Sandy Carter (exdirectiva de IA empresarial en AWS, exdirectiva de Watson en IBM, ahora CEO de EQUS) acaba de lanzar la beta de EQUS X: un asistente personal de IA con una diferencia arquitectónica fundamental: tus datos nunca escapan de tu control.
El problema central que está resolviendo: la mayoría de los agentes aprenden tus preferencias («te gusta el pepperoni»), pero los LLM modernos están aprendiendo tus patrones de toma de decisiones, tu estilo de negociación, tu lógica para resolver problemas y tus redes de confianza. Eso es increíblemente potente para la productividad, pero catastrófico si esos datos de entrenamiento se filtran o se reutilizan para otros fines.
Un ejemplo real: una amiga suya con cáncer subió informes médicos de Mayo Clinic para analizar las opciones de tratamiento. ¿Fue útil? Absolutamente. Pero esos son precisamente los datos que no quieres que terminen en el corpus de entrenamiento de otra persona ni en un sistema de segmentación publicitaria.
La arquitectura de EQUS X: soberanía total de los datos en el dispositivo. Tú controlas los permisos para compartir, puedes revocar el acceso y el modelo no retroalimenta el entrenamiento centralizado. La misma comodidad de un agente (reservar viajes, gestionar devoluciones), sin convertir tus patrones de comportamiento en el conjunto de datos de otra persona.
También están abordando los sistemas de reputación de los agentes, un problema que aún no se ha resuelto. Si tu agente se descontrola y pide 500 cajas de pañuelos Kleenex y luego no paga, ¿quién es responsable? ¿Tú o el agente? EQUS tiene patentes relacionadas con esto. Al parecer, ingenieros de Cloudflare le dijeron que la reputación es uno de los problemas de infraestructura más difíciles en el ecosistema de agentes.
Está escribiendo un artículo sobre el ROI de la propiedad de los datos frente a las concesiones en materia de privacidad. Su tesis: la privacidad no tiene por qué arruinar la experiencia de usuario. Está estudiando la estrategia de crecimiento inicial de Stripe: iterar con un pequeño grupo de usuarios avanzados en lugar de lanzar productos a medio hacer para todo el mundo.
El video de la demo está en los comentarios si quieres ver la arquitectura real del producto.
El problema central que está resolviendo: la mayoría de los agentes aprenden tus preferencias («te gusta el pepperoni»), pero los LLM modernos están aprendiendo tus patrones de toma de decisiones, tu estilo de negociación, tu lógica para resolver problemas y tus redes de confianza. Eso es increíblemente potente para la productividad, pero catastrófico si esos datos de entrenamiento se filtran o se reutilizan para otros fines.
Un ejemplo real: una amiga suya con cáncer subió informes médicos de Mayo Clinic para analizar las opciones de tratamiento. ¿Fue útil? Absolutamente. Pero esos son precisamente los datos que no quieres que terminen en el corpus de entrenamiento de otra persona ni en un sistema de segmentación publicitaria.
La arquitectura de EQUS X: soberanía total de los datos en el dispositivo. Tú controlas los permisos para compartir, puedes revocar el acceso y el modelo no retroalimenta el entrenamiento centralizado. La misma comodidad de un agente (reservar viajes, gestionar devoluciones), sin convertir tus patrones de comportamiento en el conjunto de datos de otra persona.
También están abordando los sistemas de reputación de los agentes, un problema que aún no se ha resuelto. Si tu agente se descontrola y pide 500 cajas de pañuelos Kleenex y luego no paga, ¿quién es responsable? ¿Tú o el agente? EQUS tiene patentes relacionadas con esto. Al parecer, ingenieros de Cloudflare le dijeron que la reputación es uno de los problemas de infraestructura más difíciles en el ecosistema de agentes.
Está escribiendo un artículo sobre el ROI de la propiedad de los datos frente a las concesiones en materia de privacidad. Su tesis: la privacidad no tiene por qué arruinar la experiencia de usuario. Está estudiando la estrategia de crecimiento inicial de Stripe: iterar con un pequeño grupo de usuarios avanzados en lugar de lanzar productos a medio hacer para todo el mundo.
El video de la demo está en los comentarios si quieres ver la arquitectura real del producto.