.

Especialista IA: recomendador como cliente MCP y colaborador A2A: Reemplazé el servicio de recomendación original por un agente de recomendaciones impulsado por IA que actúa como servidor gRPC. Este agente combina varias técnicas: consulta a otros agentes vía A2A para conocer campañas promocionales en curso, actúa como cliente MCP usando el servicio de catálogo de productos como herramienta para obtener contexto fidedigno sobre los items del carrito y emplea un modelo de generación para producir recomendaciones inteligentes fundamentadas.

Asistente conversacional: cliente MCP con respuestas fundamentadas: Para atención al cliente desarrollé un agente conversacional orientado al usuario que actúa exclusivamente como cliente MCP y no utiliza A2A. Su única misión es ayudar al usuario y responder basándose estrictamente en la información que obtiene del servicio de catálogo mediante gRPC para evitar alucinaciones y generar confianza en el usuario.

Interfaces públicas: LoadBalancer para UIs: Para las demos y accesibilidad pública bastó con cambiar el tipo del Service a LoadBalancer y GKE aprovisionó una IP pública. Así expuse una interfaz tipo Mission Control Dashboard y un chatbot de soporte al cliente para interacción en vivo sin complicaciones adicionales de infraestructura.

Por qué GKE fue la elección adecuada: GKE permitió definir la infraestructura de forma declarativa con YAML, facilitar el descubrimiento de servicios mediante DNS interno, ofrecer herramientas nativas como CronJob y Deployments para distintos patrones de ejecución, proporcionar resiliencia automática al reiniciar pods fallidos y escalabilidad sencilla ajustando replicas. Para cargas de IA modernas y arquitecturas con múltiples agentes, GKE combina control operativo y simplicidad.

Q2BSTUDIO y cómo podemos ayudar: En Q2BSTUDIO somos una empresa de desarrollo de software especializada en aplicaciones a medida y software a medida, con experiencia en inteligencia artificial, ciberseguridad, servicios cloud aws y azure y soluciones de inteligencia de negocio. Podemos acompañar la implementación de agentes IA sobre plataformas gestionadas como GKE o integrar soluciones en AWS y Azure según tus necesidades. Si buscas potenciar tus procesos con IA para empresas y agentes IA conversacionales podemos diseñar e integrar soluciones a medida. También ofrecemos auditorías y pentesting para garantizar que tus despliegues sean seguros y confiables.

Este artículo reescribe y traduce al español un enfoque práctico para transformar libros históricos sin estructura en grafos de conocimiento almacenables y consultables en SurrealDB, usando técnicas de procesamiento de lenguaje y modelos de IA para extraer menciones e interacciones entre países a lo largo de los años.

Planteamiento y objetivo del proyecto: un investigador quiere analizar cómo cambió la percepción del mundo angloparlante hacia varias naciones europeas entre los años previos, durante y justo después de la Primera Guerra Mundial. Para simplificar se eligen cuatro libros representativos publicados en 1911, 1914, 1917 y 1920 que tratan de Europa en general. La idea es convertir esos PDFs en texto, procesarlos con modelos de lenguaje para obtener sentimiento y clasificaciones de eventos entre países, y almacenar los resultados en SurrealDB como un grafo formado por nodos media y country y por relaciones mention e interaction.

Extracción de texto: con una herramienta de extracción de PDF se generan archivos de texto plano para cada libro nombrados por año. El paso es imprescindible cuando el investigador dispone de PDFs variados y quiere automatizar la ingestión de fuentes históricas.

Modelos de lenguaje empleados: para una primera evaluación de tono se utiliza un modelo de sentimiento que clasifica fragmentos como positivo o negativo con una puntuación de confianza. Para identificar si en un pasaje existe una interacción entre dos países y si fue positiva o negativa se emplea clasificación zero shot con opciones tipo pais A hizo algo bueno a pais B, pais A hizo algo malo a pais B y algo distinto sucedió. Combinando ambos tipos de modelos se obtienen dos clases de relaciones útiles para grafos de conocimiento: media menciona country y country interactua con country.

