Empleados de Amazon 'Tokenmaxxing' con Agentes de IA MeshClaw para Cumplir Objetivos de Uso
Amazon ha implementado una herramienta interna de agente de IA llamada MeshClaw que permite a los empleados crear agentes que se conectan al software del lugar de trabajo. Según tres fuentes informadas, algunos desarrolladores están usando MeshClaw para automatizar tareas no esenciales puramente para aumentar el consumo de tokens, una práctica denominada "tokenmaxxing".
Amazon estableció objetivos para que más del 80% de los desarrolladores usen IA cada semana y comenzó a rastrear el consumo de tokens en tablas de clasificación internas. Si bien la empresa dice que las estadísticas de tokens no afectarán las revisiones de desempeño, varios empleados reportan que los gerentes están monitoreando los datos. "Cuando rastrean el uso, se crean incentivos perversos", dijo un empleado. Los empleados de Meta también han participado en tokenmaxxing.
MeshClaw se inspiró en OpenClaw, una herramienta viral que permite a los usuarios ejecutar agentes localmente. La versión de Amazon puede iniciar despliegues de código, clasificar correos electrónicos e interactuar con Slack. Un memo interno describe MeshClaw como algo que "sueña durante la noche para consolidar lo que aprendió, monitorea tus despliegues mientras estás en reuniones y clasifica tu correo antes de que te despiertes". Más de tres docenas de empleados de Amazon trabajaron en la herramienta.
Algunos empleados plantearon preocupaciones de seguridad sobre otorgar permisos a un agente de IA para actuar en su nombre. "La postura de seguridad predeterminada me aterra", dijo un empleado. Amazon espera gastar $200 mil millones en capex este año, principalmente en IA e infraestructura de centros de datos.
📖 Lee la fuente completa: HN AI Agents
👀 Ver también
Informe de Anthropic Detalla la Destilación Masiva de Claude por Empresas Chinas de IA
Anthropic publicó evidencia de que DeepSeek, Moonshot AI y MiniMax utilizaron 24,000 cuentas falsas y más de 16 millones de intercambios para destilar las capacidades de Claude, comprometiendo los mecanismos de seguridad en los modelos copiados.
Bram Cohen critica la 'programación por vibra' y las prácticas de desarrollo asistidas por IA.
Bram Cohen argumenta que la 'codificación por vibra'—donde los desarrolladores evitan mirar el código mientras usan asistentes de IA—conduce a una mala calidad del software, usando la filtración del código fuente de Claude como ejemplo de los problemas con el dogfooding excesivo.
Punto de Referencia de Estrategias de Comercio: Modelos de IA Más Económicos Superan a Claude Opus 4.6
Una prueba comparativa evaluó a 10 LLMs en el desarrollo de estrategias de trading, donde modelos más económicos como Minimax 2.5 y Gemini 3.1 superaron a Claude Opus 4.6 a pesar de su costo 10 veces mayor. El experimento se ejecutó tres veces con resultados consistentes.
Un estándar abierto para registros de ejecución de agentes: El caso de un esquema de registro compartido
Cada runtime de agente tiene su propio formato de registro, lo que causa fragmentación en la depuración, auditoría y portabilidad de herramientas. Los campos ya convergen en un esquema central: es hora de estandarizar.