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

Anthropic bloquea el uso de arneses de terceros en los límites de suscripción de Claude, pero hay una solución disponible.
Anthropic ha restringido el acceso de herramientas de terceros a los límites de suscripción de Claude, lo que podría interrumpir flujos de trabajo que dependen de estas herramientas. Un usuario de Reddit informa haber desarrollado una solución de código abierto tras casi perder meses de datos de entrenamiento.

Título: Kimi K2.6 vs Claude Opus 4.7: Un enfrentamiento práctico de codificación en un mod de Minetest con integración de Google Sheets
Un desarrollador probó Kimi K2.6 y Claude Opus 4.7 en la creación de un mod de tablero de recompensas para Minetest con un backend en TypeScript y registro en Google Sheets. Opus tuvo éxito en ambas tareas; Kimi pasó la tarea local pero falló en la integración. Costos: Opus ~$3.59 local, $16.03 integrado; Kimi $0.39 local, $5.03 fallido.

Sociedad Sintética: Agentes de IA Construyendo Vidas Virtuales en Moltbook

OpenClaw 2026.3.24: Configuración de Puente Eliminada, Ahorros en Tokens de Latido, Detección de Bucles
OpenClaw 2026.3.24 elimina la sección de configuración de puente obsoleta de openclaw.json, agrega isolatedSession: true a la configuración de heartbeat para reducir los costos de tokens de ~100K a 2-5K por ejecución, e introduce nuevas funciones que incluyen imageGenerationModel, tools.loopDetection, channels.modelByChannel, alias de modelos integrados y pdfModel.