Segmentación y limpieza: los textos se fragmentan en trozos manejables, p ejemplo bloques de 400 caracteres, limpiando saltos de línea y guiones de corte propios de OCR. Cada fragmento que menciona un país se evalúa con el modelo de sentimiento y cada fragmento que menciona dos países se evalúa con el modelo zero shot para detectar interacciones y clasificar su polaridad.

Modelado en SurrealDB: se crean nodos media por año y nodos country por cada nación analizada. Las relaciones mention contienen referencias al medio, al país mencionado, el año, el fragmento de texto y el sentimiento. Las relaciones interaction enlazan dos países con el contexto textual y la polaridad del evento. Este enfoque permite consultas gráficas y estadísticas que resumen tendencias por país y por año.

Consultas y visualización: con SurrealDB y la interfaz de visualización se pueden lanzar consultas que devuelven ejemplos concretos de interacciones, así como agregados por año que muestran cómo cambia el sentimiento hacia cada país. Por ejemplo en este experimento se puede observar cómo la valoración de Alemania cae en 1914 y 1917 y se recupera en 1920, mientras que otros países tienen comportamientos distintos según el corpus elegido. La visualización de grafos facilita detectar nodos y períodos con mayor atención, como un aumento de menciones a Belgica en 1920 que podría reflejar interés por la reconstrucción tras la guerra.

Limitaciones metodológicas: los libros contienen relatos y contextos amplios y no hablan solo del año de publicación, de modo que las señales deben interpretarse como indicios agregados. Además la clasificación automática no es perfecta y pueden aparecer falsos positivos cuando una frase une por casualidad nombres de países sin que exista interacción real. Por ello este flujo es ideal para análisis a gran escala que complementen la labor humana y guíen investigaciones posteriores.

22 de septiembre de 2025 — La jornada tecnológica cerró con movimientos que reconfiguran el mapa de la inteligencia artificial, la competencia global y la regulación. Nvidia anunció un plan sin precedentes para invertir hasta 100 000 millones de dólares en infraestructura junto a OpenAI, destinado a desplegar centros de datos con una capacidad total que rondaría los 10 gigavatios, suficiente para alimentar ciudades enteras orientadas a entrenar y ejecutar modelos de nueva generación. Este impulso apunta a acelerar la carrera hacia una inteligencia artificial más potente y general, pero también plantea retos inmediatos sobre suministro de semiconductores, presión en las redes energéticas y preocupaciones medioambientales por la huella de carbono de instalaciones tan masivas.

La noticia llega en un contexto donde las tensiones geopolíticas y regulatorias se intensifican. Pekín habría impuesto restricciones que impiden a grandes empresas chinas acceder a ciertos aceleradores de Nvidia, alimentando una respuesta centrada en alternativas locales y profundizando la fragmentación del ecosistema global de IA. Analistas advierten que esta bifurcación podría encarecer y retrasar proyectos en ambos bloques, aunque a la vez incentivará inversión local en chips y software.

En Estados Unidos la política migratoria también sacudió a la industria tecnológica. Una nueva tasa propuesta para solicitudes H-1B provocó una reacción inmediata en gigantes como Amazon, Google y Microsoft, que emitieron directrices internas y recomendaron a empleados con visados limitar viajes internacionales hasta que haya claridad. La medida, diseñada para priorizar mano de obra nacional, ha generado inquietud por la potencial pérdida de talento y por un posible traslado de equipos a hubs fuera de EE. UU.

En lo productivo y de consumo, Google amplió la presencia de su modelo Gemini en televisores y dispositivos Android TV, llevando capacidades conversacionales y contextuales a millones de pantallas. La integración busca transformar la experiencia de entretenimiento en algo interactivo y asistido por IA, desde recomendaciones personalizadas hasta ayuda educativa. Mientras tanto Meta logró una aprobación clave para su familia de modelos Llama por parte de la administración federal estadounidense, lo que abre la puerta a despliegues abiertos en agencias y destaca la importancia de modelos de código abierto en entornos con requisitos estrictos de soberanía de datos.

La regulación antimonopolio sigue marcando la agenda: en Virginia arrancó un juicio que podría obligar a Google a desprenderse de su intercambio de anuncios AdX como remedio por prácticas consideradas anticompetitivas. El resultado tendrá consecuencias profundas para la industria publicitaria digital y para las empresas que dependen de ecosistemas integrados para llegar a clientes.

En resumen rápido, los mercados cripto mostraron cierta debilidad con Bitcoin retrocediendo mientras el uso cotidiano de asistentes conversacionales sigue creciendo, especialmente entre generaciones jóvenes. Además, las olas de despidos en tecnología reflejan la doble cara de la automatización y la transición hacia servicios impulsados por IA.

Problema que resuelve: replicación del entorno. El típico mensaje esto funciona en mi máquina pero no en la tuya resume una de las dificultades más habituales al llevar código a producción. La causa principal es la replicación del entorno: dependencias, librerías y versiones instaladas en un equipo no siempre están en otro, y pedir a cada desarrollador que instale y configure todo manualmente no es práctico.

Docker soluciona esto encapsulando en un contenedor todas las dependencias, librerías y configuraciones necesarias para ejecutar una aplicación. Así el mismo contenedor se ejecuta igual en distintos entornos, reduciendo errores por diferencias de entorno y acelerando despliegues y pruebas.

Diferencias entre virtualización y contenedores. Containers comparten el kernel del sistema anfitrión, lo que los hace mucho más livianos y rápidos, ideales para arquitecturas de microservicios. La virtualización crea máquinas virtuales completas, cada una con su propio sistema operativo, lo que añade una sobrecarga muy superior. En resumen containerización es el concepto y Docker es una implementación práctica, del mismo modo que un hipervisor implementa virtualización.

Aspectos clave comparativos. 1. Utilización de recursos: los contenedores comparten el kernel y consumen menos recursos; las VMs incorporan un sistema operativo completo y requieren más CPU, memoria y almacenamiento. 2. Portabilidad: los contenedores están pensados para ser portables en cualquier host compatible; las VMs dependen de hipervisores compatibles. 3. Seguridad: las VMs ofrecen un aislamiento más fuerte por llevar su propio sistema operativo; los contenedores comparten más elementos con el anfitrión. 4. Gestión: los contenedores son más fáciles de orquestar y escalar rápidamente.

Por qué los contenedores son ligeros. Un contenedor no incluye un kernel completo ni todas las utilidades del sistema, solo lo imprescindible para la aplicación. Un ejemplo práctico: una imagen base de ubuntu para contenedores puede ocupar alrededor de 22 MB mientras que una imagen de máquina virtual de Ubuntu suele rondar 2,3 GB. La diferencia de tamaño se debe a que la VM emula todo el sistema operativo, con bibliotecas, utilidades y archivos de sistema, mientras que la imagen de contenedor es minimalista.

Contenido habitual de una imagen base de contenedor incluye carpetas como /bin, /sbin, /etc, /lib, /usr, /var y /root que proporcionan ejecutables, librerías y configuraciones necesarias para la aplicación. Al mismo tiempo el contenedor usa recursos del anfitrión como el sistema de ficheros mediante bind mounts, la pila de red del host, llamadas al sistema gestionadas por el kernel anfitrión, y mecanismos de aislamiento y control como namespaces y cgroups.

Namespaces crean entornos aislados para PID, red y sistema de archivos, mientras que cgroups limitan y controlan recursos como CPU, memoria y I O que puede consumir cada contenedor. Gracias a estas tecnologías un contenedor está aislado del anfitrión y de otros contenedores, aunque dependa de recursos comunes del sistema.